DESARROLLO Y APLICACIN DE ESTRATEGIAS PARA LA OPTIMIZACIN DE LA VARIABILIDAD DE LLENADO EN BAVARIA S.A CERVECERA DE BOYAC

YASMIN YULIED CALA CALA Universidad Nacional de Colombia Facultad de Ciencias EconmicasMaestra en Administracin Bogot, Colombia 2013

DESARROLLO Y APLICACIN DE ESTRATEGIAS PARA LA OPTIMIZACIN DE LA VARIABILIDAD DE LLENADO EN BAVARIA S.A CERVECERA DE BOYAC YASMIN YULIED CALA CALA MAESTRA EN ADMINISTRACIN Director: Ph.D. EDISON JAIR DUQUE OLIVA ProfesorUniversidad Nacional De Colombia Universidad Nacional de Colombia Facultad de Ciencias Econmicas Maestra en Administracin Bogot, Colombia 2013 DedicadoamisamoresEvelia, Chrystian,JohnOmaryamisamigos AnglicaMarayDanielGonzlez. Resumen y AbstractIV Resumen Este trabajo est enfocado en la elaboracin de una estrategia que incluye el desarrollo y manejodeherramientas,paraelmejoramientoyoptimizacindelprocesodellenado, quepermitadisminuirsuvariabilidadyalavez,garantizarsuefectividad.Lamulti-metodologaqueaquseutilizafuepropuestaporMingersyBrocklesby(1997),lacual planteacuatrofases:enlaprimera,seanalizaelestadoactual;enlasegunda,se recolectanlosdatosencampo,serealizaunanlisisestadsticodescriptivo,de capacidad de proceso (Cp) y de ndice de capacidad del proceso (Cpk) mediante el uso delsoftwareMinitab1,seseleccionanlasherramientasdesolucindeproblemasa utilizar;enlatercera,seanalizanlosresultadosobtenidoenlaetapaanterior,se determinan los factores causantes del problema, se desarrolla un plan de mejoramiento y seimplementaencampo;enlaltimafase,seevalalaefectividaddelasacciones tomadasydelasestrategiasimplementadasparaestandarizarelproceso.Los resultados corroborarn que la variacin del proceso presenta datos iniciales de 330 + / - 7cm3;y,losdatosfinalesalaimplementacindelpresenteplan,constatarnquela variacin se ubicara en 330 + / - 2c.m3

Palabras clave: Estrategias de mejora. Herramientas de mejoramiento. Variabilidad. Anlisis estadstico. Capacidad de proceso.

1MINITAB:softwarediseadoparaejecutarfuncionesestadsticasbsicasyavanzadasque combinaloamigabledelusodeMicrosoftExcelconlacapacidaddeejecucindeanlisis estadsticos.Ofreceherramientasprecisasyfcilesdeusarparaaplicacionesestadsticas generales y muy especialmente para control de calidad. Resumen y AbstractV Abstract Thisworkfocusesonthedevelopmentofastrategythatincludesthedevelopmentand management tools for to improve and optimize the "filling process," thus allowing greater variabilitywhileensuringeffectiveness.Themulti-methodologyusedherewasproposed byMingersandBrocklesby(1997),whichconsistsoffourphases:firstly,ananalysisof presentconditions,followedbyasecondphasewhichwascomprisedofthecollection fielddata,andstatisticalanalysis(performedusing thetroubleshootingtoolsdescriptive processcapability(Cp)andprocesscapabilityindex(Cpk)usingMinitab2software,the thirdphasewastheanalysisofresultsobtainedbeforehandtodeterminethefactors causingtheproblem,developanimprovementplanandimplementitinthefield. The finalphasewasanassessmentoftheeffectivenessoftheactionsandstrategies implementedtostandardizetheprocess.Theresultscorroboratethatprocessvariation presented initial data from 330 + / - 7cm3, and the final data from the implementation of this plan demonstrate that the variation was located at 330 + / - 2c.m3 Keywords:Strategies for improvement, improvement tools, variability, statistical analysis, process capability

2 MINITAB: softwaredesigned to perform basic and advanced statistical functions that combines the friendliness of using Microsoft Excel with the ability to run statistical analyzes. It offers precise tools and easy to use for general statistical applications and especially for quality control. ContenidoVI Contenido Pg. Resumen ................................................................................................................... IV Lista de figuras ........................................................................................................ VII Lista de tablas ......................................................................................................... VIII Introduccin ............................................................................................................... 1 Marco terico ............................................................................................................. 6 1.1Gestin de mejoramiento ............................................................................ 6 1.2Mejoraempresarialmedianteelusodemetodologasdesolucinde problemas ............................................................................................................. 9 1.3Herramientas para solucin de problemas en la industria ........................ 10 2. Diseo Metodolgico .......................................................................................... 15 2.1 Procedimiento ............................................................................................... 15 2.2 Poblacin ...................................................................................................... 16 2.3 Definicin del tamao de muestra ................................................................. 17 3. Desarrollo del trabajo. ......................................................................................... 19 3.1 Anlisis del estado inicial del proceso de llenado ......................................... 19 3.2 Mapa extendido S.I.P.O.C. ........................................................................... 24 3.3 Anlisis de causas raz ................................................................................. 26 3.4 Desarrollo e implementacin del plan de mejoramiento ................................ 27 4. Evaluacin de la efectividad del plan de mejoramiento ................................... 28 5. Conclusiones y recomendaciones ..................................................................... 33 5.1 Conclusiones ................................................................................................ 33 5.2 Recomendaciones ........................................................................................ 37 A.Anexo: Prueba z y Prueba t .............................................................................. 39 B.Anexo: Tabla de datos histricos de abril del 2011 a febrero de 2012 ......... 41 C.Anexo: Prueba de Normalidad por mes de abril a febrero de 2012 .............. 51 D.Anexo: Lluvia de ideas y diagrama causa efecto ........................................ 52 E.Anexo: Comparativo datos de oxigeno antes y despus del mejoramiento. 54 F.Anexo: Imgenes de la situacin inicial y despus de la mejora. ................ 55 Bibliografa ............................................................................................................... 59 Contenido VII Lista de figuras Figura 2-1: Distribucin de la muestra de llenado (cm3)........................................... 16 Figura 2-2: Resumen estadstico: datos de llenado (cm3), vlvulas 1 a 92............... 18 Figura 3-1: Prueba de normalidad de los datos de llenado del mes de abril de 2011 a febrero de 2012........................................................................................................ 20 Figura3-2:Resumengrficodelosdatosdellenadodelmesdeabrilde2011a febrero de 2012........................................................................................................ 20 Figura 3-3: Distribucin de las vlvulas conforme a la medida................................. 21 Figura 3-4: Grfico de cajas y bigotes: comportamiento inicial de las 92 vlvulas. 23 Figura 3-5: Mapa extendido S.I.P.O.C. de proceso de llenado...25 Figura4-1:Grficodecajasybigotesdelas92vlvulasdespusdela implementacin de la mejora.................................................................................... 29 Figura A-1: Prueba Z de una muestra...................................................................... 39 Figura A-2: Prueba t de una muestra....................................................................... 40 Figura C-1: Prueba de Normalidad por mes, de abril a septiembre de 2012............ 51 FiguraC-2:PruebadeNormalidadpormes,deoctubrede2011afebrerode2012. .................................................................................................................................. 51 Figura D-1: Diagrama de causa-efecto..................................................................... 53 Figura E-1: Comportamiento del oxigeno antes y despus de la mejora.................. 54 FiguraF-1:ImagendelcontroldepresinenelHDE,posterioralaautomatizacin. .................................................................................................................................. 55 FiguraF-2:Imagendelvariadorantesdeimplementarelcontrolautomticode velocidad de la envasadora...................................................................................... 56 FiguraF-3:Fotogrficatomadaaltelevisordondellegalaimagendelcontrol automtico................................................................................................................ 56 Figura F-4: Almacenamiento de los tubos de venteo antes de la estandarizacin... 57 FiguraF-5:Evidenciafotogrficadelcarroparaalmacenamientodelostubosde venteo de forma organizada..................................................................................... 58 VIII Contenido Lista de tablas Tabla 1-1: Filosofas de mejoramiento. ........................................................................ 6 Tabla 1-2: Metodologas de solucin de problemas. .................................................. 10 Tabla 1-3: Herramientas para solucin de problemas. .............................................. 11 Tabla 1-4: Herramientas utilizadas en la pasanta. .................................................... 12 Tabla 3-1: Anlisis Inicial de distribucin y capacidades de las 92 vlvulas. ............. 21 Tabla 3-2: Cronograma de Actividades. 1 .................................................................. 28 Tabla4-1:Anlisisdedistribucinycapacidadesdelas92vlvulasdespusdela mejora. ...................................................................................................................... 30 Tabla B-1: Datos histricos de llenado. ..................................................................... 41 Introduccin Lasempresasanivelmundial,ensuintersporsercadadamscompetitivas,se enfocan en la mejora continua de sus procesos, explorando diferentes estrategias que les permitandisminuirsuscostos,aumentarlacalidadeincrementarlaflexibilidadenla produccin de bienes o servicios, con el fin de satisfacer cada vez ms a sus clientes y lograr de esta forma mantenerse en el mercado (Ibarra, Sarache y Surez, 2004; Lapide, 2005).Portalmotivosehaceindispensablelaimplementacindeherramientasque permitandarsolucinalosproblemasquesepresentanenlaindustriagenerandoun mejoramiento sostenido de los procesos Basadosenloanterior,lasestrategiasde mejoramientoycontrol,sehanconvertidoen instrumentosimprescindiblesparasolucindeproblemas.Estasherramientaspermiten mejorar la calidad, lo que para Montgomery (2007) es la reduccin de la variabilidad en procesos y productos (p. 6). De este modo, Montgomery (2007) plantea que: Lamayoradelasorganizacionesencuentrandifcil(ycostoso)ofreceral clienteproductosconcaractersticasdecalidadqueseansiempreidnticas deunaunidadaotraoqueestnennivelesquecumplanconlas expectativas del consumidor. La raznprincipal de ello es la variabilidad. En todos los procesos existe cierta variabilidad, de ah, que dos productos nunca seaniguales.Siestavariacinespequeaquizsnotenganinguna repercusinsobreelconsumidor,sinembargo,silavariacinesgrandeel cliente puede percibir el producto como indeseable o inaceptable (p. 7). Lacomplejidaddelosprocesosconllevalautilizacindemsdeunmtodode mejoramiento y de diferentes herramientas de calidad, con el fin de optimizar por medio delaestandarizarlosprocesosminimizandosuvariacin(JuranyGryna1993;Smith, 2000).SegnJuranyGryna(1995)el95%delosproblemasdelasempresaspueden ser resueltos utilizando las herramientas de calidad Fundamentado en la idea anterior, y buscando mejorar un proceso con la disminucin de lavariabilidad,esnecesarioutilizarmltiplesherramientasquecumplancon caractersticasespecificasquepermitanrecolectardatos,detectarfactoresqueinfluyan enlavariacin,identificarlacausaraz,generaractividadesquereduzcanoeliminela causa raz garantizando productos de alta calidad3

