Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UNIVERSIDAD DISTRITAL
FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA INDUSTRIAL
BOGOTÁ
2016
Descripción de la Investigación
Director Interno
Jaime Antonio Benítez Forero
Magister en Docencia
Director Externo
Héctor Rene Álvarez Laverde
Doctor en Estadística
UNIVERSIDAD DISTRITAL
FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA INDUSTRIAL
BOGOTÁ
2016
Descripción de la Investigación
CONTENIDO
Pág.
INTRODUCCIÓN ........................................................................................... 1
1. DESCRIPCIÓN DE LA INVESTIGACIÓN .............................................. 3
1.1 PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN................. 3
1.2 JUSTIFICACIÓN DE LA INVESTIGACIÓN ............................................ 6
1.3 OBJETIVOS........................................................................................ 10
1.3.1 Objetivo General ................................................................................................................. 10
1.3.2 Objetivos Específicos .......................................................................................................... 10
1.4 HIPÓTESIS ............................................................................................. 11
1.5 METODOLOGÍA DE INVESTIGACIÓN ................................................ 11
1.6 ORGANIZACIÓN DEL TRABAJO ......................................................... 12
2. ESTADO DEL ARTE ............................................................................... 14
2.1 INTRODUCCIÓN .................................................................................... 14
2.2 MANTENIMIENTO PRODUCTIVO TOTAL - TPM. .............................. 15
2.3 PILARES DEL TPM ................................................................................ 19
2.4 PRODUCTIVIDAD, EFICIENCIA Y EFICACIA .................................... 21
2.5 LAS PÉRDIDAS EN LOS PROCESOS PRODUCTIVOS ......................... 23
2.5.1 CARACTERIZACIÓN DE LAS PÉRDIDAS .................................................................... 24
2.5.2 ÁRBOL DE PÉRDIDAS .................................................................................................... 30
2.6 CARACTERIZACIÓN DEL OEE ............................................................ 35
2.6.1 TIPOS DE OEE .................................................................................................................. 37
3. MODELO OEE ESTOCÁSTICO ............................................................ 40
3.1 ESTOCÁSTICIDAD EN EL CAMPO INDUSTRIAL........................... 40
3.2 NATURALEZA ESTOCÁSTICA DEL OEE ........................................ 45
3.3 OEE COMO UNA VARIABLE ALEATORIA – MODELO TEÓRICO 50
Descripción de la Investigación
LISTA DE FIGURAS
Pág.
Figura 1. Definición de OEE de acuerdo al modelo TPM (Fuente: Suzuki, 1994) .................. 8
Figura 2. Evolución del Mantenimiento hacia el TPM (fuente: Rey Sacristán, 2008) .......... 16
Figura 3. Los 8 pilares del TPM (Fuente: Cuatrecasas Tarrel, 2010) ..................................... 19
Figura 4. Productividad, eficiencia y eficacia (Fuente: Stamatis, 2010) ............................... 22
Figura 5. Tipos de árbol de pérdidas (Fuente: www.ceroaverias.com) ................................. 31
Figura 6. Árbol de pérdidas de paradas de una planta (Fuente: www.ceroaverias.com) ....... 34
Figura 7. Modelo de referencia para OEE (Fuente: www.ceroaverias.com) .......................... 38
Figura 8. Aleatoriedad del Tiempo de para (Fuente: construcción propia) ............................ 44
Figura 9. Distribución Normal truncada (Fuente: construcción propia) ................................. 58
Figura 10. Forma de la distribución Beta (Fuente: Farnun & Stanton (1987))....................... 60
Figura 11. Distribución probabilística del OEE (Fuente: construcción propia) ..................... 63
Figura 12. Notación de tiempos para OEE (Fuente: construcción propia) ............................. 64
Figura 13. Blíster farmacéuticos (Fuente: Termnoformer machinery) ................................... 72
Figura 14. Proceso de empaque farmacéutico tipo blíster (Fuente: Abrego, 2012)................ 73
Figura 15. Proceso de termoformado (Fuente: Termoformer machinery) .............................. 74
Figura 16. Diseño de blíster de distinto número de alveolos, distribución y dirección
(Fuente: Abrego 2012) ............................................................................................................ 77
Figura 17. Proceso de impresión láser sobre el blíster (Fuente: Termoformer machinery) ... 78
Figura 18. Proceso operacional de empaque farmacéutico tipo blíster (Fuente: Abrego, 2012)
................................................................................................................................................. 80
Figura 19. Variación de definición del OEE desde la utilización (Fuente: Construcción
propia) ..................................................................................................................................... 84
Figura 20. Estructura base para construir el árbol de pérdidas (Fuente: Construcción propia)
................................................................................................................................................. 87
Figura 21. Árbol de pérdidas de paradas (Fuente: Construcción planta) ................................ 89
Figura 22. Comportamiento del TOE y TDN (componentes del OEE) (Fuente: Construcción
propia) ..................................................................................................................................... 92
Figura 23. Prueba normalidad para TOE y TDN (Fuente: Construcción propia) ................... 93
Figura 24. Comportamiento del OEE2 (Fuente: Construcción propia) .................................. 96
Figura 25. Comportamiento de la Tasa de Utilización y el OEE1 (Fuente: Construcción
propia) ..................................................................................................................................... 97
Figura 26. Distribución Weibull (Fuente: Construcción propia) .......................................... 100
Figura 27. Ajuste de los tiempos programados rutinarios (Fuente: Construcción propia) ... 101
Descripción de la Investigación
Figura 28. Ajuste de los tiempos inesperados operacionales (Fuente: Construcción propia)
............................................................................................................................................... 102
Figura 29. Ajuste de los tiempos inesperados de equipo (Fuente: Construcción propia) ..... 103
Figura 30. Ajuste de los tiempos de averías individual (Fuente: Construcción propia) ....... 104
Figura 31. Averías en detalle con sus causales (Fuente: Construcción propia) .................... 105
Figura 32. Pareto de las averías por causal y duración (Fuente: Construcción propia) ........ 105
Figura 33. Re muestras del OEE del ejemplo (Fuente: Construcción propia) ...................... 108
Figura 34. Comportamiento de la media muestral del OEE (Fuente: Construcción propia) 109
Figura 35. Comportamiento de la varianza del OEE (Fuente: Construcción propia) ........... 110
Figura 36. Mapa estratégico (Fuente: Construcción propia) ................................................ 117
Figura 37. Despliegue estratégico del Hoshin (Fuente: Construcción propia) ..................... 119
Figura 38. Matriz de despliegue estratégico del Hoshin (Fuente: Construcción propia)...... 120
Figura 39. Despliegue del árbol de pérdidas para la toma de decisión ................................. 121
Figura 40. Despliegue de las paradas programadas rutinarias .............................................. 122
Figura 41. Etapas que se realizan en un cambio de referencia (alistamiento) ...................... 126
Figura 42. Etapas para la realización de un SMED (Fuente: García, 2013) ......................... 129
Figura 43. Estructura línea empaque de análisis (Fuente: construcción propia) .................. 131
Figura 44. Análisis de los cambio por tipo de formato (Fuente: construcción propia) ........ 132
Figura 45. Análisis línea base de tiempos cambio formatos C y D (Fuente: construcción
propia) ................................................................................................................................... 133
Figura 46. Distribución programación de los formatos por semana (Fuente: construcción
propia) ................................................................................................................................... 134
Figura 47. OEE2 simulado con la mejora del SMED (Fuente: construcción propia)........... 136
Figura 48. Pareto de contribución de causales a la varianza (Fuente: construcción propia) 137
Figura 49. Definición de confiabilidad (Fuente: construcción propia) ................................. 142
Figura 50. Diagrama detallado del RCM (Fuente: Gangi et las 2010) ................................. 145
Figura 51. Tiempo de reemplazo optimo (Fuente: Jardine & Tsang, 2013) ......................... 147
Figura 52. Tiempo de reemplazo optimo (Fuente: Jardine & Tsang, 2013) ......................... 148
Figura 53. Pareto de paradas de averías por causales (Fuente: construcción propia) ........... 151
Figura 54. Pareto de paradas de averías etapa de formado (Fuente: construcción propia) ... 152
Figura 55. Ajuste de los tiempos entre fallas (cambios por falla) (Fuente: construcción
propia) ................................................................................................................................... 154
Figura 56. Función de costos total esperado de reemplazo (Fuente: construcción propia) .. 155
Figura 57. Ajuste de los tiempos de parada del Pareto de formado (Fuente: construcción
propia) ................................................................................................................................... 156
Figura 58. OEE2 simulado con la mejora del reemplazo programado (Fuente: construcción
propia) ................................................................................................................................... 156
Descripción de la Investigación
LISTA DE TABLAS
Pág.
Tabla 1. Datos para el cálculo de OEE de la línea analizada (Fuente: Construcción propia). 90
Tabla 2 Construcción de la distribución discreta (Fuente: Construcción propia) ................... 94
Tabla 3. Distribución de probabilidad ajustada para TDN (construcción propia) .................. 94
Tabla 4. Datos de paradas de la línea analizada (Fuente: Construcción propia) .................... 98
Tabla 5.Tipos de cambio que se tiene en la línea (Fuente: Construcción propia) ................ 131
Tabla 6. Costos generados por cambio de servomecanismos por falla................................. 153
Descripción de la Investigación
LISTA DE ANEXOS
Pág.
ANEXO A .........................................................................................................................162
ANEXO B..........................................................................................................................164
ANEXO C. ........................................................................................................................166
ANEXO D. ........................................................................................................................168
Descripción de la Investigación
INTRODUCCIÓN
En los entornos altamente competitivos que tienen que enfrentar las organizaciones
industriales, éstas tienen que establecer estrategias de operación dónde puedan funcionar los
equipos en condiciones óptimas. Para lograr esto se deben enfocar en reducir al máximo las
pérdidas de la organización. Para alcanzar este objetivo requieren tener métricas que sean
fiables y robustas de las pérdidas. Una de estas métricas nacidas del entorno, el
mantenimiento productivo total (TPM) fue desarrollada Nakajima (1988), en donde se trata
de medir la productividad y la eficiencia de líneas de producción considerando ocho grandes
tipos de pérdidas (Pérdidas de paradas programadas, pérdidas por ajustes de producción,
pérdidas por fallos de proceso, pérdidas por fallos de equipos, pérdidas de producción
normales, pérdidas de producción anormales, pérdidas por defectos de calidad y pérdidas
por reproceso; Suzuki (1994). En resumen la eficiencia global de los equipos OEE (Overall
Equipment Effectiveness o Eficiencia Global de los Equipos) mide el desempeño actual de
las máquinas o equipos relacionado con su capacidad de desempeño bajo condiciones
óptimas de operación.
Cómo lo plantea Ericsson (1997), el OEE permite medir las pérdidas de producción
directamente asociada a los costos relacionados de la pérdida pero también permite valorar
los costos ocultos que tiene un sistema productivo, para lograr esto se debe tener un sistema
de medición muy robusta; a este sistema se le conoce con el nombre de árbol de pérdidas, el
cual permite desagregar o desglosar las pérdidas por tipo de causa permitiendo hacer un
análisis al detalle. Este análisis es muy importante con el fin de establecer estrategias de
reducción o eliminación de pérdidas. De esta manera la eficiencia global de los equipos
(OEE) se convierte en una medida muy robusta, que al mismo tiempo permite tomar
decisiones en función de la estructura que tiene el árbol de pérdidas. Por tanto, son dos
1
Descripción de la Investigación
Un modelo estocástico nos permite tener una visión y un control más global de la
métrica, permitiendo evaluar la toma de decisiones con respecto al objetivo de reducción de
pérdidas. Con este modelo estocástico se pueden realizar simulaciones y pronósticos de los
comportamientos esperados de la efectividad de los equipos.
2
Descripción de la Investigación
1. DESCRIPCIÓN DE LA INVESTIGACIÓN
Para ello se formulan los objetivos que contribuyen al marco del desarrollo de la
investigación, fundamentando ésta en el estado del arte del OEE como medida de
desempeño, desde el punto de vista del Mantenimiento Productivo Total (TPM), de esta
forma se formula el problema y la hipótesis de investigación.
Las empresas industriales en nuestro país se enfrentan cada vez en entornos de mayor
competitividad, con la entrada en vigencia de varios TLC (tratado de libre comercio) firmado
con Estados Unidos, la Comunidad Europea y ahora con Corea, la situación se hace cada
vez de mayores retos lo que obliga que ellas sean más eficientes. Como lo plantea el informe
3
Descripción de la Investigación
Bajo estas circunstancias las compañías industriales en nuestro país, tienen que
establecer estrategias para ser competitivas y lo importante ser más eficientes para lograr
esta meta de competitividad planteada, y poder enfrentar los retos que le imponen el entorno
económico actual. Esto ha obligado que muchas compañías tengan que implementar
estrategias para alcanzar excelencia operacional, es decir, ser más eficientes en la utilización
de los recursos y al mismo tiempo con menores costos y mayor productividad. Han sido
muchas las estrategias que se han implementado para lograr esta excelencia, como Lean
Manufacturing, la estrategia Seis Sigma o los programas TPM (Mantenimiento Productivo
Total), pero cualquiera que sea la estrategia, la principal acción que se debe adoptar es el
pensamiento de eliminación o reducción de pérdidas dentro de la organización, porque será
la única forma que la organización pueda generar un valor agregado, reducción de costos y
así estar en una posición competitiva. Por lo tanto, las organizaciones deben implementar
sistemas de medición más eficientes, robustos y que realmente midan su eficiencia. Una de
las medidas para lograr este objetivo es el llamado OEE (Overall Equipment Efficiency) o
Eficiencia Global de Equipos (Líneas de producción), pero el objetivo no es solo tener esta
medición robusta de la eficiencia de los procesos o de las máquinas, es disponer de una
4
Descripción de la Investigación
herramienta que permita analizar y tomar decisiones, es decir, poseer una estrategia de
análisis y toma de decisiones eficientes. Lograr esto implica que la forma de medición sea
lo suficientemente detallada, sin fallos y robusta, de esta forma poder tomar decisiones que
sean las prioritarias y estratégicas, de forma centrar el esfuerzo de mejora de los procesos,
solucionar problemas que sean de alto impacto y especialmente que permita reducir las
pérdidas de mayor efecto, y de esta manera impactar donde se quiere reducción drástica de
los costos.
Muchas de las empresas que han implementado la medición del OEE, lo hacen con
demasiadas deficiencias especialmente en la medición; pero quizás el aspecto más
importante, es el hecho que se maneje como un KPI (Key Performance Indicator) - indicador
clave de desempeño más dentro de la organización. Este indicador de desempeño de
excelencia es totalmente subutilizado; no se le saca la mayor cantidad de provecho y no se
utiliza como lo que es una herramienta robusta de análisis y toma de decisiones, esto es
debido a que normalmente no se entiende lo que está dentro del indicador y su completa
caracterización. Las personas dentro de la dirección, normalmente no tienen un
conocimiento profundo de su funcionamiento y lo más importante de su caracterización.
El OEE es un indicador que es muy dinámico, él está siendo afectado por eventos de
diferente naturaleza: los eventos programados y los no programados o imprevistos.
5
Descripción de la Investigación
Generalmente, los eventos que son programados son gestionados para que tengan un efecto
controlado sobre el proceso, pero los eventos no programados son todos imprevistos por lo
tanto son aleatorios, están siendo afectados por unas causas o múltiples causas
interactuantes, que afectan directamente a la eficiencia del proceso. Debido a su naturaleza
aleatoria el comportamiento del indicador OEE es completamente estocástico, pero por lo
general dentro de las organizaciones no les hace un tratamiento con esta visión y enfoque.
El no hacer un análisis estocástico al indicador, se puede estar perdiendo la posibilidad de
hacer análisis más profundos y robustos, así con la posibilidad de utilizar metodologías como
simulación para tomar decisiones de mayor impacto y realizar análisis más estructurados.
Dentro de la filosofía Lean así como la estrategia TPM y en los entornos de procesos
de alta eficiencia, se hace necesario tener indicadores que midan esta eficiencia. En Japón
desde la década de los años 1960s se desarrolló el indicador de Eficiencia Global de Equipos
(OEE-Overal Efiency Equipment), que fue propuesto por Nakajima (1988) dentro del
entorno del TPM. Este indicador se ha venido usando en sin número de industrias que han
aplicado metodologías de mejora, optimización y eliminación de pérdidas tales como Lean
Manufacturing y el TPM. Este indicador de eficiencia no se está utilizando apropiadamente,
existen varias formas de definirlo, por lo tanto hace que su interpretación no sea la más
correcta y apropiada.
6
Descripción de la Investigación
Tiempo productivo
D = Disponiblidad = (2)
Tiempo Total disponible
Producción real
R = Rendimiento = (3)
Producción teórica
Dentro del modelo TPM, estos indicadores están definidos en términos del tiempo,
porque el OOE se entiende como utilización máxima de los recursos a través de la utilización
máxima del tiempo disponible del equipo. De ésta forma se puede definir la disponibilidad,
el rendimiento y la calidad como lo muestra el figura 1, en la cual se ilustra cómo las
componentes del OEE se expresan en términos del tiempo (esta se ampliara en el capítulo
7
Descripción de la Investigación
2).A lo largo de ésta investigación éste es el enfoque se utilizará. De esta forma el OEE
podemos definirlo en una forma más sencilla, en términos del tiempo:
Dónde:
El OEE es una medida muy variable y dinámica que es afectada por múltiples
factores, asociados a los tres elementos que la componen: en la disponibilidad por todos los
tipos y causales de paradas tanto programadas como no programadas; en el rendimiento las
continuas fluctuaciones de velocidad, así como el control de las micro paradas, que presentan
las líneas; y en la calidad del producto final, todos los aspectos asociados y causales de no
8
Descripción de la Investigación
La gestión del OEE está focalizada en eliminar o minimizar las perdidas por paradas
(programadas y no programadas), las perdidas por rendimiento y las pérdidas de calidad, de
esta forma se busca incrementar el OEE. En la práctica cómo se desarrollan estas mejoras se
hacen a través de la identificación de las causa que producen las pérdidas y que afectan la
efectividad, y a partir de allí se plantean mejoras con las cuales se esperan reducir (o
eliminar) estas pérdidas, pero debido a las fluctuaciones que tiene el OEE, es posible no se
observe una mejora significativa, en ocasiones no se observa una mejoría en el promedio,
pero si se pueden tener efectos en dispersión.
9
Descripción de la Investigación
1.3 OBJETIVOS
A continuación se presentan los objetivos que se pretenden lograr una vez se termine
la investigación propuesta de análisis del OEE.
Proponer, desarrollar y aplicar un modelo estocástico del OEE, que pueda evaluar no
solo el comportamiento promedio, sino también la variación, permitiendo obtener un análisis
más detallados y robusto de la eficiencia de los procesos y equipos.
