Pequeñas Mejoras en Produccion Aumentan Rentabilidad

Anuncio
RESUMEN PROFESIONAL
Pequeñas Mejoras en el Rendimiento de
Materias Primas Resulta en Grandes Mejoras en la
Rentabilidad en el Balance Final
Por Jonathan Chong, Director de Desarrollo de Negocios, TBM Consulting Group – Mexico
Ya sea que compre una hamburguesa de una
cadena de comida rápida, comida congelada en
un supermercado o que coma una comida casera
caliente, probablemente no piense en el proceso
de hacer la comida que usted ama y necesita como
un proceso de alta tecnología. Sin embargo, en la
industria de bebidas y alimentos, cuando una planta
está produciendo desde 20 a 100 toneladas de
productos al día, hacer incluso un pequeño porcentaje
de mejora en rendimiento puede hacer una enorme
diferencia en las utilidades del balance final.
Para obtener rendimientos rentables y satisfacer los
estándares de calidad del cliente, muchas compañías
despliegan herramientas de alta tecnología para
controlar sus procesos. Puede encontrar herramientas
de inspección óptica que valen millones de dólares
con cámaras de alta velocidad y programas de
computación tamizando toneladas de productos al
día para eliminar “defectos.”
Frecuentemente los procesos de selección resultan
en una pérdida de rendimiento de 10 por ciento o
más. El proceso DMAIC (en español Definir, Medir,
Analizar, Mejorar y Controlar) puede ser desplegado
efectivamente usando herramientas Six Sigma para
hacer mejoras significativas en el rendimiento en
la industria de bebidas y alimentos, por lo tanto
contribuyendo a la utilidad neta.
Definir
Frecuentemente los problemas se definen vagamente
y las compañías se ponen metas y objetivos con
declaraciones como “satisfacer las necesidades del
cliente” o “mejorar la calidad total.” En la porción
“Definir” del proceso DMAIC, definir un objetivo
que es claramente medible es crítico. Por ejemplo,
“mejorar el cumplimiento de atributo de calidad x
de 95 por ciento a 99 por ciento.” También, muy
comúnmente los problemas que se manifiestan en un
área, como empacado, tienen causas que se originan
en otras partes de la línea de manufactura por
completo. La causa frecuentemente no puede ser bien
comprendida porque muchas compañías no tienen
una buena información de base.
Muchos fabricantes de alimentos de alto volumen
tienen líneas de empacado de alta velocidad que
empacan bolsas de 1 a 5 libras, frecuentemente a una
tasa de 50 a 100 bolsas por minuto. Estas líneas de
empacado tienen altos frecuentes, en ocasiones 10 a
20 por hora, por un minuto o dos. Cada vez que la
máquina se detiene, se caen productos al piso o tienen
que ser reempacados. Reempacar frecuentemente
provoca roturas, haciendo el producto inadecuado
para los estándares del cliente. No es poco común
ver 1 o 2 por ciento de rendimiento perdido en
operaciones de empacado de alta velocidad.
Muchos fabricantes tienden a ignorar estos altos
menores y no capturan las causas de estos altos
cortos. Solo los altos mayores de más de 30 minutos
son registrados. Cuando se ven todos los altos,
comúnmente los altos mayores de 30 minutos o más
representan menos del 20 por ciento de todo el
tiempo muerto, mientras que más del 80 por ciento
del tiempo muerto en líneas de empacado de alta
velocidad generalmente viene de paros menores.
Cuando un proyecto es iniciado para mejorar el tiempo
efectivo de una máquina y eliminar causas de altos
mayores, las mayores causas de tiempo muerto serán
omitidas por completo. Frecuentemente, las causas de
tiempo muerto en líneas de empacado de alta velocidad
se encuentran en inconsistencia de las características
físicas del producto, como longitud, altura o peso. Por
lo tanto, para definir un problema correctamente, se
debe tener un sistema de recolección de datos efectivo
y comprensible que pueda verdaderamente identificar
dónde se encuentra el problema.
www.tbmcg.mx
PG. 2
Medir
Cuando un problema es definido correctamente,
y medible, el siguiente paso es asegurarse de
tener un Sistema de medición que pueda medir
adecuadamente el nivel del problema, como la
pérdida de rendimiento o la variación de peso (lo
que son variables dependientes) y también medir
adecuadamente los niveles de todas las posibles
variables (variables independientes) que son la
raíz del problema de cambios en las variables
dependientes. Existen varias herramientas disponibles
para identificar la raíz del problema que causa
pérdida de rendimiento, como los diagramas de
hueso de pescado y el análisis comparativo. Se ilustra
un diagrama de hueso de pescado a continuación.