3 Montgomery (2007) la calidad es inversamente proporcional a la variabilidad (p. 4). 2 Introduccin Todoloanterior,permiteresaltarlaimportanciaquetienenestasherramientas,enla solucin de problemas y en la disminucin de la variabilidad de los procesos industriales. Es as, como muchos tericos en el plano internacional hancontribuido al mejoramiento delosprocesosdeproduccindesarrollandoinvestigacionesdeherramientas estadsticasqueaunsonaplicadosenlaindustria;Montgomery(2007)nosmuestra algunos ejemplos: B. P Dubbing emple mtodos estadsticos en General Electric para el controldecalidaddelasbombillas.W.A.Shewhartintrodujoelconceptodecartade control en los laboratorios Bell y describi diferentes mtodos estadsticos para usar en la industria.H.F.DodgeyH.G.Romigdesarrollaronyperfeccionaronlametodologade muestreodeaceptacinenloslaboratoriosBell.W.E.Deming,apliclosmtodos estadsticosyenfatizenlaimportanciadelacalidadcomounarmacompetitiva.J.M JuranyA.V.Feigenbaumenfocanlamejoraenlaaccindelaadministracin.Enla actualidad,anivelinternacionalEscobar,Velzquez,SarmientoyGutirrez(2010), contribuyenconunapropuestaparaladisminucindeproductosnoconformesenel proceso de envasado de la empresa Lcteos de Chiapas, utilizando el control estadstico deproceso(CEPoSPCporsussiglaseningles),comoestrategiaparaasegurarla calidaddelosproductos,identificandolosdefectosysuscausas;paraposteriormente, generar propuestas de control. As mismo: Daz, Daz, Flores y Heyser (2009) realizaron unestudioexhaustivosobrelaoptimizacindelprocesodeenvasadodeproductoen polvo, aplicando tcnicas estadsticas como: cartas de control y anlisis de capacidad de proceso,conelfindedisminuirlavariabilidadminimizandolasprdidasenproducto terminado. EnColombiaexisteninvestigacionesquedescribenlaaplicacindediferentes herramientasdemejoramiento,ejemplo:Arrieta(2004)ensutrabajorealizadoala industriametalmecnicadelaciudaddeMedellnreferencialasmejoresprcticasen manufactura aplicadas a este sector. Enfatiza la necesidad de muchas empresas de esta ciudadporasumirelmejoramientocontinuoylaimplementacindediferentes herramientasdeProduccin,comounacultura organizacional,paraas,podercompetir conproductosdemejorcalidadyamenorcosto.DelamismaformaPrez,Patioy suaga(2010)resaltanelusodeherramientasdemejoramientoysuincidenciaen costos, fallas y factores de xito de grandes y medianas empresas industriales del Valle deAburr.Porsuparte,Meja(s.f.)proporcionainformacinsobreelvalordemedirel ndicedecapacidaddeprocesobuscandoreducirlavariabilidad.IgualmenteKlinger, Olaya,Andrade,Mesa,Conde,Delgado,Arbelez,Trujillo,SolanoyDaz(2002), destacanlaimportanciaquetieneelroldelaestadsticaenlaestandarizacindelos procesos, buscando la mejora de los mismos. Deacuerdoalomencionadoanteriormenteysoportadoenlosresultadosdela CerveceradeBoyac,sedetectqueelprocesodellenadodelamarcadecerveza poker:presentacin330centmetroscbicos(cm3),presentavariabilidad,queforma parte de los factores que ocasionan desperdicio o merma en el saln de envasado; que Introduccin 3 para el periodo, comprendido entre abril de 2011 y marzo de 2012 fue de $284.773.5594 creando inconformidad al interior de la organizacin. ParacumplirconlosrequerimientosnormativosestablecidosporelMinisteriode Comercio, Industria y Turismo; Superintendencia de Industria y Comercio. (2003)donde semencionaque:elcontenidonetodetodoproductoempacadooenvasadodebe corresponderalcontenidoenunciadoensurotuladooempaque(p.1).Teniendoen cuentaqueenlaCerveceradeBoyac,sedetectqueenlamarcapoker: presentacin330 (cm3), queesla marca demayorproduccin,sepresentavariabilidad en el proceso de llenado de +/- 7 cm3, surge el siguiente interrogante: Cmodisminuirlavariabilidaddellenadoquepermitamejorarelindicadorde merma en el saln de envasado de la Cervecera de Boyac? Conbaseenelanteriorcuestionamiento,elpropsitoprincipaldelapasantadegrado fuedesarrollarundiagnosticodelassituacionesquepermitamejorarelindicadorde mermaenelprocesodellenado,disminuirlavariabilidaddelmismoyevaluarsu efectividad, para lo cual fue necesario: Analizar el estado actual del proceso de llenado. Determinar el marco conceptual que permita proponer una solucin. Desarrollar un plan de mejoramiento de los factores detectados en el diagnstico. Evaluar la efectividad del plan. Debidoalalcancedelosobjetivos,estapasantasedesarrollconunenfoque metodolgicoanaltico-causal, quepermitidetectaratravsdeldiagnstico;elestado actual del proceso, con el fin, de conocer y explicar la realidad, basado en los principios deobjetividad,cuantificacinyanlisiscausalenunciadoporInche,Anda, Huamanchumo,Lpez,VizcarrayFlores(2003);RodrguezyValldeoriola(2003)como una metodologa orientada a los resultados, por medio del anlisis de datos y evidencias, quepermitacorregiryeliminarlosproblemasquesepresentanenlaindustria(Bunge, 2000). Igualmente se utiliz la multi-metodologa desarrollada por Mingers y Brocklesby (1997), que consta de 4 fases: en la primera, se analiz el estado actual del proceso de llenado; sellevacabounarevisinbibliogrficadelasdiferentesfilosofas,metodologasy herramientas de mejoramiento, utilizadas en la industria manufacturera para dar solucin alosproblemasquesepresentan.Sedefinilapoblacin,lamuestrayeltipode muestreo a utilizar en el desarrollo de la pasanta, se seleccion el grupo de trabajo. En la segunda fase, se llev a cabo la recoleccin de los datos en campo; se realiz anlisis estadsticodescriptivo,decapacidaddeproceso(Cp)ydendicedecapacidaddel proceso(Cpk)medianteelsoftwareMinitabparadeterminarelcomportamientodel proceso.Seseleccionaronlasdiferentesherramientasdesolucindeproblemasa aplicarysepostularonlosposiblesfactoresgeneradoresdelproblema.Paralatercera

