FACULTAD DE INGENIERÍA

ESCUELA ACADEMICO PROFESIONAL DE

INGENIERÍA INDUSTRIAL

Aplicación de herramientas del Lean Manufacturing para mejorar la

productividad en el proceso de corte de acero de la empresa
metalmecánica Fiansa S.A., Lurigancho, 2017

TESIS PARA OBTENER EL TITULO PROFESIONAL DE:

INGENIERO INDUSTRIAL

AUTOR:
Salomón Joel Apolaya Cárdenas

ASESOR:
Mg. Ronald Dávila Laguna

LÍNEA DE INVESTIGACION
GESTIÓN EMPRESARIAL Y PRODUCTIVA

LIMA – PERÚ
2017

i
 PAGINA DEL JURADO

PRESIDENTE DEL JURADO

______________________________ ____________________________

SECRETARIO DEL JURADO VOCAL DEL JURADO

ii
 Dedicatoria

A nuestro Señor Jesucristo, bajo su

voluntad se logra todo.

A mi amada esposa Marlene, cuyo

amor me motiva a seguir adelante
A mis hijos Loyda, María, Jimena y
Ricardo, quienes ven que con
perseverancia se logra alcanzar las
metas y que todas las horas que no
hemos compartido valieron la pena.
A mis padres Paúl y Gladys quienes
me enseñaron los valores que aplico
día a día.
A mis hermanos Abel y Paúl y sus
respectivas familias por su apoyo
incondicional.

iii
 Agradecimiento

A mis Jefes: José Luis Chocarro, Javier

Perea y Jorge Pajuelo, quienes con su
apoyo he podido terminar esta etapa de
mi desarrollo profesional.

A mi mentor y amigo Diego Calvo I.,

quien con sus enseñanzas y consejos
me incentivaron a crecer como persona
y profesional.
A la Universidad Cesar Vallejo por
darme la oportunidad de adquirir los
conocimientos necesarios para lograr mi
formación profesional.
A mi Asesor de Tesis, Mg Ronald Dávila
Laguna que con dedicación y apoyo me
permiten terminar exitosamente mis
estudios
A todos mis amigos de la infancia, del
trabajo y los compañeros de clases.

iv
 DECLARACIÓN DE AUTENTICIDAD

Yo, Salomón Joel Apolaya Cárdenas con DNI Nº 21880945, a efecto de cumplir con
las disposiciones vigentes consideradas en el Reglamento de Grados y Títulos de
la Universidad César Vallejo, Facultad de Ingeniería, Escuela de Ingeniería
Industrial, declaro bajo juramento que toda la documentación que acompaño es
veraz y auténtica.

Así mismo, declaro también bajo juramento que todos los datos e información que
se presenta en la presente tesis son auténticos y veraces.

En tal sentido asumo la responsabilidad que corresponda ante cualquier falsedad,

ocultamiento u omisión tanto de los documentos como de información aportada por
lo cual me someto a lo dispuesto en las normas académicas de la Universidad
César Vallejo.

Lima, 17 de Noviembre del 2017

Salomón Joel Apolaya Cárdenas

DNI 21880945

v
 PRESENTACIÓN

Señores miembros del Jurado:

En cumplimiento del Reglamento de Grados y Títulos de la Universidad César

Vallejo presento ante ustedes mi Tesis titulada “Aplicación de herramientas del
Lean Manufacturing para mejorar la productividad en el proceso de corte de acero
de la empresa metalmecánica Fiansa S.A. Lurigancho, 2017”, la misma que someto
a vuestra consideración y espero que cumpla con los requisitos de aprobación para
obtener el título Profesional de Ingeniero Industrial.

A continuación, paso a detallar los capítulos en que se desarrolla la tesis.

I. Introducción
II. Marco metodológico
III. Resultados
IV. Discusión
V. Conclusiones
VI. Recomendaciones
VII. Referencias bibliográficas

Anexos

El Autor

vi
 INDICE

I. INTRODUCCIÓN 13
1.1. Realidad Problemática 14
1.2. Trabajos previos 20
1.3. Teorías relacionadas al tema 25
1.4. Formulación del problema 38
1.5. Justificación del estudio 38
1.6. Hipótesis 39
1.7. Objetivos 40
II. MARCO METODOLÓGICO 41
2.1. Diseño de investigación 42
2.2. Variables, operacionalización 42
2.3. Población y muestra 45
2.4. Técnicas e instrumentos de datos, validez y confiabilidad 45
2.5. Métodos de análisis de datos 46
2.6. Aspectos éticos 46
2.7. Desarrollo de la propuesta 47
III. RESULTADOS 75
3.1. Análisis descriptivo 76
3.2. Análisis Inferencial 79
3.2.1. Análisis de la hipótesis general 79
3.2.2. Análisis de hipótesis especificas 81
IV. DISCUSIÓN 86
V. CONCLUSIONES 89
VI. RECOMENDACIONES 91
VII. REFERENCIAS BIBLIOGRÁFICA 93

vii
 INDICE DE FIGURAS

Figura 1: Diagrama de Ishikawa – Proceso de Corte de Acero 17

Figura 2: Diagrama de Pareto – Proceso de Corte de acero 18
Figura 3: Mapa de Procesos 19
Figura 4: Matriz de Operacionalización 44
Figura 5 Cuadro de Fuerza Laboral 47
Figura 6 Distribución de horas hombre por grupo de trabajo 48
Figura 7 Zona de mecanizado 49
Figura 8 Layout de la Planta de Producción 50
Figura 9 Diagrama de Análisis de Proceso – Corte Automático (CNC) 52
Figura 10 Diagrama de Análisis de Proceso – Corte Manual 53
Figura 11 Antes – Indicador: Control de Preparación de maquina 54
Figura 12 Antes – Control de Rutas completas 55
Figura 13 Antes – Indicador: Desperdicio de Materia prima 55
Figura 14 Antes – Indicador: Cumplimiento de Entregas de Rutas. 56
Figura 15 Antes - Indicador: Control de Horas Hombre 56
Figura 16 Cronograma de Implementación – Herramientas Lean Manufacturing 58
Figura 17 Cuadro de Inversiones 58
Figura 18 Tiempo de Preparación de Maquina 59
Figura 19 Intercambio de cabezal – Antorcha HT 2000 60
Figura 20 Capacitación de Operadores CNC 61
Figura 21 Capacitación del Programador sobre sus nuevas funciones 61
Figura 22 Diagrama de Análisis de Operaciones una vez implementado SMED 62
Figura 23 Tiempo de Preparación después de la implementación de SMED 62
Figura 24 Reporte de Control – Rutas de fabricación 64
Figura 25 Identificación de piezas con el código de ruta asignado 64
Figura 26 Personal capacitado identificando las rutas 65
Figura 27 Personal de pintura recabando información de la ruta 65
Figura 28 Pantalla de optimización – Steel Projets 66
Figura 29 Pantalla de optimización Lantek Expert 67
Figura 30 Reporte de control de corte 68
Figura 31 Capacitación por parte de técnico de Lantek 69
Figura 32 Después – Indicador: Control de Preparación de Maquina 70
Figura 33 Después – Indicador: Control de Rutas Completas 70
Figura 34 Después – Indicador: Desperdicio de materia prima 71
Figura 35 Después – Indicador: Desperdicio de materia prima 71
Figura 36 Después – Indicador: Control de Horas Hombre 72
Figura 37 Resumen de Resultados Antes y Después 73
Figura 38 Análisis de Costo / Beneficio 74
Figura 39 Resumen de resultados 76

viii
 ÍNDICE DE TABLAS

Tabla 1 Tabla de Valoración de métodos de mejora 57

Tabla 2 Análisis de datos 76
Tabla 3 Resultados descriptivos de la productividad antes de la aplicación 77
Tabla 4 Resultados descriptivos de la productividad después de la aplicación 77
Tabla 5 Resultados descriptivos de la eficacia antes de la aplicación 77
Tabla 6 Resultados descriptivos de la eficacia después de la aplicación 78
Tabla 7 Resultados descriptivos de la eficiencia antes de la aplicación 78
Tabla 8 Resultados descriptivos de la eficiencia después de la aplicación 78
Tabla 9 Prueba de normalidad - Productividad 79
Tabla 10 Estadísticas de muestras emparejadas 80
Tabla 11 Significancia de resultados - Productividad 81
Tabla 12 Prueba de normalidad - Eficacia 81
Tabla 13 Estadísticos descriptivos - Eficacia 82
Tabla 14 Tabla de estadísticos de prueba - Eficacia 83
Tabla 15 Prueba de normalidad - Eficiencia 83
Tabla 16 Estadísticas de muestras emparejadas - Eficiencia 84
Tabla 17 Prueba de muestras emparejadas - Eficiencia 85

ix
 ÍNDICE DE ANEXOS

Anexo 1 Matriz de Consistencia 98

Anexo 2: Matriz de Operacionalización 99
Anexo 3: Mapa de Procesos 100
Anexo 4: Instrumento que mide la Variable Lean Manufacturing – 1er Experto 104
Anexo 5: Instrumento que mide la Variable Lean Manufacturing – 2do Experto 105
Anexo 6: Instrumento que mide la Variable Lean Manufacturing – 3er Experto 106
Anexo 7: Instrumento que mide la Variable Productividad – 1er Experto 109
Anexo 8 : Instrumento que mide la Variable Productividad – 2do Experto 110
Anexo 9 : Instrumento que mide la Variable Productividad – 3er Experto 111
Anexo 10: Base estadística – Variable Productividad – Análisis Descriptivo 113
Anexo 11: Base estadística – Variable Productividad – Estadígrafo Tstudent 114
Anexo 12 : Base estadística – Dimensión Eficacia – Análisis Descriptivo 115
Anexo 13: Base estadística – Dimensión Eficacia – Estadígrafo Wilcoxon 116
Anexo 14: Base estadística – Dimensión Eficiencia – Análisis Descriptivo 117
Anexo 15: Base estadística – Dimensión Eficiencia – Estadígrafo TStudent 118

x
 RESUMEN

El presente trabajo de tesis, es de clase cuantitativo, diseño cuasi experimental,

cuyo objetivo es mejorar la productividad aplicando herramientas del Lean
Manufacturing como es el SMED, Kanban y la reducción del desperdicio de la
materia prima en el proceso de corte de acero de una empresa metalmecánica.

Para ello se utilizaron los fundamentos de Socconini, D' Alessio, Hernández,

Tamayo para el desarrollo de esta investigación, quienes aportan las técnicas y
bases teóricas para implementar las herramientas del lean manufacturing y permita
reducir los desperdicios del proceso de corte de acero y así aumentar su
productividad.

Para ello se efectuó una recopilación de los resultados antes de la implementación,

así como su análisis, permitiendo determinar los problemas presentes en el proceso
de corte de acero, así como el despilfarro en recursos utilizados (horas hombre,
maquinas, material), de esta manera se pudo determinar las acciones para la
implementación de las herramientas del lean manufacturing.

Terminada la etapa de implementación de las herramientas del lean manufacturing

de la presente investigación, sus resultados conducen a la conclusión de que la
aplicación del lean manufacturing como herramienta del mejoramiento continuo
permite eliminar aquellas actividades que no agregan valor al proceso productivo.

Palabras claves: Lean Manufacturing, Productividad, Desperdicio, SMED, Kanban.

xi
 ABSTRACT

The present work of thesis, is quantitative, quasi-experimental design, whose goal

is to improve productivity by applying Lean Manufacturing tools such as SMED,
Kanban and the reduction of raw material waste in the steel cutting process of a
metalworking company.

For this, the foundations of Socconini, D 'Alessio, Hernández, Tamayo were used
for the development of this research, who provide the techniques and theoretical
bases to implement lean manufacturing tools and to reduce the waste of the steel
cutting process and thus increase your productivity

To this end, a compilation of the results before the implementation was made, as
well as its analysis, allowing to determine the problems present in the steel cutting
process, as well as the waste in resources used (man hours, machines, material),
of this It was possible to determine the actions for the implementation of lean
manufacturing tools.

After the implementation stage of the lean manufacturing tools of this research, its
results lead to the conclusion that the application of lean manufacturing as a tool of
continuous improvement allows eliminating those activities that do not add value to
the productive process.

Keywords: Lean Manufacturing, Productivity, Waste, SMED, Kanban

xii
I. INTRODUCCIÓN

13
1.1. Realidad Problemática
En la publicación del mes de julio presente año del Informe sobre perspectivas de
la economía mundial (WEO) del Fondo Monetario Internacional, informa sus
expectativas sobre el crecimiento económico y proyecta un crecimiento del 3.5%
para el 2017 y 3.6% para el 2018.

Pero para américa latina presenta otro escenario, que, si bien reconoce una
recuperación de la recesión regional del 2016, se esperaba que la actividad
económica se incremente gradualmente, pero las expectativas han empeorado y a
mediano plazo sigue siendo bajo, aproximadamente 2.6% considerando los efectos
de la corrupción que está golpeando a las principales economías de américa de sur
como Brasil y su influencia en otros países como Perú, Colombia, Ecuador y
Argentina.

En lo referido a la industria metalmecánica vemos que en los últimos diez años se

ha incrementado su capacidad operativa por diversos factores, uno de ellos es la
aplicación de métodos y técnicas innovadores que le permiten a la empresa
incrementar su capacidad de producción. Ahora bien, este rubro es liderado por
empresas de Estados Unidos, Japón, Alemania, China y España, quienes son
líderes en el desarrollo de proyectos de construcción industrial, equipos,
edificaciones urbanas y obras públicas, para ello usa tecnología de punta en este
sector y tienen controlados sus costos a través de diferentes programas de
mejoramiento. Esta implementación les ha permitido que la productividad de sus
procesos genere porcentajes altos. Por ejemplo, en España se realizan estructuras
complejas tales como el museo Guggenheim, convertido ahora en el emblemático
de la ciudad de Bilbao, el cual ha levantado solo con el uso de metal.

Para nuestro país los índices publicados por la Sociedad Nacional de Industrias
(SNI, 2017), declaran una disminución acumulada del 6.6% en los tres últimos años
de producción manufacturera, el índice macroeconómico sufre una contracción del
-3,3% y -0,8% en el sector minero, aunque con una mejor perspectiva por el
incremento del precio de los minerales. Una disminución preocupante de proyectos
de implementación de nuevas extracciones mineras, principal cliente para las
empresas metalmecánicas, impacta directamente en sus proyecciones de ventas a
pesar de informarse a través de la Sociedad de Minería, Petróleo y Energía (SMPE,

14
2017) que nuestro país tiene en cartera unos US $50,000 millones en proyectos
mineros.

Con esto las empresas metalmecánicas de nuestro país se ven fuertemente

afectados en su producción y esto sumado a las propias dificultades internas como
los costos y el control de sus desperdicios hace que se busquen alternativas de
atender otros tipos de proyectos como la construcción de puentes u otros y mejorar
sus procesos internos. Pues finalmente, la vida de toda empresa depende de cubrir
o no las expectativas de los clientes.

Por todas las razones mencionadas Fiansa S.A., empresa del rubro metalmecánico,
tiene como misión “Diseñar, fabricar y suministrar soluciones en infraestructura,
obteniendo la satisfacción de nuestros clientes, el desarrollo de nuestro grupo
humano y el retorno adecuado a nuestros accionistas” y como visión “Lograr el
liderazgo nacional con estándares internacionales en servicios de ingeniería,
fabricación de estructuras metálicas, montaje de estructuras metálicas y montaje
de equipos electromecánicos, con alto grado de seguridad, calidad, velocidad y
rentabilidad” (Fiansa S.A.: 2012). Se entiende que el plan operativo de la empresa
es ambicioso, pero este se desarrolla en un largo plazo.

La empresa empieza sus operaciones en el año 1981 dedicados a atender el

mercado agrícola: construcción de piezas de arado, piezas complementarias para
tractores, etcétera. Entre las décadas del 80 al 90 la empresa se dedicó al tema
agrícola en la ciudad de Trujillo, ciudad donde se encontraba su planta principal,
sin embargo, para el año 2010 deciden cambiar de nicho de mercado. Decisión que
se toma luego de la elaboración de un plan estratégico y pasa a ser parte de las
subsidiarias de la Corporación Ferreycorp.

Es así que la empresa se traslada a la ciudad de Lima para atender la demanda de

proyectos complejos como parte del crecimiento económico social del país en
cuanto a infraestructura de puentes, tales como: Habich, Ejercito y Alfonso Ugarte.

Para el 2015 la empresa Ferreyros firma una alianza estratégica con la empresa
URSSA, S. Coop. dedicada al rubro metalmecánico en Europa, Asia y África, es así
que en el 2016 algunos colaboradores de la empresa Fiansa S.A., viajan hacia
España donde adquieren los concomimientos sobre técnicas innovadoras tales

15
como lean manufacturing. Cabe acotar que esta experiencia está determinada por
el volumen y complejidad de acero que procesa URSSA, S. Coop, que es 2.5 más
de la capacidad actual de Fiansa.

Es por ello que con ese conocimiento adquirido se desarrolla un diagnóstico, el cual
arroja que la baja productividad del proceso de corte de acero, no solo afecta al
propio proceso, sino que además influye significativamente en los costos de materia
prima, los resultados de toda la cadena productividad y cumplimiento en general de
entrega de los proyectos al Cliente final. Este diagnóstico nos determina trabajar en
soluciones referidos a reducir los desperdicios en Mano de Obra, Materia Prima y
Maquinaria, tomando las herramientas del lean manufacturing: Kanban, SMED
(Single Minute Exchange of Die) y la disminución de los desperdicios.

16
Figura 1: Diagrama de Ishikawa – Proceso de Corte de Acero

Baja productividad
del proceso de corte
Mal calculo de lotes

Fuente: Elaboración propia

17
Figura 2: Diagrama de Pareto – Proceso de Corte de acero

.
Causas Codigo Frecuencia Porcentaje Acumulado
Porcentaje Acumulado
Alto tiempo de preparación de maquina A 27 17.5% 17.5%
Desorden del area de trabajo B 25 16.2% 33.8% 20.0% 120.0%
17.5%
Alto tiempo de limpieza de maquina C 23 14.9% 48.7% 18.0% 16.2%
14.9% 100.0%
Falta de identificación del lote D 20 13.0% 61.7% 16.0%
14.0% 13.0%
Mal calculo de materiales E 19 12.3% 74.0% 12.3% 80.0%
Falta de capacitación F 10 6.5% 80.5% 12.0%
Mal calculo piezas por lotes G 7 4.5% 85.1% 10.0% 60.0%
Falta de formatos adecuados H 5 3.2% 88.3% 8.0% 6.5%
40.0%
Falta de control de unidades procesadas I 4 2.6% 90.9% 6.0% 4.5%
4.0% 3.2%
Falta de identificación de defectos por lote J 4 2.6% 93.5% 2.6% 2.6% 2.6% 20.0%
1.9% 1.9%
Exceso de humo metalico K 4 2.6% 96.1% 2.0%

Exceso de residuos peligrosos L 3 1.9% 98.1% 0.0% 0.0%

A B C D E F G H I J K L M
Fatiga M 3 1.9% 100.0%
154

Fuente: Elaboración propia

18
Figura 3: Mapa de Procesos

Procesos Estratégicos

Dirección Planificación Revisión

Mejora continua
Estratégica Gerencial Gerencial

Procesos de Operación
C R C
S
a
L e
L t
I q Recepción del
Corte i
u Cliente I s
E i Gestión de E f
N s Ventas Detallamiento Pintura Despacho
proyectos N a
i
T t T
c
Fabricación Montaje c
E o
E i
s
S S ó
n

Procesos de Soporte

Gestión de
Gestión de Gestión del Gestión de la
Recursos Gestión Legal
Compras Mantenimiento Calidad
Humanos

Gestión de la
Gestión de Gestión de
Seguridad y Logística de
Administración Desarrollos
Salud montaje
y Finanzas Informáticos
Ocupacional

Fuente: Fiansa S.A.