Analizar la estructura del árbol de pérdidas bajo el modelo TPM, para priorizar las
pérdidas que más afectan a la efectividad global de los equipos.
10
Descripción de la Investigación
1.4 HIPÓTESIS
Fase I: Caracterización del OOE Esta fase se desarrolla partiendo del análisis del estado
del arte de la medición de la eficiencia de los equipos y procesos industriales. Se hizo un
análisis detallado de las pérdidas industriales y del Mantenimiento Productivo Total (TPM),
que sirve como marco de referencia del análisis del OEE. También se hace una
caracterización del OEE como una medida robusta de eficiencia, y de su importancia para la
toma de decisiones con el fin de eliminar las pérdidas de los procesos.
11
Descripción de la Investigación
Fase II: Construcción del modelo teórico Se construye el modelo matemático que permite
explicar el comportamiento estocástico de la medida de la eficiencia OEE. Partiendo de unas
premisas y supuestos que van a ser validados.
Fase III: Aplicación del modelo. La aplicación del modelo se realizó en un caso particular
usando datos reales, de un proceso farmacéutico, específicamente en una línea de blisteado
(empaque de tabletas o capsulas farmacéuticas). A partir de ésta aplicación se encontró que
el modelo teórico en realidad uno de los supuestos teóricos no se cumple, por esta razón se
formula un modelo restringido.
Fase IV: Consideraciones prácticas del modelo En ésta fase se hace algunas
consideraciones para el uso del modelo en forma práctica a través del análisis robusto de la
eficiencia y toma decisiones
Estado del Arte: Esta fase es desarrollada a lo largo del capítulo 2 dónde se hace una
revisión del estado del arte de: Las pérdidas y el Mantenimiento Productivo Total (TPM), la
caracterización del OEE y algunos aspectos administrativos del OEE.
12
Descripción de la Investigación
Conclusiones. Esta fase se desarrolla a lo largo del capítulo 5, dónde se hacen algunas
consideraciones prácticas para el uso y la aplicación del modelo en condiciones de operación
normal, y se establecen algunas aplicaciones para la toma de decisiones, finalmente se
plantean conclusiones y recomendaciones.
13
Descripción de la Investigación
En este capítulo se van a dar los conceptos básicos de Mantenimiento Productivo Total –
TPM, el cual sirve de marco de referencia para el OEE. Además se presenta un análisis
exhaustivo de las pérdidas de los procesos productivos, se describe la importancia de las
pérdidas en la medición de la eficacia global de los procesos.
Se hace una caracterización completa del OEE y las métricas que la comprenden. Se hace
un análisis de la importancia del OEE dentro de los procesos de excelencia operativa. Se hacen
algunas consideraciones acerca de la medición del OEE y como esta toma de datos influye en
el análisis y la toma de decisiones finales.
2.1 INTRODUCCIÓN
14
Descripción de la Investigación
Production Systems), y fue un enemigo feroz de los despilfarros e identificó los siete
despilfarros fundamentales (Taiichi Ohno, 1991), que posteriormente se ampliaron a 16. El
TPS y el TPM están fundamentados en la eficiencia a través de la eliminación de las pérdidas
y/o despilfarros, debido a esto se formularon las métricas asociadas a la eliminación de las
pérdidas, y la principal es el OEE.
El TPM también llamado Total Productive Management, es cada vez más utilizado en
el mundo industrial y especialmente en los países de América Latina. Este hecho es debido a
los resultados sorprendentes que han tenido las empresas que lo han implementado, en el mayor
de los resultados se puede duplicar la productividad y/o reducir los costos en un 30% o más.
TPM es un sistema de gestión, es una estrategia que identifica y elimina las pérdidas de los
procesos, que maximiza la utilización de los activos, y garantiza la creación de productos y
servicios de alta calidad y costos competitivos.
El TPM más allá de ser una estrategia o un modelo de gestión de los procesos
productivos implica un cambio cultural en la empresa tanto a nivel operacional como de
dirección, de esta forma el TPM se orienta hacia el crecimiento de la organización mediante el
mejoramiento de la capacidad productiva desarrollando la capacidad operacional de la mano
de obra (Cuatrecasas & Torrel, 2010).
15
Descripción de la Investigación
como el mantenimiento productivo realizado por todos, fue puesto en práctica en Japón
inicialmente por Nippondenso Co, proveedor de Toyota en 1969 (Arciniegas, 2010).
Por otro lado, Seiichi Nakajima considerado el padre del TPM fundador del Instituto
Japonés de Mantenimiento de Planta (JIPM), es el que ha recibido el crédito de la definición
de los conceptos del TPM y de haberlo implementado en cientos de plantas en Japón, durante
los 1970s, Nakajima apoyado del liderazgo de Shigeo Shingo ingeniero de producción de
Toyota (desarrollador del TPS – Sistema de Producción de Toyota) introdujeron el concepto
de cero paradas y cero defectos con la técnica TPM describiendo la metodología para garantizar
la confiabilidad de equipos dentro del proceso productivo, los libros y artículos de Nakajima
así como otros autores japoneses y americanos comenzaron a aparecer a finales de 1980s y en
1990 se desarrolló la primera conferencia sobre TPM en Estados Unidos (Giraldo, 2008).
Figura 2. Evolución del Mantenimiento hacia el TPM (fuente: Rey Sacristán, 2008)
16
Descripción de la Investigación
fases, que Rey Sacristán (2008)las llamó generaciones: En la primera generación, que se dio
antes de 1950, se caracterizó por aplicar un mantenimiento de reparación (correctivo), basado
exclusivamente en la reparación de averías; la segunda generación, se dio a partir de 1950,
donde se establecen las bases del Mantenimiento Preventivo, un nuevo enfoque que busca por
encima de todo la rentabilidad económica, en base a maximización de la producción.
Establecen funciones de mantenimiento orientadas a detectar y/o prever posibles fallos antes
de que sucedan. También, en esta generación se aumenta el grado de planificación y aparece
el concepto de Mantenimiento Preventivo basado en el Tiempo (MBT), que trata de planificar
las actividades de mantenimiento de forma periódica, sustituyendo en el momento adecuado
las partes que se prevean para garantizar su buen funcionamiento; La tercera generación
aparece el mantenimiento basado en las condiciones (MBC) donde se planifica el control a
ejercer sobre el equipo y sus partes, para asegurar que reúnan las condiciones necesarias para
una correcta operación y se puedan prevenir posibles anomalías y la Cuarta generación, que se
da en la década de 1960s, se incorpora el concepto de Mantenimiento Productivo, que abarca
todos los anteriores e incluye un plan de mantenimiento para toda la vida útil del equipo.
La definición original que dio JIPM estaba orientada únicamente a las áreas de
producción, pero posteriormente se extendió al resto de áreas de la empresa y fue redefinido
como “Company Wide TPM” (TPM en toda la empresa). “El TPM se orienta a crear un sistema
corporativo que maximice la eficiencia de todo el sistema productivo, estableciendo un sistema
preventivo de pérdidas en todas las operaciones de la empresa. Esto incluye “cero accidentes,
cero defectos y cero averías” en todo el ciclo de vida del sistema productivo. Se aplica a todos
los sectores, incluyendo producción, desarrollo y departamentos administrativos. Se sustenta
en la participación de todos los miembros de la empresa, desde la alta dirección hasta los
niveles operativos. La obtención de “cero pérdidas” se alcanza a través de grupos pequeños”
(Cuatrecasas, 2007).
17
Descripción de la Investigación
accidentes, cero defectos y cero fallos del equipo a través de la gestión sobre las pérdidas. En
este sentido el TPM recuerda algunos aspectos valiosos del TQM (Total Quality Management
– Gerencia de Calidad Total). Como el compromiso total del equipo de dirección de la empresa,
la delegación de la autoridad, un programa a largo plazo y un cambio de mentalidad y actitud
hacia las nuevas responsabilidades (Arciniegas, 2010). De esta forma el objetivo del TPM es
incrementar significativamente la productividad y al mismo tiempo levantar la moral de los
trabajadores y su satisfacción por el trabajo realizado.
18
Descripción de la Investigación
El desarrollo del TPM se lleva a cabo enfocándose en ocho pilares, que constituyen la
infraestructura de todo el sistema.
19
Descripción de la Investigación
P1: Mantenimiento Autónomo. Este pilar desarrolla en las personas la capacidad para
detectar y prevenir anormalidades en su equipo evitando que se transformen en problemas
graves, el pilar de mantenimiento autónomo utiliza el concepto de limpieza como inspección,
garantizando la óptima condición de funcionamiento y limpieza del equipo.
P2: Mejoras Enfocadas. Este pilar se concentra en la eliminación permanente de las pérdidas
para lograr la máxima eficacia global de los equipos y procesos de la empresa, lo cual se
desarrolla a través del trabajo de equipos interdisciplinarios que lideran el mejoramiento
continuo y la eliminación de pérdidas.
P3: Mantenimiento Planificado. Este pilar busca alcanzar gradualmente, cero fallas en
equipos a través del conocimiento perfecto de las fallas, la reversión del deterioro, la creación
de un sistema de información, el mantenimiento preventivo y predictivo y las metodologías de
análisis de fallos.
P4: Pilar de educación y entrenamiento. Este pilar desarrolla las habilidades y competencias
de las personas para garantizar altos niveles de desempeño en su puesto de trabajo, a través de
programas integrados de formación y lecciones de un punto.
P5: Pilar de seguridad, Higiene y Medio Ambiente. Este pilar crea un sistema de gestión
integral de seguridad y medio ambiente que permite lograr cero accidente y contribuir a
prevenir los riesgos que podrían afectar la integridad de las personas o generar efectos
negativos al medio ambiente.
P6: Pilar Mantenimiento de la calidad. Este pilar tiene como propósito establecer las
condiciones del equipo en un punto donde el “cero defectos” es factible. El pilar de la calidad
busca identificar los puntos de chequeo para todas las condiciones de equipos y procesos que
afectan al producto, con el fin de tomar las acciones apropiadas.
20
Descripción de la Investigación
P7: Pilar de control inicial. Este pilar busca el desarrollo de equipos con ingeniería altamente
fiable, amigables de operar y mantener. Busca además de fabricar productos libres de pérdidas
y defectos durante el tiempo de vida útil del equipo.
P8: Pilar Administrativo. Este pilar busca reducir las pérdidas que se producen en todas las
actividades no involucradas en el equipo productivo (planificación, desarrollo, administración,
etc.), aunque no producen un valor directo como producción, facilitan el apoyo para que el
proceso productivo funcione eficientemente. Este pilar ayuda a evitar las pérdidas de
información, coordinación precisión, etc.
Los pilares como su nombre lo dice, permiten darle una estructura a todo el programa
y sistema de TPM, ellos también permiten soportar el sistema de gestión del programa, para
que sea sostenible.
Es importante precisar los tres conceptos más utilizados dentro del entorno de TPM y
Lean productividad, eficiencia y eficacia. Frecuentemente ellos se usan de manera genérica y
se confunden su significado y aplicación.
21
Descripción de la Investigación
Toda línea de proceso produce salidas a través de la transformación de las entradas. Por
ejemplo, en una planta de autopartes, el acero (entrada) es transformado en puertas para carros
(salida), sin embrago, el acero no es la única entrada, se requiere mano de obra y energía entre
otros. Considerando este enfoque, el concepto de productividad se puede entender como la
relación entre la salida y la entrada (por ejemplo, número de puertas por operador). La eficacia
es la relación entre la salida actual y la salida de referencia, mientras la eficiencia es la relación
entre la entrada actual y la entrada de referencia, la figura 4 ilustra estos tres conceptos.
22
Descripción de la Investigación
Este paradigma fue valido, hasta cuando en la década de 1980s los Japoneses
invadieron los mercados con productos diferenciados y con alto valor para el cliente, donde ya
no se podía producir en masa con poca diferenciación e innovación, esto hizo que la ventaja
que daba la economía de escala se perdiera, porque se fabricaban en mayor número pero
diferenciados (mass constumization – productos personalizados), por tanto la ecuación de
productividad se vio afectada, y se planteó que la eficacia asociada a la productividad, debía
obtenerse reduciendo el denominador, es decir utilizar menos recursos, y allí apareció el
concepto de utilizar los recursos con mayor valor, y se obtuvo la idea y los fundamentos de la
filosofía Toyota, que Womack y Jones (1993) en su libro la máquina que revoluciono el
mundo, plantearon como la pérdida (muda), Toyota desarrolló su fuerza competitiva,
alcanzando altos niveles de eficacia, simplemente eliminando las pérdidas en todos los
procesos operacionales y que posteriormente ellos lo denominaron el pensamiento Lean
(1997).
23
Descripción de la Investigación
El pensamiento Lean, hizo que las organizaciones se enfocarán enser más eficientes
simplemente optimizando la utilización de los recursos y al mismo tiempo eliminando las
pérdidas de la organización y allí basó la filosofía TPM, la maximización de la eficacia de la
producción, minimizando o eliminando las pérdidas. Como lo planteó Womack y Jones (1997)
las pérdidas deben ser caracterizadas y ellos plantearon el modelo de las grandes pérdidas, que
las clasificaron en:
A. Pérdidas de eficiencia de los equipos y procesos (en la sección 3.1 explica el significado
de aleatoriedad)
• Cambios de producto
• Reproceso
• Ajustes de producción
• Fallos de proceso
• Paradas programadas
• Esperas
• Exceso de movimientos
• Exceso de transportes
• Sobreproducción
• Actividades innecesarias
24
Descripción de la Investigación
• Inventarios
• Defectos de calidad
• Desperdicio técnico MP
• Desperdicio innecesario de MP
• Reproceso de MP
• Sobreconsumo de Energéticos
• Desorganización de la línea
Todas estas pérdidas son fuentes de ineficiencia de los procesos, desde el punto de vista
del TPM solo se centra en el primer grupo, las pérdidas de las eficiencias de los equipos y los
procesos. Nakajima (1991) resume estas pérdidas en ocho y las considera las más importantes
y relevantes, y a partir de ellas definió el OEE.
25
Descripción de la Investigación
1. Paradas programadas
2. Ajustes de la producción
4. Fallos de proceso
7. Defectos de calidad
8. Reprocesamiento
26
Descripción de la Investigación
3. Pérdidas por fallos en los equipos: Esta corresponde al tiempo perdido cuando en una
planta o línea de producción el equipo pierde inesperadamente sus funciones
específicas. Quiere decir, que debido a alguna causa se generan pérdidas de sus
funciones ya sean en tiempos cortos o por intervalos de tiempo relativamente largos,
no se producen productos con la calidad y el rendimiento deseado. Existen dos tipos de
fallos de equipos, aquellos donde se pierden completamente las funciones a causa de
averías, que obliga a interrumpir la operación, suspendiéndola hasta que se logra
recuperar las condiciones normales y las fallas de los equipos que habiendo perdido su
función no se debe interrumpir la operación del mismo, puede ser por problemas de
calidad, o por el funcionamiento del mismo, no es el ideal para producir productos de
calidad o sin desperdicio de materia prima, de material de empaque o de insumos
necesarios para producirlos. En tal caso el equipo o la línea de proceso rinde por debajo
de lo previsto.
27
Descripción de la Investigación
28
Descripción de la Investigación
29
Descripción de la Investigación
Uno de los aspectos más importante para poder lograr una mayor eficiencia de las
plantas y líneas de proceso es tener un registro de las pérdidas, que se incurren durante la
operación. Por esto se hace muy importante tener una base de datos dónde se registren las
pérdidas en la métrica específica de su medición:
Algo muy importante, de éste registro; es realizar la gestión completa de las pérdidas y
garantizar la eliminación o por lo menos la minimización de sus efectos, también tener registro
de sus causas, porque con ellas se puede hacer una gestión proactiva de las pérdidas
30
Descripción de la Investigación
31
Descripción de la Investigación
• Causas asociadas a los materiales: son todas las pérdidas relacionadas con las
materias primas y/o materiales de empaque. Específicamente, la no conformidad de los
materiales o la ausencia de ellos.
• Causales asociadas al proceso: son todas las pérdidas relacionadas con la operación,
los parámetros y condiciones de funcionamiento del proceso. Específicamente,
parámetros de operación fuera de especificaciones (peso final o temperatura) puede
generar distinto tipos de pérdidas, paradas para ajustar el proceso, productos no
conformes, desperdicio de materiales, o reproceso.
• Causales asociados a equipos: son todas pérdidas relacionadas con las condiciones
básicas de operación de los equipos o las averías. Específicamente, por ejemplo los
desajustes que tienen los equipos pueden generar pérdidas de calidad, desperdicio de
materiales o generar paradas para realizar los ajustes, y a largo plazo pueden generar
averías, o también debido a estos desajustes es posible que existan pérdidas de
rendimiento porque no se puede operar el equipo a velocidad estándar.
• Causales de gestión y/o organización: son todas las pérdidas relacionas con la
ineficiencia por organización de la producción, la gestión de materiales, malas
decisiones, falta de información, mala planeación. Específicamente, la falta de
materiales hace que se generen paradas o esperas, se tomen decisiones que impacten en
el rendimiento o generar no conformidades.
Estos causales van a tipificar y clasificar las pérdidas, por su naturaleza. En general
vamos tener pérdidas de tres clases:
32
Descripción de la Investigación
33
Descripción de la Investigación
34
Descripción de la Investigación
El OEE abarca seis métricas claves, analizándola desde una visión de pérdidas, estas
son las pérdidas que sugirió Nakajima (1988) como las más importantes para analizar la
eficiencia de los equipos y líneas. De acuerdo con Nakajima, (1) las averías y (2) los cambios
(setups) se categorizan en una clase pérdida de tiempo, reduciendo la disponibilidad; (3) las
pequeñas paradas y (4) la reducción de velocidad se categorizan en una clase que se llamaran
pérdidas de velocidad y (5) defectos del proceso y (6) desperdicio (scrap) se consideran dentro
de una categoría perdidas por defectos (baja calidad). La medida propuesta por Nakajima
comienza, con el tiempo total disponible del activo y a partir de él se calcula el tiempo total
disponible de operación excluyendo el tiempo no disponible planeado, tales como los tiempos
de mantenimiento planeado o los tiempos fuera de candelario (dominicales o festivos). Una
vez se ha calculado el tiempo disponible de operación (programa la producción) se calcula el
tiempo actual de operación (excluyendo los tiempos perdidos por paradas (1) y (2), de tiempo
de carga), después se calcula el tiempo neto de operación (se excluyen los tiempos perdidos
por (3) y (4) del tiempo de operación y finalmente se calcula el tiempo efectivo de operación
(se excluyen los tiempos perdidos por (5) y (6) del tiempo neto de operación); estos tiempos
son calculados sucesivamente, tal como lo muestra la figura 1 (capítulo 1).