4Informe gerencial Financiera Macroloss F12. Sabmiller, 2011 4 Introduccin fase, basada en los datos obtenidos con el uso de las herramientas, el apoyo de la teora y la experiencia, se determinaron qu factores eran los causantes del problema. Posterior a esto se desarrollo un plan de mejoramiento y se implemento en campo. Finalmente en la cuarta fase se evalu la efectividad del mismo. Eldesarrollodeestapasantapretendeserunaguaparagenerarintersenlas empresas manufactureras y de servicio, ya que se encontr, que en Colombia son muy pocoslosestudiosrealizadosenlasempresasdealimentos,especficamenteenel sector de bebidas carbonatadas, sobre disminucin de la variabilidad por medio del uso e implementacindeherramientasdegestindecalidad,queayudealmejoramiento sostenido de los procesos, de la forma amplia que aqu se expone, mediante la correcta recoleccinyanlisisdedatos,eliminandodeestamaneralatomadedecisiones basadasnicamenteenlaintuicinopresentimientos,paraqueestaseconviertanen decisionesbasadasenhechos.Ishikawa(1996)planteaquelabasedelcontrolde calidad son los datos (p. 9), y Kume (1997) sostiene que Los datos no se recogen como unfinensmismo,sinocomounmedioparadescubrirloshechosqueestntraslos datos (p. 51). Marco terico1.1Gestin de mejoramiento La gestin de mejoramiento son estrategias que involucran: filosofas, metodologas y herramientaensolucindeproblemasenlabsquedadelmejoramientocontinuo, que Xochicali, Snchez, Mndez, Snchez y Cruz (2010) define como: Pequeas mejoras que se hacen a diario por medio de solucin de problemas ysugerencias.Cadaunatiendeatenerunpequeoimpactoenel desempeodelaempresa;sinembargo,todasjuntasproporcionanel crecimiento sostenible de la mejora del desempeo (p. 42) Lasempresasanivelmundial,ensuintersporsercadadamscompetitivas,se enfocanenmejorareldesempeodesusprocesos,explorandodiferentesestrategias que les permitan disminuir sus costos, aumentar la calidad e incrementar la flexibilidad en la produccin de bienes o servicios, con el fin de satisfacer cada vez ms a sus clientes y lograr de esta forma mantenerse en el mercado (Ibarra, Sarache y Surez, 2004; Lapide, 2005).Loanteriorpermitecorroborarquesehaceindispensablelaimplementacinde estrategias, que permitan dar solucin a los problemas que se presentan en la industria, generando un mejoramiento sostenido de los procesos Atravsdelosaossehanpropuestodiversasfilosofasenfocadasenlamejora continua de los procesos, las ms utilizadas se muestran en la Tabla 1-1 Tabla 1-1: Filosofas de mejoramiento. FilosofasPrincipios 14puntosdeDeming: formanelncleopara alcanzar la excelencia en la calidad. (Gutirrez, 2004). Mejorarconstantementelosproductosyserviciosdela empresa. Adoptar una nueva filosofa. Nodependerdelainspeccinmasivaparaalcanzarla calidad. Dejar de tomar decisiones nicamente basados en el precio. Mejora continua. Marco Terico7 Tabla 1-1: (Continuacin). FilosofasPrincipios 14 puntos de Deming: forman el ncleoparaalcanzarla excelenciaenlacalidad. (Gutirrez, 2004). Instituirelentrenamientoylacapacitacindelos trabajadores. Instituir el liderazgo. Eliminar el miedo. Romperlasbarrerasqueexistanentrelosdiferentes departamentos. Eliminar los lemas. Eliminar las cuotas numricas. Derribarlasbarrerasqueimpidenelsentirseorgullosode un trabajo bien hecho. Establecer programa de educacin y de reentrenamiento. Tomar medidas para lograr la transformacin. TQM:unafilosofadegestin integralbasadaenel mejoramientocontinuodela calidaddeproductosy procesos,paraalcanzarla satisfaccindelconsumidor Joseph,Rajendrany Kamalanabhan, (1999, p. 2201). Apoyo de la direccin de liderazgo. Diseo organizacional, comunicacin y estrategias. Entrenamiento, formacin y aprendizaje. Diseo de producto. Relacin con proveedores. Gestin de procesos. Informacin y evaluacin para la calidad. Resultados del negocio. Manufactura Esbelta: es la eliminacin de desperdicios y la creacin eficiente de valor de la empresa. Definir valor por el producto. Identificar la cadena de valor. Flujo Continuo. Jalar. Buscar la perfeccin. 8Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla 1-1: (Continuacin). FilosofasPrincipios SeisSigma:esla disminucindela variabilidadenlos procesos,mediantela aplicacindeuna metodologaestructuraday sistemtica para alcanzar la excelenciaoperacionalen todas las reas del negocio. Reduccin de defectos: Menores costos. Mayor satisfaccin del cliente. Tiempo de ciclos ms cortos. Procesos predecibles. Cambio de cultura. Fuerza de trabajo altamente entrenadaLenguaje comnMemoria organizacional, institucional. Kaizen:Imai(1995)lo define como: mejoramiento continuoqueinvolucraa todos,gerentey trabajadoresporigual(p. 23).Esunafilosofa integral,devida,de desarrollopersonal,laboral, familiar,decomunidad,que buscademanera incrementalmejorase innovacionesqueimpacten entodaslasactividades querealizamos cotidianamente;esdecir, nuestrosprocesos operativos"Surezy Miguel, (2011, p. 21). Trabajo disciplinado. Compromiso de la alta direccin. Mantenimiento y mejora de estndares. Participacin de los empleados en el mejoramiento. Gestin en el rea de trabajo. Mejora permanente de procesos. Capacitacin Constante. Fuente:Elaboracinpropiabasadoen:Deming(1986),Imai(1995),Womack,Jonesy Ross(2003),Gonzlez(2002),PerdomoyGonzlez(2004),SurezyMiguel(2011), Gutirrez (2004). Todaslasfilosofasensucontenidoesencialaplicanelconceptodemejoramiento continuoorientadoaoptimizarsusprocesos,yas,proporcionarproductosdemejor calidad. Marco Terico9 SiseobservalaTabla1-1,existenpuntosencomnentrelasfilosofasexpuestas,los cuales, fueron aplicados al momento de buscar disminuir la variabilidad en el proceso de envasadoenlaCerveceradeBoyac;entreotros,seutilizaron:elentrenamientoy capacitacin para todo el personal, la introduccin de patrones para orientar el cambio de cultura,compromisodelaaltadireccindurantetodalaimplementacin,manejodeun lenguaje sencillo y claro que permiti la participacin de los diferentes niveles jerrquicos de la compaa en la solucin de la pregunta planteada en esta pasanta. Todo lo anterior gener un cambio positivo sostenido en el tiempo. 1.2Mejora empresarial mediante el uso de metodologas de solucin de problemas A travs de los aos las compaas en su afn por permanecer en el mercado y ser cada damsrentables,hanidodesarrollandometodologasquelespermitenmejorarlos procesos,proporcionandoproductosdemejorcalidadquesatisfaganalconsumidorya su vez, generen dividendos que las hagan atractivas para los inversionistas. Entrelasmetodologasmsutilizadasenlaindustriamanufactureraydeservicios,se encuentran: el ciclo PHVA5, la metodologa DMAIC6, SCORE7 y QC Story8. Cada una de ellassonafines,apesardequevarenenelnmerodeetapasopasosaseguiral momento de aplicarlas. Si se analiza con detalle, todas ellas se basan en el ciclo PHVA desarrollado por W. AShewhart y popularizado por W. Edwards Deming el siglo pasado (Pyzdek y Berger, 1996). Partiendodelaanteriorafirmacinyteniendoencuentaquetodasestasmetodologas lleganalmismopunto,cuales:lamejoracontinuadelosprocesos;seenfatizaqueal momento de aplicar cualquiera de ellas, se debe tener claro que lo que se busca es dar solucin a los problemas, partiendo de la definicin de los mismos, capturando los datos con el fin de comprender la situacin actual en la cual se encuentra el proceso, buscando la relacin entre los datos y las causas que generan la desviacin o inconformidad, para luegoponerenmarchalosplanesdemejorayporltimoestandarizaryhacer seguimiento,conelfindeevitarquevuelvaaocurrir.EnlaTabla1-2semuestralas metodologas ms utilizadas y las etapas a seguir en el momento de su implementacin. Cabeaclararquelaaplicacindeestasmetodologasnoestlimitada;porelcontrario, esto depende de lo qu quiera la organizacin y de lo que considere qu es lo mejor para la misma.