19
1.2. Trabajos previos
1.2.1 Lean Manufacturing

CARPIO Mejia, Juan Carlos. “Implementación de Manufactura Esbelta en la línea

de producción de la empresa SEDEMI S.C.C”. Tesis (Ingeniero Industrial).
Riobamba, Ecuador: Universidad Nacional de Chimborazo, 2012. 101 p., su
objetivo fue implementar el sistema de lean manufacturing en la línea de producción
de la empresa metalmecánica SEDEMI CC. Esta investigación de tipo no
experimental y descriptiva, permitió al autor establecer un antes y un después de la
implementación de las herramientas de lean manufacturing como las 5S, Kanban y
SMED. El autor concluye que “El sistema de lean manufacturing aumenta la
productividad al sacar mayor provecho de los factores humano y de máquinas en
función del tiempo. Al aplicar las herramientas de lean manufacturing se logró
estandarizar tiempos de 413 minutos produciendo 6,3 toneladas diarias a 525
minutos produciendo 8,93 toneladas en el proceso de producción. Con lo que se
aumenta en un 29,45% a la producción diaria y se reduce las actividades muertas
en un 45,34%”

GARCÉS Muñoz, Luis Alfredo. “Mejoramiento del Proceso Productivo de la

Empresa Indumever por medio del uso de herramientas de Manufactura Esbelta”.
Tesis (Ingeniero Industrial). Quito, Ecuador: Universidad de Las Américas, 2012.
154 p. El autor tuvo por finalidad diseñar un modelo para el uso de herramientas de
lean manufacturing en los procesos productivos de la empresa Indumever S.A. El
marco metodológico de la investigación señala que es no experimental y
descriptiva, pues el autor recopiló información de la organización como el mapa de
proceso para identificar los procesos claves y establecer las operaciones que
permitan el análisis bajo la utilización de herramientas estadísticas tales como el
diagrama de Pareto. El autor concluye en base a los resultados que las técnicas
de lean manufacturing permitieron la reducción de tiempos en un 25% en las
operaciones seleccionadas para el estudio y en cuanto a los desperdicios del
proceso productivo en un 30%.

ABRIL Jaramillo, David Felipe. “Propuesta del Sistema Lean Manufacturing en la

fabricación de gabinetes para refrigeradoras en la Empresa Indurama-Induglob

20
S.A”. Tesis (Ingeniero Industrial). Cuenca, Ecuador: Universidad de Cuenca, 2013.
146 p. La investigación tiene por objetivo elaborar propuestas de mejora con la
aplicación de las herramientas de Lean Manufacturing en la fabricación
refrigeradoras, y así lograr incrementar el flujo de producción, la entrega en fecha
de los productos y la satisfacción del cliente.
La investigación determino hacer la implementación tomando dos modelos de
refrigeradoras: el RI-425 y RI-587, y a su vez considera los siguientes procesos:
termo formado, acabados plásticos y poliuretano. Los principales problemas
identificados son: mala utilización de áreas de almacenamiento, tiempos
improductivos en la entrega al cliente y producto en proceso aumentando el
inventario. Como resultado de implementación de las herramientas de lean
manufacturing se logró reducir el tiempo de entrega al siguiente proceso para el
modelo RI-425 de 50,16 a 25,13 horas, una reducción del 50,09% y en el modelo
RI-587 de 50,03 a 24,98 horas, con una disminución del 49,93%.
Como consecuencia de la reducción del tiempo de entrega al siguiente proceso, se
reduce las unidades del inventario en proceso de ambos modelos, obteniendo un
ahorro en el costo de $23,317.66. También debemos señalar que se prevé una
disminución del espacio de almacenamiento generando un ahorro anual de $11424
para el modelo RI-425 y como también con un ahorro de $10752 para el modelo
RI-587.
Podemos apreciar que la aplicación de un método de mejora continua y el
seguimiento de la gestión de los procesos, permite identificar los desperdicios que
se generan y perjudican la performance de la empresa, así mismo, la participación
de los colaboradores de la empresa es importante para desarrollo de las actividades
planificadas.

CÓRDOVA Rojas, Frank Pablo. “Mejoras en el Proceso de Fabricación de Spools

en una Empresa Metalmecánica usando la manufactura esbelta”. Tesis (Ingeniero
Industrial). Lima, Perú: Pontificia Universidad Católica del Perú, 2012. 112 p. Su
objetivo fue mejorar la cadena producción de un producto metalmecánico muy
usado en gasoductos como son los spool (tuberías) con la aplicación de las
herramientas de la manufactura esbelta como Kaban entre otros. El análisis
realizado fue determinando las operaciones críticas en la fabricación de este

21
producto, los defectos y los desperdicios que se generan en cada proceso, luego
identifico las herramientas a aplicar a cada causa de los defectos y desperdicios,
su implementación ocurre durante la fabricación de un proyecto en específico y
busca replicarse en futuros proyectos. El autor concluye que el resultado obtenido
con la aplicación de las herramientas de la manufactura esbelta impacta en la
productividad y esta se ve reflejado con la reducción de un 40% del tiempo de ciclo
y otros beneficios como tener al personal capacitado y comprometido con la mejora
continua de productividad.

YUPANQUI Cueto, Carlos Luis. “Aplicación de Lean Manufacturing para mejorar la

productividad del proceso de Inyección-soplado en una empresa manufacturera,
distrito Los Olivos, Año 2016”. Tesis (Ingeniero Industrial). Lima, Perú: Universidad
Cesar Vallejo, 2016. 116 p. En su investigación determina que la implementación
de las herramientas del Lean Manufacturing como SMED y Kanban permitieron la
mejora en los procesos de inyección-soplado mejorando el tiempo de cambios de
moldes, redujo un 18%. Así mismo en mejora la calidad de los productos al
disminuir los defectos en un 11% generando una satisfacción para sus clientes.
Además, se logra incrementar las horas efectivas de la línea de producción, con
ello la eficiencia de este recurso incremento la productividad de sus procesos
productivos.

1.2.2 Productividad

PALOMINO Espinoza, Miguel Alexis. “Aplicación de herramientas de Lean

Manufacturing en las líneas de envasado de una Planta Envasadora de
lubricantes”. Tesis (Ingeniero Industrial). Lima, Perú: Pontificia Universidad Católica
del Perú, 2012. 96 p. Su objetivo fue: incrementar la productividad de las líneas de
envasado de una planta de fabricación de lubricantes, el autor desarrolló una
investigación no experimental y descriptiva, iniciando la recopilación de la
información con la identificación de los desperdicios como el tiempo perdido en las
líneas de envasado como un desperdicio de recursos y como resultado del análisis
concluye que la aplicación de las herramientas de lean Manufacturing le
proporcionan a la empresa una ventaja competitiva en calidad, flexibilidad y
cumplimiento, así mismo que para disminuir las paradas de maquina o del personal,

22
se utilizaron las herramientas SMED, 5S y JIT, su aplicación logro una reducción
del 73%, 27% y 80% en cada uno de los tiempos a los cuales se es direccionada.
En general, se logró una mejora del 20% en el indicador OEE y un incremento de
horas hombres, capacidad productiva y menor tiempo de respuesta para el
cumplimiento de entregas a sus Clientes.

MEJÍA Carrera, Samir Alexander. “Análisis y propuesta de mejora del proceso

productivo de una línea de confecciones de ropa Interior en una empresa textil
mediante el uso de herramientas de lean manufacturing”. Tesis (Ingeniero
Industrial). Lima, Perú: Pontificia Universidad Católica del Perú, 2013. 100 p. Tiene
por objetivo proponer una propuesta de mejora para incrementar la eficiencia de las
líneas de producción. Esta investigación no experimental, descriptiva, permitió al
autor establecer las causas de tiempos de parada de máquina, la baja calidad y los
incrementos en el tiempo de las operaciones con la finalidad de establecer las
herramientas de la lean manufacturing que permita la solución a estos problemas.
El autor concluye que “La aplicación de las herramientas de lean manufacturing le
proporcionan a la empresa una ventaja competitiva en calidad, flexibilidad y
cumplimiento, que a largo plazo se verá reflejado en aumento de ventas y mayor
utilidad por parte de la empresa”.

MELGAR Herrera, Christian José. “Propuesta para el mejoramiento de los procesos

de producción en una empresa de corte y confección”. Tesis (Ingeniero Industrial).
Lima, Perú: Universidad Peruana de Ciencias Aplicadas, 2012. 112 p. Esta
investigación no experimental, descriptiva, permitió al autor plantear la propuesta
enfocándose en la reducción de los desperdicios y el incremento de la productividad
de las líneas de producción. En la coyuntura actual en la que no se produce
productos básicos porque están siendo producidos en China, hace que las
empresas textiles recurran a producir productos de moda o con un “valor agregado”,
para el ello el autor establece a través del diagnóstico identifica que las utilidades
de la organización pueden mejorar si se concentra en reducir los desperdicios, el
costo y que efectué más rápido sus cambios de producto. Finalizada la
investigación el autor concluye “La lean manufacturing elimina los desperdicios
tanto de materia prima como de operaciones”. Se puede verificar que a través de

23
la implementación de nuevos procesos la producción puede mejorar, tal vez los
índices no sean altos al inicio; sin embargo, eso no es un obstáculo, muy por el
contrario, debe verse como un aliciente. De esto se trata en Fiansa de implementar
lean manufacturing para así mejorar los procesos lo que deberá conducir a mejoras
en la producción.

PAREDES Gonzales, Sharik Ashey Atenas. “Aplicación de herramientas de Lean

Manufacturing para mejorar la productividad en la empresa TDEM S.R.L. – SMP
2015”. Tesis (Ingeniero Industrial). Lima, Perú: Universidad Cesar Vallejo, 2016.
112 p. La presente investigación tiene por objetivo implementar herramientas de
Lean Manufacturing que impacten en la productividad, herramientas como VSM y
Poka Yoke permiten incrementar la productividad, cuyos resultados se ven
reflejados en sus indicadores de eficacia y eficiencia. El trabajo realizado demostró
mejoras notables comparando el antes y después de cada una de ellos. Concluye
la importancia de la implementación de estas herramientas para la industria de tal
manera que permita su crecimiento sostenido.

24
1.3. Teorías relacionadas al tema
1.3.1 Marco Teórico
[Link] Variable independiente: Lean manufacturing

¿Qué es Lean Manufacturing?

De acuerdo a Socconini (2008, p 11) “Se puede definir como un proceso continuo
y sistemático de identificación y eliminación del desperdicio o excesos, entiendo
como exceso toda aquella actividad que no agregar valor en un proceso, pero si
costo y trabajo. Esta eliminación sistemática se lleva a cabo mediante trabajo con
equipos de personas bien organizados y capacitados. Debemos entender que Lean
Manufacturing es el esfuerzo incansable y continuo para crear empresas mas
efectivas, innovadoras y eficientes”

Según Rajadell y Sánchez (2010) “Entendemos por lean manufacturing (en

castellano "producción ajustada"), la persecución de una mejora del sistema de
fabricación mediante la eliminación del desperdicio, entendiendo como desperdicio
o despilfarro todas aquellas acciones que no aportan valor al producto y por las
cuales el cliente no está dispuesto a pagar. La producción ajustada (también
llamada Toyota Production System), puede considerarse como un conjunto de
herramientas que se desarrollaron en Japón inspiradas en parte, en los principios
de William Edwards Deming” (p. 2).

Para Madariaga (2013) “El Lean Manufacturing es un nuevo modelo de

organización y gestión del sistema de fabricación – personas, materiales, máquinas
y métodos, que persigue mejorar la calidad, el servicio y la eficiencia mediante la
eliminación constante del despilfarro” (p. 13).

Así mismo considera que “Lean Manufacturing, es el sistema que tiene por objetivo
dar la respuesta más rápida al mercado eliminando aquellas actividades que no
aportan valor añadido al producto esto es, tiempos de inactividad en la producción,
tiempos de cambio, inventarios, calidad deficiente, transporte, etc. Todas estas
actividades, en la medida en que existan, supondrán un coste que gravara el precio
final del producto sin realmente aportar nada a quien lo adquiere, por ello se dice
que carecen de valor añadido. La gestión tradicional de Producción había aceptado
la existencia de productos defectuosos como un mal no radicable y también había

25
aceptado costear un stock de seguridad para afrontar los picos de demanda”
(Madariaga, 2013, p.14).

Para Krajewski, Ritzman y Malhotra (2008). “El Sistema de Producción Toyota

(TPS) es un excelente ejemplo de un método para diseñar cadenas de valor
conocido como sistemas esbeltos, que son sistemas de operaciones que
maximizan el valor agregado de cada una de las actividades de una compañía,
mediante la reducción de los recursos innecesarios y la supresión de los retrasos
en las operaciones. Los sistemas esbeltos abarcan la estrategia de operaciones,
diseño de procesos, administración de la calidad, administración de restricciones,
diseño de la distribución física, diseño de la cadena de suministro y administración
de la tecnología e inventarios de una empresa, y puede usarse tanto en empresas
de servicios como manufactureras. Uno de los sistemas más populares que
incorporan los elementos genéricos de los sistemas esbeltos es el sistema justo a
tiempo (JIT, del inglés just in time). La filosofía justo a tiempo (JIT) es sencilla, pero
eficaz: eliminar el desperdicio mediante la reducción del exceso de capacidad o
inventario y la eliminación de las actividades que no agregan valor. Un sistema JIT
organiza los recursos, los flujos de información y las reglas de decisión” (p348).

Para Lareau (2008, p. 81) “Lean Manufacturing es un término genérico que se da a

las aplicaciones del Sistema de Producción de Toyota. Este sistema se refiere tanto
a fabricación flexible, manejable, sincrónica, como a la fabricación según el flujo de
demanda. El objetivo último de un sistema de este tipo consiste en reducir los siete
despilfarros principales, tal y como lo presenta Taiichi Ohno”.

El autor considera también que, “Entre estos despilfarros se encuentran: el

procesado (realizar algo de manera no optima), los movimientos innecesarios, las
esperas, el nivel de existencias, la sobreproducción, los transportes y la corrección
de defectos. Todo el sistema del área de trabajo de una empresa está diseñado
para reducir progresivamente los despilfarros. La clave está en reducir el despilfarro
a través de esfuerzos realizados por grupos reducidos de trabajadores” (Lareau,
2008, p. 82)

En resumen, Lean Manufacturing es un modelo de mejora continua que optimiza

los recursos de la organización a través de la eliminación de los desperdicios

26
(muda) con el uso de herramientas integradas, obteniendo mayor eficacia y
eficiencia en los procesos de producción.

La cultura de la excelencia en fabricación

Hernández y Vizán (2013) nos indica que:

[…] La difusión de las técnicas de gestión Lean ha venido acompañada de los

conceptos de “excelencia en fabricación” o “empresa de clase mundial”. El
conocimiento de los objetivos que implican estos conceptos es muy conveniente
de cara a iniciarse en las nuevas técnicas, clave para la competitividad de las
empresas. Desde el punto de vista de “excelencia” las empresas que desean
competir con éxito en el mercado actual deben plantearse los siguientes
objetivos:

 Diseñar para “fabricar”.

 Reducir los tiempos de preparación de máquinas para incrementar la
flexibilidad y disminuir los plazos de ejecución.
 Lograr una distribución de la planta que asegure un bajo inventario,
minimice recorridos y facilite el control directo por visibilidad.
 Usar la tecnología para disminuir la variabilidad del proceso.
 Conseguir que sea fácil fabricar el producto sin errores.
 Organizar el lugar de trabajo para eliminar tiempos de búsquedas.
 Formar a los trabajadores para facilitar la motivación, polivalencia y
multidisciplinariedad.
 Garantizar que el personal de línea sea el primero en intentar solucionar los
problemas.
 Conservar y mejorar el equipo existente antes de pensar en nuevos
equipos. Usar intensivamente el mantenimiento preventivo implicando a
todos los empleados.
 Incrementar la frecuencia de entregas de los productos.
 Conseguir que la detección de fallos se realice en la fuente creando
mecanismos sencillos que detecten inmediatamente los problemas.
 Garantizar que todas las personas estén regularmente informadas sobre las
necesidades de los clientes, su grado de satisfacción y de los métodos a
utilizar para su satisfacción.

Las técnicas Lean Manufacturing constituyen la hoja de ruta idónea para

conseguir convertir una empresa en competitiva y de excelencia dentro del
mercado actual (p. 16)

27
Identificación de despilfarros o desperdicios:

Hernandez y Vizán (2013, p22),

[…] En relación a lo descrito tenemos los siguientes despilfarros o desperdicios:

a) Despilfarro por exceso de almacenamiento

El almacenamiento de productos presenta la forma de despilfarro más clara

porque esconde ineficiencias y problemas crónicos hasta el punto que los
expertos han denominado al stock la “raíz de todos los males”. Desde la
perspectiva Lean/JIT, los inventarios se contemplan como los síntomas de una
fábrica ineficiente porque:

 Encubren productos muertos que generalmente se detectan una vez al

año cuando se realizan los inventarios físicos. Se trata de productos y
materiales obsoletos, defectuosos, caducados, rotos, etc., pero que no
se han dado de baja.
 Necesitan de cuidados, mantenimiento, vigilancia, contabilidad, gestión,
etc.
 Desvirtúan las partidas de los activos de los balances. La expresión
“inversión en stock” es un error, porque no ofrecen retribución sobre las
inversiones y, por tanto, no pueden ser considerados como tales en
ningún momento.
 Generan costes difíciles de contabilizar: deterioros en la manipulación,
obsolescencia de materiales, tiempo empleado en la detección de
errores, incremento del lead time con posible insatisfacción para
clientes, mayor dependencia de las previsiones de ventas, etc.

El despilfarro por almacenamiento es el resultado de tener una mayor cantidad

de existencias de las necesarias para satisfacer las necesidades más
inmediatas. El hecho de que se acumule material, antes y después del proceso,
indica que el flujo de producción no es continuo. El mantenimiento de almacenes
permite mantener los problemas ocultos, pero nunca los resuelve.

b) Despilfarro por “sobreproducción”

El desperdicio por sobreproducción es el resultado de fabricar más cantidad de

la requerida o de invertir o diseñar equipos con mayor capacidad de la necesaria.
La sobreproducción es un desperdicio crítico porque no incita a la mejora ya que
parece que todo funciona correctamente. Además, producir en exceso significa
perder tiempo en fabricar un producto que no se necesita para nada, lo que

28
representa claramente un consumo inútil de material que a su vez provoca un
incremento de los transportes y del nivel de los almacenes.

El despilfarro de la sobreproducción abre la puerta a otras clases de despilfarro.

En muchas ocasiones la causa de este tipo de despilfarro radica en el exceso de
capacidad de las máquinas. Los operarios, preocupados por no disminuir las
tasas de producción, emplean el exceso de capacidad fabricando materiales en
exceso.

c) Despilfarro por “tiempo de espera”

El desperdicio por tiempo de espera es el tiempo perdido como resultado de una

secuencia de trabajo o un proceso ineficiente. Los procesos mal diseñados
pueden provocar que unos operarios permanezcan parados mientras otros están
saturados de trabajo. Por ello, es preciso estudiar concienzudamente cómo
reducir o eliminar el tiempo perdido durante el proceso de fabricación.

d) Despilfarro por “transporte” y “movimientos innecesarios”

El desperdicio por transporte es el resultado de un movimiento o manipulación

de material innecesario. Las máquinas y las líneas de producción deberían estar
lo más cerca posible y los materiales deberían fluir directamente desde una
estación de trabajo a la siguiente sin esperar en colas de inventario. En este
sentido, es importante optimizar la disposición de las máquinas y los trayectos
de los suministradores. Además, cuantas más veces se mueven los artículos de
un lado para otro, con lo cual mayores serán las probabilidades de que resulten
dañados.

e) Despilfarro por defectos, rechazos y Reprocesos

El despilfarro derivado de los errores es uno de los más aceptados en la

industria, aunque significa una gran pérdida de productividad porque incluye el
trabajo extra que debe realizarse como consecuencia de no haber ejecutado
correctamente el proceso productivo la primera vez. Los procesos productivos
deberían estar diseñados a prueba de errores, para conseguir productos
acabados con la calidad exigida, eliminando así cualquier necesidad de re
trabajo o de inspecciones adicionales.

También debería haber un control de calidad en tiempo real, de modo que los
defectos en el proceso productivo se detecten justo cuando suceden,
minimizando así el número de piezas que requieren inspección adicional y/o
repetición de trabajos.

29
Herramientas del Lean Manufacturing

A continuación, mencionaremos las diferentes herramientas a utilizar en la

implementación del Lean Manufacturing, siendo estas las siguientes:

A. Las 5´S

Para Hernández y Vizán (2013, p. 36)

[…] La herramienta 5S corresponde a la aplicación sistemática de los principios

de orden y limpieza en el puesto de trabajo que, de una manera menos formal y
metodológica, ya existían dentro de los conceptos clásicos de organización de
los medios de producción. El acrónimo corresponde a las iniciales en japonés de
las cinco palabras que definen las herramientas y cuya fonética empieza por “S”:
Seiri, Seiton, Seiso, Seiketsu y Shitsuke, que significan, respectivamente:
eliminar lo innecesario, ordenar, limpiar e inspeccionar, estandarizar y crear
hábito. Esta técnica hace referencia a la creación y mantenimiento de centros de
trabajo más limpio, organizado y seguro; es la primera herramienta a
implementar en toda empresa que aborde el Lean Manufacturing.