La ecuación (5) permite hacer una estimación aproximada del OEE, recolectando las
seis categorías, el tiempo de carga es el tiempo disponible total de operación y por otro lado el
tiempo efectivo de operación puede ser estimado multiplicando el tiempo de ciclo teórico por
35
Descripción de la Investigación
el número de productos conformes completados. Esta es una estimación muy burda del OEE
real, por esos se recomienda medir todos los tiempos perdidos por las seis perdidas
consideradas dentro del modelo de Nakajima.
Uno de los problemas que se presenta con la anterior estimación es que el caso de las
industrias de proceso que utiliza múltiples turnos para mejorar la utilización de los equipos, el
tiempo total disponible de operación en la ecuación (1) refleja la real utilización del equipo.
Esto es porque en estos casos es preferible utilizar el enfoque del tiempo total del calendario,
en vez del enfoque del tiempo de carga. El enfoque del tiempo total de calendario usa el tiempo
calendario teórico, por ejemplo el análisis en una semana, el tiempo teórico total se refiere a
24(hr/día)x7(días/semana)=168 hr/semana.
• Tiempo para mantenimiento no programado: el tiempo que emplea para atender averías.
36
Descripción de la Investigación
• Tiempo sin material disponible: tiempo durante el cual el equipo se para por no haber
disponibilidad de material para ser procesado.
• Tiempo ocioso sin operador: tiempo de parada del equipo que habiendo material
disponible, pero no hay operador disponible.
Jeong & Philips (2001), hacen un análisis acerca del cálculo del OEE, donde indica que
la métrica del OEE cambia dependiendo el tiempo que se considere en el denominador y
también dependiendo que tiempo se considere en el numerador, esto permite definir distintos
indicadores.
37
Descripción de la Investigación
• OEE1. Una primera métrica donde se toma el tiempo total disponible para la definición
del OEE que es:
De esta manera se considera como referencia el tiempo calendario completo que está
disponible el equipo. A esta métrica se le llama el OEE Estratégico, porque por lo
general es usado en la parte directiva o los responsables de planeación para optimizar
la utilización de los activos desde una perspectiva global, el cual permite tomar
decisiones. En general esta es la medida que usan las organizaciones que tienen
procesos de implementación de excelencia operacional avanzadas, y es una métrica del
desempeño global.
38
Descripción de la Investigación
• OEE2: Esta segunda métrica no considera el tiempo total disponible, sino el tiempo
disponible neto donde se descuenta el tiempo operacional no planeado, es decir se
considera el tiempo programado, de esta forma se define:
Este OEE se dice que es más real desde el punto de vista operacional, por esta razón se
le llama OEE Operacional, y es el que usan los responsables de las áreas operacionales
como indicador de toma de decisiones, y es el que se recomienda usar como métrica
operacional de la eficiencia.
• OEE3: Esta tercera métrica no considera el tiempo disponible neto, utiliza lo que se le
llama el tiempo disponible operacional, donde al tiempo disponible neto se le quita las
paradas programadas (especialmente los setups):
39
Descripción de la Investigación
Se hace una formulación del modelo teórico basado en el teorema central de limite (TLC),
el cual permite suponer que las variables tienen una distribución normal. Bajo éste supuesto el
modelo que se formula es el cociente de variables aleatorias normales.
Finalmente se hace la formulación del modelo estocástico del OEE, bajo la condición de
dependencia, éste modelo se caracteriza y se analiza algunas propiedades que se utilizarán para
la aplicación.
Con el fin de poner en contexto la estocásticidad del OEE es necesario clarificar varios
conceptos asociados a la estocásticidad, si se busca la definición en el diccionario (Larousse,
2007) “Adjetivo: Que depende del azar o de la incertidumbre. Aleatorio”. (Cambridge English
Dictionary & Thesaurus, 2016) “Imprevisto, fortuito, casual, aleatorio, probabilístico”. (Law
& Keton, 2000) plantean que estocástico (del latín stochasticus, que a su vez procede del griego
στοχαστικός, "hábil en conjeturar") es el sistema cuyo comportamiento es intrínsecamente no
determinista. Un proceso estocástico es aquel cuyo comportamiento es no determinista, en la
40
Descripción de la Investigación
medida que el subsiguiente estado del sistema está determinado tanto por las acciones
predecibles del proceso como por elementos aleatorios, que pueden ser analizables en términos
de probabilidad.
Por lo tanto todo está fundamentado en el concepto de azar, por esto se analiza más en
detalle para considerar una definición que sirva de referencia para el resto del documento.
Monod (1970) en su ensayo del azar y la necesidad plantea que “el azar es una combinación
de circunstancias o de causas imprevisibles, complejas, no lineales, sin plan previo y sin
propósito, que supuestamente provocan que acontezca un determinado acontecimiento que no
está condicionado por la intervención humana”. De esta forma el azar es un caso fortuito,
inesperado, y no programado (Fuentes et als, 2006). Ekeland (1992) plantean que el término
azar proviene del árabe hispánico az-zahr, que significa "dado", y a su vez este vocablo
proviene del árabe clásico ( رهزzahr).Si algo fue "al azar" o "por azar", significa que fue por
casualidad, de manera fortuita o accidental, involuntario, o sin una intención o un motivo
determinado o prefijado, algo que ocurre sin reflexionar sobre ello ni planearlo, algo que no
tiene guía ni rumbo, que ocurre inesperadamente y que no tiene orden u ocurre aleatoriamente.
Esta es la definición que se toma como referencia para analizar la estocásticidad del OEE.
De esta forma dentro de los procesos industriales casi todo ocurre en forma estocástica
o aleatoria, y por tanto tiene asociado a un comportamiento probabilístico y a una variable
aleatoria. Por ejemplo cuando se hace la planificación y la programación de la producción,
puede estar determinada por decisiones que pueden ser de distinta naturaleza, en caso particular
que se programa por órdenes de fabricación, que son generadas de necesidades o
41
Descripción de la Investigación
Más en detalle, se podría considerar que existe un aspecto muy importante que es las
mermas de materia prima y empaque que se presentan en forma intrínseca, debida a los
aspectos tecnológicos o diseño del sistema productivo, se consideran algunos: cuando el
material es de tipo liquido o polvo, por la misma estructura química y física del material, así
como las condiciones de operación, hace que se quede adherida dentro de los equipos y las
tuberías materia prima, que puede perder las características para transformarse en producto
conforme, en el caso farmacéutico este debe ser lavado y desechado convirtiéndose en scrap
(desperdicio), esto es lo que se llama la merma técnica, que generalmente está estimada
convirtiéndose en lo que se llama scrap técnico, por lo tanto esta merma debe ser considerada
en la programación de los materiales, que en teoría está determinado, pero en la realidad en la
mayoría de las ocasiones ésta cantidad puede fluctuar debida a múltiples aspectos como la
calidad de la materia prima, la preparación previa, a condiciones externas no controlables como
la temperatura y humedad relativa de la planta, aun en situaciones totalmente controladas,
como los procesos farmacéuticos, esta merma es fluctuante por las ineficiencias que se tienen
en los protocolos y estándares de fabricación, o en las decisiones de tipo económico, como el
de utilización de materias primas de menor costo, esto ocurre por ejemplo con las materias
primas que se compran a algunos proveedores Chinos, que manejan unos costos
significativamente menores, pero que al utilizarlas no aseguran la calidad de los materiales.
42
Descripción de la Investigación
De esta forma, debido a todos estos aspectos que son inciertos y no se conocen completamente,
se toman decisiones de utilizar un porcentaje adicional de materias primas en la programación
(por lo general el número “mágico” es el 5%, que simplemente es una cantidad definida por
política) que no en todos los tipos de productos o referencias es el mismo, precisamente por
las características mismas del producto a fabricar. En este caso la eficiencia de la orden se
convierte en una variable aleatoria.
Abordando el análisis desde otra perspectiva las paradas que tienen los procesos o
líneas de fabricación, son de naturaleza aleatoria como se analiza en la sección siguiente. Pero
en particular la estructura es aleatoria y estocástica de las paradas, se puede presentar por dos
factores: la causa de la parada y el tiempo que dura la parada.
Causa de la parada: En éste caso aparecen dos tipos de paradas; las paradas programadas y
no programadas, en este caso es claro que cuando la causa es fortuita o inesperada generan
paradas no programadas que son aleatorias (en su causalidad), por tanto su naturaleza es
aleatoria. En el caso de las paradas programadas, que ya están determinadas las condiciones y
tiempo en que se debe realizar la parada, en este caso su naturaleza del causal no es aleatorio
es decir determinístico.
43
Descripción de la Investigación
paradas programadas, por ejemplo cuando se para, para realizar cambios de producto o de
referencia, la duración puede ser incierta, debido a múltiples aspectos asociado a la ineficiencia
del sistema, por ejemplo debido a desgastes que se tengan en los utillajes, formatos o moldes
puede hacer que en tiempo de cuadre y puesta a punto de la línea se alargue porque este no se
termine hasta que se obtengan producto conformes, esto ocurre muy frecuentemente cuando
no se hace mantenimiento continuo de condiciones de operación básica, como por ejemplo no
se tienen rutinas básicas de limpieza o de lubricación, generan desajustes de los equipos
impactando en puesta a punto del proceso y en la estabilización del mismo.
44
Descripción de la Investigación
𝐾𝐾
K el número de paradas es aleatorio, porque este está dado por los causales de paradas.
Cada parada tiene una causa de parada asociada que en el caso de paradas no programadas
estos causales generan paradas imprevistas o fortuitas asociadas a dichas causa. Por lo tanto,
K es una variable aleatoria. Por lo tanto, 𝑇𝑇𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 es una variable aleatoria sin importar si 𝑇𝑇𝑖𝑖 sea
aleatoria o no. Pero de acuerdo al análisis hecho, los tiempos de duración de cada parada 𝑇𝑇𝑖𝑖
son aleatorios, así esté programada. Pero en el caso de se tenga un tiempo 𝑇𝑇𝑗𝑗 que no sea
aleatorio o determinístico, que esté asociado a algún mecanismo automatizado que garantiza
que siempre sea el mismo, entonces el tiempo total de paradas será:
𝐾𝐾
Como se ha analizado en los capítulos anteriores, la estructura del OEE depende de las
pérdidas que se generan en el proceso o equipo, las pérdidas por su naturaleza están asociadas
a eventos aleatorios, para ilustrar este comportamiento probabilísticos se analizará la
naturaleza de las perdidas en tres situaciones particulares.
45
Descripción de la Investigación
Situación 1: Pérdida por ocurrencia de Averías. Las averías a pesar de que están asociadas
a las políticas de mantenimiento que se establezcan en la organización (mantenimiento
correctivo, preventivo, basado en el tiempo, basado en las condiciones o basado en la
confiabilidad) ellas se presentan en forma incierta, la política de mantenimiento afecta a la
probabilidad de ocurrencia de la avería. Por ejemplo si la política de mantenimiento es basada
en corrección, es decir, no hacer ninguna intervención sino esperar a que aparezca el evento,
es posible que tenga un factor causal que agrava la avería, como la falta de lubricación, en este
caso la probabilidad de ocurrencia de la avería es mucho mayor que en el caso de que se tenga
una política de mantenimiento basada en la condición del equipo, en este caso se hace
inspecciones y revisiones de las condiciones de funcionamiento de los equipos y se realizan
acciones de mantenimiento preventivo, aún más el operador tiene rutinas de revisión, el cual
permite que de una forma temprana se den cuenta que hace falta de lubricación, también puede
detectar fugas o desajustes de los mecanismos de lo equipos, de esta forma la probabilidad de
la ocurrencia se reduce significativamente. Si vamos en situaciones más avanzadas de TPM,
donde se ha llevado un registro muy juicioso de las fallas y averías de los equipos y de las
componentes críticas, se hace un mantenimiento planificado y basado en la confiabilidad, en
este caso se pueden tener un plan de reemplazo preventivo (Jardine & Tsang, 2013) en donde
a través de un modelo estocástico se puede establecer el periodo de tiempo en que se deben
reemplazar las piezas y componentes antes de que se generen las averías, de esta forma la
probabilidad se reduce drásticamente a casi cero, no es posible que sea cero, debido a que
aparezca la avería antes del reemplazamiento y en tal caso se reemplaza antes del tiempo
planificado, aquí la pérdida se convierte en una parada programadas por reemplazamiento.
46
Descripción de la Investigación
Situación 2: Paradas inesperadas por ajustes de proceso. En este caso la parada también es
de naturaleza aleatoria porque está asociada a la causa del ajuste. En particular, en el caso que
sean por ajustes de parámetros de proceso, tuvo que existir una evidencia o un síntoma de que
los parámetros estaban fuera de control o simplemente empezó a presentar no conformidades
en el producto o en una respuesta del proceso o equipo, generando productos con defectos
(perdidas de calidad), dependiendo de la respuesta ante esta incidencia, se generan distintos
tipos de pérdidas:
• Una primera posibilidad es que el operador decida no parar el proceso para hacer ajustes,
sino reducir la velocidad del equipo, de esta forma podría contener el problema y tratar de
evitar que sigan apareciendo los defectos, en este caso reduce la pérdida de calidad pero
reduce el rendimiento del proceso, es decir que produce menos unidades de las
planificadas, en ambos casos tiene un efecto negativo sobre el OEE, representado en
reducción de rendimiento o del índice de calidad.
• Una segunda posibilidad es el operario él decide parar el proceso para realizar los ajustes,
en este caso se genera una pérdida por parada, impacta a la disponibilidad, pero es posible
que la parada genere problemas de desperdicio o unidades totalmente defectuosas, lo cual
agrava la pérdida, aún más puede ocurrir que al arrancar nuevamente el equipo se genere
47
Descripción de la Investigación
más desperdicio o rechazo mientras que se estabiliza el proceso, en este caso se produce
un efecto negativo sobre el OEE, representado en reducción de la disponibilidad,
reducción del rendimiento al generar desperdicio se obtienen menos unidades que las
planeadas y también puede reducir el índice de calidad, por la generación de productos
defectuosos.
En este caso, de pérdidas por ajustes del proceso, la naturaleza del evento es aleatoria
dependiendo de la causa que genere el ajuste y la decisión del operador y de igual forma que
en la avería, las acciones de control van a afectar la probabilidad de ocurrencia del evento. En
el caso de que no se tenga ningún sistema de control del proceso, por ejemplo no se tienen
sistemas que permitan poner en evidencia el desajuste en forma temprana, sino se reaccionan
únicamente cuando aparecen los defectos, en tal caso la probabilidad de ocurrencia del evento
es mayor, debido a que el operador solo reacciona solo cuando aparecen los defectos, y si no
se tiene el sistema de control con toda seguridad el operador va hacer ajustes que no son
“óptimos”, puede ser que el operador haga un ajuste mayor que el que debía hacer, generando
un impacto mayor en el índice de calidad, o es posible que el ajuste que realice no es el correcto,
en este caso se requiere parar para hacer más ajustes. En el caso que se tenga un sistema de
control estadístico, que le permita poner en evidencia la no conformidad antes de que sea
dramática y con efectos mayores, él puede prevenir y anticiparse a hacer los ajustes, en tal caso
no evita la parada para hacer los ajustes, pero si puede reducir el impacto de generar desperdicio
y los defectuosos en tal caso incide en la probabilidad, en términos que reduce la frecuencia de
ocurrencia del evento. En el caso que se tenga un sistema de control avanzado en el cual se
pueda hacer el seguimiento continuo de las variables de proceso, es posible detectar más
rápidamente los desajustes del proceso, y es posible que bajo esta situación, el operador pueda
hacer los ajustes sin tener que parar el equipo, de esta forma evita que ocurra el evento en
términos de la ocurrencia de parada, y en tal caso el impacto sobre el OEE es significativo.
48
Descripción de la Investigación
Situación 4: Paradas programadas. Se podría pensar que las paradas programadas por su
naturaleza no tienen una naturaleza aleatoria, dónde se analizan aquellas que si tienen su
comportamiento aleatorio. Por ejemplo en los cambios de referencia en los equipos, ya está
planificado en el programa de producción que se debe realizar los cambios de una referencia a
otra, en tal caso la parada no es inesperada, en donde podría aparecer el comportamiento
aleatorio de esta pérdida. Primero se considera que es una pérdida porque en su naturaleza hay
una parada, por lo tanto afecta a la disponibilidad del equipo o proceso, es una pérdida porque
está asociada a una actividad que no agrega valor pero es imprescindible realizarla, el
comportamiento aleatorio está relacionado con la frecuencia como aparecen y su tipo de
cambio, esta frecuencia está asociada a los requerimientos de la demanda, y en este caso la
demanda tiene un comportamiento aleatorio. Dependiendo de las referencias que requiera la
demanda y el tamaño de las órdenes, se tiene más o menos cambios, dependiendo del tipo de
parada puede durar más o menos del tiempo disponible.
De esta forma se puede ver que no importa la naturaleza de la pérdida en todos los casos
analizados se presenta que las pérdidas son de naturaleza aleatoria, por esta razón el
comportamiento del OEE es estocástico.
49
Descripción de la Investigación
Hay un aspecto muy importante analizar la aleatoriedad del tiempo disponible, es decir,
el denominador del OEE. En el caso del OEE1 donde se toma como referencia el tiempo
calendario, es claro que este puede tener su aleatoriedad dependiendo del número de días que
tiene cada uno de los meses. Para el caso del OEE2 y OEE3, es claro que el tiempo disponible
neto y el operacional es aleatorio, porque va a depender del número de turnos que se programen
cada día, y el número de días que se programen en la semana y en el mes, este varia por varios
aspectos, pero principalmente por los requerimientos de la demanda y la disponibilidad de
material para generar la programación. Por lo tanto se hace clara la naturaleza aleatoria del
OEE, y es importante notar que en este trabajo se va a focalizar a los OEE2 y OEE3.
El punto de partida de éste análisis es la definición conceptual del OEE dada por
Nakajima (1988) quien plantea que el OEE es la integración de tres factores: Disponibilidad,
Rendimiento y Calidad (que fueron analizadas en el capítulo 1 página 7), cuya notación es la
siguiente.
Para la notación se toma como referencia el OEE2 operacional, que es el que más se
utiliza en las áreas operacionales, por lo tanto se toma como referencia el Tiempo Disponible
Neto
50
Descripción de la Investigación
Como planteó Nakajima (1988) el modelo de medición de OEE, que está ilustrado en
las figuras 1 y 7, los indicadores de rendimiento y de calidad deben ser traducidos en tiempo.
Para el caso del rendimiento, la reducción de velocidad no genera paradas, por lo tanto no se
pueden registrar como un tiempo de parada, por el supuesto que utiliza Nakajima que es si el
proceso tiene una reducción de velocidad, se producen menos unidades de las esperadas o
teóricas planeadas a producir (a un máximo rendimiento, máxima velocidad) en este caso se
“perdió tiempo” en el sentido que se debieron producir más, entonces el planteamiento es que
se debe medir el tiempo que se utilizó para producir las unidades reales, y este se resta del
tiempo utilizado para usar las unidades esperadas o teóricas, y esta diferencia da el tiempo
perdido por rendimiento.. De la misma forma ocurre con el indicador de calidad, si se
produjeron unidades defectuosas, estas son rechazadas no fueron unidades entregadas, se
perdió tiempo fabricando unidades que no son entregadas, de esta forma se puede cuantificar
el tiempo que se perdió fabricando unidades que fueron defectuosas y de ese tiempo permite
cuantificar el tiempo operativo eficiente. A continuación se hacen estas conversiones.