Controlando la Variación de Peso
Mediciones
Material
Altura de los Dedos Forma del
Soporte
Vel. de Mezclado
Vel. de la Cinta
Composición de
Vel. de Aplicación Ingredientes
⁄ de Polvo
en la Mezcla
Vel. de Flujo
Vel. de Giro
Tamaño de
Materia Prima
Humedad
Ambiental
Temperatura
Ambiental
Contaminantes
Proveedor de
Ingredientes
Personal
Fatla de
Operador
Estándar en
la Mezcladora
Falta de
Capacitación
Alto Nivel de
Rotación
Variación
de Peso
Ajuste del
Gotero
Condición
del Aplicador
Ajuste de los
Dedos
Ángulo de
los Dedos
Timing of
WIP
Spec Limits
vs. Objetivo
Diferentes
Dedos
Células de Carga
Tolvas
Visual Standard Ángulo de Cinta
Transportadora
at Inspection
Ambiente
Métodos
Máquinas
Después de que todas las variables dependientes e
independientes han sido identificadas, estas variables
deben ser medidas efectivamente. Si los sistemas
de medición de estas variables son inadecuados, la
colección de datos será imprecisa y no podrá ser
usada para el análisis de raíz del problema. Muchas
compañías definen características visuales, como color
e inconsistencia de forma, como estándares de calidad.
Los fabricantes de alimentos frecuentemente utilizan
instrumentos de medición inadecuados o dependen de
inspección visual humana para hacer determinaciones
de si un producto cumple con los estándares de calidad
de sus clientes. Una de las cadenas de comida rápida
más grandes quiere que todos los colores de cierto
condimento se encuentren en cierto rango. En este
caso particular, tanto la compañía de comida rápida
como los fabricantes decidieron utilizar un instrumento
diseñado para medir un objeto bidimensional, como
un muestrario de pintura, para medir y controlar sus
productos y procesos. Por supuesto, lo que comemos
usualmente viene en tres dimensiones.
Cuando se trata de medir el color de un producto
alimenticio usando este instrumento, pueden ocurrir
muchos resultados diferentes, dependiendo en qué
superficie esté midiendo el instrumento. Cuando un
inspector toma una medida de color y el resultado
no alcanza las especificaciones del cliente, el
inspector frecuentemente agitará el espécimen y
tomará otra medida hasta que el resultado alcance
las especificaciones del cliente. Este es un clásico
caso de un sistema de medición definido incapaz o
inadecuadamente. También existen inconsistencias
con la inspección visual ya que el criterio de
aceptación depende del juicio de cada inspector.
Cuando un supervisor inicia su turno, trata de evaluar
qué pasó durante el turno anterior, y encuentra que
una inusual cantidad de defectos visuales se produjeron
durante el último turno, usualmente pregunta quién era
el inspector en el turno anterior en lugar de tratar de
comprender qué pasó en el proceso mismo.
Cuando los resultados de una inspección dependen
en gran medida del juicio de los inspectores, el
sistema de medición es inadecuado y necesita ser
mejorado. La herramienta Six Sigma utilizada
para cuantificar qué tan adecuado es un sistema
de medición es el estudio de medición de
reproductibilidad y repetitividad (Gage R&R).
www.tbmcg.mx
PG. 3
El estudio Gage R&R mide la contribución del sistema
de medición a la variación de los datos. Queremos
que la variación de las medidas venga del producto
mismo, no de defectos en el sistema de medición.
Generalmente, dentro de una tolerancia definida,
queremos menos de un 5 por ciento de variación
proveniente del sistema de medición. Por ejemplo,
si la longitud de un producto es especificada en
entre 3 y 4 pulgadas, entonces la contribución del
sistema de medición a la medida de esa variación
debe ser menor de 0.05 de pulgada. El elemento
de reproductibilidad atañe a la inconsistencia entre
inspectores como en un sistema de inspección visual.
Para hacer este tipo de sistema de medición más
robusto, se requiere mucha capacitación y calibración
de todos los inspectores a un estándar dado.
Frecuentemente, las ayudas visuales y sesiones de
capacitación repetidas son creadas para mejorar la
reproductibilidad. El elemento de repetitividad atiende
las inconsistencias con los instrumentos de medición
y la metodología. Para mejorar la repetitividad, uno
necesita seleccionar los instrumentos que puedan
diferenciar adecuadamente entre los niveles de
variación que se están tratando de medir.
para detectar patrones que puedan resultar elusivos.
También, los resultados del análisis deberán ser
verificados para ver si los resultados pueden ser
duplicados. Esta verificación puede ser lograda usando
sencillos experimentos de tamizado de una variable o
experimentos de diseños multivariables (DoE).