Un programa de 5’s nos ayuda a mejorar la limpieza, la organización y el uso de

nuestras áreas de Trabajo. Con esto conseguimos los siguientes beneficios:

- Aprovechar mejor nuestros recursos, en especial nuestro tiempo.

- Hacer visibles y evidentes anomalías y problemas.
- Gozar de un ambiente de trabajo más seguro y placentero.
- Incrementar nuestra capacidad de producir más artículos de mejor calidad.
- Tener un lugar presentable ante nuestros clientes.
- Mayores niveles de seguridad.
- Eliminar las actividades que no agregan valor.
- Asegurar la eficiencia de la calidad.
- Reducir los desperdicios.
B. Justo a tiempo (Just in time)

Para Rajadell y Sánchez (2010, p 23)

[…] El sistema de producción Just in Time fue desarrollado por Taiichi Ohno,
primer vicepresidente de Toyota Motor Corporation, con el objetivo de conseguir
reducir costes a través de la eliminación del despilfarro. Ohno empleó conceptos
creados por Henry Ford y Walter Shewhart entre 1920 y 1930, desarrollando una
filosofía de excelencia en la producción que ha superado todas las realizaciones
anteriores. Debido a las ventajas que supuso, su filosofía fue adoptada por gran

30
 parte de las industrias japonesas, y posteriormente el interés por el JIT llegó a
Europa y EE UU. No todas las empresas utilizan el término just in time, IBM utiliza
el término producción de flujo continuo, Hewlett-Packard sistema de producción
sin almacén y fabricación repetitiva, Motorola fabricación de ciclo corto y otras
muchas empresas simplemente utilizan el término sistema Toyota.

Con el JIT se pretende fabricar los artículos necesarios en las cantidades

requeridas y en el instante preciso, así, por ejemplo, un proceso productivo se
dice que funciona en JIT cuando dispone de la habilidad para poner a disposición
de sus clientes “los artículos exactos, en el plazo de tiempo y en las cantidades
solicitadas”. El periodo de tiempo que preocupa al cliente es el plazo de entrega
(lead time), es decir el tiempo transcurrido desde que el cliente pasa un pedido
hasta que recibe el material. Este es el tiempo de que dispone el cliente para
planificar sus compras y lógicamente éste estará más satisfecho cuanto menor
y más fiable sea el plazo de entrega.

C. Kanban

Según, Rajadell y Sánchez (2010, p 104)

[…] Se denomina kanban a un sistema de control y programación sincronizada

de la producción basado en tarjetas (en japonés kankan, aunque pueden ser otro
tipo de señales), que consiste en que cada proceso retira los conjuntos que
necesita de los procesos anteriores, y estos comienzan a producir solamente las
piezas, subconjuntos y conjuntos que se han retirado, sincronizándose todo el
flujo de materiales de los proveedores con el de los talleres de la fábrica, y éstos
con la línea de montaje final. Se distinguen dos tipos de kanbans:

- El kanban de producción indica qué y cuánto hay que fabricar para el proceso
posterior.
- El kanban de transporte que indica qué y cuánto material se retirará del
proceso anterior.

Estas tarjetas recogen información como la denominación y el código de la pieza

a fabricar, la denominación y el emplazamiento del centro de trabajo de
procedencia de las piezas, el lugar donde se fabricará, la cantidad de piezas a
producir, el lugar donde se almacenarán los artículos elaborados, etc.

En este sistema, también se utilizan contenedores estandarizados, metálicos o

de plástico, para transportar los lotes de materiales entre las diferentes máquinas
y para almacenarlos en espera de que sean procesados.

31
 Cada contenedor que esté lleno de piezas deberá llevar pegado su
correspondiente kanban, que podrá ser de producción o de transporte. En Toyota
se considera que ningún contenedor ha de tener un tamaño superior al 10 por
100 de la demanda diaria del componente tratado. Se dice que el sistema kanban
se ha inspirado en el concepto de los supermercados, porque:

1. Los consumidores eligen directamente los artículos y compran aquellos que

desean.

2. Los consumidores reducen el trabajo del personal de almacén transportando

por sí mismos sus compras hasta la zona de la caja.

3. En vez de utilizar un sistema de aprovisionamiento estimado, el supermercado

reaprovisiona solamente los productos vendidos, reduciendo así los stocks
excedentes.

4. Los puntos 2 y 3 posibilitan la reducción de precios, aumentando las ventas y

los beneficios.

D. SMED (Single Minute Exchange of Die)

De acuerdo a Socconini (2008, p 212) “La aplicación de esta herramienta se deriva

el análisis que hizo el ingeniero Taichi Ohno, director en jefe de producción de
Toyota en la cual compara la industria automotriz norteamericana que contaba con
muchas prensas para evitar así el cambio de molde que en muchos casos tomaba
más de 24 horas. Toyota no tenía un gran número de presas por su elevado costo
y encargaron al ingeniero Shigeo Shingo con el reto de efectuar un cambio de
moldes lo más rápido posible logrando hacerlo en 3 minutos.

Para lograr este cambio se debe analizar las actividades tanto internas como
externas que impacta en el cambio de herramientas. Luego se cuantifica dichas
actividades observado el tiempo que toma cada una de ellos. Finalmente se analiza
que soluciones se pueden aplicar (cambiar o eliminar) para que la reducción del
tiempo sea efectiva, por lo general las actividades externas son alineadas al
proceso como el mantenimiento y la logística además de capacitar al personal, esta
actividad no queda ahí, sino que se monitorean periódicamente, con ello se
identifica la mejora continua para reducir este tiempo con el apoyo del personal”.

[Link] Variable dependiente: Productividad

32
Para Gutiérrez (2010, p. 41) “La productividad tiene que ver con los resultados que
se obtienen en un proceso o un sistema, por lo que incrementar la productividad es
lograr mejores resultados considerando los recursos empleados para generarlos.
En general, la productividad se mide por el cociente formado por los resultados
logrados y los recursos empleados. Los resultados logrados pueden medirse en
unidades producidas, en piezas vendidas o en utilidades, mientras que los recursos
empleados pueden cuantificarse por número de trabajadores, tiempo total
empleado, horas máquina, etc. En otras palabras, la medición de la productividad
resulta de valorar adecuadamente los recursos empleados para producir o generar
ciertos resultados.

Es usual ver la productividad a través de dos componentes: eficiencia y eficacia. La

primera es simplemente la relación entre el resultado alcanzado y los recursos
utilizados, mientras que la eficacia es el grado en que se realizan las actividades
planeadas y se alcanzan los resultados planeados. Así, buscar eficiencia es tratar
de optimizar los recursos y procurar que no haya desperdicio de recursos; mientras
que la eficacia implica utilizar los recursos para el logro de los objetivos trazados
(hacer lo planeado). Se puede ser eficiente y no generar desperdicio, pero al no ser
eficaz no se están alcanzando los objetivos planeados. Adicionalmente, por
efectividad se entiende que los objetivos planteados son trascendentes y éstos se
deben alcanzar”.

Para Rodríguez (1999) “En la concepción general, la productividad es una medida

de la eficiencia económica que resulta de la relación entre los recursos utilizados y
la cantidad de productos o servicios elaborados.

En este sentido, algunos de los indicadores utilizados tradicionalmente para medir

la productividad, como productos por hora-hombre o por hora-maquina, relación
producto- capital, han alimentado y reforzado un deseo permanente de “hacer más
con menos”, propiciando intencional o accidentalmente la confusión en el concepto
de productividad y su posterior asimilación al termino explotación, tal vez con base
en experiencias reales. La productividad también puede ser definida como “una
medida de la eficiencia económica que resulta de la capacidad para utilizar y
combinar inteligentemente los recursos disponibles” (p. 22)

33
Para Hansen y Ghare (1990) “Los economistas definen la productividad como la
relación entre las salidas de un proceso de producción con los insumos dedicados
al proceso (Productividad=salidas/insumos). Esta relación es similar al concepto de
eficiencia manejado en ingeniería, el concepto de productividad está
estrechamente relacionado con el de calidad. El primero describe las características
cuantitativas de la salida, en tanto que el otro describe la calidad. Resulta claro que
los objetivos gemelos de aumento de la productividad y mejora de la calidad son
interdependientes: no se puede lograr uno sin el otro.

La productividad y la calidad están estrechamente relacionadas. En cierto sentido,

son dos formas alternativas de una misma cosa: la eficiencia en la conversión de
insumos. Ambas tienen idéntico objetivo: “obtener más productos utilizables” con el
mismo gasto de insumos. La única diferencia está en que en el estudio de la
productividad hacer mayor hincapié en la palabra más”, en tanto que la calidad
subraya el termino utilizable. Dado que la productividad y calidad son esfuerzos
estrechamente relacionados entre sí, la mejora de una suele llevar a mejorar la otra”
(p. 371)

Para Fernández (2010 p.12) “Existe en la actualidad una preocupación muy

acentuada por todo lo referente a la mejora de la productividad de los sistemas o
relación de los bienes o servicios producidos y los factores utilizados.

Esta productividad se logra y mejora organizando y gestionando adecuadamente

todos los procesos de la empresa, en la línea de lo que se denomina gestión de la
calidad total o TQM, e implementarla de forma correcta y adecuada. Como se ha
indicado cuando se habla de calidad tenemos que prestar atención a los tres
clientes clave propios de cualquier empresa:

 Al cliente final que paga por nuestros productos.

 A la sociedad en su conjunto mediante la gestión medioambiental.
 A sus propios trabajadores mediante la gestión de la prevención de los riesgos
laborales.

No suficiente con asegurarla, debe obtenerse a bajo costo, lo que exige que los
procesos la garanticen a la primera y con el mínimo control ulterior l proceso. Esto

34
supone poner mayor énfasis en el servicio al cliente como parte integral de la
gestión empresarial aplicando técnicas que conduzcan al diseño y optimización de
productos y procesos que eleven al máximo la relación calidad/costo y a los planes
de control más adecuado para los mismos”

Según Fleitman (2008) “se puede decir que la productividad es el primer paso para
realizar un diagnóstico sobre la utilización eficiente de los recursos productivos. Es
importante conocer los factores que determinan la productividad, ya que esto
permite incidir en ellos y hacer que esta se eleve. La productividad está
condicionada por el avance de los medios de producción y todo tipo de adelantos
tecnológicos, además del mejoramiento de las capacidades y habilidades de los
recursos humanos” (p. 92).

En las empresas se debe hacer la combinación de factores buscando reducir al

mínimo posible los recursos utilizados, pero al mismo tiempo lograr la más alta
cantidad de productos de calidad. El establecimiento de indicadores que miden la
asistencia, la puntualidad, la actitud frente al trabajo, el aprovechamiento del
tiempo, el trabajo en equipo, etc., para luego asociar los resultados sobresalientes
con incentivos o bonos de productividad, no tiene por qué premiarse ya que todo el
personal debe cumplirlos como un hábito de trabajo. La productividad requiere la
participación positiva y decidida de todos los actores de la empresa.

Los factores clave más importantes son:

 Recursos Humanos. Es el factor determinante de la productividad, ya que dirige

a todos los demás factores.
 La maquinaria y equipo. Se debe tener en cuenta su estado, calidad, avances
tecnológicos y correcta utilización.
 La organización del trabajo. Es el complemento de la maquinaria, equipo y
trabajadores calificados; en ella intervienen el rediseño y la estructuración de
puestos y la autonomía relativa de los grupos de trabajo.
 Las materias primas. La calidad de estas influye en el tiempo de producción.

Variables de la productividad

De acuerdo a Heizer y Render (2009, p. 49)

35
[…] Los incrementos en la productividad dependen de tres variables de la
productividad:

1. Mano de obra, que contribuye en casi el 10% al incremento anual.

2. Capital, que contribuye en casi un 38% al incremento anual.

3. Administración, que contribuye en alrededor del 52% al incremento anual.

Estos tres factores son críticos para incrementar la productividad. Representan

las grandes áreas en que los administradores pueden actuar para mejorar la
productividad.

1. Mano de obra (trabajo): La mejora en la contribución de la mano de obra a la

productividad es resultado de una fuerza de trabajo más saludable, mejor
educada y más motivada. Ciertos incrementos pueden atribuirse a semanas
laborales más cortas. Históricamente, cerca del 10% de la mejora anual en
productividad se atribuye a mejoras en la calidad del trabajo. Tres variables clave
para mejorar la productividad laboral son:

- Educación básica apropiada para una fuerza de trabajo efectiva.

- La alimentación de la fuerza de trabajo.
- El gasto social que hace posible el trabajo, como transporte y salubridad

El analfabetismo y la alimentación deficiente son los principales impedimentos

para mejorar la productividad, cuestan a los países hasta un 20% de ésta. La
infraestructura que produce agua potable limpia y el saneamiento también
representa una oportunidad para mejorar la productividad, así como una
oportunidad para obtener mejores condiciones de salud en gran parte del mundo.

En las naciones desarrolladas, el desafío deviene en mantener y mejorar las

habilidades de la mano de obra en el marco de la rápida expansión de la
tecnología y el conocimiento. Superar las deficiencias de la calidad en la mano
de obra mientras otros países cuentan con una mejor fuerza de trabajo
representa un reto importante. Quizá las mejoras puedan alcanzarse no sólo
aumentando la competencia de la mano de obra, sino también a través de una
mano de obra mejor utilizada con un compromiso más sólido. Las estrategias de
capacitación, motivación, trabajo en equipo y de recursos humanos, así como
una educación mejorada, pueden situarse entre las muchas técnicas que
contribuyen al incremento de la productividad de la mano de obra. Las mejoras
en la productividad de la mano de obra son posibles; sin embargo, se puede
esperar que resulten cada vez más difíciles y costosas.

36
 2. Capital: Los seres humanos son animales que usan herramientas. La inversión
de capital proporciona dichas herramientas. La inflación y los impuestos elevan
el costo del capital, haciendo que las inversiones de capital sean cada vez más
costosas. Cuando ocurre un descenso en el capital invertido por empleado,
podemos esperar una caída de la productividad. El uso de mano de obra más
que de capital puede disminuir el desempleo en el corto plazo, pero también hace
que las economías sean menos productivas y, por lo tanto, que bajen los salarios
en el largo plazo. La inversión de capital con frecuencia es necesaria, pero pocas
veces es un ingrediente suficiente en la batalla por incrementar la productividad.
Los intercambios entre capital y mano de obra están constantemente en flujo.
Entre más elevadas sean las tasas de interés, más proyectos que requieren
capital son “eliminados”: no se emprenden porque el rendimiento potencial sobre
la inversión para un riesgo dado ha disminuido.

3. Administración: La administración es un factor de la producción y un recurso

económico. La administración es responsable de asegurar que la mano de obra
y el capital se usen de manera efectiva para aumentar la productividad. La
administración es responsable de más de la mitad del incremento anual en la
productividad. Este aumento incluye las mejoras realizadas mediante la
aplicación de tecnología y la utilización del conocimiento. El uso del conocimiento
y de la tecnología es crítico en las sociedades postindustriales. En consecuencia,
a estas sociedades también se les conoce como sociedades del conocimiento.
Las sociedades del conocimiento son aquellas en que gran parte de la fuerza
laboral ha pasado del trabajo manual a tareas técnicas y de procesamiento de
información que requieren educación y conocimientos. La educación y la
capacitación requeridas representan componentes importantes de alto costo que
son responsabilidad de los administradores de operaciones cuando construyen
organizaciones y fuerzas de trabajo. La expansión del conocimiento como base
de la sociedad contemporánea requiere que los administradores usen la
tecnología y el conocimiento de manera efectiva.

La utilización más efectiva del capital también contribuye a la productividad. El

administrador, como catalizador de la productividad, tiene a su cargo seleccionar
las mejores nuevas inversiones de capital, así como el mejorar la productividad
de las inversiones existentes.

1.3.2 Marco Conceptual

Ruta: Nombre con el cual se identifica el lote de producción, el cual se deriva del
desglose del proyecto considerando las prioridades, la secuencia de montaje y la
fecha de entrega.

37
1.4. Formulación del problema
1.4.1 Problema general

¿De qué manera la aplicación de las herramientas del lean manufacturing mejora
la productividad del proceso de corte de acero en la empresa Fiansa S.A.,
Lurigancho, 2017?

1.4.2 Problemas específicos

 ¿De qué manera la aplicación de las herramientas del lean manufacturing

mejora la eficacia del proceso de corte de acero en la empresa Fiansa S.A.,
Lurigancho, 2017?
 ¿De qué manera la aplicación de las herramientas del lean manufacturing
mejora la eficiencia del proceso de corte de acero en la empresa Fiansa S.A.,
Lurigancho, 2017?

1.5. Justificación del estudio

1.5.1 Justificación teórica

Toda propuesta de investigación tiene un perfil teórico, en esta de lo que se trata

es de determinar como la aplicación de la lean manufacturing impacta a la
productividad del proceso de corte en la empresa Fiansa S.A. Para lo cual se ha
revisado investigaciones tanto prácticas como teóricas que guardan relación con
las variables que se presentan. Así mismo se ha revisado teorías tales como
Sistema de Producción y Lean Manufacturing base de esta investigación. La teoría
expuesta por autores tales como Luis Socconini y Manuel Rajadell & Luis Sánchez,
señala que las variables propuestas pueden medirse, por tanto, son dignas de
investigación.

1.5.2 Justificación practica

La empresa Fiansa S.A. tiene como parte de sus objetivos a largo plazo el duplicar
su capacidad de producción, el cual está actualmente en 550 toneladas por mes, lo
cual implica que se deben desarrollar proyectos innovadores para mejorar la
productividad de la producción de la empresa, más aún dada la asociación con
URSSA, S. Coop., en que los indicadores: control de desperdicios, control de
inventarios, control de defectos, son cada vez más altos. Lo cual implica que la

38
competitividad debe ser cada vez mejor. Por tanto, al desarrollar esta investigación
se está contribuyendo en la mejora de la productividad de procesos de la empresa.
Esta justificación responde básicamente- a la practicidad de la investigación, es
decir no debe tener solo un afán teórico; muy por el contrario, demostrar la
efectividad de su aplicación.

1.5.3 Justificación social

La aplicación del Lean Manufacturing en la industria hace que las organizaciones

adquieran la filosofía de mejora continua, esto permite que cada uno de los
colaboradores se involucre en el proceso de cambio mejorando el clima laboral y
las condiciones para la ejecución de sus tareas.

Así mismo el incremento de la productividad hace que la empresa sea rentable

demostrando de esta manera al Directorio e inversionistas el seguir apostando por
el crecimiento de la empresa generando más puestos de trabajo y consolidándolo
en el mercado, siendo reconocido por sus Clientes en el cumplimiento de sus
requisitos

1.5.4 Justificación económica

Esta investigación es factible de forma económica, ya que con su implementación

se conseguirá los beneficios cuantitativos y cualitativos al mejorar la productividad
en eficacia y eficiencia del proceso de corte de acero.

Esto cuantitativamente se verá reflejado en la reducir los costos de producción sea

en el costo del material, las horas hombre y maquina u otros como la entrega a
tiempo a los clientes, esto es parte primordial en una industria en que cada día se
requiere ser más productiva y de esta forma se obtendrá una mayor cantidad de
producción de forma ordenada y con menor costo.

1.6. Hipótesis
1.6.1 Hipótesis General

La aplicación de herramientas del Lean Manufacturing mejora la productividad en

el proceso de corte de acero de la empresa metalmecánica Fiansa S.A.
Lurigancho, 2017.

39
1.6.2 Hipótesis especificas
 La aplicación de las herramientas del Lean Manufacturing mejora la eficacia
del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.
 La aplicación de las herramientas del Lean Manufacturing mejora la eficiencia
del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.

1.7. Objetivos
1.7.1 Objetivo General

Determinar si la aplicación de herramientas del Lean Manufacturing mejora la

productividad en el proceso de corte de acero de la empresa metalmecánica Fiansa
S.A., Lurigancho, 2017.

1.7.2 Objetivos específicos

 Determinar si la aplicación de las herramientas del Lean Manufacturing

mejora la eficacia del proceso de corte de acero en la empresa Fiansa S.A.,
Lurigancho, 2017.
 Determinar si la aplicación de las herramientas del Lean Manufacturing
mejora la eficiencia del proceso de corte de acero en la empresa Fiansa
S.A., Lurigancho, 2017.

40
II. MARCO METODOLÓGICO

41
2.1. Diseño de investigación

2.2. Variables, operacionalización

a) Variable dependiente: Lean manufacturing:

 “Proceso continuo y sistemático de identificación y eliminación del
desperdicio o excesos”. (Socconini, 2008, p. 11).
 “Conceptos enfocados en el flujo de los procesos y en reducir la cantidad
de actividades que no agregan valor y que impiden el flujo”. (Gutiérrez,
2010, p. 21).
 Proceso de diseñar sistemas de manufactura para reducir los costos,
eliminando el desperdicio de producto y proceso. (Gryna, Chua, &
DeFeo, 2007, p389).