TOR = Tiempo Operativo Real (tiempo donde se producen unidades al máximo rendimiento)
51
Descripción de la Investigación
TOE = Tiempo Operativo Eficiente (tiempo operativo que se producen unidades buenas)
OEE = D × R × C
OEE = D × R × C
52
Descripción de la Investigación
De esta forma los tiempos perdidos por rendimiento y por calidad son:
TOT
TPR = � − NUP� × TC = TOT − NUP × TC
TC
(13)
TPC = (NUP − NUD) × TC
• Paradas: Las paradas no programadas por su naturaleza son inesperadas paradas por fallas
y averías de equipos, paradas por ajustes de proceso, paradas por falta de materia prima,
por falta de operarios, paradas por problemas de calidad. Las paradas programadas, aunque
por su naturaleza son establecidas, la duración de la parada es incierta así como su
frecuencia: Paradas por arranques o por cambios de referencia (setups).
• Rendimiento: Esta pérdida está asociada a dos aspectos: las pequeñas paradas (menores
de 5 minutos), ellas todas son aleatorias y son causadas por ineficiencia tecnológica o
problemas de calidad; las reducciones de velocidad, esta es aleatoria, porque el instante en
que se reduce la velocidad es inesperado (en general) y la magnitud de reducción de la
variabilidad también es aleatoria.
53
Descripción de la Investigación
• Calidad: Las pérdidas por problemas de calidad son incierta, los defectos se presentan en
forma inesperada y la cantidad también es inesperado, es dado por factores inesperados
intrínsecos al proceso.
Sean las variables aleatorias X~N(0, σ2X ) y Y~N(0, σ2Y ) independientes, el análisis no
pierde generalidad al suponer que las variables tiene media cero.
54
Descripción de la Investigación
x2 y2
1 −� + 2�
2σ2
fX,Y (x, y) = 2πσ e X 2σ Y con x∈ℝ ; y∈ℝ (15)
X σY
2 2 2 2
∞ |y| y u y ∞ −�y2 � 1 + y ��
−� 2 + 2 � 1 2σ2 2
fU (u) = � e 2σYX 2σX
dy = � e Y 2σX dy
−∞ 2πσX σY πσX σY 0
σX
1 1 1 σX σY 1 σY
fU (u) = πσ u2
= π �u2 σ2 +σ2 �=π � 2 �
X σY 2�
1
+ 2� Y X
σ
u2 + X
2
2σY 2σX σY2
σ
1 � X�
σY
fU (u) = π � σ
2 � con u∈ℝ (16)
u2 +� X �
σY
55
Descripción de la Investigación
1 1 (x − µX )2 (x − µX )(y − µY )
fU (u) = exp �− � − 2ρ
2πσX σY �1 − ρ 2(1 − ρ2 ) σ2X σX σY
(y − µY )2
+ ��
σ2Y
X
Ahora se considera el caso cuando 𝐖𝐖 = � �, la función de densidad de probabilidad es
Y
de la forma:
σX σY �1 − ρ 1 R𝛟𝛟(R)
fU (u) = 2 ) exp �− 2 T �1 + φ(R) ��
π(σ2X w − 2ρσX σY w + σY
σX σY �1 − ρ 1
fW (w) = 2 ) exp �− �2 T� − √2πRϕ
(R) + (T − R2 )� (17)
π(σ2X w− 2ρσX σY w + σY
µ µ µ µ σ
�σY − ρ σX � µ − �ρ σY − σX � σY
Y X Y X X
R(u) =
σ σ 2 (18)
�1 − ρ2 �u2 − 2ρ σY µ + �σY �
X X
µ 2 µ µ µ 2
�σY � + 2ρ σY σX + �σX � (19)
Y Y X X
T=
1 − ρ2
56
Descripción de la Investigación
µ µ µ 2
(µY − µX u) 2 �σX σY − µY � (20)
X Y Y
T−R= = 2
σY u − 2ρσX σX u + σ2X
2 2 σ σ
u2 − 2ρ σY u + �σY �
X X
Sea la variable aleatoria Y~N(µ, σ), ahora se considera a Y ∈ A = [a, b], donde −∞ <
𝑎𝑎 < 𝑏𝑏 < ∞. La probabilidad de que Y caiga dentro del intervalo [a, b] es:
b
1 1 y−µ 2
e− 2 � � (21)
P[a < 𝑌𝑌 < 𝑏𝑏] = � σ dy
a √2πσ
b−µ a−µ
=Φ � �− Φ� �
σ σ
1 y−µ 2
1 1 y−µ
e− 2 � �
σ ϕ� �
√2πσ σ σ
f(y⁄A) = 1 y−µ 2 = b−µ a−µ
, con a ≤ y ≤ b (22)
b 1 − �
∫a √2πσ e 2 σ
�
dy Φ� �− Φ� �
σ σ
57
Descripción de la Investigación
1 2
1
Donde ϕ(z) = e−2z la función de densidad de probabilidad de la normal estándar.
√2π
ϕ(b´) − ϕ(a´)
µY/A = E[Y/Y ∈ A] = µ + σ (23)
Φ(b´) − Φ(a´)
2
b´ϕ(b´) − a´ϕ(a´)
2
ϕ(b´) − ϕ(a´)
E[Y/Y ∈ A] = σ �1 − −� � � (24)
Φ(b´) − Φ(a´) Φ(b´) − Φ(a´)
a−µ b−µ
Donde a´ = σ
y b´ = σ
, los valor de a y b estandarizados.
La distribución normal truncada tiene múltiples propiedades pero solo éstas son las que
se consideran en este caso, Burkardt (2014) hace un análisis más completo de la distribución
normal truncada.
58
Descripción de la Investigación
De esta forma se observa que el numerador es una suma de tiempos, que son aleatorios,
por ejemplo el TTP Tiempo Total de Paradas, es la suma de todos los tiempos de paradas,
ocurridas durante el periodo de análisis. Aquí todos los tiempos son inciertos, por ejemplo un
cambio de referencia aunque está programada no todos se toman los mismos tiempos por mas
estandarizado este el proceso de cambio, siempre hay múltiples factores que afectan el tiempo.
La suma de tiempos es aleatorio, con sólo el hecho que exista un tiempo aleatorio se convierte
en aleatorio la suma.
Zammori et als (2011) hace un planteamiento de modelar los tiempos con una
distribución Beta (α, β), partiendo de la aplicación de la distribución Beta en el análisis de
proyectos en la optimización del PERT a través de la ruta crítica, éste mismo análisis plantea
que la distribución Beta es una familia de variables aleatorias que tiene una gran cobertura de
posibilidades para modelar el tiempo. Farnun & Stanton (1987) quienes formalizaron la
aplicación al PERT, consideran que siempre hay un valor mínimo α (optimista) un máximo β
(pesimista) y un máximo m (más probable).
59
Descripción de la Investigación
Figura 10. Forma de la distribución Beta (Fuente: Farnun & Stanton (1987))
Zammori plantea un modelo común para todos los tiempos de pérdidas (sean paradas,
o problemas de rendimiento o problemas de calidad), y se considera a Ti el í-ésimo tiempo
perdido, con distribución Ti ~Beta(α, β) , en particular se considera que α=0 y β=Mi.
Generalmente, los parámetros α y β pueden ser evaluados a partir de la media muestral x� i y la
varianza muestral Si2 de los datos muestrales. Las estimaciones máximo verosímiles son:
Mi − µi
βi = αi � � (27)
µi
60
Descripción de la Investigación
Debido que los tiempos de pérdidas, son la suma de un número grande de tiempos, se
puede considerar que los tiempos en el numerador son suma de tiempos Ti . Esta es una
característica importante, porque una realización (es decir, el valor observado) del tiempo
perdido Ti que nunca puede ser menor de cero y rara vez puede ser más grande que el valor
promedio, por lo tanto el comportamiento de los tiempos perdidos Ti son generalmente
sesgados al lado derecho y puede ser fácilmente modelado con una distribución Beta con
parámetros α >1 y β ≥ α.
Considerando las condiciones y propiedades del teorema central del límite, de esta
forma parece razonable considerar la distribución de los tiempos netos de operación como una
variable aleatoria, partiendo del tiempo de pérdidas Ti .
Es importante resaltar que aunque el supuesto del teorema central del límite dice que
las n variables Ti debe tender a infinito. Law & Kelton (1997) demuestra que con solo n ≥ 7
asegura la aplicabilidad del TCL, esta condición es suficientemente satisfecha porque
generalmente el número de pérdidas es bastante grande en un periodo de un turno o día de
operación.
61
Descripción de la Investigación
De esta manera se supone con respecto a las variables del numerador y del
denominador:
Sea X = TOE~N(µX , σ2X ) y Y = TDN~N(µY , σ2Y ) por lo tanto se puede reescribir que
X
OEE = Y donde esta nueva función de probabilidad no tiene un comportamiento normal, y
como se analizó en la sección cuando se supone que X y Y sean variables con comportamiento
es una distribución Cauchy (ecuación 16). En el caso más general, donde no se suponen
independientes, se estableció que la expresión dada por la ecuación (18) se puede ajustar, pero
se observa que la expresión es bastante compleja, por esto es que aquí se plantea un modelo
más sencillo.
Debido a que TOE = TDN − TTP − TPR − TPC, se va llamar a Z = TTP + TPR +
TPC por lo tanto X = Y − Z de esta manera el numerador X = TOE es función del
X
denominador Y = TDN, dónde no son independientes. Por lo tanto para el OEE = Y se tiene
X
que 0 ≤ Y ≤ 1 y Y = X + Z, entoncesW = OEE, nunca será mayor 1.
fW (w)
1 si w ≤ 1
� (w
fW �) = �∫ fW (w)dw (30)
0
0 en otro caso
62
Descripción de la Investigación
1
Debido a que las variables X y Y son normales, entonces la integral I = ∫0 fW (w)dw
puede ser evaluada como la probabilidad P[X ≤ Y], como Z = Y − X, entonces
Por lo tanto:
1 0−µZ µX −µY
I = ∫0 fW (w)dw = P[Z ≤ 0] =Φ � �=Φ � � (31)
σZ
�σ2Y +σ2X
De esta forma se puede tener una forma de la distribución para el OEE a partir de la
ecuación (30), la figura 11 muestra la forma de la distribución probabilística del OEE
63
Descripción de la Investigación
como referencia.
• Mantenimiento Planeado. Estos son los tiempos fuera del programa de producción (No
operacional) donde se realizan actividades de mantenimiento preventivo y locativo
planeadas de antemano.
• Tiempo fuera de Programación. Estos son los tiempos fuera del programa y que
corresponden a: los domingos y festivos, turnos no programados, tiempo para hacer
inventarios.
64
Descripción de la Investigación
• Tiempo no programado por falta de recurso. Estos son los tiempos fuera del
programa, que han sido planeados por falta de materia prima e insumos, falta de servicios
(energía eléctrica, agua, etc.) o por falta de personal.
• Tiempo para pruebas y/o ensayos. Estos son los tiempos fuera del programa que han
sido planeados para realizar pruebas de nuevos materiales, o nuevos productos u otro
tipo de ensayos.
Todo tiempo que han sido planeados fuera del programa de producción, aunque son
conocidos y son específicos, ellos tienen un comportamiento aleatorio por que en algunas
semanas hay días festivos y en otras no, por lo tanto no todas las semanas se deja de programar
los domingos, no siempre se programan los mismos turnos (por las necesidades de producción),
no siempre se programan tiempos para inventarios y no en todas las áreas, se pueden programar
“over hall” (mantenimiento completos de las líneas). Por lo tanto se puede considerar que los
TNO es una suma de tiempos aleatorios y por el teorema del límite central, se tiene que:
N1 N1 N1
TNO = � Ti ~N �� µi , � σ2i �
i=1 i=1 i=1
(32)
N1
TDN = TTD − � Ti
i=1
Por otro lado el numerador TOE que corresponde al tiempo operacional efectivo se
puede expresar como TOE = TDN − TTP − TPR − TPC. En la sección 3.3 se analizó que los
tiempos de parada (TTP), los tiempos perdidos por rendimiento (TPR) y los tiempos perdidos
por problemas de calidad (TPC), todos ellos son aleatorios, tanto en aparición de los eventos
como en la duración de los tiempos, por esto se puede definir que:
65
Descripción de la Investigación
N2 N2 N2
TOE = TTD − � Ti − � Tj
i=1 j=1
N1 N2
TOE TTD − ∑i=1 Ti − ∑j=1 Tj
OEE = = N1 (34)
TDN TTD − ∑i=1 Ti
Esto permite comprobar que realmente que el OEE es un cociente de suma de variables
aleatorias (en frecuencia como en tiempo), y que por el teorema central del límite, se puede
considerar que ellas tienen una distribución normal.
Para el OEE1 que comúnmente se llama utilización neta del equipo o la línea, se tiene
que el denominador es el tiempo total disponible que está determinado, entonces lo aleatorio
TOE
es únicamente el numerador OEE = TTD. De esta forma, como el numerador es la suma de
TOE µX σ2X
OEE1 = ~N � , � (35)
TTD TTD TTD2
66
Descripción de la Investigación
Hay un aspecto importante que se debe tener en cuenta, que el OEE1 debe estar definido
en el intervalo [0,1], y debido a la aproximación que se hace al utilizar el teorema central del
límite, en la ecuación (34) esta no es acotada, por lo tanto se debe hacer un proceso de
truncamiento. Por lo siguiente la función de densidad de probabilidad para el OEE1, es de la
forma siguiente:
f(x)
fW (w) = � p si x ≤ 1
(36)
0 otro caso
X µ Xσ2
Donde f(x)~N �TTD , TTD 2 � es la misma función que se definió en la ecuación (34), por
X µ
∞ 1 − (TTD )
p = � f(x)dx = Φ � � (37)
σ2X
−∞
TTD
es tiempo operacional, es decir es el tiempo disponible neto quitándole los tiempos de paradas,
por lo tanto el modelo es el mismo que para el OEE2.
67
Descripción de la Investigación
𝑇𝑇𝑇𝑇𝑇𝑇
Para el caso del modelo del 𝑂𝑂𝑂𝑂𝑂𝑂 = 𝑇𝑇𝑇𝑇𝑇𝑇 cuando el denominador TDN es discreta, el
modelo sigue siendo válido, este se modifica de acuerdo al comportamiento de la variable
discreta.
Caso Bernoulli
El primer caso que se analiza es la distribución de la suma de dos variables una normal y otra
discreta. Como caso especial se considera primero una Bernoulli.
𝑝𝑝 𝑦𝑦 = 𝑦𝑦1
𝑃𝑃𝑌𝑌 (𝑦𝑦) = 𝑃𝑃[𝑌𝑌 = 𝑦𝑦] = �1 − 𝑝𝑝 𝑦𝑦 = 𝑦𝑦2 (38)
𝑋𝑋 + 𝑦𝑦1 𝑦𝑦 = 𝑦𝑦1
𝑍𝑍 = 𝑋𝑋 + 𝑌𝑌 = �
𝑋𝑋 + 𝑦𝑦2 𝑦𝑦 = 𝑦𝑦2
Caso Múltiple
Sea la variable aleatoria 𝑌𝑌 discreta que toma los valores 𝑦𝑦 = 𝑦𝑦1 , 𝑦𝑦2 , … , 𝑦𝑦𝑘𝑘 cuya función de
probabilidad es de la forma:
68
Descripción de la Investigación
𝑝𝑝1 𝑦𝑦 = 𝑦𝑦1
𝑃𝑃𝑌𝑌 (𝑦𝑦) = 𝑃𝑃[𝑌𝑌 = 𝑦𝑦] = � ⋮ ⋮ Con 𝑝𝑝1 + 𝑝𝑝2 + ⋯ + 𝑝𝑝𝑘𝑘 = 1
𝑝𝑝𝑘𝑘 𝑦𝑦 = 𝑦𝑦𝑘𝑘
nunca será mayor a 1, de la misma manera se puede considerar que se tiene µY > µX , debido
que Y = X + Z, la función de densidad de probabilidad (fdp) tiene un desvanecimiento cercano
a uno, esto permite considerar una aproximación de la fdp real de OEE a través de una función
truncada de fW (w) entre [0,1], en este caso se considera que X Normal y Y discreta caso de
1
múltiples valores 𝑦𝑦 = 𝑦𝑦1 , 𝑦𝑦2 , … , 𝑦𝑦𝑘𝑘 . Entonces la integral I = ∫0 fW (w)dw puede ser evaluada
como la probabilidad P[X ≤ Y], como Z = X − Y, entonces
𝑝𝑝1 𝑦𝑦 = 𝑦𝑦1
𝑃𝑃𝑌𝑌 (𝑦𝑦) = � ⋮ ⋮ con 𝑝𝑝1 + 𝑝𝑝2 + ⋯ + 𝑝𝑝𝑘𝑘 = 1 (41)
𝑝𝑝𝑘𝑘 𝑦𝑦 = 𝑦𝑦𝑘𝑘
69
Descripción de la Investigación
Entonces
Por lo tanto
1 𝑦𝑦𝑖𝑖 −𝜇𝜇𝑍𝑍
I = ∫0 fW (w)dw = 𝑃𝑃[𝑍𝑍 ≤ 0] = ∑𝑘𝑘𝑖𝑖=1 Φ � � 𝑝𝑝𝑖𝑖 Con 𝑝𝑝1 + 𝑝𝑝2 + ⋯ + 𝑝𝑝𝑘𝑘 = 1
𝜎𝜎𝑍𝑍
De esta forma se puede obtener la distribución del OEE usando la ecuación (30) cambiándola
por la ecuación (42).
70
Descripción de la Investigación
En este capítulo se hace una aplicación práctica de la utilización del modelo, el cual nos
permite validar que el modelo matemático se ajusta a las necesidades de la gestión y la toma
de decisiones que se realizan a partir del análisis del OEE.
Se describe en detalle el entorno que rodea y lo que implica tener el indicador OEE, una
cosa es la métrica y otra lo que implica tenerla y tomar decisiones a partir de ella.
4.1 INTRODUCCIÓN
El modelo que se ha desarrollado hasta el momento en forma teórica debe ser analizado
en forma práctica, con el cual pueda ser validado y así establecer su utilidad, que se analizará
en el capítulo 5. Es importante mostrar las ventajas de disponer de un modelo estocástico del
OEE.