5 PHVA: significa, planear, hacer, verificary actuar. 6 DMAIC: significa, defined, measure, analyze, improve and control.7 SCORE: significa, select, clarify, organize, run and evaluations. 8 QC History: history quality control. 10Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla1-2: Metodologas de solucin de problemas. Metodologas PHVA(Laboratorios Bell) DMAIC (Motorola)SCORE (Toyota)QC STORY (Renault) Etapas 1. Planear. 1. Definir el problema. 2.Medir:capturarlosdatos relevantes sobre el proceso y el problema. 1.Seleccionarelproceso en el que se va a trabajar. 2.Clarificarel problemau objetivo. 1. Elegir el tema. 2.Explicarlasrazonesdela eleccin. 3. Comprender la situacin actual. 4. Elegir las metas. 2. Hacer. 3.Analizar:elprocesopara identificarlarelacincausa-efectoentrecontribucionesy resultados.Identificarla causa raz vital. 3.Organizarelequipoy entrenarlo. 5.Analizar:buscarlarelacin entre datos y causas. 6.Ponerenmarchalasmedidas correctivas. 3. Verificar. 4.Mejorar:determinarlos valoresptimosparalas contribucionesclavedel proceso.Implementar solucionesparaeliminarlas causas raz. 4. Correr el evento.7. Confirmar los efectos. 4. Actuar. 5.Controlar:establezca estndaresycontrolespara sostenerlasmejorasenel largo plazo. 5. Evaluar los resultados. 8. Estandarizacin. 9.Sintetizaryplanificaracciones futuras Fuente: Elaboracin propia con base en: Deming (1986), Imai (1995), Womack, Jones & Ross (2003), Gonzlez (2002). 1.3 Herramientas para solucin de problemas en la industria Las herramientas de solucin de problemas proporcionan un medio eficaz para detectar lascausasquegeneranlavariabilidadenlosprocesos,antesdequeestoslleguenal cliente o generen re-procesos ocasionando un sobrecosto para la compaa. En la Tabla 1-3 se muestran las herramientas ms utilizadas en la solucin de problemas. Estasherramientas,comodicekume(1997)sonprecisamenteherramientas:no serviransinoseusanadecuadamente(p.11).Cadaunadeellastienesupropia Marco Terico11 dificultadysupropsito.Nosepuedeasegurar queuna seamejor que otra,pero sse debe tener claridad de cundo utilizarlas y qu es lo que se busca con las mismas. Tabla 1-3: Herramientas para solucin de problemas. HerramientasDescripcinImpacto Herramientas bsicas de calidad:Lluvia se ideas y diagramas de afinidad. Diagramas de flujo. Histogramas. Grficas Pareto. Diagrama causa-efecto (Ishikawa). Diagramas de dispersin. Hojas de verificacin o chequeo. Grfica de Control. Estratificacin. Kume (1997) Sostiene que "Son herramientas eficaces para mejorar los procesos y reducir sus defectos. Estas herramientas dan objetividad y precisin a las observaciones". Adems permiten analizar los datos de forma estadstica (p. 11). Aumento de productividad. Poka- Yoke. Fue creado por Shigeo Shingo en los aos 60. Mecanismos a prueba de falla. Busca evitar los errores humanos en los procesos, previniendo para que no ocurran, y si ocurren, que se puedan corregir con rapidez (Jaime, Coln, Subdiaz, Caldern, Rangel y Roman, 2011). 1. Reduccin de errores. 2. Reduccin de desperdicios. 3. Aumento de calidad. 4. Aumento de productividad. 5S Clasificacin: Seiri. Organizacin: Seiton. Limpieza: Seiso. Bienestar Personal: Seiketsu. Disciplina: Shitsuke. Esta metodologa es una respuesta a la necesidad de desarrollar planes de mejoramiento del ambiente de trabajo. Logra condiciones adecuadas para producir bienes y servicios con calidad. (Gonzlez, 2002). 1. rea de trabajo mejorada.2.Aumento de productividad. 3. Estandarizacin dellugar de trabajo 5 por qu? Tcnica usada para encontrar la causa raz de una falla o para identificar el problema real que debe ser resuelto. Detecta causas raz. S.I.P.O.C. Herramienta para la identificacin de entrada, salida, proveedores y clientes. Que permite identificar de forma clara cuales son los factores que intervienen en el proceso (Keller y Pizdek , 2005). Detecta factores que afecta el proceso. Fuente: Elaboracin propia. Con base en lo anterior, a continuacin se exponen las caractersticas por los cuales se eligieronlasherramientasutilizadaseneldesarrollodeestapasanta,quepermitidar solucin al problema planteado: Recolectar de forma organizada hechos y datos. Detectar las variables que afectan el proceso con el fin de estandarizarlas y lograr una mejora sostenida en el tiempo. Observar de forma rpida el comportamiento de los datos. Conocer el centramiento y dispersin de los datos. Identificar la causa raz involucrando a los diferentes niveles de la compaa Monitorear el proceso de forma visual en el lugar de trabajoDisminuir la probabilidad de ocurrencia de errores humanos. 12Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Eliminar condiciones inadecuadas de trabajo. Analizar capacidad de proceso. Observar normalidad de los datos Documentar los cambios realizados. Estas caractersticas permitieron seleccionar de forma clara las herramientas que ms se ajustanalarealidaddelproblema,yqueservirncomoayudaenlaobtenciny procesamientodelainformacindandosolucinalmismo.EnlaTabla1-4sepueden observar las herramientas a emplear: Tabla 1-4: Herramientas utilizadas en la pasanta. Criterio Herramientas Hoja de verificacin. Histograma. Distribuciones de probabilidades. Prueba de normalidad. Diagrama causa- efecto. Poka Yoke. 5S. S.I.P.O.C. Diagrama de cajas y bigotes. Anlisis de capacidad del proceso. Grficos de control. Lecciones aprendidas. Recolectar de forma organizada hechos y datos. xDetectar las variablesque afectan el proceso. x Observar de forma rpida el comportamiento de los datos. XxConocer el centramiento y dispersin de los datos. Xxx Identificar la causa raz.xObservarnormalidad de los datos. XxX Eliminar errores humanos. x Eliminar condiciones inadecuadas de trabajo. XAnalizar capacidad de proceso. X x Monitorear el proceso.xDocumentar los cambios realizadosxx Fuente: Elaboracin propia. Acontinuacinseharunadescripcindeaquellasherramientasquenofueron puntualizadas en la Tabla 1-3. Hojadeverificacin:esunregistroutilizadopararecopilardatosdeforma ordenada y clara que permite diagnosticar la causa del desempeo pobre. ste es Marco Terico13 unformatoenelcualaparecenlostemsquesevanaregistrar,suobjetivo principalesfacilitarlarecoleccindelosmismos,conelfindequesepuedan usarconfacilidadmsadelante(Kume,1997;Colomer,1996;Montgomery, 2007). Histograma y grficos de cajas: es una representacin grfica de los datos en la queesmssencilloverlaforma,latendenciacentral,yladispersino variabilidad de los mismos (Kume, 1997; Montgomery, 2007). Diagrama causa- efecto: tambin conocido como diagrama de espina de pescado, implementadoporelprofesorKaoruIshikawaen1953.Estaherramientabuscamostrar la relacin entre una caracterstica de calidad y