Dimensiones:

 Según Socconini (2008, p. 355), “SMED (Single Minute Exchange of Die;

cambio de herramientas en un solo digito de minuto): Es el tiempo de
preparación para cambiar de producto a otro o iniciar una operación
lograda en menos de 10 minutos, utilizando una metodología de
reducción de tiempos de preparación mediante eventos continuos de
mejora”
 De acuerdo a Socconini (2008, p. 351), “Kanban es un sistema de
información en el que se utilizan tarjetas para informar a los procesos
que el cliente interno o externo a retirado productos y avisa el momento
y la cantidad a producir para reponer en tiempo y cantidad”.
 Para Rajadell y Sánchez (2010, p.11), “Desperdicio: Todas aquellas
acciones que no aportan valor al producto y por las cuales el cliente no
está dispuesto a pagar.”
b) Productividad:
 “Relación entre los resultados y los insumos” (Socconini, 2008, p24).
 “Resultado de dividir las salidas (bienes y servicios) entre una o más
entradas (tales como mano de obra, capital o administración)” (Heizer
y Render, 2009, p14).

42
 “Mide por el cociente formado por los resultados logrados y los
recursos empleados” (Gutiérrez, 2010, p21).
 “Cociente de producto vendible dividido entre los recursos utilizados”
(Gryna, Chua, & DeFeo, 2007, p18).
 “Relación entre entrada y salida, o entre productos e insumos, o entre
beneficio y cost”. (D' Alessio, 2004, p8).

Dimensiones:

 Eficacia: “Hacer lo correcto a efecto de crear el valor máximo posible

para la compañía” (Chase, Jacobs y Aquilano, p. 18)
 Eficiencia: “Hacer algo al costo más bajo posible” (Chase, Jacobs y
Aquilano, p. 18)

43
Figura 4: Matriz de Operacionalización

VARIABLE DEFINICIÓN CONCEPTUAL DEFINICION OPERACIONAL DIMENSIONES INDICADORES FORMULAS FINALES

SMED (Single Minute Exchange of Die; cambio de herramientas en un solo

Lean manufacturing es un digito de minuto): Es el tiempo de preparación para cambiar de producto a otro
Control de tiempo de preparación de CTPM = Horas de preparación real
proceso de mejora continua o iniciar una operación lograda en menos de 10 minutos, utilizando una x 100
maquina (CTPM) Horas maquina disponibles
para identificar y eliminar los metodologia de reduccion de tiempos de preparacion mediantes eventos
desperdicios a través del continuos de mejora. (Socconini, 2008, p. 355)
Proceso continuo y usos herramientas como
sistemático de Smed, Kanban y la Kanban: Es un sistema de información en el que se utilizan tarjetas para
identificación y disminución del desperdicio. informar a los procesos que el cliente interno o externo a retirado productos y CRC = Total de rutas completas
Lean Manufacturing Control de rutas completas (CRC) x 100
eliminación del Para su medición avisa el momento y la cantidad a producir para reponer en tiempo y cantidad Total de rutas programadas
desperdicio o excesos. utilizaremos los siguientes (Socconini, 2008, p. 351)
(Socconini, 2008, p11) indicadores: Control de
tiempo de preparación de
maquina, control de rutas
Desperdicio: Todas aquellas acciones que no aportan valor al producto y por las DMP = (Tot kg de acero programado - Tot kg de acero procesado)
completas y desperdicio de Desperdicio de materia prima (DMP) x 100
cuales el cliente no está dispuesto a pagar (Rajadell y Sánchez, 2010, p.11) Tot kg de acero programado
materia prima.

La mejora de productividad
permite hacer un mejor uso
de los recursos que están Eficacia: Hacer lo correcto a efecto de crear el valor máximo posible para la CER = Total de rutas entregadas x 100
Resultado de dividir las Cumplimiento de entrega de rutas (CER)
disponible de una empresa, compañía. (Chase, Jacobs y Aquilano, p. 18) Total de rutas programadas
salidas (bienes y servicios)
para ello se necesita
entre una o más entradas
controlar la eficacia y la
Productividad (tales como mano de obra,
eficiencia. Para su medición
capital o administración).
utilizaremos los siguientes
(Render & Barry, 2009,
indicadores: cumplimiento Eficiencia: Hacer algo al costo más bajo posible. (Chase, Jacobs y Aquilano, p. CHH = Total de horas hombre ejecutados
p.14) Cumplimiento de Horas Hombre (CHH) x 100
de entrega de rutas y el 18) Total de horas hombre programados
cumplimiento de horas
hombre.

Fuente: Elaboración propia

44
2.3. Población y muestra

2.3.1 Población

Hernández, Fernández y Baptista (2006, p. 174), señala que se trata del

“universo o conjunto de todos los casos que concuerdan con determinadas
especificaciones y que se requieren investigar”. La población está representada
por 34 semanas de producción del proceso de corte de acero, esto comprende
17 semanas para determinar la situación del proceso antes de la aplicación de
las herramientas del Lean Manufacturing y 17 después de su implementación.

2.3.2 Muestra

Según Carrasco (2008, p. 237) señala que la muestra es “una parte o fragmento
representativo de la población, cuyas características esenciales son las de ser
objetiva y reflejo fiel de ella, de tal manera que los resultados obtenidos en la
muestra puedan generalizarse a todos los elementos que conforman dicha
población”.
Para la presente investigación se determinó que el tamaño de la muestra sea la
misma que la población (34 semanas).
2.3.3 Muestreo

No aplica ya que el tamaño de la muestra es la misma que la población.

2.4. Técnicas e instrumentos de datos, validez y confiabilidad

2.4.1 Técnicas:

Observación: “Es aquella en la que el investigador solo se limita a observar las

variables (hechos: procesos, objetos, conductas, etcétera) que han ocurrido o están
ocurriendo independiente de su voluntad. (Carrasco, 2008, p. 285).

2.4.2 Instrumentos

En la presente investigación se determinó el uso de los instrumentos

 Reporte de producción semanal (ver anexo)

 Reporte de Tareo del Personal (ver anexo)
 Reporte de Materia Prima procesada (ver anexo)

45
  Cronometro.

2.4.3 Validación y confiabilidad del instrumento

a) Validación

Para Carrazco (2008, p. 337) la validación de contenido “es la validación del

instrumento de investigación respecto a la coherencia, veracidad, secuencia y
dominio del contenido (variables, indicadores e índices), de aquello que se mide”.
En la presente investigación la validación de contenido se realizará por juicio de
expertos (ver anexo).

b) Confiabilidad

Para Carrazco (2008, p. 339) la confiabilidad es “la cualidad o propiedad de un

instrumento de medición, que le permite obtener los mismos resultados, al aplicarse
una o más veces a la misma persona o grupos de personas en diferentes periodos
de tiempo”.

2.5. Métodos de análisis de datos

Los métodos a aplicar serán estadística descriptiva, con el cual se recopilará y

analizará los datos, con el objeto de resumir y describir los resultados a través de
tablas y gráficas y en cuanto a la estadística inferencial a aplicar para la validación
de la hipótesis planteada

2.6. Aspectos éticos

“En cualquier clase de publicación, hay que considerar diversos principios jurídicos
y éticos. Las principales esferas de interés, a menudo relacionadas entre sí, son la
originalidad y la propiedad intelectual (derechos de autor)” (Day, 1998, p. 148).

Lo dicho por Day, se reafirma que la presente investigación respeta la propiedad

intelectual y los derechos de autor, así mismo guarda la confidencialidad de la
información de la empresa Fiansa S.A. que implique un riesgo comercial y/o
estratégico para la organización.

46
2.7. Desarrollo de la propuesta

2.7.1 Situación actual

El proceso de corte de acero es el primer proceso en la cadena de transformación

de la materia prima en piezas aptas para el proceso de fabricación (armado y
soldeo), la gestión de asignar la carga a las máquinas y al personal es solo
considerando el no desabastecimiento del siguiente proceso con lo cual no valida
si estamos cumpliendo con los objetivos.

De acuerdo al análisis inicial se recopilo los datos referidos a: Personal existente,

Maquinas disponibles, Distribución de planta, luego se procedió a documentar un
diagrama de actividades e indicadores que nos permita determinar el antes sobre
el cual mediremos la mejora del proceso, la información pertenece al periodo
comprendido desde setiembre del 2016 a diciembre del 2016.

A. Personal

Al inicio de la investigación la empresa cuenta con un total de 49 personas en el

proceso de corte. El costo promedio de la hora hombre es de $3.38.

Figura 5 Cuadro de Fuerza Laboral

Proceso: Corte de Acero Periodo: desde Set '16 a Dic '16

Salario
Cantidad Turnos Personal HH disponible HH disponible Salario + Planilla
Cargo Grupo Bruto
x turno de trabajo x dia x dia x semana Beneficios Mensual
Mensual
Operador CNC 3 1 CNC 3 21 126 S/ 2,500.00 S/ 3,500.00 S/ 10,500.00
Ayudante CNC 2 2 CNC 4 28 168 S/ 1,800.00 S/ 2,520.00 S/ 10,080.00
Armador 4 2 Manual 8 56 336 S/ 2,100.00 S/ 2,940.00 S/ 23,520.00
Oficial 10 2 Manual 20 140 840 S/ 1,700.00 S/ 2,380.00 S/ 47,600.00
Rolador 2 2 Roladora 4 28 168 S/ 1,900.00 S/ 2,660.00 S/ 10,640.00
Tornero 8 1 Mecanizado 8 56 336 S/ 2,000.00 S/ 2,800.00 S/ 22,400.00
Despachador 1 2 Entrega 2 14 84 S/ 1,650.00 S/ 2,310.00 S/ 4,620.00
Totales >> 49 343 2,058 S/ 129,360.00

Tasa horario ($ / HH) $3.38

Fuente: Elaboración propia

Luego se puede apreciar en la figura 7, que solo el 14% (7 personas) operan las
máquinas automáticas cnc, el 57% (28 personas) efectúan el corte del acero de
manera manual, luego el 8% (4 personas) son Roladores pero la carga de trabajo
es puntual y se le reasigna labores manuales, además se tiene un 17% (8 personas)

47
para el mecanizado de las piezas que se efectúa según la carga de trabajo y
finalmente se tiene un 4% (02 personas) para la entrega de la carga al siguiente
proceso siendo esto insuficiente para asegura la entrega completa de las rutas de
producción. Podemos determinar como prioridad revisar las actividades de la
operación de las maquinas cnc y reducir las operaciones manuales. También se
necesita determinar si la carga de trabajo justifica mantener las operaciones de
rolado y mecanizado.

Figura 6 Distribución de horas hombre por grupo de trabajo

4% 14%
17%

8%

57%
CNC Manual Roladora Mecanizado Entrega

Fuente: Elaboración propia

B. Maquinas

La empresa cuenta con las siguientes maquinas:

a) 02 máquinas automáticas con control CNC, se divide en:

 Línea de perfiles – Ficep DEB 1003, la cual se procesa (perfil H, canales U,
ángulos, tubos cuadrados y rectangulares): El corte lo efectúa con cinta
aserrada y la perforación a través de 3 ejes de ejecución (vertical, derecho
e izquierdo).
 Línea de planchas – Ficep A16: Se corta las planchas con dos sistemas:
plasma y oxicorte dependiendo el espesor de la misma y la perforación se
efectúa con un solo eje (vertical)

48
b) 01 maquina – Pantografo Tanaka: Solo para cortes rectos (fajeo) que se utiliza
para el corte de cartelas rectas y posteriormente se perfora manualmente.
Sistema oxicorte
c) 02 máquinas de rolado: Se utiliza para diferentes espesores y radio requeridos
los cuales por su antigüedad se estropean continuamente y el costo de su
mantenimiento es alto.
d) 04 máquinas de torno tipo revolver y 04 máquinas fresadoras mecánicas que
por su antigüedad se estropea continuamente teniendo un porcentaje alto de
tiempos improductivos.

Figura 7 Zona de mecanizado

Fuente: Fiansa S.A.

C. Distribución de planta

La planta de producción cuenta con13,000 m2, divido en 04 naves con las

siguientes dimensiones y demás áreas administrativas y almacenaje.

 Nave1: Ancho 20 mts y largo: 84 mts, total: 1680 m2

 Nave 2: Ancho 12 mts y largo: 84 mts, total: 1008 m2
 Nave 3: Ancho 20 mts y largo: 84 mts, total: 1680 m2
 Nave 4: Ancho 52 mts y largo: 12 mts, total: 624 m2

49
Figura 8 Layout de la Planta de Producción

9 8 7

22' 21' 20' 19' 18' 17' 16' 15' 14' 13' 12' 11' 10' 8'

Cam. Vi g. 6 Cam. Vi g. 5

6
N N

NAVE1
M M

L L
5

K K

NAVE2
SECTOR3
J J

I I

NAVE3

H H

NAVE4 4

G G

F F
ACEQUIA

Almacendemateriaprima
Cam. Vi g. 7

E E
Cam. Vi g. 4 PROYECTO
SECTOR5
"ALMACEN Y OFICINAS
DE FIANSA"
D D
C SECTOR4 C

B B
Cam. Vi g. 1

A A

AVENID JOSE ANTONI OVALLARINO

VIAASFA A HUAC CAP 0872

LTADA
DEDOB
LESENTID
HIPA
OVEHIC
ULAR

COTATOPOGRA FICA99.35
ES EL NI VEL+/-0.00

PLANTA GENERAL
ACEQUIA

1:250

A. J. RODRI GUEZR.
Cam. Vi g. 3
Cam. Vi g. 2

22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
PLANTA GENERAL - FIANSA
A-00

Fuente: Fiansa S.A.

50
 En la distribución actual de la planta podemos apreciar los siguientes puntos:

 Para abastecer la línea de perfiles y cartelas que está en la nave 1 se

efectúa con montacargas aumentado el tiempo en la preparación de las
maquinas
 La mesa de corte de fajeo está dentro de la nave 2 y por las dimensiones
de las planchas de 12 metros que procesa se requiere 02 montacargas
para efectuar la maniobra afectado el tiempo de preparación de la
maquina
 Las zonas de almacenamiento están a 50 metros del ingreso de la nave
4 y se requiere el uso de montacargas para su traslado. Con ello afecta
la preparación de las máquinas y del corte manual.
D. Diagrama de Actividades

Se elaboró dos diagramas de análisis de proceso, en la figura 10, se detalla las

actividades de cortar el acero de manera automática con el uso de las maquinas
CNC en la cual podemos observar un tiempo de preparación de máquina de 75 min
y se tiene un total 247 min para su ejecución. Esta operación es ejecutada por el
Operador CNC y el Ayudante CNC

Así mismo podemos apreciar en la figura 9, detalla las operaciones las actividades
de cortar de manera manual y se necesita un total de 420 min para su ejecución,
es 41.1% más de tiempo que toma para procesar el mismo material.

51
Figura 9 Diagrama de Análisis de Proceso – Corte Automático (CNC)

Diagrama de Análisis de Proceso

Proceso: Corte de Acero Actividad Actual Tiempo (min)

Responsable: Joel Apolaya Operación 7 157
Transporte 2 60
Actual X Espera 0 0
Método
Propuesto Inspección 2 30
Total 11 247
Perfil X Automático X
Material Tipo
Plancha X Manual Detalle Tiempo (min)
Preparación 75

Acero (perfiles y planchas)

Trasladar material a
1 T= 15 min
maquina

Colocar material
1 sobre mesa de T= 15 min
trabajo

Preparar
2 T= 20 min
consumibles

3 Programar maquina T= 20 min

Inspección de
1 T= 5 min
parámetros de corte

4 Procesar material T= 65 min

Descargar piezas
T= 15 min Retirar desperdicio 5 6 T= 10 min
cortadas

Colocar piezas en
7 T= 12 min
zona de descarga

2 Inspeccionar piezas T= 25 min

Traslado a zona de
2 T= 45 min
fabricación

Fuente: Elaboración propia

52
Figura 10 Diagrama de Análisis de Proceso – Corte Manual

Diagrama de Análisis de Proceso

Proceso: Corte de Acero Actividad Actual Tiempo (min)

Responsable: Joel Apolaya Operación 9 310
Transporte 3 75
Actual X Espera 0 0
Método
Propuesto Inspección 2 35
Total 14 420
Perfil X Automático
Material Tipo
Plancha X Manual X

Acero (perfiles y planchas)

Trasladar material a
1 zona de habilitado – T= 15 min
Nave 4

1 Colocar material
T= 10 min
sobre caballete

Solicitar plano e
2 T= 10 min
identificar medidas

Trazar pieza sobre

3 T= 40 min
material

Inspección
dimensional de la
1 T= 25 min
pieza antes del
corte

4 Cortar material T= 85 min

Trasladar pieza a
T= 25 min Retirar desperdicio 5 2 zona de limpieza T= 15 min
mecanica

6 Limpieza mecanica T= 55 min

7 Trazado de agujeros T= 25 min

Perforado de
8 T= 30 min
agujeros

9 Conteo de piezas T= 30 min

2 Inspeccionar piezas T= 25 min

Traslado a zona de
3 T= 45 min
fabricación

Fuente: Elaboración propia

53
 E. Indicadores de Gestión

Se recopilo y documento los siguientes indicadores de gestión

a) Control de Preparación de Maquina

Podemos apreciar que al cierre del 2016 se obtuvo 21.1% de tiempo empleado para
la preparación de la máquina de un objetivo de 10.7% planeado, con lo cual
estamos un poco más del doble del tiempo planteado para la operación, afectando
el cumplimiento de las entregas de rutas en fecha y el incremento de las horas
hombre para el cumplimiento del programa de producción semanal.

Figura 11 Antes – Indicador: Control de Preparación de maquina

Periodo informado
Proceso: Corte de Acero Desde el: 9/12/2016
Hasta el: 31/12/2016
Indicador: Control de Preparación de Maquina
Pagina: 1 de 1

25.0%
23.1% 22.7%
22.2% 22.5%
21.5% 21.8% 21.9% 21.6% 21.3% 21.1%
20.6% 20.4% 20.2% 20.1% 20.3%
19.9% 19.8%
20.0% 19.0%

15.0%

10.0%

5.0%

0.0%
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Acum '16

Set '16 Oct '16 Nov '16 Dic '16

Es mejor
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Acum '16
Maquinas Disponibles 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3.00
Horas de maquina - disponible 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 6,426.00
Horas de preparacion - real 75.30 74.80 77.80 77.20 76.50 76.10 76.90 71.90 81.30 82.30 82.90 81.50 80.60 84.10 87.30 85.20 85.70 1,357.40
% de hora de preparacion - real 19.9% 19.8% 20.6% 20.4% 20.2% 20.1% 20.3% 19.0% 21.5% 21.8% 21.9% 21.6% 21.3% 22.2% 23.1% 22.5% 22.7% 21.1%
Horas de preparación - programada 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 6,426.00
Objetivo 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7%
$ x hora maquina 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37
Costo hora maquina $3,040.16 $3,019.97 $3,141.09 $3,116.87 $3,088.60 $3,072.45 $3,104.75 $2,902.88 $3,282.40 $3,322.77 $3,347.00 $3,290.47 $3,254.14 $3,395.45 $3,524.64 $3,439.86 $3,460.04 $54,803.55

- Linea de proceso de perfiles = 01 maquina - CNC Ficep DEB 1003

- Linea de proceso de planchas = 01 maquina - CNC Ficep A16 // 01 maquina de fajeo - Tanaka

Fuente: Elaboración Propia

b) Control de Rutas Completas

Al término del año 2016 se ha obtenido un 70.6% del cumplimento de entrega de

rutas completas para el siguiente proceso de un 90% planeado.

El no cumplimiento de este indicador es por la falta de control en el conteo a la

salida de cada máquina u operación manual y se tiene que recurrir a horas de
máquina adicionales para procesar las reposiciones.