Para poder hacer una aplicación con el detalle que se requiere se dispone de una base
de datos lo suficientemente detallada. Ahora con la implementación de las compañías de
sistemas de información de operaciones tipo SAP, es posible registrar la información con algún
detalle. También colocando sistema de captura de datos automatizados en los equipos, es
posible hacer ésta captura en forma fiable. También a manera manual se puede registrar la
información en detalle, pero con la posibilidad de que existan errores humanos, por esto es
muy importante en estos procesos haber hecho un trabajo previó con las personas de desarrollar
la cultura del dato, que está asociada al pensamiento estadístico (2011).
71
Descripción de la Investigación
Se dispone de una base de datos de una planta de empaque farmacéutico, donde hay
varias líneas de empaque de tabletas tipo blíster (que se describe en la siguiente sección), para
la aplicación se considera sólo una línea completa de empaque que está conformada por el
proceso de empaque primario (Blisteado) y el empaque secundario (estuchado). Para el análisis
se utiliza el horizonte de tiempo de una semana, es decir, se considera el cálculo del OEE
semanal, y la base de datos corresponde al año 2014.
72
Descripción de la Investigación
Los envases blíster se utilizan comúnmente como envases de dosis unitarias para
comprimidos, cápsulas y pastillas. Este envase también se aprovecha como empaque para
venta OTC (Over The Counter), venta al detal en las farmacias y droguerías, también se usa
como el tipo de empaque para dispensación. Una serie de cavidades de blíster a veces es
llamada una tarjeta o tira de blíster, así como un paquete de blíster. Estas tiras están diseñadas
de acuerdo a dosificaciones, bajo criterios de marketing y estrategias de mercado.
Figura 14. Proceso de empaque farmacéutico tipo blíster (Fuente: Abrego, 2012)
Las tiras blíster de unidades de dosis unitarias conforman lo que se llama el envase
primario, por lo general estas tiras de blíster o blíster individuales se empacan en cajas o
estuches, que conforman el envase secundario de forma tal que se identifican y tienen toda la
información de acuerdo a la normativa y además se le agrega una hoja de instrucciones (folleto)
con otra información complementaria, en ocasiones este envase secundario se empaca en
cartones con varios estuches, y se embala para facilitar el transporte, igual estas cajas de varios
estuches conforman un envase secundario. De esta forma, el proceso de empaque involucra
todo el proceso tanto de envase primario, y secundario (estuche y caja). El diagrama de bloques
mostrado en la figura 14 ilustra como es el proceso completo de empaque farmacéutico, en
presentación de blíster.
73
Descripción de la Investigación
74
Descripción de la Investigación
Un aspecto importante a tener en cuenta y que se relaciona con la eficiencia del proceso
en términos del OEE, es dependiendo del método de termoformado, requiere mayor tiempo
de preparación, cambio de referencia y puesta a punto de la máquina, porque métodos de vació
y presión requieren de un solo molde donde se genera la forma del termoformado, mientras
que en el método mecánico utiliza el molde y contra-molde, en tal caso requiere más
actividades de desmontaje y montajes, lo mismo en el caso de los ajustes y puesta a punto. Este
aspecto se tiene en cuenta para el análisis de tiempos de cambio de referencia (setups).
• Variables del material. Des calibre en el espesor del material, esto genera un calentamiento
no uniforme en la primera etapa de calentamiento del material, generando variaciones en
los espesores de la parte formada. El material al entrar al molde o matriz de termoformado
requiere un pre-estirado si el espesor no es conforme, pueden generarse fracturas en el
material debido al vacío o la presión ejercida. En tal caso se debe reducir la temperatura
de calentamiento, la cual debe ser también homogénea en caso contrario se obtendrá un
deformado deficiente, porque el estiramiento no será homogéneo.
75
Descripción de la Investigación
76
Descripción de la Investigación
Un aspecto muy importante son los materiales usados en para la fabricación del blíster,
ellos son críticos en la formación del blíster y por tanto en la calidad final de formado. Existen
varios materiales, que son escogidos más por factores económicos que funcionales, en
ocasiones el material es seleccionado por factores estéticos. En general hay tres materiales
empleados el PVC (policroruro de vinilo), PVDC (cloruro de polivinilideno) y el aluminio. El
PVC y el PVDC se usan en la cara superior del blíster y el aluminio en la cara inferior. El PVC
posee propiedades que son beneficiosos para el termoformado, brillo, transparencia, buena
resistencia al impacto y optima tensión, evita paso del oxígeno y humedad en los productos
empacados. El PVDC presenta excelentes propiedades de barrera por lo que es ideal para
empacar productos con alto contenido en grasa, sabores y olores fuertes, además que tiene las
mismas propiedades del PVC presenta muy buenas propiedades de sellado dando una alta
flexibilidad al blíster, pero en general es de mayor costo. Otro material que se usa es el llamado
Formapack Alu/Alu, y utilizado cuando los productos son hidroscopios o sensibles a la luz es
una estructura de la mezcla de un Nylon Biorientado, aluminio y PVC, este material presenta
un color similar al aluminio y el blíster no deja ver el producto.
Un aspecto muy importante es el diseño de los blíster, porque de acuerdo está diseñados
moldes y la matriz de corte. La figura 16 muestra algunas formas de blíster, esta forma afecta
la complejidad del molde y las operaciones subsiguientes de montaje y desmontaje, por tanto
de ajustes y puesta a punto del proceso.
77
Descripción de la Investigación
Hay dos fases de impresión, una externa al proceso y es la impresión sobre la lámina
del blíster, este se realiza por flexografía, y este se hace antes de tal forma que se suministran
los rollos de lámina ya impresos. La segunda que se hace dentro del proceso de impresión láser,
que coloca identificación y codificación del producto, así como el número de lote y fecha de
vencimiento. La figura 17(a) muestra el proceso de impresión láser sobre el blíster, este es
crítico porque genera muchas paradas por ajustes o por carga de tinta, así como no
conformidades y la figura 17(b) muestra algunos de los tipos de defectos por problemas de
impresión que se generan en los blísteres.
(a) (b)
Figura 17. Proceso de impresión láser sobre el blíster (Fuente: Termoformer machinery)
78
Descripción de la Investigación
frascos, tubos metálicos, sachet. Los envases secundarios son los materiales que recubren a los
empaques primarios y tienen como función proteger, identificar y dar información sobre las
cualidades del producto, siendo un contenedor unitario o varios envases primarios, entre ellos
se encuentran los estuches de cartón, cartulina, o plástico. Por lo general dentro del empaque
secundario se encuentra los adjuntos, que son hojas donde está la información obligatoria de:
componentes, uso, posología, cuidado y contraindicaciones del producto. Los envases
terciarios que agrupan a los envases primarios y secundarios en un contenedor que los unifica
y protege a lo largo del proceso de distribución comercial y tiene como función el distribuir,
unificar y proteger el producto: cajas corrugadas y termoencogibles (Cervera, 2003).
En esta sección se hace el análisis de los procesos desde un punto de vista operacional.
79
Descripción de la Investigación
Figura 18. Proceso operacional de empaque farmacéutico tipo blíster (Fuente: Abrego, 2012)
80
Descripción de la Investigación
1. Fractura del material en el inicio del proceso de termoformado. Ésta falla se debe a
problemas en la calidad del material o de la bobina. Problemas con la presión y la
temperatura de formado, que dificultan la formación de los alveolos y el
funcionamiento de la máquina.
81
Descripción de la Investigación
6. Problemas con las cuchillas para realizar el corte. Acumulación de los blísteres en
los canales de alimentación.
La estrategia operacional que se tenga del negocio. Es posible que la planta esta dedicada
completamente a producir y empacar los propios productos, o también da la posibilidad que se
maquile algunos o muchos productos a otras empresas en tal caso la dedicación de las máquinas
cambian significativamente.
En el caso de que la planta se dedique a la producción y empaque sus propios productos, ellos
podrán tener flexibilidad en la programación y por tanto decidir en qué máquina se fabrica cada
producto.
82
Descripción de la Investigación
En el caso de que la planta maquile productos, existe una restricción y las condiciones, porque
dependiendo de la empresa a la quien se maquile podrá exigir que la línea certificada por una
entidad externa (INVIMA o FDA u otra organización similar de cada país), lo que obliga que
se creen los llamados “controles de cambio” dónde se tiene todo el protocolo de producción
dónde las máquinas se certifican para que puedan ser producidas en ellas y no en otra, en este
caso la programación no es flexible, es muy restrictiva, haciendo la programación más
engorrosa, en tal caso se puede establecer estrategias de máquinas exclusivas para ciertos
productos, obviamente condicionada a los volúmenes.
En el caso que se produzcan medicamentos para consumo masivo, dónde se pueden vender sin
fórmula médica, que se venden en canales masivos como supermercados, estos se producen en
83
Descripción de la Investigación
Por otro lado, existen otras restricciones desde la demanda y está dada por la relación
comercial, en el caso de los medicamentos de consumo directo (en supermercado o droguería),
si no se tiene un pronóstico bien acertado, es posible que la dinámica del mercado haga que se
presenten los llamados agotados, obligando que el cliente hace pedidos urgentes para no quedar
sin poder satisfacer demandas específicas y a corto tiempo. Esto hace que se presenten
continuos cambios del programa de producción, o que se generen ordenes de productos que no
hay disponibilidad inmediata de materias primas, que se requiere para planear estas órdenes.
Figura 19. Variación de definición del OEE desde la utilización (Fuente: Construcción
propia)
84
Descripción de la Investigación
La idea del OEEE (OEE-estratégico) se ilustra en la figura 19, donde el llama de otra
forma los tiempos disponibles, y considera los tiempos perdidos por la no venta (tiempo no
vendido), y al tiempo disponible neto lo llama Tiempo Utilizable para Producir. Pero lo que es
radicalmente diferente, es que el cambia el concepto de disponibilidad (que es completamente
operativa), y lo reemplaza como la tasa de utilización:
85
Descripción de la Investigación
Por otro lado utiliza la misma definición de Tasa de Rendimiento donde quita los
tiempos perdidos por reducciones de velocidad y pequeñas paradas, a este concepto lo llama
Eficiencia Operativa. De esta forma define el OEEEstratégico como:
86
Descripción de la Investigación
Figura 20. Estructura base para construir el árbol de pérdidas (Fuente: Construcción propia)
Se selecciona una máquina blisteadora que utiliza el termoformado con presión, que no
tiene sistema de control automático para detectar blíster con alveolos vacíos, y es integrada a
una máquina estuchadora que tiene la capacidad de adaptarse a un gran número de formatos
de encajado y de múltiple opciones de agrupar unidades de blíster, esto la hace que requiera
un largo tiempo de preparación y ajustes. En ella se pueden programar múltiples referencias
distintas, tanto de productos propios como de maquilas (que están homologados para
empacarse en esta máquina). De igual forma el mix de productos, es amplio: Blisteado de
tabletas (recubiertas y no recubiertas), cápsulas delgadas y cápsulas de gelatina, de productos
hidroscopios y no hidroscopios. Con respecto al formato de blíster se tiene más de 35 formatos,
(como los ilustrados en la figura 16). Esto representa una máquina de alta frecuencia de cambio
de formatos.
87
Descripción de la Investigación
88
Descripción de la Investigación
89
Descripción de la Investigación
Tabla 1. Datos para el cálculo de OEE de la línea analizada (Fuente: Construcción propia)
90
Descripción de la Investigación
estructura permite visualizar las paradas en tiempo, en porcentaje y en costo, de esta forma
permite hacer una gestión de las pérdidas desde distintas ópticas y a distinto nivel (dirección y
operacional) permitiendo priorizar y focalizar las pérdidas de forma tal que se direccione las
mejoras hacia aquellas que tengan un mayor impacto tanto en tiempo como en costo. El árbol
de pérdidas se puede mostrar en forma resumida como se observa en la figura 5.
En esta sección se muestra la estructura del OEE y la forma como se gestiona la toma
de información, con el fin de comprender en forma práctica el modelo planteado.
La gestión del OEE depende la naturaleza del proceso o las plantas que se estén
analizando, cuando las líneas planifican tiempo, es decir se programan fabricar número de
unidades por tiempo (turno, día), se puede construir el OEE por turno o por día. En el caso, por
ejemplo el de las blisteadora, se programan por órdenes que no es posible gestionar el OEE
por turno o por día, algunos tratan de utilizar el OEE por orden, por supuesto, este OEE es muy
limitado porque muestra la eficiencia operacional mientras que se produce la orden, por esta
razón se administra de acuerdo al horizonte de planificación, en el caso que se está analizando
se planificará por semana, donde hay ordenes que se pueden elaborar en un mismo turno, o en
varios dependiendo del tamaño, por esto no es fácil calcular del OEE por turno o día.
Se tomaron los datos de OEE, semanal para el año 2014, la tabla 1 muestra los datos
obtenidos: donde para cada semana se registran los días utilizables y los festivos, el número de
días utilizables, número de días disponibles, los turnos utilizables y turnos reales programados
y el tiempo operativo efectivo. Este es la forma, más fácil de realizar el cálculo del OEE, más
adelante se observará que en este cálculo hay ineficiencias, que no afectan significativamente
al cálculo sino a la justificación de la estocásticidad del OEE.
91
Descripción de la Investigación
Para cada semana se realizó el cálculo del OEE1 y OEE2, para esto se midió el Tiempo
Total Disponible por semana, que es TTDj = 7 días ∗ 24 horas = 168 horas. Por otro lado se
calcula TTUj = # horas Utilizables = #Turnos Utilizables ∗ 24 horas . En otro archivo
donde están las paradas en detalle, se calculó el Tiempo Operacional Efectivo TOE, de esta
manera se calcularon los OEE1 y OEE2
TOE TOE
OEE1 = y OEE2 = (45)
TTN TDN
0
TDN hrs
24
18
12
0
40 60 80 100 120
Figura 22. Comportamiento del TOE y TDN (componentes del OEE) (Fuente: Construcción
propia)
En este caso se hace el análisis para OEE2, primero se tiene que validar el numerador
TOE y el denominador TDN, tienen una distribución Normal, la figura 22 muestra los
histogramas y aparentemente presentan un comportamiento normal, por lo tanto se realiza la
prueba de hipótesis de normalidad:
92
Descripción de la Investigación
60 60 StDev 10,89
50 50 N 52
40 40 AD 2,301
30 30 P-Value <0,005
20 20
10 10
5 5
1 1
40 60 80 100 120
Figura 23. Prueba normalidad para TOE y TDN (Fuente: Construcción propia)
93
Descripción de la Investigación
(a) (b)
Para este caso se debe ajustar el modelo probabilístico bajo la restricción del denominador
TDN discreto. El modelo se ajusta para los valores que toma TDN que se muestra en la tabla
3(a). Se realizó una prueba de bondad de ajuste, donde se probaron las hipótesis siguientes:
94
Descripción de la Investigación
Para establecer el modelo del OEE2, estocástico discreto se usó la ecuación (30) de la
𝑇𝑇𝑇𝑇𝑇𝑇 𝑋𝑋
función de probabilidad de 𝑂𝑂𝑂𝑂𝑂𝑂 = 𝑇𝑇𝑇𝑇𝑇𝑇 = y aplicando la ecuación (43), haciendo Z = Y − X:
𝑌𝑌
1 6
𝑦𝑦𝑖𝑖 − 𝜇𝜇𝑍𝑍
I = � fW (w)dw = 𝑃𝑃[𝑍𝑍 ≤ 0] = � Φ � � 𝑝𝑝𝑖𝑖 (48)
0 𝜎𝜎𝑍𝑍
𝑖𝑖=1
Como Z = X − Y, entonces 𝜇𝜇𝑍𝑍 = 𝜇𝜇𝑌𝑌 − 𝜇𝜇𝑋𝑋 y 𝜎𝜎𝑍𝑍 = �𝜎𝜎𝑋𝑋2 + 𝜎𝜎𝑌𝑌2 , de esta forma reemplazando los
valores se tiene que 𝜇𝜇𝑍𝑍 = 108 y 𝜎𝜎𝑍𝑍 = √225.30 + 105.6 = 18,2, por lo tanto:
Por otro lado, de forma similar se puede expresar la función de densidad de probabilidad
𝑓𝑓(𝑥𝑥/𝑦𝑦)
⎧ 0,52 0.05 𝑦𝑦 = 88
⎪𝑓𝑓(𝑥𝑥/𝑦𝑦)
0.20 𝑦𝑦 = 96
� (w) =
fW 0,52 Con 𝑋𝑋~𝑁𝑁(82.4, 15,012 )
⎨ ⋮ ⋮
⎪𝑓𝑓(𝑥𝑥/𝑦𝑦)
⎩ 0,52 0.05 𝑦𝑦 = 128
La figura 24 ilustra el comportamiento del OEE2, en este caso como se observa es similar al
obtenido en la figura 9, donde se muestra el comportamiento del modelo que se ha propuesto
de OEE, para el caso del cociente de 2 normales.
95
Descripción de la Investigación
8
No de Semanas
0
10 20 30 40 50 60 70 80 90 100
%
96
Descripción de la Investigación
información al detalle se puede encontrar datos que ajusten mejor a la normal (sin saltos), este
análisis se hace en la sección siguiente.
De igual manera como se hizo con OEE2 se ha calculado el OEE1, que toma en cuenta
el tiempo total disponible TTD en el denominador. En este caso, como el tiempo no
programado es alto debido a que los domingos y festivos no se programan, además la tasa de
utilización no es total debido a las restricciones de demanda se programan dos turnos pero se
encuentran días en donde se programa un tercer turno, especialmente las semanas en que hay
festivos, por esta razón el promedio de utilización del 78,1%, como se puede ver en la figura
25(a). El comportamiento del OEE1 se muestra en el histograma de la figura 25(b) con un
promedio de 49,2% quiere decir que en esta línea del tiempo total disponible tiene una
eficiencia muy baja, por dos factores: la política de no programar domingos y festivos (por
razones de costo laboral, de mayor pago a los operadores) y por las restricciones de demanda,
se está perdiendo un 22% de la utilización.
TASA DE UTILIZACIÓN
Tiempo no Vendido DISTRIBUCION
Normal OEE1
100 0 100
14 Mean 49,24
StDev 8,502
N 52
80 12
78,1
10
No Semanas
60
8
%
40 6
20
2
0
0 0 15 30 45 60 75 90
1 5 10 15 20 25 30 35 40 45 50
OEE1
Semana
(a) (b)
Figura 25. Comportamiento de la Tasa de Utilización y el OEE1 (Fuente: Construcción
propia)
97
Descripción de la Investigación
de él la dirección puede establecer objetivos y metas para que las áreas comerciales, busquen
nuevos clientes o potencien las ventas de las referencias que se pueden fabricar en esta línea.
De esta forma el OEE que siendo un indicador diseñado para medir la eficiencia de las líneas
productivas, puede generar acciones de otras áreas estrategias fuera de la planta.