Por ejemplo, muchos productores de alimentos desean
reducir la variación en el peso empacado de un
producto. Después de analizar los datos de producción
de este fabricante de refrigerios en particular, solo
tres variables resultaron impactar significativamente
la variación de peso. Durante la verificación DoE,
fue determinado que solo una variable, la variable
independiente “A”, tenía un impacto verdaderamente
significativo como se muestra en la gráfica de
efectos principales de peso abajo. En este caso, las
condiciones de no interacción tenían un impacto
estadísticamente significativo en el peso.
Principales Efectos Diseño para Peso
Medias de datos
Interpretación de Datos
A
9.8
Analizar
9.6
9.4
9.2
Alto
Interpretación
Solo cuando los problemas están bien definidos
y se asegura que se tienen sistemas de medición
adecuados para variables tanto dependientes como
independientes, se puede colectar información
para identificar unas cuantas variables críticas que
tienen un impacto significativo en el rendimiento.
Trate de colectar datos de producción de un mes y
asegúrese que la información de todas las variables
dependientes e independientes sea colectada con
cada lote de producción. De esta información de un
mes, puede usar herramientas de prueba de hipótesis
o análisis de regresión para seleccionar algunas
variables críticas que tengan impacto significativo en
la producción.
Inicialmente, considere todas las 40 – 50 variables
que fueron identificadas durante la sesión de lluvia
de ideas de análisis de raíz del problema. Usando la
prueba de hipótesis y el análisis de regresión en los
datos de producción, generalmente es posible filtrar
la lista original de 40 - 50 variables a menos de 10
variables. Recuerde que los datos de producción se
están obteniendo básicamente de experimentos no
controlados, así que habrá mucho ruido en los datos.
Los datos deberán ser examinados cuidadosamente
www.tbmcg.mx
Bajo
B
9.8
9.6
9.4
9.2
Alto
Bajo
C
9.8
9.6
9.4
9.2
Alto
Bajo
PG. 4
En esta etapa del proyecto, todas las variables que
impactan significativamente el rendimiento están
identificadas y verificadas. Debe asegurarse que
estas variables críticas representen la mayoría de las
variaciones de los datos. Si no es así, algunas causas
de fondo permanecerán ocultas, y se necesitará más
análisis para identificar variables críticas adicionales.
Mejora
Después de identificar esas pocas causas de fondo
críticas para la pérdida de rendimiento, puede
comenzar a modificar el equipo o procedimientos
para comenzar a mejorar el proceso. Para el ejemplo
anterior, solo una variable, un atributo físico de
un componente del equipo, resultó ser crítico en el
control de la variación de peso.
Durante la semana de proyecto, este componente
fue modificado de muchas maneras para ver cuál
modificación daba el mejor resultado. La óptima
modificación permitió que el peso promedio se
redujera en más de 3 por ciento, mejorando
efectivamente el rendimiento en más de 3 por
ciento. Esta mejora fue implementada en solo una
de las líneas de refrigerios de la fábrica y resultó
en ahorros de materia prima de más de $200,000
dólares anuales. Esta fábrica tenía cinco líneas de
producción más, equivalentes a esta línea que podían
beneficiarse de igual manera del mismo tipo de
actividades de mejora.
Otras mejoras requerirían ajustes al proceso de
unas cuantas piezas críticas de equipamiento.
Frecuentemente, muchas configuraciones de equipos
no están optimizadas. Y usualmente la razón dada es
que “siempre lo hemos hecho así”. El proceso puede
haber sido optimizado hace años, cuando el equipo
fue instalado por primera vez, y a pesar de que
muchos aspectos del proceso pueden haber cambiado
a lo largo de los años, el proceso mismo nunca
volvió a optimizarse. Esto es especialmente común en
fabricantes de alimentos y bebidas porque tienen a
ser una industria más establecida.
En el caso de los fabricantes de alimentos congelados,
la velocidad del transportador a través de algunos
procesos críticos resultó ser crítico para reducir el
desperdicio de subproductos en más del 40 por ciento.
Ese proceso no había sido optimizado con respecto al
desperdicio de subproductos en más de 10 años.
Este desperdicio de subproductos contiene dos
ingredientes de alto costo. Reduciendo el desperdicio,
la utilización de esos ingredientes aumentó, resultando
en un ahorro anual de más de $140,000 dólares.
Control
Esta fase final del proyecto es la más importante.
Durante esta fase, los procedimientos referentes
a control de variables críticas deben ser definidos
claramente. Al hablar con los operadores en
diferentes turnos, es común encontrar que cada
operador controla el proceso de forma muy distinta.
Por ejemplo, en un productor de productos para
hornear, uno encuentra que para controlar el peso,
que es medido cada 30 minutos, los operadores de
cada turno hacen diferentes ajustes.
Esta variación entre operadores creó una variación
no deseada en el proceso, causando fluctuaciones
innecesarias. Debido a este alto nivel de variación,
el promedio total para el proceso tenía que ser
mantenido a un nivel más alto para la mayoría de
los productos empacados para asegurarse que los
pesos empacados se
mantuvieran por encima
del peso declarado.