todas las posibles causas que lo influyen. Ayudan a segmentar problemas y dividirlos en partes manejables. Estediagramaesmuytilparaorganizarlluviasdeideassobrelasposibles causasquegeneranlavariacinquenoespropiadelproceso.Despusde identificar las causas posibles se agrupan en las 6M: medicin, mtodo, mano de obra,medioambiente,materialymaquina.Esimportanteenfatizarqueenun procesoindustrialinteractantodasellas,aportandoalgodevariabilidadalas salidasdelproceso,deah,queseaimportantemonitorearlas(EvansyWilliam, 2005; Lloyd, 2003). GrficodePareto:esundiagramaquepermiteclasificarlosdefectosdesdela contribucinmsgrandehastalamspequea,loqueayudaasepararlos problemas en pocos vitales de los muchos triviales y as poder atacar los que ms estn causando la inconformidad (Kume,1997; Montgomery, 2007). ndicedecapacidaddelprocesoyanlisisdenormalidad:losndicesde capacidad de proceso se usan para medir si un proceso de fabricacin se ajusta a los lmites de especificacin establecidos.Los estudios de estos ndices se basan generalmente en procesos normales(Han, 2006). Cuando no se tiene claridad si el proceso es normal, una prueba de normalidad puede ser utilizada para resolver laincertidumbre.Lapruebadenormalidadesunapruebapreliminarque determinalaformadeladistribucin(GuevaraYVargas,2006).Sidespusde utilizarlapruebadenormalidadelprocesonopresentaunadistribucinnormal, se deben dividir los datos de la muestra original en un conjunto de sub-muestras y realizar nuevamente la prueba de normalidad con el fin de verificar si cada uno de lossubgruposseajustaasupropiadistribucinnormal(KotzyJohnson,2002). Este mtodo se utiliza en muestras de gran tamao. Y por ultimo si la distribucin noesnormalsedebenutilizarmtodosqueajustenlosdatosaunadistribucin normal,pararealizarelclculodelacapacidad,conelfindeevitarresultados errneos. Evans y William (2005) proponen 5 preguntas que pueden ser de gran utilidad en el momento de estudiar la capacidad de un proceso: Dnde se centra el proceso? Qu tanta variabilidad existe en el proceso? Es aceptable el desempeo en relacin con las especificaciones? Quproporcindelosresultadosseesperaquecumplaconlas especificaciones? 14Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Qu factores contribuyen a la variabilidad? (p. 630). Con base en los anteriores cuestionamientos,es importante entender enqu estado se encuentra el proceso, y adonde se quiere llegar. Grficosdecontrol:ElControlEstadsticodeProcesos(CEPoSPCporsus siglaseningls)sehaplanteadocomounaherramientaparaladiferenciacin entrecausascomunesoaleatoriasycausasasignablesoespeciales,las primerasasociadasavariabilidadinherentesalprocesoyqueconstituyenuna condicinpermanente,porloqueseasocianacondicionesdeoperacin normales (patrn de variabilidad estable y predecible en el tiempo proceso bajo controlestadstico).Porotrolado,lascausasasignablesposeenunacondicin ocasionaly,engeneral nopredecible,asocindoseaanomalasnoprevistasen elproceso(Wierda,1994;Ryan,2000;Woodall,2000).ElCEPestableceun sistema de observacin permanente que captura la variabilidad o alteraciones en los procesos (materiales fuera de especificaciones, daos en equipos, operadores nuevos manipulando elproceso sin capacitacin, entre otros), permitiendo tomar medidasdeformarrpida,conelfindeaislardichascausasyeliminarlas oportunamente (Romero, 2000). Finalmente muchos tericos han contribuido en el mejoramiento de los procesos deproduccindesarrollandoestudiosdeherramientasestadsticaquepueden aplicarseenlaindustriaejemplo:B.PDubbingemplemtodosestadsticosen GeneralElectricparacontrolarlacalidaddelasbombillas,W.A.Shewhart introdujoelconceptodecartadecontrolenloslaboratoriosBellydescribi diferentesmtodosestadsticosparausarenlaindustria,H.F.DodgeyH.G. Romig desarrollaron y perfeccionaron la metodologa de muestreo de aceptacin enloslaboratoriosBell,citadoporMontgomery(2007).Enlaactualidad,anivel internacionalsehanrealizadodiferentestrabajostantotericoscomoprcticos relacionados con la mejora continua y la utilizacin de herramientas estadsticas, porejemplo:Escobaretals.(2010),proporcionaunapropuestaparala disminucindeproductosnoconformesenelprocesodeenvasadodela empresa Lcteos de Chiapas, utilizando el control estadstico de proceso (CEP), comoestrategiaparaasegurarlacalidaddelosproductos,identificandolos defectosysuscausas,paraposteriormentegenerarpropuestasdecontrol. Asimismo Daz et als (2009), realiz un estudio exhaustivo sobre la optimizacin delprocesodeenvasadodeproductoenpolvo,aplicandotcnicasestadsticas como: cartas de control y anlisis de capacidad de proceso, con el fin de disminuir la variabilidad minimizando las prdidas en producto terminado. Del mismo modo enestapasantasebuscadisminuirlavariabilidaddelllenado,aplicandolas herramientas anteriormente enunciadas. Diseo Metodolgico2.1 Procedimiento Basado en que todas [] Las metodologas siguen un modelo general, comenzando por laexploracindeideasyconceptos,paracontinuarconelanlisisquepretende organizarlainformacin,finalizandoelprocesoconlaimplementacindelasmedidas acordadas [] (Ruiz, 2004, p. 3) se propuso para el desarrollo de esta pasanta: revisin del estado del arte, anlisis de la situacin actual del proceso de llenado, planteamiento de posibles soluciones, implementacin y evaluacin de un plan de mejoramiento Paradarcumplimientoaloanteriormentepropuesto,MingersyBrocklesby(1997) sugieren utilizar diferentes herramientas que forman parte de metodologas referentes a diferentes filosofas de mejoramiento, que al fusionarlas, permiten explorar la situacin de formacuantitativaycualitativa,proporcionandounavisinampliadelproblema, aportandopropuestasparaelmejoramientodelproceso.(Mingers,2006;Mingersy White, 2009). Acontinuacinsepresentanlasfasesoetapasutilizadaseneldesarrollodeesta pasanta adaptadas de Mingers y Brocklesby (1997): APRECIACINFASEI:seanalizelestadoactualdelprocesodellenado,selleva cabounarevisinbibliogrficadelasdiferentesfilosofas,metodologasyherramientas demejoramientoutilizadasenlaindustriamanufactureraparadarsolucinalos problemas que se presentan. Se defini la poblacin, la muestra y el tipo de muestreo a utilizar en el desarrollo de la pasanta, y se seleccion el grupo de trabajo. ANLISIS,FASEII:sellevacabolarecoleccindelosdatosencampo,serealiz anlisisestadsticodescriptivo,decapacidaddeproceso(Cp)ydendicedecapacidad delproceso(Cpk)medianteelsoftwareMinitab9paradeterminarelcomportamientodel proceso.Seseleccionaronlasdiferentesherramientasdesolucindeproblemasa aplicar y se postularon los posibles factores generadores del problema. MEJORAMIENTO,FASEIII:basadoenlosdatosobtenidosconelusodelas herramientas, el apoyo de la teora y la experiencia, se detectaron qu factores eran los