98
Descripción de la Investigación
es decir se tiene disponible 168 hrs para que sean utilizados. En este sentido, el OEE1 tiene un
comportamiento puramente normal, (y para altos niveles de eficiencia normal truncada).
Después de estos análisis que se encontraron con los datos del 2014, resta analizar la
eficiencia operacional neta, es decir el OEE3, este si cumple los supuestos completos de
estocásticidad del OEE. Para esto se debe hacer el análisis en detalle de los tiempos perdidos
en la línea, dado por el árbol de pérdidas.
En esta sección se hace el análisis en detalle de los tiempos perdidos por la ineficiencia
del sistema operacional, dada por el árbol de pérdidas. Como se observa en la figura 21, son
bastantes los tipos y causales de paradas que se generan dentro de la línea (en otros tipos de
proceso más complejos, estos se pueden crecer proporcionalmente a los equipos y
componentes).
Para el análisis inicial, se desglosaron las paradas por tipo, de ellas consideraron 11
tipos de paradas, adicionalmente los tiempos perdidos equivalentes a la pérdida de rendimiento
a los ítems con problemas de calidad, la tabla 4 muestra los datos, los cuales se analizan a
continuación. Es importante notar que como se está tomando el horizonte de análisis una
semana, estos tiempos que se registran no es de eventos individuales, sino el acumulado en la
semana.
99
Descripción de la Investigación
β x β−1 −� x �β
f(x) = �𝛼𝛼 �α� e α x>0
0 x≤0
100
Descripción de la Investigación
Percent
10 10
1 1
1 2 10 20
Inicio/Fin Setups
Percent
10 10
1 1
0,2 0,5 0,5 1
Figura 27. Ajuste de los tiempos programados rutinarios (Fuente: Construcción propia)
Para el análisis de los tiempos de paradas individuales se realiza agrupándolas por clase
de parada. Se inicia con las paradas rutinarias programadas, que este caso corresponden a: los
tiempos de arranques y despejes finales (al finalizar la semana); los tiempos para realizar setups
o cambios de referencia; los tiempos por cambios de insumo (PVC, PVDC; Foil y Rollo
Holográfico) y los tiempos para interrupciones programadas (Desmonte de malla; limpieza y
sanitización del área). La figura 27 muestra los ajustes de estos tiempos.
101
Descripción de la Investigación
De esta forma se tiene que las distribuciones de cada tiempo tienen los siguientes
ajustes: TInicioFin ~Weibull(1.7,6); TSetups ~Weibull(5.4,16); TCInsumo ~Weibull(0.4,6);
TIntPrograma ~Weibull(0.9,5.9).
Para las paradas inesperadas operacionales, se incluyen los tiempos perdidos por: Fallos
Externos (equipos críticos y de apoyo), Fallos de proceso (Ajustes de proceso y malla
reventada), por Problemas de Calidad (ME defectuosos, Tabletas/Capsulas fuera de
especificación), Por problemas Logísticos (Retraso en dispensación de Materiales tanto de MP
como ME), por Problemas de Planeación (cambio de programa, falta de materiales adicionales)
y por problemas de gestión y organización (Falta de operarios, documentación, espera por
análisis y disposición de aseguramiento de calidad). Los ajustes se muestran en la figura 28 y
todos los tiempos se ajustan a una distribución Weibull.
FALLOS EXTERNOS FALLOS DE PROCESO
Weibull - 95% CI Weibull - 95% CI
99,9 99,9
Shape 6,015 Shape 18,48
90 90
Scale 4,429 Scale 4,212
50 N 52 50 N 52
Percent
Percent
AD 0,532 AD 0,322
P-Value 0,183 P-Value >0,250
10 10
1 1
2 5 3 3,5 4 4,5 5
hrs hrs
Percent
AD 0,311 AD 0,750
P-Value >0,250 P-Value 0,047
10 10
1 1
2 4 6 8 5 10
hrs hrs
99,9 99,9
Shape 2,679 Shape 3,466
90 90
Scale 1,455 Scale 1,764
50 N 52 50 N 52
Percent
Percent
AD 0,461 AD 0,423
P-Value >0,250 P-Value >0,250
10 10
1 1
0,1 1 1 10
hrs hrs
Figura 28. Ajuste de los tiempos inesperados operacionales (Fuente: Construcción propia)
102
Descripción de la Investigación
40
Percent
30
6
20
10
4
5
2 3
2
0 1
6 8 10 12 14 16 5 6 7 8 9 10 15 20
hrs hrs
(a) (b)
Figura 29. Ajuste de los tiempos inesperados de equipo (Fuente: Construcción propia)
De esta forma se tiene que las distribuciones de cada tiempo tiene los siguientes ajustes
Para las paradas inesperadas de los equipos que corresponden a las averías, aunque ellas
están clasificadas por su causal o naturaleza (paros mecánicos, eléctrico/electrónicos,
hidráulicos, o neumáticos) ellos se agrupan en uno solo que son las averías, así los datos
obtenidos es la suma de todos los tiempos de las averías de la semana. El ajuste de los tiempos
de averías se muestra en la figura 29, se observa que el comportamiento es muy similar al de
una normal, este es un caso particular de la distribución Weibull cuando β=6, y es lógico que
tenga una distribución normal porque estos tiempos son la suma de los fallos y averías que
ocurren durante la semana.
Para comprobar, lo anterior se analizó las averías por eventos individuales, de forma
tal que se pueda verificar que el tiempo de duración de cada avería tiene un comportamiento
Weibull. Para esto se analizaron las 135 averías ocurridas en el año 2014, la figura 30 muestra
el comportamiento asimétrico completamente, y que se ajusta a una distribución Weibull
significativamente
103
Descripción de la Investigación
Estando así se puede hacer un análisis en detalle de los causales de cada avería, se
visualizan los causales de las averías que más duran. En la figura 30 se muestra el filtro de las
averías que duran 2 o más horas, allí se visualiza los causales de cada avería en detalle,
encontrándose la más frecuente entre ellas es burbuja defectuosa.
Percent
10
15
5
3
2
10
1
0 0,1
0,00 0,75 1,50 2,25 3,00 3,75 4,50 0,001 0,01 0,1 1 10
hrs C5
(a) (b)
Figura 30. Ajuste de los tiempos de averías individual (Fuente: Construcción propia)
Lo anterior no sugiere que cuando se analizan las averías por causales en detalle debería
tener un comportamiento similar, para ilustrar se hizo un Pareto de las averías por tiempo para
analizar la que más impacta en términos acumulados.
104
Descripción de la Investigación
Figura 31. Averías en detalle con sus causales (Fuente: Construcción propia)
La figura 32(a) muestra el Pareto de todas las averías ocurridas, se observa que la avería
Pareto es fallo en el bloque de formado.
N 20
100 80
Percent
60 AD 0,434
70
80 60 P-Value >0,250
50
60 40
40
40 30
Percent
20
20 20
0 0
Causal
DO O CE TE SO DO
F CE A L er
AT N R O N R UE th 10
M
A
VA CO TU
O
LL
A M
VA TU Q O
R RM SE TE
R
RA O
FO FO A
A DE EC E A
A
PE TR
E EL EF D H DE GA
DE D T EM U D UE C A T EM E 5
UE OS SI
S O
Q
O
O Q L AN TEM T R TR
Q Ñ R T O P S N
O DA SO T BL SI N E 3
BL EL RO EL
A
CO A
EL PA R EM EL EM
DE EN TE EN BL EN AS ST 2
EN A O IS O O
EM SI
O ID AÑ BL AÑ PR ÑO BL O
Ñ D D D A O Ñ
DA PE
R D
PR D
A
1
C5 44,31 15,35 15,20 10,88 10,45 8,50 6,39 5,97 5,05 4,60 26,61 0,01 0,1 1 10
Percent 28,9 10,0 9,9 7,1 6,8 5,5 4,2 3,9 3,3 3,0 17,4
Cum % 28,9 38,9 48,8 55,9 62,7 68,3 72,5 76,3 79,6 82,6 100,0 hrs
(a) (b)
Figura 32. Pareto de las averías por causal y duración (Fuente: Construcción propia)
Se filtró por la avería Pareto y se les construyó un modelo probabilístico para esta
avería, la figura 32(b) muestra que la duración de la avería, el daño del bloque de formado
tiene un comportamiento Weibull. De esta misma forma se puede utilizar las datos de la
duración de las averías restantes y mostrar que Weibull in cada avería.
105
Descripción de la Investigación
106
Descripción de la Investigación
Conceptualmente, el bootstrap se puede incluir dentro del enfoque mayor del re muestreo
de datos o resampling, el cual comprende una variedad de técnicas que implementan procesos
de simulación por computadora para estimar probabilidades empíricas a partir de experimentos
con los propios datos (Rudner & Shafer, 1992). Se les llama remuestreo debido a que los
métodos se basan esencialmente en la extracción de un gran número de muestras repetidas de
los propios datos y sobre esta base se realizan posteriormente descripciones e inferencias
estadísticas. Se trata de una estrategia general de resolver problemas de estadística y
probabilidad en forma aplicada (Simón, 1997).
α α
∗� � ∗�1− �
P �θ�∗ − θB 2 , θ�∗ + θB 2
�= 1−α (50)
α α
∗� � ∗�1− �
Donde θB 2 y θB 2
son los percentiles asociados al nivel de confianza (1 − α)%,
calculados a partir de las m remuestras.
107
Descripción de la Investigación
15
frecuencia
10
0
0 15 30 45 60 75 90
Figura 33. Re muestras del OEE del ejemplo (Fuente: Construcción propia)
108
Descripción de la Investigación
75,23 80,68
Probability Plot of Mean
18 Mean 77,96
Normal - 95% CI
StDev 1,389
99,9
16 N 100 Mean 77,96
StDev 1,389
99
14 N 100
AD 0,215
95 P-Value 0,845
12 90
Frequency
80
10 70
Percent
60
8 50
40
30
6 20
10
4 5
2 1
0 0,1
73,5 75,0 76,5 78,0 79,5 81,0 82,5 72 74 76 78 80 82 84
Mean Mean
Figura 34. Comportamiento de la media muestral del OEE (Fuente: Construcción propia)
Para el caso cuando 1 − α = 0,95, entonces utilizando las medias de las 100 remuestras
∗(0,025) ∗(0,975)
se puede calcular los percentiles θ100 = 75,23 y θ100 = 80,68 , de esta forma se puede
concluir que
De la misma forma se puede calcular un intervalo para la varianza del OEE σ2OEE , para
esto se calculan los percentiles de la varianza del 95%, esto es:
α α
2∗� � 2∗�1− �
P �σB 2
≤ σ2OEE ≤ σB 2
�=1−α
109
Descripción de la Investigación
Percent
60
10 50
40
8 30
20
6 10
5
4
1
2
0,1
0 50 60 70 80 90 100 150 200
80 100 120 140 160 180
Variance
Variance
Que es equivalente a:
110
Descripción de la Investigación
El objetivo de este capítulo es establecer como a través del modelo estocástico, se pueden
evaluar algunas políticas que se quieran implementar en la planta, así se puede evaluar el
impacto de algunas mejoras hechas de la pérdidas que ocurren en las plantas donde se quiere
alcanzar los niveles de excelencia operacional.
5.1 INTRODUCCIÓN
Desde el punto de vista general, disponer de un modelo como éste puede ser una
herramienta muy robusta de análisis y evaluación de toma de decisiones. El mejor símil que se
puede hacer es, con los modelos econométricos que describen las relaciones y los
comportamientos de un sistema económico, con ellos puede simularse escenarios de política
111
Descripción de la Investigación
Por lo tanto, en este capítulo se analizará cómo es posible hacer esto y discutir las
ventajas y desventajas del modelo en la práctica.
Para poder evaluar las bondades del modelo, es importante hacer algunas
consideraciones acerca del uso del OEE. En esta sección se analizan algunas situaciones y
malas prácticas cuando se usa el OEE.
Lo primero que se observa con respecto al uso del OEE, es la prevención que existe en
las áreas de producción y operación, al usarlo como una herramienta de control y evaluación
del desempeño, esto se genera debido a dos factores:
• A las creencias que tienen los responsables de las plantas, que este indicador no refleja
el esfuerzo de ellos por aumentar la eficiencia de las plantas, más cuando se vienen
usando indicadores como los de rendimiento o de eficacia, dónde generalmente se tienen
unos altos desempeños. Al empezar a usar el OEE, este no refleja de la misma forma los
números que ellos vienen usando: por ejemplo, con un rendimiento del 96% de
utilización de recursos, frente a un OEE que puede tener una disponibilidad normal para
una planta de 90% y con un índice de calidad del 95%, se puede tener un
OEE=0.90*0.96*0.95=0.82, de esta forma genera un ambiente negativo y desaliento
frente la gestión del OEE.
112
Descripción de la Investigación
Otro aspecto que se debe observar, es cuando a partir del OEE se formulan políticas de
mejora, en ocasiones se formulan objetivos que son difíciles de alcanzar, o son muy optimistas,
o lo más dramático se formulen políticas simplemente en términos de una meta. Esto ocurre
porque: primero la dirección utiliza el OEE como un frio número, segundo porque en la
formulación de estas políticas no se tiene en cuenta el árbol de perdidas, de esta forma la
dirección, no da los lineamientos de cómo se va desplegar esta “política”. Por otro lado,
gestionar el solo OEE, da una visión muy global de la eficiencia, es importante combinar la
interpretación del OEE con un análisis muy cuidadoso del árbol de pérdidas, de esta forma se
puede tener un conocimiento más profundo de la eficiencia del proceso.
113
Descripción de la Investigación
promedio, generando un índice de rendimiento mayor de 1, de esta forma el cálculo del OEE
tiene un aumento virtual, porque el valor mayor de 1 en rendimiento genera valores de OEE
mayores de los reales. Es importante, aclarar este punto especialmente con las áreas de
planeación, porque ésta práctica anda inflado los números del desempeño, especialmente
cuando la velocidad real es mayor de la teórica, y esa situación desde el punto de vista
conceptual no es posible.
Desde el punto de visto de la toma de decisiones, muchas pueden ser las aplicaciones
del modelo estocástico del OEE.
114
Descripción de la Investigación
115
Descripción de la Investigación
el mundo donde iniciaron a implementar la llamada dirección por políticas, como una
adaptación al mundo occidental.
116
Descripción de la Investigación
117
Descripción de la Investigación
118
Descripción de la Investigación
Como se puede ver este despliegue realizado a través del proceso Hoshin, es muy
importante, si se quieren cumplir los objetivos estratégicos. Por lo tanto, el árbol permite
priorizar establecer los focos de acción, y las oportunidades de mejora y lo más importante de
mayor impacto en términos de los objetivos estratégicos. Como lo ilustra la figura 37, se tiene
que desplegar y terminar en formular proyectos de mejora. Los proyectos pueden ser de varios
tipos:
• Proyectos de mejora focalizada: Son tipos de proyectos que buscan resolver problemas
asociados a pérdidas específicas, son proyectos de media complejidad, que requiere
metodología de análisis, tipo Kaizen o la llamada metodología de mejoras enfocadas
119
Descripción de la Investigación
Figura 38. Matriz de despliegue estratégico del Hoshin (Fuente: Construcción propia)
Una vez se han definido los proyectos que se proponen, y que están enfocados en las
pérdidas focalizadas en el árbol de pérdidas (Figura 37), ellos están ya alineados
estratégicamente, porque al fin y al cabo el despliegue se realizó desde la política formulada.
Estos proyectos son presentados a la dirección para que ellos los evalúen y los avalen, este es
un paso muy importante, porque si ellos requieren hacer alguna inversión para ser ejecutados
entonces debe tener una asignación presupuestal para realizar la inversión. De esta forma se
completa el ciclo de despliegue Hoshin.
120
Descripción de la Investigación
desempeño de los procesos y los resultados de los mismos. En ella se ve toda la visión global
de las mejoras que están alineadas a las políticas de mejora formuladas (Yacuzzi et als, 2011).
A partir del despliegue estratégico del OEE, se deben tomar decisiones especialmente
de donde se deben focalizar las mejoras, para poder cumplir con los objetivos estratégicos. En
esta sección se describe como se toman decisiones desde el OEE a través del árbol de pérdidas,
con el fin de establecer mejoras y así lograr cumplir los objetivos estratégicos de aumento
deficiencia global de los equipos y las plantas.
121
Descripción de la Investigación
c) Paradas inesperadas de equipos: Con respecto a esta clasificación se observa que todas
corresponden a paradas mecánicas, el 17% del total (100% del total de paradas de
equipos), la decisión que hay que tomar es minimizar los tiempos de parada.
122
Descripción de la Investigación
De acuerdo a lo anterior se puede observar que con estas decisiones se está atacando el
71% de los problemas de las paradas, es decir que se tiene una buena oportunidad en mejorar
la disponibilidad de la línea. Aquí hay que evaluar cuanto se puede mejorar, la forma como
generalmente se establecen las metas de mejora para cada proyecto es a través de los datos
históricos y estableciendo lo que se llama la línea base. Para ilustrar este concepto se considera
las paradas programadas rutinarias, se observa en la figura 40 que de todas ellas el 62,5%
corresponde a los cambios de referencias, al desglosar al siguiente nivel, de los tiempos de
cambio individuales, se observa que el tiempo medio de cambio de referencia de producto, con
un promedio global de 2,6 hrs. A partir de este despliegue en detalle, se pueden entrar a hacer
el análisis y su impacto al OEE.
Siguiendo los análisis realizados en la sección anterior, se encuentra que una de las
paradas Pareto son los cambios de referencia o setups, con un aporte del 15.5%, en la figura
40 muestra el tiempo de cambió de formato promedio es de 2,6 horas, y se pueden encontrar
tiempos de cambio hasta de 7 horas. Entonces el objetivo que se ha planeado es optimizar los
tiempos de cambio de referencia.
• Reducción del número de cambios. Esta estrategia de mejora está enfocada desde
planeación, la idea reducir al máximo el número de cambios de forma tal que se programe
la producción tratando de agrupar familias que tengan actividades similares y que
minimice el tiempo de pasar de una referencia a otra. Esta sería la estrategia ideal pero la
planeación y programación es una actividad de alto comportamiento aleatorio, porque
depende directamente del comportamiento de la demanda y de los requerimientos de los
clientes, no se puede programar la planta bajo los requerimientos internos totalmente de
planta. La excelencia operacional requiere que las plantas se preparen para satisfacer los
123
Descripción de la Investigación
• Reducción del tiempo de cada cambio. Esa es la estrategia recomendada desde el punto de
vista excelencia operacional. Existe una metodología que permite realizarlo nacida dentro
del sistema de producción Toyota, llamada SMED.
124
Descripción de la Investigación
frecuentemente el nivel de despilfarro suele ser muy alto y su análisis pone en evidencia
oportunidades de mejora que pueden afectar significativamente el desempeño del proceso.