54
Figura 12 Antes – Control de Rutas completas

Periodo informado
Proceso: Corte de Acero Desde el: 5/09/2016
Hasta el: 31/12/2016
Indicador: Control de Rutas Completas
Pagina: 1 de 1

100.0%

90.0%

80.0% 76.9%
72.7% 73.9% 72.7% 72.0% 72.4%
71.4% 70.0% 70.6% 70.8% 70.6%
68.4% 68.4% 69.2% 69.0% 68.2%
70.0% 66.7% 66.7%

60.0%

50.0%

40.0%

30.0%

20.0%

10.0%

0.0%
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Set '16 Oct '16 Nov '16 Dic '16

Es mejor Acum '16
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
Total de lotes completas 12 16 13 15 14 12 10 17 12 17 13 18 20 16 15 18 21 259
Total de lotes programadas 18 22 19 21 20 17 13 24 18 23 19 26 29 22 22 25 29 367
% de rutas completas 66.7% 72.7% 68.4% 71.4% 70.0% 70.6% 76.9% 70.8% 66.7% 73.9% 68.4% 69.2% 69.0% 72.7% 68.2% 72.0% 72.4% 70.6%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas por reposición 66.00 63.00 72.00 81.50 55.00 21.00 37.00 39.50 41.75 77.00 35.50 24.00 31.00 33.00 37.50 40.50 53.40 808.65
$ x hora maquina 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37
Costo - Horas maquina por reposición $2,664.68 $2,543.56 $2,906.92 $3,290.47 $2,220.57 $847.85 $1,493.83 $1,594.77 $1,685.61 $3,108.79 $1,433.27 $968.97 $1,251.59 $1,332.34 $1,514.02 $1,635.14 $2,155.97 $32,645.20
Fuente: Elaboración Propia

c) Desperdicio de materia prima

El desperdicio de materia prima (acero) al cierre del 2016 alcanzo un 12.4% de un

9% planeado, este incremento del desperdicio sumado al alza de precio del acero
impacta en la productividad con respecto a la cantidad de horas máquina y horas
hombre que se requieren para procesar las rutas de producción ya que se requiere
procesar más material para completar las rutas de fabricación

Figura 13 Antes – Indicador: Desperdicio de Materia prima

Periodo informado
Proceso: Corte de Acero Desde el: 5/09/2016
Hasta el: 31/12/2016
Indicador: Desperdicio de materia prima
Pagina: 1 de 1

16.0%

13.7% 13.9%
14.0% 13.2% 13.4% 13.4% 13.2%
12.8% 12.7% 12.9% 12.8%
12.6% 12.3% 12.5% 12.4%
12.1%
12.0%
10.9%
10.3% 10.3%
10.0%

8.0%

6.0%

4.0%

2.0%

0.0%
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Acum '16

Set '16 Oct '16 Nov '16 Dic '16

Es mejor
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Acum '16
Kg procesados 110,841.30 141,291.80 119,703.84 131,400.47 125,981.52 104,210.26 86,522.89 151,992.99 109,391.86 148,276.53 114,744.50 157,358.48 173,592.51 136,081.82 136,769.57 155,405.23 184,518.23 2,288,083.80
kg programados 127,177.83 161,862.69 138,739.45 150,301.07 146,254.50 119,662.77 99,718.98 172,846.23 126,310.70 166,415.08 132,452.82 181,358.47 199,018.85 155,223.43 152,413.95 177,699.22 205,793.95 2,613,249.96
% de Utilización 87.2% 87.3% 86.3% 87.4% 86.1% 87.1% 86.8% 87.9% 86.6% 89.1% 86.6% 86.8% 87.2% 87.7% 89.7% 87.5% 89.7% 87.6%
Desperdicio 16,336.52 20,570.88 19,035.61 18,900.60 20,272.98 15,452.52 13,196.08 20,853.24 16,918.84 18,138.55 17,708.31 23,999.99 25,426.33 19,141.61 15,644.38 22,293.98 21,275.73 325,166.16
% de Desperdicio 12.8% 12.7% 13.7% 12.6% 13.9% 12.9% 13.2% 12.1% 13.4% 10.9% 13.4% 13.2% 12.8% 12.3% 10.3% 12.5% 10.3% 12.4%
Objetivo 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0%
$ x kg 0.53 0.53 0.53 0.53 0.55 0.55 0.55 0.55 0.55 0.61 0.61 0.61 0.61 0.643 0.643 0.643 0.643 0.58
Costo desperdicio $8,658.36 $10,902.57 $10,088.87 $10,017.32 $11,150.14 $8,498.88 $7,257.85 $11,469.28 $9,305.36 $11,064.51 $10,802.07 $14,640.00 $15,510.06 $12,308.05 $10,059.34 $14,335.03 $13,680.29 $189,017.18

Fuente: Elaboración Propia

55
 d) Cumplimiento de Entrega de rutas

Se logró a fines del 2016 un 75.5% de cumplimiento de entrega de rutas al siguiente

proceso, este resultado impacta en las fechas de termino final de la cadena
productividad y que se deberá requerir más horas hombres para recuperar este
atraso.

Figura 14 Antes – Indicador: Cumplimiento de Entregas de Rutas.

Periodo informado
Proceso: Corte de Acero Desde el: 5/09/2016
Hasta el: 31/12/2016
Indicador: Cumplimiento de Entregas de Rutas
Pagina: 1 de 1

100.0%
88.2%
90.0% 85.7% 84.6%
82.6% 80.8% 81.8%
77.8% 77.3% 78.9% 79.2% 78.9%
80.0% 75.5%
72.2%
70.0%
68.0%
70.0% 65.5% 65.5%
59.1%
60.0%

50.0%

40.0%

30.0%

20.0%

10.0%

0.0%
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Set '16 Oct '16 Nov '16 Dic '16

Es mejor Acum '16
36 37 38 39 40
42 43 4144 45 46 47 48 49 50 51 52
Total de rutas entregadas 14 17 15 18 14 15 11 19 13 19 15 21 19 18 13 17 19 277
Total de rutas programadas 18 22 19 21 20 17 13 24 18 23 19 26 29 22 22 25 29 367
% de rutas entregadas 77.8% 77.3% 78.9% 85.7% 70.0% 88.2% 84.6% 79.2% 72.2% 82.6% 78.9% 80.8% 65.5% 81.8% 59.1% 68.0% 65.5% 75.5%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas parada por ruta incompleta 144.00 63.00 111.50 109.75 89.25 91.75 118.50 120.00 131.50 77.00 106.50 132.00 144.50 91.50 103.50 121.50 100.75 1,856.50
$ x hora hombre - proceso: fabricación 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07
Costo - HH parada por falta de ruta $3,178.08 $1,390.41 $2,460.81 $2,422.18 $1,969.75 $2,024.92 $2,615.30 $2,648.40 $2,902.21 $1,699.39 $2,350.46 $2,913.24 $3,189.12 $2,019.41 $2,284.25 $2,681.51 $2,223.55 $40,972.96

Fuente: Elaboración Propia

e) Control de horas hombre

Al cierre del 2016 el resultado del control de horas hombres nos da como resultado
un 79.5% de un 90% planteado, el impacto se ve reflejado en tiempo improductivo
generado haciendo que se requiera horas adicionales para cubrir esta deficiencia
Figura 15 Antes - Indicador: Control de Horas Hombre

Periodo informado
Proceso: Corte de Acero Desde el: 9/12/2016
Hasta el: 31/12/2016
Indicador: Control de Horas Hombre
Pagina: 1 de 1

100.0%

90.0%
82.2% 82.0%
78.3% 78.9% 79.3% 78.6% 77.5%
80.0% 76.8% 75.6% 77.3% 77.1% 76.4% 77.3% 77.0% 76.9%
73.7% 74.9% 75.2%

70.0%

60.0%

50.0%

40.0%

30.0%

20.0%

10.0%

0.0%
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Set '16 Oct '16 Nov '16 Dic '16

Es mejor Acum '16
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
Total de HH ejecutadas 1,581 1,517 1,542 1,611 1,547 1,623 1,632 1,555 1,591 1,617 1,587 1,573 1,591 1,584 1,692 1,688 1,582 27,113
Total de HH disponible (*) 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 2,058 34,986
% de cumplimiento de horas ejecutadas 76.8% 73.7% 74.9% 78.3% 75.2% 78.9% 79.3% 75.6% 77.3% 78.6% 77.1% 76.4% 77.3% 77.0% 82.2% 82.0% 76.9% 77.5%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas Hombre improductivas 477.00 541.00 516.00 447.00 511.00 435.00 426.00 503.00 467.00 441.00 471.00 485.00 467.00 474.00 366.00 370.00 476.00 7,873.00
$ x hora hombre 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38 3.38
Costo - Horas Hombre Improductiva $1,612.26 $1,828.58 $1,744.08 $1,510.86 $1,727.18 $1,470.30 $1,439.88 $1,700.14 $1,578.46 $1,490.58 $1,591.98 $1,639.30 $1,578.46 $1,602.12 $1,237.08 $1,250.60 $1,608.88 $26,610.74

(*) Ver Cuadro de Fuerza Laboral

56
2.7.2 Propuesta de mejora

Para la elaboración de la propuesta de mejora se analiza diferentes metodologías

de mejora de proceso entre ellas: Lean manufacturing, Estandarización de
procesos, Mejora de procesos: Método de las 8 fases, etcétera.

Se elaboró una matriz con la cual se valoró cada metodología dada la formación de
cada uno de los miembros del grupo encargado de la implementación.

Con el análisis realizado del personal, maquinas, distribución de la planta y los

resultados de los indicadores, se propone a la Gerencia Operaciones y Gerencia
General el implementar la metodología Lean Manufacturing y priorizar la aplicación
de las herramientas Single Minute Exchange of Die (SMED), Kaban y un control del
desperdicio de materia prima.

Tabla 1 Tabla de Valoración de métodos de mejora

Valoración
Gerencia de
Metodología Jefe de Corte Jefe Producción Operaciones Asesor Urssa Total Puntaje
Lean Manufacturing 9 9 8 10 36
Estandarización de procesos 7 8 8 7 30
Método de las 8 fases 8 7 8 7 30

Nota:
- Puntaje donde 1 es el menos aplicable y 10 es el mas aplicable
- La valorización se efectuó en base a la experiencia de cada participante
Fuente: Elaboración propia

2.7.3 Implementación de la propuesta

Para la implementación de las herramientas del Lean Manufacturing se desarrolló

el siguiente cronograma de actividades.

La duración de la implementación fue un poco más de 4 meses

57
Figura 16 Cronograma de Implementación – Herramientas Lean Manufacturing

Así mismo, se elaboró un cuadro de inversiones con el cual se determinó el

presupuesto para la implementación de las herramientas de Kanban, SMED y
Control de desperdicio.

Figura 17 Cuadro de Inversiones

Cuadro de Inversiones
Items Actividad Concepto Proveedor Monto
Cambio de sistema de corte plasma, fuente
1 Preparación de maquina
HT2000, Maq Ficep A16 Soldexa S.A. $7,580.00
Preparación de maquina
2 Comprar software de optimización
Desperdicio de material Cad Solutions S.A $15,425.20
Integración de Tekla con Software de
3 Preparación de maquina
optimizacion Cad Solutions S.A $2,100.00
4 Preparación de maquina Formación de programadores CNC Cad Solutions S.A $1,515.15
5 Preparación de maquina Formación de operadores CNC Soldexa S.A. $1,800.00
Formación en uso de rutas de produccion
6 Mano de Obra
(Kanban) Urssa S.A $3,000.00
7 Mano de Obra Formación de Operarios en uso de rutas Urssa S.A $4,500.00
Total $35,920.35
Fuente: Elaboración propia

58
[Link] Implementación – SMED

a) Análisis de situación actual

De acuerdo a la metodología de la herramienta SMED, se debe hacer una

recopilación de la información del proceso de las maquinas, establecer la maquinas
que influyen en la perdida general de los tiempos de parada, observar la operación
en campo y recabar la información para tomar las acciones pertinentes.

Para ello consideremos que, al cierre del año 2016, en promedio se pierde 79.85
horas semanales por preparación de máquina, de las cuales diariamente se pierde
13.3 horas entre las 03 máquinas CNC que cuenta la empresa.

En la figura 18 podemos establecer que la preparación de maquina Ficep A16 que

procesa las planchas para convertirlos en cartelas, tiene el mayor reporte de horas
de preparación.

Figura 18 Tiempo de Preparación de Maquina

Frecuencia Antes (horas) Despues (horas)
Semanal 79.85 1.79; 13%
2.36; 18%
Diario 13.3 9.15; 69%
Desglose por maquina - Ficep DEB 1003

- Ficep DEB 1003 1.79 - Pantografo

- Pantografo 2.36 - Ficep A16
- Ficep A16 9.15

Fuente: Elaboración propia

Se analizó el DAP indicado en la figura 10, en la cual el tiempo de preparación toma

en promedio 75 min la preparación de máquina y obtuvimos como resultado que la
programación de las piezas lo hace el operario parando la maquina por mayor
seguridad mientras hace esta operación y el tiempo de cambio de consumibles es
considerable porque la antorcha solo permite trabajar a un solo amperaje de corte.
Debemos acotar que solo se puede hacer en promedio 7 cambios de material
(espesores), es por ello que la carga que no es procesada se deriva al proceso de
corte manual aumentando el tiempo de proceso.

Para las operaciones de programación y cambio de consumibles se determinó las

siguientes acciones:

59
  Eliminar la operación de programación en máquina, esta operación se
incluirá en las actividades del programador CNC.
 Compra la actualización de la antorcha de corte, ya que está disponible una
versión que se puede desmontar el cabezal para operar con dos amperajes
distintos aumentando la velocidad de corte y la vida útil del consumible.
 Entre otras acciones, disponer de una mesa para la preparación, etcétera.
b) Ejecución de acciones:

Instalación de antorcha HT2000: En este paso se instaló la nueva antorcha en la

maquina Ficep A16. Su instalación tomo 03 días por parte del proveedor el cual
incluye la capacitación al personal de mantenimiento de la empresa.

Con ello se obtuvo que el cabezal es intercambiable y se puede trabajar en dos

amperajes de corte (200 y 110) aumentando la velocidad de corte y la duración del
consumible, esto impacta directamente en los tiempos de preparación.

Figura 19 Intercambio de cabezal – Antorcha HT 2000

Fuente: Elaboración propia

c) Capacitación del personal

Se capacito a los Operadores CNC en el uso de los consumibles de la nueva

antorcha de corte, con ello pueden preparar los consumibles del siguiente cambio
mientras está procesando la máquina. Esta capacitación estuvo a cargo del
proveedor Soldexa S.A.

60
Figura 20 Capacitación de Operadores CNC

Fuente: Elaboración propia.

Figura 21 Capacitación del Programador sobre sus nuevas funciones

Fuente: Elaboración propia

En la figura 22, se puede apreciar en el nuevo Diagrama de Análisis de Proceso –

Corte Automático (CNC) de la preparación de Maquina como han reducido los
tiempos de la preparación de maquina

61
Figura 22 Diagrama de Análisis de Operaciones una vez implementado SMED

Diagrama de Análisis de Proceso

Proceso: Corte de Acero Actividad Actual Tiempo (min)

Responsable: Joel Apolaya Operación 6 115
Transporte 2 60
Actual X Espera 0 0
Método
Propuesto Inspección 2 30
Total 10 205
Perfil X Automático X
Material Tipo
Plancha X Manual Detalle Tiempo (min)
Preparación 25

Acero (perfiles y planchas)

Trasladar material a
1 T= 9 min
maquina

Colocar material
1 sobre mesa de T= 10 min
trabajo

Preparar
2 T= 3 min
consumibles

Inspección de
1 T= 3 min
parametros de corte

3 Procesar Material T= 65 min

Fuente: Elaboración propia

Descargar piezas
T= 15 min Retirar desperdicio 5 T= 10 min
cortadas
En resumen, se tuvo como resultado al de mes de4 setiembre del presente año un
promedio 47.42 horas semanales de los 79.85 horas iniciales, esto se debe a que
la preparación de la maquina Ficep A16 paso de 9.15
6
horas aen3.8 T=horas
Colocar piezas
12 min
y
zona de descarga
aumento a 9 cambios de materiales (espesores), con ello, se pudo reducir el
personal de corte manual. 2 Inspeccionar piezas T= 5 min

Figura 23 Tiempo de Preparación después de la implementación de SMED

Traslado a zona de
Frecuencia Antes (horas) Después (horas) 2 T= 45 min
fabricación
Semanal 79.85 47.42 3.8; 48%
1.7; 22%
Diario 13.3 7.9
Desglose por maquina - Ficep DEB 1003

- Ficep DEB 1003 1.79 1.7 - Pantógrafo

- Pantógrafo 2.36 2.4 - Ficep A16
- Ficep A16 9.15 3.8 2.4; 30%

Fuente: Elaboración propia

62
[Link] Implementación – Kanban

La metodología de la herramienta Kanban nos indica que debe debemos

seleccionar las piezas o grupos que conformaran el lote, establecer su cantidad y
su identificación y su programación, asegurando que los lotes que se entreguen al
siguiente proceso estén completos.

Para ello se tomaron las siguientes acciones:

a) Determinar identificación del lote en campo:

 Se definió identificar los lotes de producción con el nombre de ruta
acompañándolo de un código estructurado, para una fácil
identificación a partir del elemento a fabricar. Por ejemplo: código:
131, donde 1 es: Tipo de estructura, 3 es: prioridad, 1 es el correlativo.
 La ruta se establece de acuerdo a las fases de cada proyecto y
determina la familia de elementos a fabricar y en la prioridad a
procesar.
 La cantidad de material a procesar es en función de la capacidad de
cada cuadrilla de fabricación para su producción semanal, en este
caso se determinó 10 toneladas por cada ruta.
b) Determinar programación de lotes: Las rutas se programarán con la prioridad
que es indicado en las fases por parte del área de ingeniería y según el
tonelaje promedio definido.
c) Documentar procedimiento: Se documentaron los procedimientos de
codificación de rutas y los reportes que debe acompañar al material
procesado.
d) Generar reporte de control: Se implementó un reporte de seguimiento de las
rutas en proceso para que el proceso de fabricación se planifique y se
informe las rutas despachadas.

63
Figura 24 Reporte de Control – Rutas de fabricación

Actualizado al: 14/06/17

Resumen de Avance - Proyecto: 5027 / Toquepala

PROYECTO Asignado RUTA DESCRIP. KG Total Hab (kg) kg. x hab % Avanc Desp. (kg) kg. x desp. % Avanc.
Hab. Desp.
5027/05 Chanc. y Clasif -Fino - 3100 Fabricación 110 COLUMNA 9,947.71 9,947.71 0.00 100.0% 9,947.71 0.00 100.0%
310 PLACA DE CONEXIÓN 961.20 961.20 0.00 100.0% 961.20 0.0%
510 ENREJADO 3D 11,304.03 11,304.03 0.00 100.0% 11,304.03 0.00 100.0%
511 ENREJADO 3D 10,011.60 10,011.60 0.00 100.0% 10,011.60 0.00 100.0%
512 ENREJADO 3D 12,163.67 12,163.67 0.00 100.0% 12,163.67 0.00 100.0%
513 ENREJADO 2D 1,170.79 1,170.79 0.00 100.0% 1,170.79 0.00 100.0%
ENREJADO 3D 8,608.93 8,608.93 0.00 100.0% 8,608.93 0.00 100.0%
514 ENREJADO 2D 7,197.36 7,197.36 0.00 100.0% 7,197.36 0.00 100.0%
515 ENREJADO 2D 5,595.15 5,595.15 0.00 100.0% 5,595.15 0.00 100.0%
516 ENREJADO 2D 7,233.49 7,233.49 0.00 100.0% 7,233.49 0.0%
517 ENREJADO 2D 5,072.45 5,072.45 0.00 100.0% 5,072.45 0.00 100.0%
518 ENREJADO 2D 5,958.68 5,958.68 0.00 100.0% 5,958.68 0.0%
519 ENREJADO 2D 5,017.46 5,017.46 0.00 100.0% 5,017.46 0.00 100.0%
520 ENREJADO 2D 7,192.98 7,192.98 0.00 100.0% 7,192.98 0.00 100.0%
521 ENREJADO 2D 5,591.64 5,591.64 0.00 100.0% 5,591.64 0.00 100.0%
522 ENREJADO 2D 7,228.12 7,228.12 0.0% 7,228.12 0.0%

Fuente: Elaboración propia

e) Implementar procedimiento en campo: Se capacito al personal para que se
adecue a la codificación y proceda a la identificación de las piezas. Esto
permitió mejorar el orden en taller.

Figura 25 Identificación de piezas con el código de ruta asignado

Fuente: Elaboración propia

64
Figura 26 Personal capacitado identificando las rutas

Fuente: Elaboración propia

f) Capacitación del personal: La capacitación se realizó a cada grupo
involucrado: Ingeniería, Fabricación, Pintura y Despacho, teniendo en
cuenta la codificación puede identificar en sus procesos la secuencia que
deben seguir.

Figura 27 Personal de pintura recabando información de la ruta

Fuente: Elaboración propia

65
[Link] Implementación – Reducción de desperdicio de materia prima

a) Situación Actual

Se analizó el procedimiento actual, para ello se consideró 3 elementos clave en de

la operación: Software, el personal y la información del proyecto emitido por el Area
de Ingeniería. El programador CNC solo hace cálculos de material para que el
operario haga la programación en su máquina, la carga de información es manual
y lo hace a partir de los planos impresos o electrónicos,

El software que se utilizó en esta etapa es Steel Projets de empresa Ficep Group,
cuya optimización es limitado y obsoleto, se consultó por su actualización pero se
debe comprar conjuntamente con otros paquetes ya que ahora forma parte de un
ERP, otro punto importante es que con su uso se llega a 24% de desperdicio en
planchas.