9MINITAB:softwarediseadoparaejecutarfuncionesestadsticasbsicasyavanzadasque combinaloamigabledelusodeMicrosoftExcelconlacapacidaddeejecucindeanlisis estadsticos.Ofreceherramientasprecisasyfcilesdeusarparaaplicacionesestadsticas generales y muy especialmente para control de calidad. 16Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac causantesdelproblema.Posterioraestosedesarrollounplandemejoramientoyse implemento en campo.

ESTANDARIZACINYEVALUACIN,FASEIV: finalmenteseestandarizyseevalu la efectividad del mismo. 2.2 Poblacin Teniendoencuenta,queenlenguajedemanufactura,unapoblacineslaproduccin pasada,presenteyfutura,elaboradabajolasmismascondicionesdeproceso.Se analizaronlosdatoshistricosdellenadodelmesdeabrilajuliodelamarcams envasadaenlacervecera,utilizandoelpaqueteestadsticoMinitab,elcualpermiti validarqueexistamsdeunapoblacin,porlacaractersticamultimodalquese presentenelhistogramaylanonormalidaddelosdatosquearrojenlapruebade normalidad de Anderson-Darling con una P < 0.005 (ver Figura 2-1). Figura 2-1: Distribucin de la muestra de llenado (cm3). 1 338 336 334 332 330 328 326MedianaMedia331,6 331,4 331,2 331,01er cuartil 329,70Mediana 331,103er cuartil 332,90Mximo 337,80331,22 331,67330,90 331,302,28 2,60A-cuadrado 3,17Valor P < 0,005Media 331,45Desv.Est. 2,43Varianza 5,88Asimetra 0,400921Kurtosis -0,061422N 441Mnimo 325,50Prueba de normalidad de Anderson-DarlingIntervalo de confianza de 95% para la mediaIntervalo de confianza de 95% para la medianaIntervalo de confianza de 95% para la desviacin estndarIntervalos de confianza de 95%Datos Llenado Abril a Julio de 2012 Fuente: Elaboracin propia. Programa Minitab Partiendodeloanteriormenteexpuesto,seconcluyqueeraindispensablerealizarun anlisisporvlvula,paraqueenlugardeunapoblacinqueinvolucrabaatodala envasadora,setrabajaraenexclusividadcon92poblacioneslascualesintegranlas vlvulasqueconstituyenlaenvasadoracomotal,reflejadoenelanlisispreliminarcon Minitab.Portalrazn,silas92vlvulasfuncionandemaneraidntica,entonces,se obtendrsolamenteunapoblacin.Esporesoqueparaefectosdeesteestudio,se realiz el muestreo vlvula por vlvula.Diseo Metodolgico17 2.3 Definicin del tamao de muestra Ladeterminacindeltamaodelasmuestrasesunproblemaestadsticoampliamente estudiado y resuelto, tanto desde el punto de vista terico como de clculo, pues diversos paquetescomputacionalesnosproveendeherramientasquenospermitenllegar rpidamente a un nmero en particular. En la prctica, sin embargo, el problema no es estadstico sino una decisin de negocio que debe considerar las respuestas a tres preguntas concretas: Culeselcostodetomarunamuestradetamaon?.Culeselcostodeafirmar que el proceso ha cambiado (ya sea en su media o en su variacin) y ajustarlo, cuando enrealidadnolohahecho?Esdecir,elprocesosemantieneestable,peropor circunstancias del azar las muestras indican que hubo un cambio que lleva a realizar un ajusteinnecesario,ocasionandoundetrimentodelproceso.Elriesgodecometereste tipodeerror,llamadotcnicamenteErrorTipoI,tieneunaprobabilidaddeocurrir denotada por la letra . Y por ltimo, Cul es el costo de que el proceso haya cambiado (ya sea en su media o en su variacin) ms de una cierta cantidad crtica (que se llamar )ylamuestranoreveleesecambio?Lo quesignifica, queelprocesotuvouncambio (mayoroigualque)peroporcircunstanciasdelazarlamuestranoreflejanquese generoalgncambio,porloquenorealizaningnajustecorrectivo,permitiendoqueel proceso contine operando en un nivel inferior de calidad. El riesgo de cometer este tipo deerror,llamadotcnicamenteError Tipo II,tieneunaprobabilidaddeocurrirdenotada como . (Montgomery, 2007). Despusdeestoscuestionamientos,serecurrialpaquetecomputacionalcitado anteriormente, con objeto de determinar un tamao de muestra que lograra un equilibrio satisfactorio entre estos elementos: costo, n, , , y . Cabesealarqueexistendosconceptosadicionalesmuyimportantesrelacionadoscon lostamaosdemuestra:laconfianza,quesedefinecomo1-,ylapotencia,definida como 1-. Enestecasoparticular,unestudiopreliminardedatosporvlvulasnoestratificado, arroj que la media de llenado es 330.91 cm3, con una desviacin estndar de 1.68, por loqueestosdatosconstituyenunaestimacinsumamenteconservadoradelos parmetros de proceso para cada vlvula. Ver Figura 2-2: Resumen grfico. DadoquelaDireccindelaempresasugirinotomarmsde30muestrasdecada vlvulaporelcostoinvolucrado,seprocediacalcularlosriesgoscorrespondientes asociadosconladeteccindeuncambioenlamediadelordendeunadesviacin estndar.As,seencontrqueparalosvalorescomnmenteaceptadosenestos estudios(=0.05,=0.10,=1),eltamaodemuestra30resultatotalmente adecuado,puessiladistribucindelosdatosporvlvulafueranormalsetendrauna potenciadeprueba(z)de0,903(i.e.unvalorde=0.097),mientrasquesinose cumplieraconlahiptesisdenormalidad,tendramosunapotenciadeprueba(t)de 0.883 (i.e. un valor de = 0.117, razonablemente cercano al valor objetivo de 0.10). 18Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Figura 2-2: Resumen estadstico: datos de llenado (cm3), vlvulas 1 a 92. 1 333 330 327 324 321MedianaMedia331,2 331,0 330,81er cuartil 330,02Mediana 330,903er cuartil 331,90Mximo 334,60330,70 331,11330,70 331,201,54 1,84A-cuadrado 1,72Valor P < 0,005Media 330,91Desv.Est. 1,68Varianza 2,81Asimetra -1,04466Kurtosis 4,53002N 255Mnimo 321,47Prueba de normalidad de Anderson-DarlingIntervalo de confianza de 95% para la mediaIntervalo de confianza de 95% para la medianaIntervalo de confianza de 95% para la desviacin estndarIntervalos de confianza de 95%Resumen estadstico: datos de llenado, vlvula 1 a 92. Fuente: Elaboracin propia. Programa Minitab. Estosclculosdemuestranqueresultatotalmenterazonabletrabajarconeltamao mximo de muestra limitado por la Direccin. Ver Anexo A. 2.2 Definicin del tipo de muestreo Existendiferentes tipos demuestreosyellosserelacionanconlascaractersticasdela poblacinque se quiereestudiar.Paraestapasantasetrabaj con92 poblacionesy3 turnos de produccin, en los cuales se llev a cabo el muestreo de las 92 vlvulas. Con el fin de generar confiabilidad, en la toma de la muestra se hizo necesario la utilizacin de un muestreo aleatorio estratificado. Esto debido a que se detect que en los tres turnos existavariacinenelprocesodeenvasado.Kume(1997)encontrqueestetipode muestreo consiste en dividir la poblacin con relacin a determinadas caractersticas que para este caso son los turnos de trabajo, para luego extraer una muestra aleatoria simple de 30 elementos (cantidad que se justific como apropiada en la seccin previa), de cada unadelasvlvulas,encadaunodelosturnos. 3. Desarrollo del trabajo. 3.1 Anlisis del estado inicial del proceso de llenado Paraelanlisisdescriptivosetuvieronencuentalosdatoshistricosdellenado obtenidosdelaspruebasrealizadasporlosoperadoresenlosdiferentesturnosde trabajo10durante los meses de abril de 2011 a febrero de 2012 (ver Anexo B). Con estos datossedeterminsiexistaononormalidadparaluegoproseguiracalcularla capacidad inicial del proceso de la variable problema, en nuestro caso el llenado, lo que permitira corroborar la existencia de una variacin significativa que sera la causante de la insatisfaccin del cliente interno y externo.

La medicin de la capacidad de proceso, como ya se mencion previamente, depende de loslmitesdeespecificacinyladistribucinquesiganlosdatosregistrados.Conelfin de determinar qu distribucin tenan los datos histricos de llenado, se aplic un test de normalidadenMinitab.Lahiptesisnulaparaestetestconsideraquelapoblacines normalylahiptesisalternativasostienelocontrario;deestemanera,valoresdeP menoresa0.05rechazarnlahiptesisnulaconfirmandoquelosvaloressonno normales, Minitab, (2007). Al observar la Figura 3-1 se encontr un valor P menor a 0.05 loqueimplicrechazarlaHiptesisnulayaceptarquelosvaloresprocedandeuna poblacin no normal.

10Losturnosdetrabajosedistribuyen3turnosen24horas/datrabajodelasiguientemanera: primer turno de 0-8, segundo turno de 8-16, y tercer turno de 16-24. 20Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Figura 3-1: Prueba de normalidad de los datos de llenado del mes de abril de 2011 a febrero de 2012. 1 Fuente: Elaboracin propia a partir de los datos histricos. Programa Minitab. Ademsserealizunresumengrfico-estadstico(Figura3-2)dondeapareceun histograma con una distribucin aparentemente normal pero un valor de P menor a 0,05 lo que asegura no normalidad en los datos.