Cuando todos los
operadores hacen
los mismos ajustes, la
variación en el proceso
se reduce, permitiendo
que el peso promedio
sea más bajo, y por lo
tanto aumentando la
utilización de materia
prima.
Este proceso de analizar datos y hacer mejoras
puede traer muchos cambios positivos en el proceso
existente, como se indica. Tan positivo como pueda
ser, sin embargo, todos los cambios son difíciles de
mantener. Una de las herramientas más importantes
para mantener cambios son los sistemas de gestión
visual que despliega métricas y acciones correctivas
diarias. Las métricas pueden ser tendencias de
algunos factores de rendimiento y gráficos de
control de variables críticas determinadas durante el
proyecto, como se muestra en esta foto.
www.tbmcg.mx
PG. 5
durante la fase AIC del proyecto porque los ciclos de
producción de alimentos y bebidas tienen a ser cortos
(menos de 3-4 horas).
La Gerencia debe crear un ambiente donde los
operadores puedan tomar cargo y responsabilidad
de mantener estas métricas, analizar los datos,
y reaccionar a ellos en tiempo real. La reacción
debe estar basada en procedimientos definidos
que todos los operadores sigan para reducir
variación, permitiendo mayor eficiencia y promover
rendimientos más altos.
Frecuentemente muchos fabricantes de alimentos y
bebidas recolectan y archivan montañas de datos de
proceso pero no los analizan ni usan para mejorar
sus procesos. Usualmente la información recolectada
es en un formato incorrecto y no puede ser usado
porque fue recolectado un sistema de medición
inadecuado. Aplicando efectivamente el proceso
DMAIC y herramientas Six Sigma, se pueden obtener
beneficios financieros significativos, frecuentemente
de 1 – 2 por ciento de ventas anuales, de mejorar la
utilización de materia prima.
El Poder de DMAIC
El proceso DMAIC usando herramientas Six Sigma
puede ser usado efectivamente en la industria de
alimentos y bebidas y otros ambientes de manufactura
de proceso continuo para mejorar la utilización
de materias primas, proveyendo por lo tanto una
contribución significativa al balance final. De manera
distinta a muchos proyectos Six Sigma que duran por lo
menos seis meses a un año, estos tipos de actividades de
mejora pueden suceder dentro de seis semanas. Si una
fábrica puede dedicar un grupo de expertos por una
semana, pueden realizar la fase “definir y medir” (DM)
del proceso en la primera semana.
Sobre el Autor
Jonathan Chong llegó a TBM en 2004 después de
dirigir esfuerzos de mejora continua y desarrollo de
productos por 15 años. Ha trabajado en papeles de
ingeniería y liderazgo en varias compañías, incluyendo
Applied Materials, Motorola e IBM. Ha sido uno de los
líderes clave en transformaciones LeanSigma exitosas
de grandes compañías multinacionales de alimentos y
bebidas, como McCain Foods y Bunge, y en compañías
Después de definir claramente los objetivos medibles
del proyecto y asegurarse que todos los sistemas de
medición sean adecuados durante esta semana inicial,
los datos de producción pueden ser recolectados por
las 4 semanas subsecuentes. Después de la recolección
de datos de cuatro semanas, verificación del equipo
de proyecto y los experimentos pueden ser realizados
de alta tecnología como Freescale Semiconductors.
Acerca de TBM Consulting Group
TBM es una consultoría global de gestión operativa que maximiza el valor de las empresas, acelera el crecimiento de sus
clientes y los lleva a un nivel de excelencia operativa. TBM trabaja codo a codo con sus clientes, de tal forma que se obtiene
una mejora casi de forma inmediata en su EBITDA, trabaja en la aceleración de su crecimiento orgánico, integración
de unidades de negocio recién adquiridas y generación inmediata de mejoras a largo plazo en los estados financieros.
Los expertos de TBM tiene en promedio de 10 a 25 años de experiencia en operaciones, gestión y dirección del sector
manufacturero y ninguno con carrera de consultor. TBM ha dejado atrás el esquema y la estructura tradicional para obtener un
cambio duradero usando el enfoque LeanSigma® que es de su propiedad, mismo que ha sido continuamente mejorado desde
que lo introdujo hace más de veinte años.
TBM, el logo de TBM y LeanSigma son marcas registradas de TBM Consulting Group, Inc.
© 2012 TBM Consulting Group, Inc.
Encuéntrenos en:
TBM Consulting Group
www.tbmcg.mx
Our
Blog
China
•
Brasil
•
Francia
•
Alemania
•
India
•
Chile
•
Reino Unido
•
Estados Unidos
•
México
Descargar