El tiempo de cambio (setup) es el tiempo que transcurre desde la última pieza buena de
un lote o producto A, hasta que se obtiene la primera pieza buena del lote siguiente o producto
B. En teoría todo cambio de referencia es un despilfarro, desde el contexto Japonés de los
tiempos de setup, porque no agrega valor, por tanto debe eliminarse, por esa razón es que ellos
proponen los “cambios hechos de un golpe” OTED (One touch Exchange of Die) (García,
2013), esto se conoce en nuestro contexto como “arranque vertical”.
Algunos beneficios del SMED son: (i) Menor tiempo de entrega para los productos
hechos en el mismo proceso (ii) Reducción del tiempo de alistamiento de las líneas de
producción (iii) Menos inventario dentro y entre procesos de producción (iv) Mayor
flexibilidad para mejorar la respuesta hacia las necesidades del cliente (v) Mayor calidad
debido a la oportuna información sobre las anormalidades entre los procesos.
125
Descripción de la Investigación
• Preparación interna: Incluye todas las actividades que sólo se pueden ejecutar estando la
máquina parada. Por ejemplo, el molde en la blisteadora solo se puede montar estando la
máquina parada.
• Preparación externa: Incluye todas las actividades que pueden hacerse con la máquina
en funcionamiento. Por ejemplo, toda la preparación de moldes, formatos y demás
utillajes que se utilizan en el cambio se deben preparar antes del cambio, también algunas
partes se pueden ir desensamblando con la maquina en funcionamiento
Las etapas generales que se deben seguir cuando para la implementación de un SMED, se
muestran en la figura 42.
Etapa Preliminar: Documentar la condición inicial. En esta parte se documentan todas las
actividades que se llevan a cabo dentro de un cambio de formato en la línea que se someten a
126
Descripción de la Investigación
una mejora con SMED. Durante ésta etapa se observa y se analiza detenidamente el proceso
que se planea mejorar, así como, el procedimiento de preparación de usado.
Antes de empezar con el análisis de actividades conviene tener en cuenta lo siguiente: (a)
Conocer el producto. Esto servirá para el análisis posterior, a proporcionar una idea que cosas
se pueden quitar o poner, para que esto no afecte la calidad y las especificaciones que el
producto debe cumplir. (b) Conocer la operación. Este punto proporciona los conocimientos y
elementos que permitan ajustar las actividades realizadas en los cambios. (c) Conocer la
máquina. Se debe conocer las partes de la maquina o línea, de forma tal que se puedan explicar
las mejoras, ya que debe estar claro al momento de plantear dichas mejoras (d) Conocer las
instrucciones de preparación. Se debe conocer los manuales y procedimientos existentes
referentes a los cambios y con estos analizar qué tipo de cambios realizar.
127
Descripción de la Investigación
• Elimine los ajustes. Establezca los valores constantes que permita las intervenciones
rápidas.
Tres reglas se deben tener en cuenta cuando se quieren mejorar los tiempos de intervención.
(i) que no se busque por partes o herramientas (ii) No mover las cosas innecesariamente,
establecer la mesa de trabajo y el área de almacenaje de forma apropiada (iii) No usar las
herramientas o repuestos incorrectos. Estas actividades se relacionan con las dos primeras
actividades de la aplicación delas 5S (Seiri-clasificación; Seiton –orden) (Vargas 2013).
Implementando estas mejoras se puede garantizar reducciones de tiempo en un 30 a 50%.
128
Descripción de la Investigación
Se deben reducir los tiempos de ajuste: (i) se deben ubicar las herramientas y el equipo en el
lugar adecuado y de fácil acceso para realizar los cambios de manera rápida (ii) Se debe
analizar la secuencia y eliminar pasos, idas por material y pérdidas de tiempo por búsqueda de
herramientas adecuadas. (iii) Establecer puntos de referencias claros para realizar los ajustes.
(iv) Delimitar áreas de trabajo para herramientas, materiales y personal (v) se deben balancear
las actividades entre operarios (vi) Dejar todo claro (parámetros, puntos de referencia,
instrucciones) para que cualquier operario pueda realizarlo.
Es importante en esta etapa tener claro las macro-actividades del proceso de cambio,
porque esto permite el análisis que se realice para reducir el tiempo de cambio y se haga de
una manera más eficiente.
129
Descripción de la Investigación
Lo primero que se señala es que el proceso está dividido en el área blanca y el área gris:
• Área gris: En esta área el medicamento ya tiene el empaque primario, por el cual ya
no tiene contacto con el ambiente, y por ende no está controlada. En esta área se toman
los blíster y se acomodan y son introducidos en la caja (de diferentes tamaños), que es
doblada por la maquina estuchadora que también acomoda los blíster y el folleto de
instrucciones dentro de la caja, después pasa una báscula que controla el peso (primer
punto de control de calidad) y después se pasa (si es necesario) a la maquina
enfajilladora, la cual acomoda en paquetes las cajas con los blíster, para llegar al último
empaque que se hace manual.
130
Descripción de la Investigación
La figura 43 ilustra cómo está conformada la línea de empacado completa, ella esta
manejada por tres operadores: el operador del área blanca es el único en esta área y está
encargado de operar todo el equipo. En el área gris se encuentran dos operarios, el operario
verificador que se encarga de manejar la blistera, estuchadora y el empacador que controla y
maneja la báscula, la enfajilladora, pasa las cajas a la mesa de encartonado (manual), que la
hacen tres empacadores.
El primer análisis que se realizó fue el de la tipología de formatos que hay para los
productos de esta línea. Existen cuatro familias de formatos, que utilizan distintos materiales
y que afectan al tiempo de alistamiento, ellos se muestran en la tabla 4.
131
Descripción de la Investigación
120 6
80
100 5
No cambios
60
Percent
80 4
3,69
hrs
60 3 2,90
40
2,38
40 2,08
2
20
20
1
0 0
FORMATO D C A B 0
Count 47 34 28 26 A B C D
Percent 34,8 25,2 20,7 19,3 FORMATO
Cum % 34,8 60,0 80,7 100,0
Figura 44. Análisis de los cambio por tipo de formato (Fuente: construcción propia)
Por lo tanto se pensó, que estos son los cambios C y D que debían seleccionarse porque
entre ellos dos acumulan un 71% del tiempo total de cambio del año 2014.
132
Descripción de la Investigación
hrs 5
LB=3,34
3 40 min
M=2,68
1
05/02/2014 30/03/2014 05/06/2014 26/09/2014 10/11/2014 03/03/2014 26/04/2014 15/07/2014 30/08/2014 30/10/2014 06/12/2014
Figura 45. Análisis línea base de tiempos cambio formatos C y D (Fuente: construcción
propia)
El análisis que se hace aplicando el modelo estocástico del OEE es partiendo completamente
de los datos históricos y fijando una meta de mejora a través de la línea base, la figura 45
muestra la línea base y la meta calculada usando el 70% del gap.
El fijar una meta de mejora usando el concepto de la línea base es que si en algún
momento se tuvo un mínimo, bajo las mismas condiciones, entonces técnicamente es posible
llegar a este tiempo, la meta no se fija en términos del tiempo mínimo sino un porcentaje (70%)
del gap entre la línea base y el mínimo, que en este caso corresponde como meta bajar el
promedio de tiempo de cambio para los formatos C y D en 40 min. Considerando esto el tiempo
promedio ponderado por tipo formato pasa de 2,9 hrs a 2,5 hrs es decir que se reduce en 24
minutos por cambio en promedio.
133
Descripción de la Investigación
60
%
40
20
0
sem s1 s 10 1
s1 s 12 s13 s14 s 15 s16 s17 s 18 s19 s2 s 20 s21 s22 s 23 s24 s 25 s2 6 s27 s 28 s29 s3 s 30 s31 s 32 s3 3 s34 s 35 s36 s37 s 38 s39 s4 s4 0 s 41 s 42 s43 s44 s 45 s46 s 47 s4 8 s49 s 5 s50 s 51 s 52 s6 s7 s8 s9
Figura 46. Distribución programación de los formatos por semana (Fuente: construcción
propia)
El primer factor que se evalúa es la distribución de los formatos en cada una de las
semanas, porque es posible que debido a la dinámica de la demanda y de la programación de
la producción tenga una distribución bastante diferente en cada semana, la figura 46 muestra
dicha distribución
La distribución de los formatos por semana pareciera que difiere, se observa que
domina los formatos C y D, por tanto se hizo una prueba de bondad de ajuste con el siguiente
modelo:
134
Descripción de la Investigación
0,20 x=A
0,20 x=B
P(X = x) = � (51)
0,25 x=C
0,35 x=D
Para generar los tiempos de cambio se utilizó la función compuesta expresada así:
Se realizó una simulación donde se integraron las variables NC y T para generar los
tiempos de cambio de acuerdo a la distribución de formatos semanales definidos en la ecuación
41, considerando la reducción definida en la línea base y se calculó la distribución del OEE2,
usando el modelo estocástico propuesto y evaluado en el capítulo 4, el resultado de la
simulación se muestra en la figura 46.
135
Descripción de la Investigación
propuesta en la meta de la línea base (es decir, reducir en promedio 40 minutos por cambio del
tipo C y D) se tiene que el OEE2 aumentaría en promedio a 80.3% (un aumento del 3.2%), con
una desviación estándar promedio igual (10,26), por tanto el efecto que se tiene es en el
promedio y no en la reducción de la dispersión.
10
8
No Semanas
0
50 60 70 80 90 100
Figura 47. OEE2 simulado con la mejora del SMED (Fuente: construcción propia)
136
Descripción de la Investigación
única manera que podrá garantizar una verdadera mejora y un desempeño predecible y que se
considere bajo excelencia operacional.
La pregunta es ¿cómo lograr reducir la variabilidad del OEE2?, la respuesta puede ser
simple y compleja al mismo tiempo, se debe estandarizar las paradas, es decir que la
variabilidad disminuya, pero lo complejo es que se tiene demasiados causales, y para entrar a
actuar sobre todos, es importante por lo tanto entrar a hacer un análisis desde la variabilidad.
80 80
% Contribución
Percent
60 60
40 40
20 20
0 0
Causal_1 p s
ía
s ad os nt
o E s er
tu er id ic ie
M no th
Se Av al st ad er O
C gí di
m id xt
o al _E
_L n C s
as Re as
_ llo
em Fa
bl em
o bl
Pr Pr
o
Para realizar esto se tomaron los tiempos de cada causal, con el cual se calcula el TOE,
es decir el tiempo operativo efectivo, se les calculó la varianza de los tiempos y usando la
propiedad aditivita de la varianza, se determinó cuáles son los causales que más aportan a la
variabilidad de los tiempos de paradas, la figura 48, muestra que el setups es el tiempo que más
le aporta a la variabilidad un 37.7%, quiere decir que si se logra estandarizar los tiempos, allí
se tiene una gran oportunidad de reducir la variabilidad. Para lograr esto se debe implementar
el proceso SMED, de forma que se garantice la estandarización, por lo tanto es posible que el
resultado del SMED, no permita reducir el tiempo medio de parada pero con el solo hecho de
poder garantizar la estandarización, reducción drástica de la variabilidad, se puede tener un
gran efecto sobre el OEE.
137
Descripción de la Investigación
El segundo causal que aporta el 21% de la variabilidad son las averías (paros
mecánicos), en el ejemplo que se está analizando aporta un 17% al tiempo. Por tanto es
importante, estandarizar los tiempos de paradas inesperadas de equipos (averías), se podría
pensar que éste es más complejo, pero la estrategia es clara implementar el mantenimiento
basado en la confiabilidad. Ésta es la aplicación que se estudia a continuación.
Como se analizó en la sección 5.3, dentro del árbol de pérdidas de paradas, el siguiente
tipo de parada que seguía después del tiempo de setups (Pareto), corresponde a los tiempos por
paradas inesperadas de los equipos. Se observó que éstas paradas hacen el 17% de todas las
paradas de la línea, allí se observó que la decisión que se debía tomar era minimizar los tiempos
de paradas de los equipos, también se observó que la forma como se está registrando la
información de éstas paradas se registran todas como paradas mecánicas.
Por lo general estas paradas están asociadas a averías, más sin embargo, esto no ocurre
siempre. Las paradas que se relacionan con los equipos, por lo general avisos de parada, donde
se requiere la intervención del departamento de mantenimiento, siempre está asociada a una
orden de mantenimiento, generada internamente, con la cual se toma en cuenta para la
planeación y programación de los recursos en mantenimiento, de acuerdo a las prioridades.
Pero en ocasiones, se generan avisos que generan paradas del equipo, donde interviene
mantenimiento, pero en el momento de la intervención se encuentra que el fenómeno no es de
avería sino de desajustes de algún sistema o componente, por tanto es muy importante que se
haga esa diferenciación de estos dos eventos y se haga un registro muy cuidadoso de las
averías. En el caso que se está analizando, se registran averías completamente.
138
Descripción de la Investigación
La estrategia para minimizar estos tiempos de averías de los equipos, está definida por
la estrategia y políticas de mantenimiento, porque si se tiene una política de mantenimiento
correctivo, la estrategia de mejora es muy distinta a cuando se tiene una política de
mantenimiento preventivo.
Lo que sí es claro es que la estrategia debe basarse en dos objetivos, reducir el número
de averías y en el tiempo de duración de estas averías. Esto está enfocado a dos conceptos
utilizados dentro del campo del mantenimiento.
En estos dos objetivos están incluidos dos conceptos muy importantes que son la
confiabilidad y la mantenibilidad, las cuales se estudian para poder relacionarlas con el modelo
de OEE estocástico.
139
Descripción de la Investigación
140
Descripción de la Investigación
141
Descripción de la Investigación
De esta forma el RCM es una metodología que permite el diseño y optimización de los
planes de mantenimiento mediante el análisis de cada sistema, determinando como puede fallar
funcionalmente y qué consecuencias pueden derivarse de estas fallas. Los efectos de cada
modo de falla se evalúan de acuerdo al impacto sobre la seguridad, el medio ambiente, la
operación y el costo.
• Las fallas son analizadas desde el punto de vista causa-raíz (causa de fallas y su
frecuencia).
142
Descripción de la Investigación
Pasos para aplicar el RCM: La ruta de aplicación está basada en el análisis de fallos del
sistema o componente que está analizando y responde a las siguientes preguntas:
Se debe determinar qué se quiere con el sistema o componente, esto quiere decir que se debe
asegurar que el sistema sea capaz de funcionar u operar dentro de los estándares operacionales.
Esta pregunta debe de responder sobre cuáles son las funciones principales, las funciones
secundarias y los estándares de desempeño.
• Funciones primarias: Es lo que se quiere que haga el activo, es el motivo por el cual el
activo existe.
143
Descripción de la Investigación
• Funciones secundarias: Son menos obvias para ser identificadas, pero el fallo de una
función secundaria puede traer consigo grandes consecuencias para el activo. Están
relacionadas con el ambiente, la seguridad estructural, contención, soporte, confort,
control, apariencia, protección, economía, eficiencia y superfluos.
En este paso se debe identificar como puede fallar un elemento de un activo en realización de
sus funciones y determinar cuáles son las fallas que ocasionan que el activo pueda fallar en un
momento dado de funcionamiento.
Se deben identificar los eventos que causan la falla funcional. Este paso permite comprender
aquello que se está tratando de prevenir que pase y asegura que no se malgaste el tiempo
tratando los síntomas en vez de las causas. Las fallas que se deben identificar son aquellas
causadas por el deterioro, desgaste, rotura, también se incluyen las fallas causadas por error
humano y de diseño.
En este paso se describen los efectos que traen consigo cuando ocurre una falla, y permite
decidir la importancia de cada falla y que nivel de mantenimiento preventivo debe de ser
aplicado en caso de que la hubiera.
¿Importa si falla?
Consiste en identificar las consecuencias de las fallas, y luego se decide si se desea tratar de
prevenirlas o no.
Todo éste análisis de fallos por lo general se hace en dos fases, un análisis de fallos de
averías, que generalmente se hace cuando se está implementando el mantenimiento
144
Descripción de la Investigación
planificado. Y una segunda parte se hace utilizando la herramienta Análisis Modal de Fallos y
Efectos (AMFE), que permite realizar un mapeo de las fallas del sistema ya al mismo se
analizan las causas y su frecuencia de ocurrencia, finalmente ese hace un análisis de las
acciones de control preventivas que existen para evitar que ocurran las causas. Todo este
análisis debe desembocar en un mapeo detallado de las fallas llamado el diagrama detallado
del RCM, la figura 50 se muestra un ejemplo de este diagrama.
Como parte de esta estrategia de evitar los fallos se utilizan técnicas puramente
preventivas, y están todas relacionadas con actividades propias e inherentes al funcionamiento
de los equipos y la naturaleza de las fallas, por tanto es muy complicado entrar a hacer un
análisis de su impacto en el OEE.
Figura 50. Diagrama detallado del RCM (Fuente: Gangi et las 2010)
145
Descripción de la Investigación
En la aplicación que se está analizando, se analiza una estrategia que va dirigida a evitar
las fallas y es particularmente diseñada para reemplazar las piezas y componentes de sistemas
que son críticos y que frecuentemente tiene fallos y generan averías si no se reemplazan
oportunamente, a ésta estrategia de le llama plan de reemplazamiento programado de
componentes (Nakagawa, 2005),
Este plan hace parte del análisis de decisiones que se deben tomar, con el fin de hacer
lo que se llama el mantenimiento optimizado, se basa en el análisis que se hace con respecto a
los costos que se generan cuando hay componentes que deben ser reemplazadas porque por su
desgaste y deterioro natural, van perdiendo su función y en caso de no ser reemplazados
oportunamente puede generar fallos y averías que comprometen otros sistemas, que estaban
funcionando correctamente, es decir el efecto es de mayor gravedad aumentado los costos ya
no de reemplazo sino de reparación, aumentando los tiempo de no operación, es decir impacta
directamente a la disponibilidad y por tanto al OEE.
146
Descripción de la Investigación
Figura 51. Tiempo de reemplazo optimo (Fuente: Jardine & Tsang, 2013)
En particular se evalúa una situación en particular (el más simple), y ésta se relaciona
a la optimización del tiempo de reemplazo de un ítem sujeto al deterioro (Jardin & Tsang,
2013).
147
Descripción de la Investigación
Figura 52. Tiempo de reemplazo optimo (Fuente: Jardine & Tsang, 2013)
Para entrar en detalle y explicar lo que ocurre en la figura 52, se considera N(t) el
número de fallas en el intervalo (0, t), este es el intervalo de observación del sistema. De la
misma forma el número esperado de fallas en el intervalo (0, t), E[N(t)] = H(t), por otra parte
t1 , t 2 , … .. etc son los intervalos de fallas, dónde se puede definir el tiempo hasta la r-ésima falla
como Sr = t1 + t 2 + ⋯ . +t r .
148
Descripción de la Investigación
∞ ∞ ∞
Con éste valor esperado ya se puede desglosar el modelo, calculando el costo esperado.