Figura 28 Pantalla de optimización – Steel Projets

Fuente: Elaboración propia

b) Determinar software de optimización:

Se comparó contra otros softwares del mercado como Lantek y Steel Graphics,
quedado elegido el software Lantek porque que permite: programar todas las
maquinas con el mismo software, su optimización es por niveles obteniendo en

66
promedio 21% en placas, tiene un control automático de los saldos para su
reutilización en las siguientes rutas.

c) Implementación

El software lantek de implemento considerando lo siguiente:

 Instalación de Post procesadores en las maquinas Ficep DEB 1003 y Ficep

A16
 Integración con base de datos del modelo en Tekla
 Instalación de marcado en piezas en bajo relieve

Figura 29 Pantalla de optimización Lantek Expert

Fuente: Elaboración propia

Estas opciones permitieron reducir el material antes de su ejecución, eliminar la

programación en máquina, contar con un control sobre los saldos, eliminar los
errores por digitación, asegurar que todas las piezas estén optimizadas, establecer
un tiempo teórico del proceso, en otros.

67
d) Generación de reporte de control
Se generó un reporte de control a través del software lantek, en este reporte
indica el % de desperdicio y los saldos a utilizar o registrar.

Figura 30 Reporte de control de corte

Fuente: Software Lantek Expert Cut

e) Capacitación del personal:

Tanto el Programador como el Operador CNC fueron capacitados, con lo cual la

programación de las piezas queda de manera exclusiva del Programador y el
Operador solo carga la información a la máquina, cambiando solo los parámetros
de corte y preparación de consumibles.

68
Al no manipular los datos se elimina la posibilidad de errores en las medidas de las
piezas, con ello se disminuye el desperdicio por piezas falladas.

Figura 31 Capacitación por parte de técnico de Lantek

Fuente: Elaboración propia

2.7.4 Resultados

[Link] Indicadores de Gestión

Se recopilo y documento los siguientes indicadores de gestión

a) Control de Preparación de Maquina

Al cierre de la primera semana de Setiembre del presente año se obtiene un

resultado de 12.5% de tiempo de preparación de máquina, si comparamos con
respecto al año pasado donde se obtuvo un 21.1%, se ha reducido un 8.6%. Esto
se debe a la implementación del nuevo sistema de antorcha plasma para la
maquina Ficep A16 y que el Operador CNC ya no hace la programación de su carga
de trabajo, esta función ahora lo hace el programador CNC

69
Figura 32 Después – Indicador: Control de Preparación de Maquina
Periodo informado
Proceso: Corte de Acero Desde el: 15/05/2017
Hasta el: 09/09/2017
Indicador: Control de Preparación de Maquina
Pagina: 1 de 1

16.0%
14.7% 14.5%
14.3%
13.9%
14.0% 13.3% 13.4% 13.5%
12.6% 12.6% 12.5%
12.3% 12.2%
11.8%
12.0% 11.5%
11.2%
10.8%
10.2% 10.4%
10.0%

8.0%

6.0%

4.0%

2.0%

0.0%
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17

Mayo '17 Junio '17 Julio '17 Agosto '17 Set '17
Es mejor
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17
Maquinas Disponibles 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3.00
Horas de maquina - disponible 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 378.00 6,426.00
Horas de preparacion - real 55.50 54.00 54.75 50.10 50.75 52.50 51.20 47.75 47.50 46.35 46.20 41.00 38.50 39.50 42.28 44.75 43.50 806.13
% de hora de preparacion - real 14.7% 14.3% 14.5% 13.3% 13.4% 13.9% 13.5% 12.6% 12.6% 12.3% 12.2% 10.8% 10.2% 10.4% 11.2% 11.8% 11.5% 12.5%
Horas de preparación - programada 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 40.50 6,426.00
Objetivo 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7% 10.7%
$ x hora maquina 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37
Costo hora maquina $2,240.75 $2,180.19 $2,210.47 $2,022.73 $2,048.98 $2,119.63 $2,067.14 $1,927.85 $1,917.76 $1,871.33 $1,865.27 $1,655.33 $1,554.40 $1,594.77 $1,707.01 $1,806.73 $1,756.27 $32,546.62

- Linea de proceso de perfiles = 01 maquina - CNC Ficep DEB 1003

- Linea de proceso de planchas = 01 maquina - CNC Ficep A16 // 01 maquina de fajeo - Tanaka

Fuente: Elaboración Propia

b) Control de Rutas Completas

Podemos apreciar que al cierre del año 2016 se ha obtenido un 70.6% del
cumplimento de entrega, ahora bien, al cierre de la primera semana de Setiembre
del 2017 se ha obtenido un cumplimiento de 91.9% de rutas entregadas completas,
este incremento del 21.3% permite una reducción drástica en las horas máquina
para reposición y su consecuente costo.

Figura 33 Después – Indicador: Control de Rutas Completas

Periodo informado
Proceso: Corte de Acero Desde el: 15/05/2017
Hasta el: 09/09/2017
Indicador: Control de Rutas Completas
Pagina: 1 de 1

120.0%

100.0% 100.0% 100.0% 100.0%

100.0% 93.8% 92.9% 94.1% 95.2% 94.4%
92.3% 91.9%
88.9% 88.2% 89.5%
85.7%
82.4% 81.8%
80.0% 76.9%

60.0%

40.0%

20.0%

0.0%
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17

Mayo '17 Junio '17 Julio '17 Agosto '17 Set '17
Es mejor
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17
Total de rutas completas 10 14 12 16 15 13 9 16 12 15 14 17 20 17 16 15 17 248
Total de rutas programadas 13 17 14 18 16 14 11 17 13 17 14 19 21 18 16 15 17 270
% de rutas completas 76.9% 82.4% 85.7% 88.9% 93.8% 92.9% 81.8% 94.1% 92.3% 88.2% 100.0% 89.5% 95.2% 94.4% 100.0% 100.0% 100.0% 91.9%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas por reposición 50.75 46.50 51.00 43.50 39.00 37.00 51.00 39.50 41.75 47.00 - 31.50 12.00 41.00 - - - 531.50
$ x hora maquina 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37 40.37
Costo - Horas maquina por reposición $2,048.98 $1,877.39 $2,059.07 $1,756.27 $1,574.58 $1,493.83 $2,059.07 $1,594.77 $1,685.61 $1,897.57 $0.00 $1,271.78 $484.49 $1,655.33 $0.00 $0.00 $0.00 $21,456.66

Fuente: Elaboración Propia

c) Desperdicio de material

70
El desperdicio de material al cierre del 2016 alcanzo un 12.4%, pero en Setiembre
del 2017 se cierra con un 9.07%, reduciendo en 3.4% la generación de desperdicio
de materia prima, con la implementación de la operación de programación cnc y la
implementación del software Lantek para optimización de placas y perfiles permitió
tener el control del desperdicio que se genera en el proceso y reducirlo a niveles
óptimos.

Figura 34 Después – Indicador: Desperdicio de materia prima

Periodo informado
Proceso: Corte de Acero Desde el: 15/05/2017
Hasta el: 09/09/2017
Indicador: Desperdicio de materia prima
Pagina: 1 de 1

9.60%
9.47% 9.45% 9.43%
9.39% 9.36%
9.40% 9.35%
9.29%
9.20%
9.20% 9.15%
9.04% 9.07%
9.02% 8.98%
8.96%
9.00%
8.82%
8.80% 8.70%
8.57%
8.60%
8.43%
8.40%

8.20%

8.00%

7.80%
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17

Mayo '17 Junio '17 Julio '17 Agosto '17 Set '17
Es mejor
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17
Kg procesados 118,583.00 153,899.60 131,521.03 163,501.89 145,706.58 122,524.98 96,935.56 158,241.63 118,470.85 155,604.14 123,114.43 172,432.06 183,132.73 144,936.44 144,303.59 164,753.88 192,028.66 2,489,691.04
kg programados 130,993.16 169,955.82 144,982.72 180,361.28 160,879.95 135,218.93 106,699.31 174,574.69 130,478.96 171,074.70 135,234.32 189,519.60 201,208.05 158,948.79 158,053.27 180,187.01 209,704.04 2,738,074.60
% de Utilización 90.5% 90.6% 90.7% 90.7% 90.6% 90.6% 90.8% 90.6% 90.8% 91.0% 91.0% 91.0% 91.0% 91.2% 91.3% 91.4% 91.6% 90.9%
Desperdicio 12,410.16 16,056.22 13,461.69 16,859.39 15,173.37 12,693.95 9,763.75 16,333.06 12,008.11 15,470.55 12,119.90 17,087.54 18,075.33 14,012.35 13,749.68 15,433.13 17,675.38 248,383.56
% de Desperdicio 9.47% 9.45% 9.29% 9.35% 9.43% 9.39% 9.15% 9.36% 9.20% 9.04% 8.96% 9.02% 8.98% 8.82% 8.70% 8.57% 8.43% 9.07%
Objetivo 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0% 9.0%
$ x kg 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58 0.58
Costo desperdicio $7,197.89 $9,312.61 $7,807.78 $9,778.45 $8,800.55 $7,362.49 $5,662.97 $9,473.17 $6,964.70 $8,972.92 $7,029.54 $9,910.77 $10,483.69 $8,127.16 $7,974.82 $8,951.22 $10,251.72 $144,062.47

Fuente: Elaboración Propia

d) Cumplimiento de Entrega de rutas

Se logró a fines del 2016 un 75.5% de cumplimiento de entrega de rutas al siguiente

proceso, al cierre de Setiembre del 2017 se obtuvo un 94.4% de cumplimiento
permitiendo mejorar la entrega final al cliente. La implementación de la tarjeta
Kanban electrónica (ruta) y su identificación de las piezas con un código estructura
permitió alcanzar este resultado

Figura 35 Después – Indicador: Desperdicio de materia prima

71
 Periodo informado
Proceso: Corte de Acero Desde el: 15/05/2017
Hasta el: 09/09/2017
Indicador: Cumplimiento de Entregas de Rutas
Pagina: 1 de 1

105.0%

100.0% 100.0% 100.0% 100.0% 100.0% 100.0%

100.0%

94.4% 94.7% 94.4%

95.0% 93.8% 94.1% 93.8%
92.9% 92.9%

90.0% 88.2% 88.2%

85.7%
84.6%
85.0%

80.0%

75.0%
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17

Mayo '17 Junio '17 Julio '17 Agosto '17 Set '17
Es mejor
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17
Total de rutas entregadas 11 15 12 17 15 13 11 15 13 16 13 18 21 18 15 15 17 255
Total de rutas programadas 13 17 14 18 16 14 11 17 13 17 14 19 21 18 16 15 17 270
% de rutas entregadas 84.6% 88.2% 85.7% 94.4% 93.8% 92.9% 100.0% 88.2% 100.0% 94.1% 92.9% 94.7% 100.0% 100.0% 93.8% 100.0% 100.0% 94.4%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas parada por ruta incompleta 71.20 60.00 53.20 47.75 45.50 50.00 - 101.00 - 57.00 65.00 67.50 - - 80.75 - - 698.90
$ x hora hombre - proceso: fabricación 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07 22.07
Costo - HH parada por falta de ruta $1,571.38 $1,324.20 $1,174.12 $1,053.84 $1,004.19 $1,103.50 $0.00 $2,229.07 $0.00 $1,257.99 $1,434.55 $1,489.73 $0.00 $0.00 $1,782.15 $0.00 $0.00 $15,424.72

Fuente: Elaboración Propia

e) Control de horas hombre

Al cierre del 2016 el resultado del control de horas hombres nos da como resultado
un 77.5% de un 90% planteado y al cierre de Setiembre del año 2017 tenemos un
cumplimiento del 93%, aumentando en un 15.6% con respecto al periodo anterior.

Este logro se obtuvo por las siguientes acciones:

 Se eliminó los puestos de Tornero y Rolador, por lo expuesto anteriormente

solo trabajaba esporádicamente.
 Se redujo el grupo de corte manual, dado el alto tiempo que le toma procesar
 Se incrementó el grupo de CNC, abriendo un turno más de trabajo.
 Se creó el puesto de Programador CNC.
 Se cambió la antorcha plasma de la maquinas Ficep A16.

Todo esto permitió reducir las horas disponibles y aumentar la eficiencia de las
horas hombre.

Figura 36 Después – Indicador: Control de Horas Hombre

72
 Periodo informado
Proceso: Corte de Acero Desde el: 15/05/2017
Hasta el: 09/09/2017
Indicador: Control de Horas Hombre
Pagina: 1 de 1

98.0%
97.0%
96.7%
96.0% 96.3%
95.7%
96.0% 95.4%
94.6%
94.3%
94.0% 93.2% 93.0%
92.1%
92.0% 91.2%
90.6% 90.8%
89.8% 90.1%
90.0% 89.7%

88.4%
88.0%

86.0%

84.0%
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17

Mayo '17 Junio '17 Julio '17 Agosto '17 Set '17
Es mejor
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Acum '17
Total de HH ejecutadas 980.75 965.50 979.20 983.50 989.20 991.50 995.75 1,005.50 1,017.75 1,029.50 1,033.20 1,041.50 1,055.75 1,059.75 1,045.00 1,048.75 1,051.50 17,274
Total de HH disponible (*) 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 1,092 18,564
% de cumplimiento de horas ejecutadas 89.8% 88.4% 89.7% 90.1% 90.6% 90.8% 91.2% 92.1% 93.2% 94.3% 94.6% 95.4% 96.7% 97.0% 95.7% 96.0% 96.3% 93.0%
Objetivo 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0%
Horas Hombre improductivas 111.25 126.50 112.80 108.50 102.80 100.50 96.25 86.50 74.25 62.50 58.80 50.50 36.25 32.25 47.00 43.25 40.50 1,290.40
$ x hora hombre 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57
Costo - Horas Hombre Improductiva $397.05 $451.48 $402.59 $387.24 $366.90 $358.69 $343.52 $308.72 $265.00 $223.06 $209.86 $180.24 $129.38 $115.10 $167.74 $154.36 $144.55 $4,605.48

(*) Ver Cuadro de Fuerza Laboral

Fuente: Elaboración Propia

[Link] Resumen de resultados

En la siguiente imagen se resumen los resultados de cada uno de los indicadores

de las dimensiones antes de la aplicación de las herramientas y luego de la
aplicación. Se puede apreciar en cada indicador mejoro con respecto a la medición
inicial.

Figura 37 Resumen de Resultados Antes y Después

Items Indicadores Antes Después Diferencia Es mejor

1 Control de Preparación de maquina 21.1% 12.5% -8.6%
2 Control de Rutas completas 70.6% 91.9% 21.3%
3 Desperdicio de Materia prima 12.4% 9.1% -3.4%
4 Cumplimiento de entrega de rutas 75.5% 94.4% 19.0%
5 Control de Horas Hombre 77.5% 93.0% 15.6%

Fuente: Elaboración propia

2.7.5 Análisis económico y financiero

73
Se elaboró un análisis costo/beneficio, para ello se tomó los resultados promedio al
cierre de cada periodo antes y después de cada uno de los indicadores que miden
las dimensiones de las variables de estudio. El resultado obtenido es: $3.51, quiere
decir que por cada dólar invertido tendremos $3.51 de retorno, con ello se
demuestra que la inversión en la implementación de las herramientas de Lean
manufacturing es rentable.

Figura 38 Análisis de Costo / Beneficio

Items Indicadores Antes Después Ahorro

1 Control de Preparación de maquina $54,803.55 $32,546.62 $22,256.93
2 Control de Rutas completas $32,645.20 $21,456.66 $11,188.55
3 Desperdicio de Materia prima $189,017.18 $144,062.47 $44,954.71
4 Cumplimiento de entrega de rutas $40,972.96 $15,424.72 $25,548.23
5 Control de Horas Hombre $26,610.74 $4,605.48 $22,005.26
Total Perdida $344,049.62 $218,095.95 $125,953.68

Total Ahorro $125,953.68

Total Inversión $35,920.35

Costo / Beneficio $3.51

Fuente: Elaboración propia

74
III. RESULTADOS

75
3.1. Análisis descriptivo

Seguidamente, se muestra el análisis descriptivo de la variable dependiente y sus

dimensiones para los datos obtenidos antes y después de la implementación de las
herramientas del lean manufacturing (SMED y Kanban).

Figura 39 Resumen de resultados

Resumen de Resultados
100.0% 94.4% 93.0%
87.9%
90.0%
75.5% 77.5%
80.0%
70.0%
58.5%
60.0%
50.0%
40.0%
30.0%
20.0%
10.0%
0.0%
Productividad Eficacia Eficiencia

Antes Despues

Fuente: Elaboración propia

Se puede apreciar en la figura 25 que la variable dependiente productividad

aumento de una situación anterior de 58.5% a un 87.9% después de la
implementación de las herramientas del lean manufacturing, así mismo las
dimensiones de eficacia y eficiencia reflejan que ha aumentado sus índices con
respecto a sus resultados anteriores.

Tabla 2 Análisis de datos

Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Antes 17 100,0% 0 0,0% 17 100,0%
Productividad Después 17 100,0% 0 0,0% 17 100,0%
Antes 17 100,0% 0 0,0% 17 100,0%
Eficacia Después 17 100,0% 0 0,0% 17 100,0%
Antes 17 100,0% 0 0,0% 17 100,0%
Eficiencia Después 17 100,0% 0 0,0% 17 100,0%

Fuente: Software SPSS V.23

Una vez procesados los datos con el software SPSS versión 23, tenemos que el
100% de los datos son válidos para el análisis descriptivo.

76
a) Variable Dependiente: Productividad

Para la serie de datos de la productividad antes y después de la aplicación se

obtuvieron los siguientes resultados del análisis descriptivo:

Tabla 3 Resultados descriptivos de la productividad antes de la aplicación

Estadístico Error estándar

Media 0.5905 0.0151
Productividad

95% de intervalo Límite inferior 0.5583

de confianza para Límite superior 0.6226
Antes

Media recortada al 5% 0.5904

Mediana 0.5975
Varianza 0.0039
Desviación estándar 0.0625
Fuente: Software SPSSS V.23

Tabla 4 Resultados descriptivos de la productividad después de la aplicación

Estadístico Error estándar

Media 0.8785 0.0170
Productividad

95% de intervalo Límite inferior 0.8426

Después

de confianza para Límite superior 0.9145

Media recortada al 5% 0.8800
Mediana 0.8873
Varianza 0.0049
Desviación estándar 0.0699
Fuente: Software SPSSS V.23

b) Dimensión: Eficacia

Los resultados obtenidos del análisis descriptivo de la eficacia para la serie de

datos antes y después de la aplicación de las herramientas de lean manufacturing
fueron las siguientes:

Tabla 5 Resultados descriptivos de la eficacia antes de la aplicación

Estadístico Error estándar
Media 0.7625 0.0198
95% de intervalo de Límite inferior 0.7204
Eficacia

confianza para la media Límite superior 0.8045

Antes

Media recortada al 5% 0.7654

Mediana 0.7895
Varianza 0.0070
Desviación estándar 0.0818
Fuente: Sofware SPSS23 V.23

77
Tabla 6 Resultados descriptivos de la eficacia después de la aplicación
Estadístico Error estándar
Media 0.9431 0.0127
95% de intervalo de Límite inferior 0.9161
Después
Eficacia

confianza para la media Límite superior 0.9701

Media recortada al 5% 0.9454
Mediana 0.9412
Varianza 0.0030
Desviación estándar 0.0525
Fuente: Sofware SPSS23 V.23

c) Dimensión: Eficiencia

Para el análisis descriptivo de la eficiencia para la serie de datos antes y después

de la aplicación de las herramientas de lean manufacturing se obtuvieron los
siguientes resultados:

Tabla 7 Resultados descriptivos de la eficiencia antes de la aplicación

Estadístico Error estándar
Media 0.7750 0.0055
95% de intervalo de Límite inferior 0.7633
Eficiencia

confianza para la media Límite superior 0.7866

Antes

Media recortada al 5% 0.7744

Mediana 0.7711
Varianza 0.0005
Desviación estándar 0.0227

Fuente: Sofware SPSS23 V.23

Tabla 8 Resultados descriptivos de la eficiencia después de la aplicación

Estadístico Error estándar
Media 0.9305 0.0070
95% de intervalo de Límite inferior 0.9157
Eficiencia
Despúes

confianza para la media Límite superior 0.9453

Media recortada al 5% 0.9308
Mediana 0.9320
Varianza 0.0008
Desviación estándar 0.0288

78
3.2. Análisis Inferencial

3.2.1. Análisis de la hipótesis general

Hg: La aplicación de herramientas del Lean Manufacturing mejora la productividad
en el proceso de corte de acero de la empresa metalmecánica Fiansa S.A.
Lurigancho, 2017.