Figura 3-2: Resumen grfico de los datos de llenado del mes de abril de 2011 a febrero de 2012. 1 339 336 333 330 327MedianaMedia332,00 331,95 331,901er cuartil 331,00Mediana 332,003er cuartil 333,00Mximo 341,00331,87 331,95332,00 332,001,33 1,39A-cuadrado 120,53Valor P < 0,005Media 331,91Desv.Est. 1,36Varianza 1,85Asimetra 0,17340Kurtosis 1,77951N 4508Mnimo 325,00Prueba de normalidad de Anderson-DarlingIntervalo de confianza de 95% para la mediaIntervalo de confianza de 95% para la medianaIntervalo de confianza de 95% para la desviacin estndarIntervalos de confianza de 95%Resumen GrficoAbril a Febrero de F12 Fuente: Elaboracin propia a partir de los datos Histricos. Programa Minitab. Despusdelanterioranlisis,seprocedearealizarunanlisisdedistribucinmespor mes encontrando que ninguno es normal pues P en todos los meses es menor que 0,05 (ver Anexo C).342,5 340,0 337,5 335,0 332,5 330,0 327,5 325,099,999995805020510,01F12PorcentajeMedia 331,9Desv.Est. 1,361N 4508AD 120,528Valor P 0,05 No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05 1328,14861,25850,660,490,66847326,77731,52140,540,390,285 2332,43411,18810,70-0,680,56348329,93531,05640,780,020,900 3329,98801,48450,560,000,57449329,68931,37040,600,070,752 4332,01131,42280,58-0,470,82350331,14651,07940,08-0,350,750 5330,51431,09990,75-0,150,90951330,07401,07600,77-0,020,749 6330,34771,46870,56-0,080,96052327,67551,65230,500,460,100 Media < 330 15, 22% Media > 330 66,30 % Media= 330 18, 48% % de la media del nivel de llenado 22Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla 3-1: (Continuacin). No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05 No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05 7332,81201,39100,59-0,670,59453330,90101,25300,64-0,230,674 8330,66101,32930,62-0,160,26754332,76311,17700,75-0,830,399 9332,63620,86150,96-1,010,79255331,22290,82440,93-0,460,967 10329,81291,04360,790,060,92956330,24290,99670,83-0,080,279 11333,11861,38980,59-0,740,37457329,71431,30280,580,070,344 12330,74621,01310,82-0,240,96158329,83020,98680,790,050,969 13332,57281,19680,69-0,710,78759332,68831,42870,67-0,720,729 14332,60771,20220,69-0,720,34160331,53521,18230,68-0,420,125 15334,07030,99660,83-0,350,63661327,75461,28020,690,620,596 16331,29581,19390,69-0,360,07462331,39710,90420,90-0,500,462 17332,01051,06180,78-0,630,96163329,06961,05020,820,310,115 18331,93900,99720,83-0,640,08964331,98911,15960,63-0,500,162 19330,87831,39410,59-0,210,85965330,62731,07970,81-0,200,182 20331,69031,07970,77-0,520,18566328,86301,05330,730,330,158 21330,32110,90420,91-0,120,46267329,18171,36430,660,220,674 22330,72361,05020,79-0,230,11568332,08801,36070,69-0,580,684 23329,94911,15960,710,010,62069327,81531,66810,450,400,482 24331,71331,07970,77-0,520,18570332,99861,36170,69-0,830,684 25330,84301,05330,78-0,260,15871329,78771,02250,840,070,952 26332,05131,42870,58-0,470,72972329,55491,51750,510,090,672 27331,15701,07920,77-0,350,75073331,93501,02190,84-0,650,952 28332,15441,24360,66-0,570,60474330,05401,17010,77-0,020,446 29332,17531,23810,67-0,580,78875329,71131,28000,630,070,772 30330,75431,30280,63-0,190,34476332,45211,07380,76-0,750,777 31332,27290,82441,00-0,910,96777332,80361,38460,56-0,620,144 32326,82721,90880,430,320,50678330,74891,00190,79-0,240,128 33328,21531,42850,580,410,09379331,52900,92170,92-0,570,220 34330,86620,98680,84-0,290,96980331,44811,11760,68-0,390,530 35331,25731,41700,58-0,290,64681328,12331,12970,810,610,098 36331,66341,65600,50-0,330,31982332,36320,95230,93-0,880,926 37331,47341,12130,74-0,430,59983331,43291,17520,66-0,380,071 38330,72541,46460,56-0,160,50984331,17290,99670,83-0,390,279 39331,64811,32100,63-0,410,93285332,39121,18230,68-0,650,115 40324,96820,91750,90-0,010,30986331,98201,09220,93-0,740,553 41331,23171,36430,61-0,300,67487333,83580,99661,03-1,580,636 42333,10801,36070,61-0,750,68488325,98820,91750,830,330,309 43333,00001,02190,81-0,970,95289331,09040,99940,79-0,350,155 44332,20731,41700,58-0,510,64690330,73291,17010,77-0,230,446 Desarrollo del trabajo23 Tabla 3-1: (Continuacin). No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05 No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05 45328,46341,83690,450,280,68091330,22201,48450,60-0,050,574 46328,23731,43330,580,410,22592331,30071,17010,77-0,400,446 Fuente: Elaboracin propia a partir de clculos con Minitab. Por otra parte al analizar los datos del ndice de capacidad potencial Cpk (ver Tabla 3-1) se evidenci que el proceso no estaba centrado en el punto medio exacto de los lmites de especificacin, que para la compaa son 325 cm3 el lmite inferior y 335 cm3 el lmite superiorparaunamediaovalorobjetivode330cm3.El73,91%delosdatostenan valoresnegativosdeCpkyelrestante26,1%valoresmenoresa1,33queeselvalor referentequecomnmenteseutilizaenlaindustriaparaindicarsielprocesoest centrado o no respecto a los lmites de especificacin que le ofrece al cliente. Almismotiempo,alanalizarenformaparticularelndicedecapacidadpotencialdel proceso(Cp),elcualmidelarazndelrangodetoleranciadelasespecificacionesala dispersin del proceso (llenado por vlvula, en este caso), se observ que los valores de este indicador respecto al valor de referencia 1.33 es mucho menor para las 92 vlvulas lo que indica una alta variacin en el proceso de llenado en la marca Poker" referencia 330 cm3, que es la marca objeto de estudio en esta pasanta y la de ms alta produccin en la cervecera de Boyac.Figura 3-4: Grfico de cajas y bigotes: comportamiento inicial de las 92 vlvulas. 1 9291908988878685848382818079787776757473727170696867666564636261605958575655545352515049484746454443424140393837363534333231302928272625242322212019181716151413121110 9 8 7 6 5 4 3 2 1336334332330328326324322Nivel de llenado (cm3).Grfico de cajas y bigotes: nivel de llenado vs. nmero de vlvulas. Fuente:Elaboracinpropia,apartirde30datostomadosporcadavlvula.Programa Minitab. As mismos se puede observar en Figura 3-4 que el rango de llenado que presentaron los datosestabaentre323a336cm3superandoloslimitesdeespecificacinparaesta 24Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac marca.Loanteriorratificaqueelprocesoseencontrabafueradecontrolypresentaba una alta dispersin que para la compaa represent en merma o desperdicio un valor de $284.773.55911 entre abril del 2011 y febrero del 2012. 3.2 Mapa extendido S.I.P.O.C. ElmapadeprocesoS.I.P.O.C.permitecomprenderdeformadetalladatodaslas entradas,lassalidasypartesinteresadasqueestninvolucradasenelprocesode llenado,conelfindedetectarquevariablesdelprocesopuedeocasionarvariacin, provocandoproductosdefectuososquenosatisfaganalclienteyasuvezcree desperdicio para la compaa (Keller y Pizdek, 2005). Partiendodelaanterioraclaracinyteniendopresentequeenestapasantaloquese pretendifuemejorarlavariabilidaddellenadodeunprocesoqueesresultadodela transformacin de unas entradas: como materia prima, variables de procesoentre otros. Esta herramienta fue utilizada para identificar de forma grfica (ver Figura 3-5) todos los elementos relevantes que podran afectar el proceso. Figura 3-5: Mapa extendido S.I.P.O.C. de proceso de llenado