Para el caso cuando el tiempo óptimo de reemplazo preventivo de un ítem que está bajo
deterioro, se considera la siguiente política:
Política: Reemplazar la componente cada periodo fijo de reemplazo óptimo t p , en caso de que
falle antes de este periodo, se reemplaza (este evento está considerado dentro del sistema y el
óptimo).
4. Bajo esta política, el objetivo es determinar el reemplazamiento óptimo del ítem que
minimiza el costo total del reemplazamiento por unidad.
En este problema, existen dos ciclos de operación: un ciclo que está siendo determinado
por la operación normal que no ocurre falla durante el ciclo de reemplazo, de esta forma el
único costo que se genera es del reemplazo programado; el otro ciclo corresponde al evento
cuando ocurre un fallo antes de que termine el ciclo de reemplazo programado en este caso se
genera el costo de la avería más del reemplazo.
De acuerdo a lo anterior el costo total esperado por reemplazo por unidad de tiempo es:
149
Descripción de la Investigación
= Cp × R�t p � + Ct × [1 − R(�t p �
Cp × R�t p � + Ct × [1 − R�t p �]
C(t p ) = (53)
t p × R�t p � + M(t p ) × [1 − R�t p �]
Donde M(t p ) es la media de una variable truncada, similar al del OEE2. Lo cual se
puede escribir como.
150
Descripción de la Investigación
Cp × R�t p � + Ct × [1 − R�t p �]
C(t p ) = p t (54)
t p × R�t p � + ∫−∞ tf(x)dt × [1 − R�t p �]
Para el caso de que t tenga una distribución normal, se tiene integrando por partes:
tp tp − µ tp − µ
� tf(x)dt = −σ∅ � � + µΦ � �
−∞ σ σ
120 80
Horas
100
Percent
60
80
60 40
40
20
20
0 0
Causal
DO O CE TE SO DO
F CE A L er
A AT N R O A M
O N UR UE th
Q
M RM VA CO TU LL R VA AT O O
R A E EC SE TE A ER TR
FO FO A L D F E A D E P A
E E D H
DE D EM UE D UE C A TE
M EG
UE OS ST Q O AN EM TR
Q Ñ SI O
TO O
Q
PL ST TR
O TR BL SI N EN
BL DA AS
O
EL RO A
CO A
L P R EL E M EL M
E
DE EN TE EN BL EN AS ST
E
EN O IS O O
EM SI
O DA Ñ BL AÑ PR ÑO BL
Ñ DI DA DA
O
DA R D O AÑ
PE PR D
C5 44,31 15,35 15,20 10,88 10,45 8,50 6,39 5,97 5,05 4,60 26,61
Percent 28,9 10,0 9,9 7,1 6,8 5,5 4,2 3,9 3,3 3,0 17,4
Cum % 28,9 38,9 48,8 55,9 62,7 68,3 72,5 76,3 79,6 82,6 100,0
Figura 53. Pareto de paradas de averías por causales (Fuente: construcción propia)
Este hace el 7% de todas las paradas, por tanto este puede tener un gran impacto en el
OEE2. Debido a que en la base de datos de registro de tiempos no se detallan las averías en
detalle, así que uso la base de datos de mantenimiento donde se generan las ordenes de
mantenimiento correctivo, es decir, todas las ordenes de intervención de las máquinas cuando
se generan avisos de averías. De esa base datos se filtraron todas las ordenes relacionadas con
averías en formado, de la misma se construyó un diagrama de Pareto, la figura 54 muestra la
distribución de las averías en detalle del formado.
151
Descripción de la Investigación
80 80 5
Percent
60 60 4
hrs
hrs
3
40 40
2
20 20
1
0 0
Fallos es re re l r
do ai ai er
ia he
on ea at Ot
0
Pi
st in de de l
al n e m es ia o as re re ro
s
ía
s es ió ap a on er ea
d d ai ai ot
d cc sc ad st at ta de de
Gu ho ye le tr Pi m l in as
s
ac in en as sa sg pe n
zo de da de de ca
ió
ra m ón de uí ra cc
B de ci ón s sG
t ho s es ye
c ci ro en ac za l in
ol ru uc d zo da de
M st tr lin a de m
or n n
Ob s Ci Br os de ió c ió
Ob dr ol
M cc tr
uc
lin ru
M
bs
t bs
Tiempo 47,52 40,47 3,90 3,06 2,30 3,70 Ci O O
Percent 47,1 40,1 3,9 3,0 2,3 3,7
Cum % 47,1 87,2 91,0 94,1 96,3 100,0 Averias
Figura 54. Pareto de paradas de averías etapa de formado (Fuente: construcción propia)
Se observa que el 87% de las averías relacionadas con el formado, corresponden a fallos
en los brazos guías del pistón (52.5%) y molde macho desalineado (34.5%). Al hacer un
análisis más en detalle de forma de fallos y de los factores interactuantes entre el molde y los
pistones, se encontró que el desajuste del molde se relaciona con problemas en brazos guías de
los pistones.
152
Descripción de la Investigación
Al revisar en detalle las intervenciones del equipo por estos causales específicos, se
encontró que de los 18 cambios que se hicieron, sólo en uno se cambiaron dos brazos guías en
forma simultánea. A partir de allí se segmento la información, de forma tal que se pudiera
establecer el tiempo entre dos cambios (fallos), los costos totales de los cambios por fallas fue
de $172,7 millones.
Se establece cuál es la política de cambio de los brazos, considerando que cada uno
funciona en forma independiente, se hizo un análisis detallado de los cambios de cada uno de
los ítems, y se estableció el tiempo entre dos cambios (fallos). La figura 54 muestra el
comportamiento de estos tiempos como normales, con un MBTF de 2053 horas y una
desviación de 324,2 horas.
153
Descripción de la Investigación
Percent
60
50
40
30
20
10
5
1
1000 1500 2000 2500 3000
TEF
Figura 55. Ajuste de los tiempos entre fallas (cambios por falla) (Fuente: construcción
propia)
tp − µ
R�t p � = P�T > t p � = 1 − Φ � � (55)
σ
Se debe dejar en la misma escala de tiempo, así que el tiempo entre fallos tiene una
distribución normal, con una media de 12,2 semanas y una desviación de 1,9 semanas. De esta
forma, el costo total esperado por el reemplazo preventivo está dado por:
tp −12,2 tp −12,2
52,7 ∗ �1 − Φ � �� + 192,7 ∗ Φ � �
1,9 1,9
C(t p ) = tp −12,2 tp −12,2 tp −12,2 tp −12,2
tpΦ � � + �−324,3ϕ � � + 2053Φ � �� × Φ � �
1,9 1,9 1,9 1,9
154
Descripción de la Investigación
Figura 56. Función de costos total esperado de reemplazo (Fuente: construcción propia)
La figura 56 muestra la función del costo total esperado de reemplazo de los brazos
guías de los pistones, allí se obtiene un costo mínimo aproximadamente se encuentra en un
reemplazo de 9 semana (63 días), con costo total de 0,196 $millones/semana
Con esta información se evalúa el impacto de la mejora sobre el OEE2, se simulan los
tiempos de paradas, considerando los tiempos de parada bajo un comportamiento Weibull
como lo muestra la figura 57, considerando los siguientes comportamientos:
155
Descripción de la Investigación
Probability Plot of Brazos Guías Pistones Probability Plot of Molde macho desalineado
Weibull - 95% CI Weibull - 95% CI
99 99
Shape 4,715 Shape 6,216
Scale 1,485 Scale 4,483
90 90
N 35 N 10
80 80
AD 0,203 AD 0,249
70 70
60 P-Value >0,250 60 P-Value >0,250
50 50
40 40
30 30
Percent
Percent
20 20
10 10
5 5
3 3
2 2
1 1
0,4 0,5 0,6 0,7 0,8 0,9 1 1,5 2 1,5 2 3 4 5 6 7
Brazos Guías Pistones Molde macho desalineado
Figura 57. Ajuste de los tiempos de parada del Pareto de formado (Fuente: construcción
propia)
0
40 50 60 70 80 90 100
Figura 58. OEE2 simulado con la mejora del reemplazo programado (Fuente: construcción
propia)
156
Descripción de la Investigación
157
Descripción de la Investigación
6. CONCLUSIONES
En ese sentido y considerando los objetivos del proyecto se pueden dar las siguientes
conclusiones:
158
Descripción de la Investigación
dispersión, como se puedo observar en las gráficas de las distribuciones del OEE analizado
en este trabajo.
• Al validar el modelo con datos reales, utilizando la aplicación del proceso de empaque
farmacéutico se pudo mostrar en la práctica como se puede integrar el análisis del árbol
de pérdidas al análisis del comportamiento estocástico del OEE, y lo más importante se
puso en evidencia la importancia de la variabilidad. Se pudo desagregar el análisis en los
distintos tipos de pérdidas especialmente de la disponibilidad, y se pudo entrar a mostrar
cómo cada uno de estas pérdidas están modeladas a través de un modelo Weibull, y a
través de estos comportamientos probabilísticos, se desglosó el comportamiento global del
OEE.
• Es importante señalar que se pudo mostrar el uso y aplicaciones prácticas del modelo
estocástico propuesto, en especial las consideraciones prácticas del modelo en el capítulo
5, especialmente se pudo hacer una integración al análisis estratégico de la mejora y con
el despliegue que se hace de las pérdidas con el fin de priorizar y focalizar los proyectos
de mejora. Se establecieron algunas pautas con el fin de tratar de eliminar las malas
prácticas y uso del OEE dentro de la organización, y en especial se pudo entrar a analizar
dos entornos de aplicación del OEE como herramienta de análisis robusto y de decisión.
Es importante señalar como el OEE es una métrica que permite hacer análisis transversales
de las perdidas dentro de la organización.
159
Descripción de la Investigación
• Otro aspecto importante a señalar es que se pudo establecer un proceso metodológico, con
el cual se puede entrar a priorizar y abordar las pérdidas desde la variabilidad del OEE.
De nada nos sirve mejora el OEE en promedio, si no hacemos nada para reducir la
variabilidad, por ejemplo: así se tenga un OEE de 85% si se tiene una desviación del 10%,
en ocasiones encontrarlo a niveles de 50%, esto no es excelencia operacional, solo se logra
en la práctica y en la realidad cuando se hacen los procesos más estandarizados es decir
con menor variabilidad. Visto de esta forma es muy importante, que cuando se quiere
realizar mejoras dentro de la organización, no solo se pretenda como objetivo aumentar el
OEE, es posible que se tenga un gran impacto cuando sin hacer muchas mejoras en el
promedio, se logran hacer mejoras desde la reducción de la dispersión, es decir la
estandarización, por esto este puede ser un gran indicador de los procesos de
estandarización que tanto los necesita los procesos productivos de nuestro país.
• Todos los aspectos que se han estudiado han nacido y se han identificado de la práctica
que se ha tenido en la implementación de OEE como una métrica y herramienta de análisis
y toma de decisiones, que en nuestro país es poco lo que se usa. Esta es una parte de un
primer trabajo de investigación con el fin de robustecer la toma de decisiones en entornos
de excelencia operacional.
De esta forma, creemos que se ha logrado validar la hipótesis planteada, que a través del
comportamiento que tiene el sistema productivo, y de esta manera poder tomar mejores
decisiones y especialmente poder hacer análisis, basados en la estimación de los parámetros
del modelo y a través de la simulación de los distintos escenarios al cual se enfrenta para reducir
y eliminar las perdidas y hacer más eficiente el sistema. Modelo Estocástico propuesto, permite
explicar de una forma más completa y profunda el sistema.
160
Descripción de la Investigación
• Otro aspecto, es considerar todos los hallazgos hechos a partir del modelo dentro de un
entorno más global desde el punto de vista de la excelencia operacional, darle un
contexto mayor y el cual permita ser divulgados y pueda ser puestos en práctica, por
esto se requiere establecer una ruta de análisis y un programa que permita automatizar
lo encontrado aquí para que pueda ser usado de una forma más sencilla y expedita para
tomar decisiones.
161
Descripción de la Investigación
ANEXOS
ANEXO A
DISTRIBUCIÓN CAUCHY
1
𝑓𝑓(𝑥𝑥) =
𝑥𝑥−𝛼𝛼 2
𝜋𝜋𝜋𝜋 �1 + � 𝑏𝑏
� � A.1
1 𝛽𝛽
𝑓𝑓(𝑥𝑥) = � �
𝜋𝜋 (𝑥𝑥 − 𝛼𝛼)2 + 𝛽𝛽 2
1 1 A.2
𝑓𝑓(𝑥𝑥) = � 2 �
𝜋𝜋 𝑥𝑥 + 𝛽𝛽 2
1. El valor esperado 𝐸𝐸(𝑋𝑋) ni la varianza 𝑉𝑉(𝑋𝑋) no están definidas (no existen porque
tienden a infinito)
162
Descripción de la Investigación
1 𝑥𝑥 − 𝛽𝛽 1
𝐹𝐹𝑋𝑋 (𝑥𝑥) = 𝑃𝑃[𝑋𝑋 ≤ 𝑥𝑥] = 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 � �+
𝜋𝜋 𝛼𝛼 2
163
Descripción de la Investigación
ANEXO B
DISTRIBUCIÓN TRUNCADA
Sea una variable aleatoria 𝑋𝑋 con función de densidad de probabilidad 𝑓𝑓(𝑥𝑥) entonces:
0 𝑦𝑦 < 𝑎𝑎
𝑓𝑓𝑌𝑌 (𝑦𝑦) = �
𝑘𝑘𝑓𝑓𝑋𝑋 (𝑥𝑥) 𝑦𝑦 ≥ 𝑎𝑎
0 𝑦𝑦 > 𝑏𝑏
𝑓𝑓𝑌𝑌 (𝑦𝑦) = �
𝑘𝑘𝑓𝑓𝑋𝑋 (𝑥𝑥) 𝑦𝑦 ≤ 𝑏𝑏
0 𝑦𝑦 < 𝑎𝑎
𝑓𝑓𝑌𝑌 (𝑦𝑦) = � 𝑋𝑋 (𝑥𝑥)
𝑘𝑘𝑓𝑓 𝑎𝑎 ≤ 𝑦𝑦 ≤ 𝑏𝑏
0 𝑦𝑦 > 𝑏𝑏
164
Descripción de la Investigación
165
Descripción de la Investigación
ANEXO C.
𝐴𝐴2 = −𝑁𝑁 − 𝑆𝑆
Donde
𝑛𝑛
2𝑘𝑘 − 1
𝑆𝑆 = � [𝑙𝑙𝑙𝑙𝑙𝑙(𝑌𝑌𝑘𝑘 ) + ln(1 − 𝐹𝐹(𝑌𝑌𝑘𝑘+1−𝑘𝑘 ))]
𝑛𝑛
𝑘𝑘=1
166
Descripción de la Investigación
prueba se utiliza con mayor frecuencia en contextos en los que se está probando una familia
de distribuciones, en cuyo caso deben ser estimados los parámetros de esa familia y debe
tenerse estos en cuenta a la hora de ajustar la prueba estadística y sus valores críticos. Cuando
se aplica para probar si una distribución normal describe adecuadamente un conjunto de datos,
es una de las herramientas estadísticas más potentes para la detección de la mayoría de las
desviaciones de la normalidad.
En MINITAB la prueba de ajuste de bondad de los datos está definida para cualquier
tipo de distribución, por lo tanto las hipótesis en forma general son:
30
20
10
5
3
2
1
5 6 7 8 9 10 15 20
hrs
167
Descripción de la Investigación
ANEXO D.
CÁLCULOS BOOTSTRAP DE REMUESTREO PARA EL OEE
En el capítulo 4 se realizó la validación del modelo a través del análisis Bootstrap, en esta
sección se describe como se realizaron los cálculos:
1. Partiendo de los OEE calculados de las 52 semanas se hicieron 100 remuestreos usando
la rutina de R que se describe a continuación:
fix(OEErempl)
OEErempl<-function(x,n)
+{
+ OEE<-scan(c:/datos/OEE.txt")
+ m<-length(OEE)
+ A<-matrix(0:0, nrow=m,ncol=n)
+ for(i in 1:m) {A[i,]=sample(OEE, replace=TRUE)
+ }}
2. Las remuestras fueron exportadas al programa MINITAB y allí se hicieron las gráficas
superpuestas.
15
frecuencia
10
0
0 15 30 45 60 75 90
3. A cada una de las 100 remuestras se les calculo la media y la varianza, las cuales se
graficaron y se les hizo una prueba de ajuste
168
Descripción de la Investigación
8 14
12
Frequency
Frequency
6
10
8
4
6
2 4
0 0
72,6 79,2
60 80 100 120 140 160 180 200
Mean Variance
Para el caso cuando 1 − α = 0,95, entonces utilizando las medias de las 100 remuestras
∗(0,025)
se puede calcular los percentiles θ100 = 78,1 − Φ−1 (0,025) ∗ 1,28 = 75,23 y
∗(0,975)
θ100 = 78,1 + Φ−1 (0,025) ∗ 1,28 = 80,68 , de esta forma se puede concluir que
169
Descripción de la Investigación
BIBLIOGRAFÍA
• Anderson, T.W. & D. A. Darling (954) “A test of goodness of fil” Journal American
Statistical Association. Vol 49, pp: 765-769.
• http://people.sc.fsu.edu/∼jburkardt/presentations/truncated_normal.pdf
170
Descripción de la Investigación
• Farnum N. R. & Stanto L (1987) “Some Results Concerning the Estimation of Beta
Distribution Parameter en PERT” The Journal of the Operational Research Society Vol
38 No 3 pp: 287-290.
• Gangi S., Ingaramo R., Satre J. & Pontelli D. (2010) “Mantenimiento Centrado en la
Confiabilidad: Ejemplo de aplicación en una industria farmacéutica. Universidad
Nacional de Córdoba. Argentina. https://es.scribd.com/durotron4170
• Giraldo S. (2008) “TPM como modelo generador de valor en las industrias” Trabajo de
grado de Especialización en Gerencia de Mantenimiento. Facultad de Ingenierías Fisico-
Mecánicas. UIS. Bucaramanga. Colombia,
171
Descripción de la Investigación
• Kaplan R. S & Norton D. P. (2004) Strategy Maps: Convering intangible assets into
tangible outcomes. Harvard Bussiness School Publishing.
• Pande P., Neuman R & Cavanagh R (2000) Las Calves del Seis Sigma. Editorial McGraw
Hill.
172
Descripción de la Investigación
• Tennant C. & Roberts P (2001) “Hoshin Kanri: Implementing the Catchball Process”
Long Range Planning. Vol 34, pp: 287-308.
• Termoforming-machinery http://www.advancedextrusion.com/pdf/Standard-
Thermoforming-Equipment-Overview.pdf
• Womack J. P. & Jones D. P. (2012) Lean Thinking 2ª Edición. Ediciones Gestión 2000.
España.
173