En la investigación se desarrolló la prueba de normalidad con la finalidad de

contrastar la hipótesis general (Hg) a través de la serie de datos (antes y
después), para ello se utilizó el estadígrafo de Shappiro-Wilk debido a que
contamos con una población y muestra menor a 40, esta prueba se efectuó con el
uso del software estadístico IBM SPSS 23, bajo la siguiente regla de decisión:

Si ρᵥ ≤ 0.05, los datos de la serie tienen un comportamiento no paramétrico.

Si ρᵥ > 0.05, los datos de la serie tienen un comportamiento paramétrico.

Tabla 9 Prueba de normalidad - Productividad

Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Productividad - Antes .968 17 .791
Productividad - Despúes .934 17 .257
Fuente: Software SPSSS V.23

En la tabla 9, se puede verificar que la significancia de la productividad antes de la

aplicación de las herramientas del Lean manufacturing es de 0.791 y después de
la aplicación es 0.257, dado que la productividad del antes y después de la
aplicación es mayor a 0.05, por tanto, de acuerdo a la regla de decisión, se
establece para el análisis de contrastación de la hipótesis el uso de un estadígrafo
paramétrico, para este caso se usará la prueba de Tstudent.

Contraste de la hipótesis general

La contrastación de hipótesis es una teoría que considera dos tipos de hipótesis:

Hipótesis Nula (Ho) e Hipótesis Alternativa (Ha). Lo que se busca con esta teoría
es conocer cuál de las dos hipótesis es verdadera, tras aplicar la prueba de
Tstudent sobre la serie de datos. La hipótesis que se debe rechazar es la Ho, la
cual consideramos sin valor, efecto o consecuencia. En el caso de esta tesis, lo que

79
busca es el incremento de la productividad; por tanto, se busca que media después
sea mayor que la media antes. Por tal motivo se establecen las siguientes reglas
decisión:

Hₒ : μPa ≥ μPd

Hₐ : μPa < μPd

Hipótesis General

Ho: La aplicación de herramientas del Lean Manufacturing no mejora la

productividad en el proceso de corte de acero de la empresa metalmecánica Fiansa
S.A. Lurigancho, 2017

Ha: La aplicación de herramientas del Lean Manufacturing si mejora la

productividad en el proceso de corte de acero de la empresa metalmecánica Fiansa
S.A. Lurigancho, 2017

Tabla 10 Estadísticas de muestras emparejadas

Estadísticas de muestras emparejadas

Desviación Media de error
Media N
estándar estándar
Par 1 Productividad Antes .5905 17 .06246 .01515
Productividad Despues .8785 17 .06990 .01695
Fuente: Software SPSS V.23

En la tabla 10, queda demostrado que la media de la productividad, antes de la

aplicación (0.5905) es menor que la media de la productividad después de la
aplicación (0.8785), por consiguiente, se cumple que Hₐ : μPa < μPd, en tal razón
se rechaza la hipótesis nula de que la aplicación de herramientas del Lean
Manufacturing no mejora la productividad, y se admite la hipótesis de la
investigación o alterna, por la cual queda demostrado que la aplicación de
herramientas del Lean Manufacturing si mejora la productividad en el proceso de
corte de acero de la empresa metalmecánica Fiansa S.A. Lurigancho, 2017

Finalmente, con la finalidad de confirmar que el análisis es correcto, se procede al

análisis mediante el ρᵥalor o significancia de los resultados de la aplicación de la
prueba Tstudent

Regla de decisión:

80
Si ρᵥalor ≤ 0.05, se rechaza la hipótesis nula

Si ρᵥalor > 0.05, se acepta la hipótesis nula.

Tabla 11 Significancia de resultados - Productividad

Prueba de muestras emparejadas
Diferencias emparejadas
Media de 95% de intervalo de
Desviación error confianza de la diferencia Sig.
Media estándar estándar Inferior Superior t gl (bilateral)
Productividad Antes -
Par 1 -.28808 .10453 .02535 -.34182 -.23434 -11.363 16 .000
Productividad Despues
Fuente: Software SPSS V.23

En la Tabla 11, se puede verificar que la significancia (Sig.) de la prueba Tstudent

aplicada a la productividad antes y después de la aplicación es de 0.000, por
consiguiente y de acuerdo a la regla de decisión se rechaza la hipótesis nula y se
acepta que la aplicación de herramientas del Lean Manufacturing mejora la
productividad en el proceso de corte de acero de la empresa metalmecánica Fiansa
S.A. Lurigancho, 2017

3.2.2. Análisis de hipótesis especificas

a) Hipótesis especifica 1

Ha1: La aplicación de las herramientas del lean manufacturing mejora la eficacia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017

Al igual que a la hipótesis general se aplicó una prueba de normalidad utilizando el

estadígrafo de Shappiro-Wilk ya que la población y la muestra es menor a 40 datos.

Así mismo se aplicó la siguiente regla de decisión:

Si ρᵥ ≤ 0.05, los datos de la serie tienen un comportamiento no paramétrico.

Si ρᵥ > 0.05, los datos de la serie tienen un comportamiento paramétrico.

Tabla 12 Prueba de normalidad - Eficacia

Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Eficacia - Antes .944 17 .362
Eficacia - Después .873 17 .025

Fuente: Sofware SPSS23 V.23

81
Interpretación: Como la significancia (Sig) de la eficacia antes es 0.362, el cual es
> 0.05, por tanto, tiene un comportamiento paramétrico; así mismo la significancia
de la eficacia después es igual a 0.025, por tanto, es ≤ 0.05, con lo cual se determina
que tiene un comportamiento no paramétrico.

Con estos resultados aplicaremos el estadígrafo Wilcoxon ya que según el análisis

de normalidad nos indica que es paramétrico/no paramétrico.

Contraste de la hipótesis especifica 1

Ho: La aplicación de las herramientas del lean manufacturing no mejora la eficacia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.

Ha: La aplicación de las herramientas del lean manufacturing si mejora la eficacia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.

Regla de decisión:

Hₒ : μPa ≥ μPd

Hₐ : μPa < μPd

Tabla 13 Estadísticos descriptivos - Eficacia

Estadísticos descriptivos
N Media Desviación estándar Mínimo Máximo
Eficacia - Antes 17 0.7625 0.08176 0.59 0.88
Eficacia - Después 17 0.9431 0.0525 0.85 1

Fuente: Sofware SPSS23 V.23

En la tabla 13, queda demostrado que la media de la eficacia, antes de la aplicación

(0.7625) es menor que la media de la eficacia después de la aplicación (0.9431),
por consiguiente, no se cumple que Hₒ : μPa ≥ μPd, en tal razón se rechaza la
hipótesis nula de que la aplicación de las herramientas del lean manufacturing no
mejora la eficacia del proceso de corte de acero en la empresa Fiansa S.A
Lurigancho, 2017

Finalmente, con la finalidad de confirmar que el análisis es correcto, se procede al

análisis mediante el ρᵥalor o significancia de los resultados de la aplicación de la
prueba Wilcoxon

82
Regla de decisión:

Si ρᵥalor ≤ 0.05, se rechaza la hipótesis nula

Si ρᵥalor > 0.05, se acepta la hipótesis nula.

Tabla 14 Tabla de estadísticos de prueba - Eficacia

Estadísticos de pruebaa
Eficacia Despues -
Eficacia Antes
Z -3,622b
Sig. asintótica (bilateral) .000
a. Prueba de rangos con signo de Wilcoxon
b. Se basa en rangos negativos.

Fuente: Sofware SPSS23 V.23

Interpretación: Asimismo, de la tabla 14 de la prueba de las muestras relacionadas

queda demostrado que el valor de la significancia es de 0.000, siendo este menor
que 0.05, por consiguiente, se reafirma que se rechaza la hipótesis nula y se acepta
la hipótesis alternativa.

b) Hipótesis especifica 2

Ha2: La aplicación de las herramientas del lean manufacturing mejora la eficiencia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017

Al igual que a la hipótesis general se aplicó una prueba de normalidad utilizando el

estadígrafo de Shappiro-Wilk ya que la población y la muestra es menor a 40 datos.

También se aplicó la siguiente regla de decisión:

Si ρᵥ ≤ 0.05, los datos de la serie tienen un comportamiento no paramétrico.

Si ρᵥ > 0.05, los datos de la serie tienen un comportamiento paramétrico.

Tabla 15 Prueba de normalidad - Eficiencia

Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Eficacia - Antes .939 17 .303
Eficacia - Después .916 17 .125

Fuente: Sofware SPSS23 V.23

83
Interpretación: Como la significancia (Sig) de la eficiencia antes es 0.303 y la
eficiencia después es 0.125, con lo cual ambos son > 0.05, por tanto, tiene un
comportamiento paramétrico.

Con estos resultados aplicaremos el estadígrafo Tstudent ya que según el análisis

de normalidad nos indica que es paramétrico.

Contraste de la hipótesis especifica 1

Ho: La aplicación de las herramientas del lean manufacturing no mejora la eficiencia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.

Ha: La aplicación de las herramientas del lean manufacturing si mejora la eficiencia

del proceso de corte de acero en la empresa Fiansa S.A Lurigancho, 2017.

Regla de decisión:

Hₒ : μPa ≥ μPd

Hₐ : μPa < μPd

Tabla 16 Estadísticas de muestras emparejadas - Eficiencia

Estadísticas de muestras emparejadas

Desviación Media de error
Media N
estándar estándar
Par 1 Eficiencia - Antes .7750 17 .02267 .00550
Eficiencia - Después .9305 17 .02881 .00699
Fuente: Sofware SPSS23 V.23

En la tabla 16, queda demostrado que la media de la eficiencia, antes de la

aplicación (0.7750) es menor que la media de la eficiencia después de la aplicación
(0.9305), por consiguiente, no se cumple que Hₒ : μPa ≥ μPd, en tal razón se
rechaza la hipótesis nula de que la aplicación de las herramientas del lean
manufacturing no mejora la eficiencia del proceso de corte de acero en la empresa
Fiansa S.A Lurigancho, 2017

Finalmente, con la finalidad de confirmar que el análisis es correcto, se procede al

análisis mediante el ρᵥalor o significancia de los resultados de la aplicación de la
prueba Tstudent

Regla de decisión:

84
Si ρᵥalor ≤ 0.05, se rechaza la hipótesis nula

Si ρᵥalor > 0.05, se acepta la hipótesis nula.

Tabla 17 Prueba de muestras emparejadas - Eficiencia

Prueba de muestras emparejadas
Diferencias emparejadas
95% de intervalo de
Media de confianza de la
Desviación error diferencia Sig.
Media estándar estándar Inferior Superior t gl (bilateral)
Par 1 Eficiencia Antes -
-.15552 .02759 .00669 -.16971 -.14134 -23.245 16 .000
Eficiencia Despues
Fuente: Sofware SPSS23 V.23

Interpretación: Asimismo, de la tabla 17 de la prueba de las muestras relacionadas

queda demostrado que el valor de la significancia es de 0.000, siendo este menor
que 0.05, por consiguiente, se reafirma que se rechaza la hipótesis nula y se acepta
la hipótesis alternativa.

85
IV. DISCUSIÓN

86
Discusión de resultados

Con los resultados de la investigación y la metodología aplicada para conseguir

dichos resultados, nos indica que se puede mejorar la productividad de un proceso,
para este caso, esta experiencia se realizó en el rubro metalmecánico para la
fabricación de productos de uso estructural.

También en la medida que se desarrollen más investigaciones aplicando la

metodología del lean manufacturing no solo en el rubro metalmecánico sino
también en otros rubros productivos, permitirá que las empresas den más
oportunidades a los alumnos de nuestra casa de estudio, para que con la aplicación
de sus conocimientos innoven sus operaciones, de esta manera permitirá no solo
mantenerse en el mercado sino además diferenciarse de su competencia.

Así mismo, los colaboradores que participaron en la implementación de esta

metodología cambiaron progresivamente su actitud hacia el trabajo, en no solo
cumplir con sus tareas, sino, a no conformarse y participar en la solución de los
problemas, creando un ambiente laboral en que todos ayudan y que esa
satisfacción se traslada a sus familias y por ende a la sociedad.

Otro punto importante es que se ratifica que aplicación de las herramientas del lean
manufacturing mejora la productividad tal como ha sucedido con otras
investigaciones, como lo indica Carpio Mejia, Juan Carlos, en su tesis
“Implementación de Manufactura Esbelta en la línea de producción de la empresa
SEDEMI S.C.C”, cuyo objetivo fue implementar el sistema de lean manufacturing
en la línea de producción de la empresa metalmecánica SEDEMI CC. Esta
investigación permitió al autor establecer un antes y un después con respecto a la
productividad a través de la implementación de las herramientas de lean
manufacturing como las 5S, Kanban y SMED.

a) Discusión Hipótesis General:

De acuerdo a los resultados estadísticos, de dio por aceptada la hipótesis general

de la presente investigación, en el cual se reafirma que mejoro la productividad, ya
que paso de 59.1% a 87.6% en el trascurso de 34 semanas (17 semanas antes y
17 semanas después) con la aplicación de las herramientas del SMED, Kaban y el
control de desperdicio en la materia prima.

87
Cabe señalar que el liderazgo de la plana gerencial de la organización fue clave
para que se pueda desarrollar esta metodología, creando el equipo de trabajo y la
asignación de los recursos. Así mismo los colaboradores participaron activamente
en el desarrollo de las capacitaciones y por ende con el seguimiento en campo,
ejecutaron las acciones necesarias en cada implementación.

Estos resultados también sirvieron de base para que se pueda replicar esta
metodología a los demás procesos de la organización posteriormente.

b) Discusión de Hipótesis Especifico 1:

De acuerdo a los resultados estadísticos, se mejoró la eficacia, ya que paso de

76.3% a un 94.3% en el trascurso de 34 semanas (17 semanas antes y 17 semanas
después) a través de la medición de las entregas de las rutas al siguiente proceso.

Esta mejora impacto adicionalmente en la mejora del cumplimiento de la fecha de

entrega en los demás procesos y por consiguiente en la fecha contractual con los
clientes.

Este resultado corrobora que, con la mejora de eficacia, la productividad de los

procesos productivos será incrementado.

c) Discusión de Hipótesis Especifico 2:

De acuerdo a los resultados estadísticos, cabe indicar que se mejoró la eficiencia,

ya que paso de 77.5% a un 93.1%, en el trascurso de 34 semanas (17 semanas
antes y 17 semanas después) a través de la medición del cumplimiento de horas
hombre.

Eliminar las actividades que no agregan valor a las operaciones del personal
operativo permite optimizar un recurso que para caso del rubro metalmecánico es
crítico porque el costo que representa en cada una de las operaciones.

Este resultado corrobora que, con la mejora de eficiencia, la productividad de los

procesos productivos será incrementado.

88
V. CONCLUSIONES

89
De acuerdo al análisis de la baja productividad del proceso de corte de acero, se
llegó a identificar las causas que generan este problema que es por la cantidad de
horas improductivas, la entrega de lotes incompletos y la cantidad de merma no
programada, todo ello impacta en la eficacia y la eficiencia del proceso. Cabe
mencionar también la aptitud de los colaboradores, resistentes al cambio, pero que
con la motivación adecuada los colaboradores no solo se involucraron, sino que
además se volvieron agentes de cambio hacia sus demás compañeros.

Así mismo, con los resultados obtenidos de la prueba de hipótesis donde se obtuvo
una significancia menor a 0.05, concluimos que:

a) La aplicación del Lean Manufacturing si mejora la productividad del proceso de

corte de acero, el cual paso de 59.1% a 87.6%, este resultado corroborado con
la contrastación de hipótesis, nos indica que la productividad mejoro, en relación
a los recursos utilizados y el cumplimiento de las metas. En general, para cada
problema se aplicó una herramienta acorde para reducir el “desperdicio” como
el SMED, el kanban y el control del desperdicio de la materia prima, ya que se
relacionan directamente con la eficacia y a la eficiencia del proceso.
b) La aplicación del Lean Manufacturing si mejora la eficacia del proceso de corte
de acero, el cual paso de 76.3% a un 94.3%, este resultado permitió entregar
las rutas (lotes) en la fecha programada y por consiguiente reducir las horas
hombre perdida por falta de carga en el proceso de fabricación y el costo que
esto implica.
c) La aplicación del Lean Manufacturing si mejora la eficiencia del proceso de corte
de acero, el cual paso de 77.5% a un 93.1%, el resultado impacto directamente
en incremento de horas ejecutadas y la reducción de tiempos improductivos.
Además, se puede apreciar una reducción de la perdida monetaria por tiempo
improductivo el cual paso de $ 26,610.74 a $4,605.48.

Al término de la presente investigación hemos obtenidos los resultados

planificados, logrando el principal objetivo que fue mejorar la productividad del
proceso de corte.

90
VI. RECOMENDACIONES

91
En general se recomienda:

a) Mejorar de la productividad del proceso de corte con una investigación continua

de nuevos métodos, técnicas, equipo. Una alianza con proveedores de
materiales, equipos y herramientas, como también participar de ferias
tecnológicas en el extranjero, permitirá innovar continuamente las operaciones.
b) Así mismo, se recomienda para mejorar la eficacia del proceso de corte, el
establecer parámetros para definir la fecha de entrega al siguiente proceso,
como considerar la disponibilidad del material, el avance de los procesos de
fabricación y un oportuno aviso al Cliente si se llegara a afectar la entrega de su
proyecto, esto, logrado a través de una comunicación efectiva.
c) También se recomienda para mejorar la eficiencia del proceso de corte, el
implementar tecnología que permita al colaborador efectuar sus actividades de
manera rápida, segura y con menor generación de fatiga, estas condiciones
permiten mantener una adecuada performance durante la jornada de trabajo
reduciendo las horas improductivas.

92
VII. REFERENCIAS BIBLIOGRÁFICA

93
"¿Inversión privada caerá por cuarto año consecutivo el 2017, advierte la SNI? [en línea].
Gestió[Link]. 12 de octubre de 2017. [Fecha de consulta: 14 de octubre del 2017].
Disponible en: [Link]
consecutivo-2017-advierte-sni-2202256

ABRIL Jaramillo, David Felipe. Propuesta del Sistema Lean Manufacturing en la

fabricación de gabinetes para refrigeradoras en la Empresa Indurama-Induglob S.A. Tesis
(Ingeniero Industrial). Cuenca, Ecuador: Universidad de Cuenca, 2013.
Disponible en
[Link]
pp=20&value=Abril+Jaramillo%2C+David+Felipe

CARPIO Mejia, Juan Carlos. Implementación de Manufactura Esbelta en la línea de

producción de la empresa SEDEMI S.C.C. Tesis (Ingeniero Industrial). Riobamba,
Ecuador: Universidad Nacional de Chimborazo, 2012.
Disponible en: [Link]
[Link]

CARRASCO, Sergio. Metodología de la investigación científica. 2 a edición. Lima:

Editorial San Marcos E.R.L., 2008. pág. 474. ISBN: 9789972383441.

CHASE, Richard, JACOBS, Robert y AQUILANO, Nicholas. Administración de

Operaciones: Producción y Cadena de Suministros. Duodécima edición. México:
McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V., 2009. 800 pp. ISBN:
978-970-10-7027-7

CÓRDOVA Rojas, Frank Pablo. Mejoras en el Proceso de Fabricación de Spools en una

Empresa Metalmecánica usando la manufactura esbelta. Tesis (Ingeniero Industrial).
Lima, Perú: Pontificia Universidad Católica del Perú, 2012.
Disponible en: [Link]

D' ALESSIO, Fernando. Administración y dirección de la producción - Enfoque estratégico

y de calidad. 2a edición. México: Pearson Educación de México, S.A. de C.v., 2004. 472
pp.
ISBN: 958-699-051-6

DAY, Robert. Como escribir y publicar trabajos científicos [en línea]. 5a edición.
Washington: Servicio Editorial de la Organización Panamericano de la Salud. 2005.
[fecha de consulta 3 de octubre del 2017].
Disponible en:
[Link]
&q&f=false ISBN: 92 75 31598 1

FLEITMAN, Jack. Evaluación integral para implantar modelos de calidad. México:

Editorial Pax, 2008. 432 pp.
ISBN: 968860920X

GARCÉS Muñoz, Luis Alfredo. Mejoramiento del Proceso Productivo de la Empresa

Indumever por medio del uso de herramientas de Manufactura Esbelta. Tesis (Ingeniero
Industrial). Quito, Ecuador: Universidad de Las Américas, 2012.

94
Disponible en: [Link]

GRYNA, Frank, CHUA, Richard y DEFEO, Joseph. Método Juran: Análisis y planeación
de la calidad. 5a edición. México: McGRAW-HILL/INTERAMERICANA EDITORES, S.A.,
2007. 802 p.
ISBN-13: 978–0–07–296662–6

GUTIÉRREZ, Humberto. Calidad Total y Productividad. 3a edición. México: McGraw

HILL/INTERAMERICANA Editores, S.A., 2010. 383 pp.
ISBN: 978-607-15-0315-2

HANSEN, Bertrand y GHARE, Prabhakar. Control de Calidad: Teoría y aplicaciones.

Madrid: Díaz De Santos,1990. 546 pp.
ISBN 84-87189-31-8

HEIZER, Jay y RENDER, Barry. Principios de Administración de Operaciones. 7a edición.

México: PEARSON EDUCACIÓN, 2009. 752 pp.
ISBN: 978-607-442-099-9

HERNÁNDEZ, Juan y VIZÁN, Antonio. Lean Manufacturing: Conceptos, Tecnicas e

implantación [en línea]. Madrid: Fundación EOI, 2013. [fecha de consulta: 28 de
setiembre del 2017].
Disponible en: [Link]
concepto-tecnicas-e-implantacion ISBN: 978-84-15061-40-3

HERNÁNDEZ, Roberto, FERNÁNDEZ, Carlos y BAPTISTA, Pilar. Metodología de

Investigación.4 a Edición. México: McGRAW-HILL / INTERAMERICANA EDITORES, S.A.
DE C.V., 2006. 882 pp.
ISBN: 970-10-5753-8

INFORME sobre perspectivas de la economía mundial (WEO). (Julio, 2017). Fondo

Monetario Internacional.
Disponible en: [Link]
economic-outlook-update-july-2017

KRAJEWSKI, Lee; RITZMAN, Larry y MALHOTRA, Manoj. Administración de

Operaciones Procesos y cadenas de valor. 8a edición. México: PEARSON EDUCACIÓN,
2008. 752 pp.
ISBN: 978-970-26-1217-9

LAREAU, William. Office Kaizen. Málaga, España. FC Editorial. 2008. 184 pp.
ISBN: 978-0-87389-556-9

MADARIAGA, Francisco. Lean manufacturing: Exposición adaptada a la fabricación

repetitiva de familias de productos mediante procesos discretos [en línea]. Bubok
Publishing S.L., 2013. [fecha de consulta: 23 Setiembre del 2017].
Disponible en: [Link] ISBN: 978-
84-686-2815-8

MEJÍA Carrera, Samir Alexander. “Análisis y propuesta de mejora del proceso productivo
de una línea de confecciones de ropa Interior en una empresa textil mediante el uso de

95
herramientas de lean manufacturing”. Tesis (Ingeniero Industrial). Lima, Perú: Pontificia
Universidad Católica del Perú, 2013.
Disponible en: [Link]

MELGAR Herrera, Christian José. “Propuesta para el mejoramiento de los procesos de

producción en una empresa de corte y confección”. Tesis (Ingeniero Industrial). Lima,
Perú: Universidad Peruana de Ciencias Aplicadas, 2012.
Disponible en:
[Link]
[Link]

PALOMINO Espinoza, Miguel Alexis. “Aplicación de herramientas de Lean Manufacturing

en las líneas de envasado de una Planta Envasadora de lubricantes”. Tesis (Ingeniero
Industrial). Lima, Perú: Pontificia Universidad Católica del Perú, 2012.
Disponible en: [Link]

PAREDES Gonzales, Sharik Ashey Atenas. Aplicación de herramientas de Lean

Manufacturing para mejorar la productividad en la empresa TDEM S.R.L. – SMP 2015.
Tesis (Ingeniero Industrial). Lima, Perú: Universidad Cesar Vallejo, 2016. 174 pp.

Rajadell, Manuel y Sánchez, José . Lean Manufacturing: Evidencia de una necesidad.

Madrid: Ediciones Díaz de Santos, 2010. 260 pp.
ISBN: 978-84-7978-967-1

SOCCONNI, Luis. Lean Manufacturing paso a paso. Mexico: Norma Ediciones, 2008. 357
pp.
ISBN: 978-970-09-1932-4

YUPANQUI Cueto, Carlos Luis. Aplicación de Lean Manufacturing para mejorar la

productividad del proceso de Inyección-soplado en una empresa manufacturera, distrito
Los Olivos, Año 2016. Tesis (Ingeniero Industrial). Lima, Perú: Universidad Cesar Vallejo,
2016. 123 pp.

96
ANEXOS

97
Anexo 1 Matriz de Consistencia

Definición Escala de
Titulo Pregunta de investigación Objetivos Hipótesis Variable Definición operacional Dimensiones Indicador o reporte Metodología
Conceptual medición
Problema General Objetivo General Hipótesis General
Lean manufacturing es un
proceso de mejora continua
Control de tiempo de preparación Diseño:
SMED
de maquina Cuasi experimental
para identificar y eliminar
los desperdicios a través del
Proceso continuo
usos herramientas como
y sistemático de
¿De qué manera la aplicación de las Determinar si la aplicación de La aplicación de herramientas Smed, Kanban y la Tipo de investigación:
identificación y Kanban Control de rutas de producción
herramientas del lean herramientas del Lean Manufacturing del Lean Manufacturing disminución del Aplicada
Lean eliminación del
manufacturing mejora la mejora la productividad en el proceso mejora la productividad en el desperdicio. Para su
manufacturing desperdicio o
productividad del proceso de corte de corte de acero de la empresa proceso de corte de acero de medición utilizaremos los
excesos.
de acero en la empresa Fiansa S.A metalmecánica Fiansa S.A. Lurigancho, la empresa metalmecánica siguientes indicadores:
Aplicación de (Socconini, 2008, Clase:
Lurigancho, 2017? 2017 Fiansa S.A. Lurigancho, 2017 Control de tiempo de
herramientas p.11) Cuantitativa
preparación de maquina,
del Lean Desperdicio Desperdicio de materia prima
control de rutas completas y
Manufacturing Línea de tiempo:
desperdicio de materia
para mejorar la Longitudinal
prima.
productividad
Razón
en el proceso de Problemas específicos Objetivos específicos Hipótesis especificas
Técnica:
corte de acero
¿De qué manera la aplicación de las La aplicación de las Observación
de la empresa Determinar si la aplicación de las La mejora de productividad
herramientas del lean herramientas del lean Resultado de
metalmecánica herramientas del lean manufacturing permite hacer un mejor uso
manufacturing mejora la eficacia del manufacturing mejora la dividir las salidas Eficacia Cumplimiento de entrega de rutas Instrumento:
Fiansa S.A. mejora la eficacia del proceso de corte de los recursos que están
proceso de corte de acero en la eficacia del proceso de corte (bienes y Formato de recolección de datos
Lurigancho, 2017 de acero en la empresa Fiansa S.A disponible de una empresa,
empresa Fiansa S.A Lurigancho, de acero en la empresa Fiansa servicios) entre
Lurigancho, 2017 para ello se necesita
2017? S.A Lurigancho, 2017 una o más
controlar la eficacia y la
Productividad entradas (tales Nivel de Investigación:
eficiencia. Para su medición
como mano de Explicativa
¿De qué manera la aplicación de las La aplicación de las utilizaremos los siguientes
Determinar si la aplicación de las obra, capital o
herramientas del lean herramientas del lean indicadores: cumplimiento
herramientas del lean manufacturing administración).
manufacturing mejora la eficiencia manufacturing mejora la de entrega de rutas y el Población:
mejora la eficiencia del proceso de (Render & Barry, Eficiencia Cumplimiento del Horas Hombre
del proceso de corte de acero en la eficiencia del proceso de cumplimiento de horas Programa de producción por semana
corte de acero en la empresa Fiansa 2009, p.14)
empresa Fiansa S.A Lurigancho, corte de acero en la empresa hombre.
S.A Lurigancho, 2017
2017? Fiansa S.A Lurigancho, 2017 Muestra:
Programa de producción por semana

Fuente: Elaboración propia

98
Anexo 2: Matriz de Operacionalización

VARIABLE DEFINICIÓN CONCEPTUAL DEFINICION OPERACIONAL DIMENSIONES INDICADORES FORMULAS FINALES

SMED (Single Minute Exchange of Die; cambio de herramientas en un solo

Lean manufacturing es un digito de minuto): Es el tiempo de preparación para cambiar de producto a otro
Control de tiempo de preparación de CTPM = Horas de preparación real
proceso de mejora continua o iniciar una operación lograda en menos de 10 minutos, utilizando una x 100
maquina (CTPM) Horas maquina disponibles
para identificar y eliminar los metodologia de reduccion de tiempos de preparacion mediantes eventos
desperdicios a través del continuos de mejora. (Socconini, 2008, p. 355)
Proceso continuo y usos herramientas como
sistemático de Smed, Kanban y la Kanban: Es un sistema de información en el que se utilizan tarjetas para
identificación y disminución del desperdicio. informar a los procesos que el cliente interno o externo a retirado productos y CRC = Total de rutas completas
Lean Manufacturing Control de rutas completas (CRC) x 100
eliminación del Para su medición avisa el momento y la cantidad a producir para reponer en tiempo y cantidad Total de rutas programadas
desperdicio o excesos. utilizaremos los siguientes (Socconini, 2008, p. 351)
(Socconini, 2008, p11) indicadores: Control de
tiempo de preparación de
maquina, control de rutas
Desperdicio: Todas aquellas acciones que no aportan valor al producto y por las DMP = (Tot kg de acero programado - Tot kg de acero procesado)
completas y desperdicio de Desperdicio de materia prima (DMP) x 100
cuales el cliente no está dispuesto a pagar (Rajadell y Sánchez, 2010, p.11) Tot kg de acero programado
materia prima.

La mejora de productividad
permite hacer un mejor uso
de los recursos que están Eficacia: Hacer lo correcto a efecto de crear el valor máximo posible para la CER = Total de rutas entregadas x 100
Resultado de dividir las Cumplimiento de entrega de rutas (CER)
disponible de una empresa, compañía. (Chase, Jacobs y Aquilano, p. 18) Total de rutas programadas
salidas (bienes y servicios)
para ello se necesita
entre una o más entradas
controlar la eficacia y la
Productividad (tales como mano de obra,
eficiencia. Para su medición
capital o administración).
utilizaremos los siguientes
(Render & Barry, 2009,
indicadores: cumplimiento Eficiencia: Hacer algo al costo más bajo posible. (Chase, Jacobs y Aquilano, p. CHH = Total de horas hombre ejecutados
p.14) Cumplimiento de Horas Hombre (CHH) x 100
de entrega de rutas y el 18) Total de horas hombre programados
cumplimiento de horas
hombre.

Fuente: Elaboración propia

99
Anexo 3: Mapa de Procesos

Procesos Estratégicos

Dirección Planificación Revisión

Mejora continua
Estratégica Gerencial Gerencial

Procesos de Operación
C R C
S
a
L e
L t
I q Recepción del
Corte i
u Cliente I s
E i Gestión de E f
N s Ventas Detallamiento Pintura Despacho
proyectos N a
i
T t T
c
Fabricación Montaje c
E o
E i
s
S S ó
n

Procesos de Soporte

Gestión de
Gestión de Gestión del Gestión de la
Recursos Gestión Legal
Compras Mantenimiento Calidad
Humanos

Gestión de la
Gestión de Gestión de
Seguridad y Logística de
Administración Desarrollos
Salud montaje
y Finanzas Informáticos
Ocupacional

Fuente: Fiansa S.A.

100
DOCUMENTOS PARA VALIDAR LOS INSTRUMENTOS DE
MEDICIÓN A TRAVÉS DE JUICIO DE EXPERTOS

101
102
DEFINICIÓN CONCEPTUAL DE LAS VARIABLES Y DIMENSIONES

Variable 1: Lean Manufacturing

“Proceso continuo y sistemático de identificación y eliminación del desperdicio o excesos”. (Socconini,

2008, p.11)

Dimensiones de las variables:

Dimensión 1 SMED (Single Minute Exchange of Die; cambio de herramientas en un solo digito
de minuto)

“Es el tiempo de preparación para cambiar de producto a otro o iniciar una operación lograda en
menos de 10 minutos, utilizando una metodología de reducción de tiempos de preparación mediante
eventos continuos de mejora”. (Socconini, 2008, p. 355)

Dimensión 2 Kanban

“Es un sistema de información en el que se utilizan tarjetas para informar a los procesos que el cliente
interno o externo a retirado productos y avisa el momento y la cantidad a producir para reponer en
tiempo y cantidad” (Socconini, 2008, p. 351)

Dimensión 3 Desperdicio

“Todas aquellas acciones que no aportan valor al producto y por las cuales el cliente no está dispuesto
a pagar” (Rajadell y Sánchez, 2010, p.11)

103
Anexo 4: Instrumento que mide la Variable Lean Manufacturing – 1er Experto

104
Anexo 5: Instrumento que mide la Variable Lean Manufacturing – 2do Experto

105
Anexo 6: Instrumento que mide la Variable Lean Manufacturing – 3er Experto

106
DEFINICIÓN CONCEPTUAL DE LAS VARIABLES Y DIMENSIONES

Variable 2: Productividad

“Resultado de dividir las salidas (bienes y servicios) entre una o más entradas (tales como mano de obra,
capital o administración)”. (Render & Barry, 2009, p.14)

Dimensiones de las variables:

Dimensión 1 Eficacia

“Hacer lo correcto a efecto de crear el valor máximo posible para la compañía” (Chase, Jacobs y Aquilano, p.
18)

Dimensión 2 Eficiencia

“Hacer algo al costo más bajo posible” (Chase, Jacobs y Aquilano, p. 18)

107
MATRIZ DE OPERACIONALIZACIÓN DE LAS VARIABLES

Variable 2: Productividad

Dimensiones indicadores fórmula Escala de

medición
Cumplimiento de entrega de rutas CER = Total de rutas entregadas x 100 (%)
Eficacia Razón
(CER) Total de rutas programadas

Cumplimiento de Horas Hombre CHH = Total de horas hombre ejecutados

Eficiencia x 100 (%) Razón
(CHH) Total de horas hombre programados

Fuente: Elaboración propia.

108
Anexo 7: Instrumento que mide la Variable Productividad – 1er Experto

109
Anexo 8 : Instrumento que mide la Variable Productividad – 2do Experto

110
Anexo 9 : Instrumento que mide la Variable Productividad – 3er Experto

111
112
Anexo 10: Base estadística – Variable Productividad – Análisis Descriptivo

EXAMINE VARIABLES=VAR00001 VAR00002

/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Explorar
[ConjuntoDatos0]
Resumen de procesamiento de casos

Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
VAR00001 17 100,0% 0 0,0% 17 100,0%
VAR00002
17 100,0% 0 0,0% 17 100,0%

Descriptivos

Estadístico Error estándar

VAR00001 Media ,5905 ,01515
95% de intervalo de Límite inferior ,5583
confianza para la media
Límite superior
,6226

Media recortada al 5% ,5904

Mediana ,5975
Varianza ,004
Desviación estándar ,06246
VAR00002 Media ,8785 ,01695
95% de intervalo de Límite inferior ,8426
confianza para la media Límite superior
Media recortada al 5% ,8800
,9145
Mediana ,8873
Varianza ,005
Desviación estándar ,06990

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
VAR00001 ,095 17 ,200 ,968 17 ,791
VAR00002 ,115 17 ,200* ,934 17 ,257

*. Esto es un límite inferior de la significación verdadera. a. Corrección

de significación de Lilliefors

113
Anexo 11: Base estadística – Variable Productividad – Estadígrafo Tstudent

T-TEST PAIRS=VAR00001 WITH VAR00002 (PAIRED)

/CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

Prueba T

Estadísticas de muestras emparejadas

Desviación Media de error

Media N estándar estándar
Par 1 VAR00001 ,5905 17 ,06246 ,01515
VAR00002 ,8785 17 ,06990 ,01695

Correlaciones de muestras emparejadas

N Correlación Sig.
Par 1 VAR00001 & VAR00002 17 -,245 ,343

Prueba de muestras emparejadas

Diferencias emparejadas
95% de intervalo de confianza
de la diferencia
Desviación Media de error
Media estándar estándar Inferior Superior t gl Sig. (bilateral)
Par 1 VAR00001 - VAR00002 -,28808 ,10453 ,02535 -,34182 -,23434 -11,363 16 ,000

114
Anexo 12 : Base estadística – Dimensión Eficacia – Análisis Descriptivo

NEW FILE.
DATASET NAME ConjuntoDatos1 WINDOW=FRONT.
EXAMINE VARIABLES=VAR00001 VAR00002
/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Explorar
[ConjuntoDatos1]
Resumen de procesamiento de casos
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
VAR00001 17 100,0% 0 0,0% 17 100,0%
VAR00002
17 100,0% 0 0,0% 100,0%
17

Estadístic Error estándar

o
VAR00001 Media ,7625 ,01983
95% de intervalo de Límite inferior ,7204
confianza para la media Límite superior
,8045
Media recortada al 5% ,7654
Mediana ,7895
Varianza ,007
Desviación estándar ,08176
VAR00002 Media ,9431 ,01273
95% de intervalo de Límite inferior ,9161
confianza para la media
Límite superior ,9701
Media recortada al 5% ,9454
Mediana ,9412
Varianza ,003
Desviación estándar ,05250

Prueba de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
VAR00001 ,197 17 ,079 ,944 17 ,362
VAR00002 ,214 17 ,038 ,873 17 ,025

*. Esto es un límite inferior de la significación verdadera. a. Corrección

de significación de Lilliefors

115
Anexo 13: Base estadística – Dimensión Eficacia – Estadígrafo Wilcoxon

NPAR TESTS
/WILCOXON=VAR00001 WITH VAR00002 (PAIRED) /STATISTICS DESCRIPTIVES
/MISSING ANALYSIS.
Pruebas NPar

Estadísticos descriptivos
Desviación
N Media estándar Mínimo Máximo
VAR00001 17 ,7625 ,08176 ,59 ,88
VAR00002 17 ,9431 ,05250 ,85 1,00

Prueba de rangos con signo de Wilcoxon

Rangos
Rango Suma de
N promedio rangos
VAR00002 - VAR00001 Rangos negativos 0a ,00 ,00
Rangos positivos 17b 9,00 153,00
Empates 0c
Total 17
a. VAR00002 < VAR00001
b. VAR00002 > VAR00001
c. VAR00002 = VAR00001

Estadísticos de pruebaa

VAR00002 -
VAR00001
Z -3,622b
Sig. asintótica (bilateral) ,000
a. Prueba de rangos con signo de Wilcoxon
b. Se basa en rangos negativos.

116
Anexo 14: Base estadística – Dimensión Eficiencia – Análisis Descriptivo

EXAMINE VARIABLES=VAR00001 VAR00002 /PLOT BOXPLOT STEMLEAF NPPLOT /COMPARE

GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Explorar
Resumen de procesamiento de casos

Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
VAR00001 17 100,0% 0 0,0% 17 100,0%
VAR00002
17 100,0% 0 0,0% 17 100,0%

Descriptivo

Estadístico Error estándar

VAR00001 Media ,7750 ,00550
95% de intervalo de Límite inferior ,7633
confianza para la media Límite superior
,7866

Media recortada al 5% ,7744

Mediana ,7711
Varianza ,001
Desviación estándar ,02267
VAR00002 Media ,9305 ,00699
95% de intervalo de Límite inferior ,9157
confianza para la media Límite superior
,9453
Media recortada al 5% ,9308
Mediana ,9320
Varianza ,001

Desviación estándar ,02881

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
VAR00001 ,180 17 ,145 ,939 17 ,303
VAR00002 ,153 17 ,200* ,916 17 ,125

*. Esto es un límite inferior de la significación verdadera. a. Corrección

de significación de Lilliefors

117
Anexo 15: Base estadística – Dimensión Eficiencia – Estadígrafo TStudent
T-TEST PAIRS=VAR00001 WITH VAR00002 (PAIRED) /CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

Prueba T

Estadísticas de muestras emparejadas

Desviación Media de error

Media N estándar estándar
Par 1 VAR00001 ,7750 17 ,02267 ,00550
VAR00002 ,9305 17 ,02881 ,00699

Correlaciones de muestras emparejadas

N Correlación Sig.
Par 1 VAR00001 & VAR00002 17 ,446 ,072

Prueba de muestras emparejadas

Diferencias emparejadas
95% de intervalo de confianza
de la diferencia
Desviación Media de error
Media estándar estándar Inferior Superior t gl Sig. (bilateral)
Par 1 VAR00001 - VAR00002 -,15552 ,02759 ,00669 -,16971 -,14134 -23,245 16 ,000

118