11Informe gerencial financiera Macroloss F12. Sabmiller, 2011 Desarrollo del trabajo25 Figura 3-5: Mapa extendido S.I.P.O.C. de proceso de llenado 1 1 Fuente: Elaboracin propia Clientes: Pasterizadora Botellas: Lquido residual < 1,5 cm3 .Cerveza: Temperatura < 2 C. Oxgeno Disuelto < 20 ppb. CO2 entre 2,95 y 3,00 ppb. CO2: Pureza de 99,9998 v/v. Tapas Aire Agua Energa. Presin de vaco: 9,8 a 10,3 psi. Presin del calderin max 40 psi. Velocidad de llenado 6,9 seg. HDE: Presin altura posicin dimetro de la boquilla. Presin de los cilindros elevadores. Filtracin. Depsito. Almacn. Servicios. PROVEEDORES ENTRADAS Producto terminadoPoker 330 cm3 SALIDAS 26Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac 3.3 Anlisis de causas raz Conelfindeidentificartodaslasvariablesqueafectanopuedellegaraafectaral procesoserecurriavariosexpertoseneltema.Sereunieron:unoperariodela envasadora,elInstrumentista,elespecialistaenmantenimientodelamaquina,el coordinadordemantenimiento,elingenierodeprocesoyquienestdesarrollandoesta pasanta para indagar por medio de una lluvia de ideas y un diagrama causa-efecto sobre lasvariablesquepodranafectarelllenadodecerveza.EnelanexoDseregistranlos resultados de este ejercicio. Se concluy que los factores ms relevantes en el proceso de llenado son: Caractersticasdelacerveza:Temperatura,contenidodeCO2yoxigeno disuelto. Presin utilizada en el HDE12,Tubosdeventeo:longitud,degastedelarosca,dimetrointernoysuperficie dispareja. Falta de programacin de mantenimiento de los equipos.Liquido residual en la botella.Variacin en el dimetro interno de la botella.Falta de estandarizacin en velocidad de la llenadora.Falta de estandarizacin en los parmetros de la mquina. Delaanteriorlistadefactoresdetectadosnosetuvieronencuentaenelmomentode generar un plan de mejora los siguientes:caracterstica de la cerveza: se descartatemperatura y contenido de CO2 debido aqueestosdosparmetrossiempreseencontrarondentrodelaespecificacin sugerida para este proceso. Falta de programacin de mantenimiento de los equipos: no se tendr en cuentaesta variable porque existe un plan de mantenimiento.

Liquidoresidualenlabotella:serevisaronlosdatoshistricosyserealizaron pruebas en planta encontrando que siempre cumpla con las especificaciones. Variacin en el dimetro interno de la botella: este factor no se tendr en cuenta yaqueelenvaseutilizadoenlaproduccinesenvaseretornableylacompaa no est dispuesta a dar de baja este envase, ya que implicara una inversin muy grande. Falta de estandarizacin en los parmetros de la mquina: los parmetros estn estandarizados los que falta es que los operadores lo pongan en prctica.

12 Inyector de alta presin (HDE) por sus siglas en Alemn y como se conoce comnmente en la industria productora de cerveza. Desarrollo del trabajo27 Lasvariablesmencionadasanteriormentenotendrnparticipacinenelprocesode mejora porque son muy estables o definitivamente requieren de una inversin grande que el cliente y la compaa no estn dispuestos a asumir, por tal motivo, las variables para las cuales se generara un plan de accin son las siguientes: Caractersticas de la cerveza: contenido de oxigeno disuelto. Presin utilizada en el HDE.Tubosdeventeo:longitud,degastedelarosca,dimetrointernoysuperficie dispareja. quina. Falta de estandarizacin en velocidad de la llenadora. Para las variables elegidas se realiz un seguimiento en planta encontrando queel contenido de oxigeno disuelto en la cerveza variaba de 3 a 30 ppb,la presin utilizada en el HDE variaba de 72 a 110 psi como consecuencia de la variacin en el oxigeno disuelto; los tubos de venteo presentaban desgate y no exista un mtodo para identificar en cul de las de los 92 vlvulas estaba ubicado. Los 3 turnos operaban la mquina de forma diferente y la velocidad de la mquina variaba de 36 a 38 Herz. Los anteriores factores no permitan que el proceso estuviera bajo control lo que ocasionaba variabilidad en el mismo. 3.4 Desarrollo e implementacin del plan de mejoramiento Para la elaboracin del plan de mejoramiento del proceso de llenado, se llev a cabo una reunin con el grupo de trabajo, presentando los resultados del seguimiento de cada uno de los factores seleccionado en la etapa anterior. Posterior a esta reunin se plante un cronograma de trabajo (ver Tabla 3-2)donde se plasmaron diferentes actividades: Contenido de oxigeno en la cerveza: Elreadeproduccinrealizunaactividaddeseguimientoalasdiferentesetapasde elaboracindecervezaparadetectarculeseranloscausantesdelaincorporacinde oxigenodisueltolograndopasardeunavalormximodecontenidodeoxigenodisuelto de 30 ppb a un valor mximo de 10 ppb. (Ver Anexo E). Estandarizacin y control de presin en el HDE: Conlamejoraanteriormenteexpuesta,selogrdisminuirlavariacindepresinenel HDEdeunvalormximode110psiaunvalormximode87psi.Porotraparte,se instalunsistemaautomticodecontrolparaelmanejodellapresindelmismo.(Ver Anexo F). Tubo de venteo:Paraeliminarlacausarazdelproblemadelostubosdeventeoylasvlvulasse estandariz:alturaconodevlvula;alturaboquillaroscada(tuboventeoroscado, diferentelongitudalroscar);cambiodeempaquetaduravlvulasdevaciyalivio. Inspeccindecuerpodevlvulaconlupa(detectarrugosidad).Asentamientodecuerpo vlvula de llenado, pulido de rugosidad. Diseo de matriz para realizar trabajo de pulido (ver Anexo F). Diseo de un carro portador de tubos de venteo identificado con el nmero 28Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac decadaunodelosmismos,facilitandolatrazabilidadenelmomentodedesmontary hacer mantenimiento. (Ver Anexo F). Manejo y conocimiento de la mquina: Sedictocapacitacinalpersonaleinstalaronpokayokesconelfindeevitarerrores humanos en el momento de manipular la mquina. Tabla 3-2: Cronograma de Actividades. 1 Causa RazActividadResponsableFecha InicialFecha Final Variacin en el contenido de oxgeno disuelto. De 3 a 30 ppb. Realizar reunin con el cervecero de elaboracin para tratar el tema de la variacin del oxgeno disuelto en la cerveza y mostrar cmo esta variacin afecta el proceso de llenado. Yasmin Cala 09/08/2012 09/08/2012 Falta de estandarizacin en los parmetros de presin utilizada en el HDE. Estandarizar e instalar un sistema de control de presin en el HDE. Juan Bernardo Alzate 15/08/2012 17/09/2012 Tubos de venteo: longitud, desgaste de la rosca, dimetro interno y superficie dispareja. Montaje de tubos de venteo con dimensiones uniformes, longitud y dimetro interno (restriccin de flujo). Revisin de vlvulas de llenado y estandarizacin de montaje de las mismas. Diseo de un sistema que permita hacer trazabilidad a los tubos de venteo en el momento de desmonte de la mquina y el mantenimiento. Carlos Siabato, Francisco Castro, Yasmin Cala. 17/08/2012 25/09/2012 Manejo y conocimiento de la mquina. Capacitacin a los operadores en manejo de la mquina. Mauricio Higuera, Jorge Perilla. 02/08/2012 31/08/2012 Falta de control en la velocidad de la llenadora. Instalar un sistema de control automtico de velocidad. Javier Velandia 10/10/2012 09/11/2012 Fuente: Elaboracin propia. Falta de control en la velocidad de la mquina:Se instal un control automtico que permite monitorear las 24 horas del da la velocidad de la mquina garantizando un llenado constante. (Ver Anexo F). Serealizseguimientoacadaunadelasactividadespropuestaenelcronograma confirmandoelcumplimientoyestandarizacindelasmismas. 4. Evaluacin de la efectividad del plan de mejoramiento En esta ltima etapa se evalu la viabilidad y efectividad de la implementacin del plan. Para ello se tomaron muestra de todas las vlvulas y se analiz su comportamiento. (Ver Figura 4-1 y Tabla 4-1). Figura 4-1: Grfico de cajas y bigotes de las 92 vlvulas despus de la implementacin de la mejora. 1 9291908988878685848382818079787776757473727170696867666564636261605958575655545352515049484746454443424140393837363534333231302928272625242322212019181716151413121110 9 8 7 6 5 4 3 2 1333332331330329328Nivel de llenado (cm3)Grfica de caja y bigotes: nivel de llevado vs. nmero de vlvula.Fuente: elaboracin propia. Programa Minitab. AlrealizarunacomparacinentrelaFigura3-4yla4-1sepuedeobservarcomoel proceso present una mejora en la variacin de 330 +- 7 cm3 (ver Figura 3-4) a 330 +- 2 cm3 (ver Figura 4-1).Porotraparte,alcompararlosdatosinicialesdeelndicedecapacidadpotencialCpk (Tabla3-1)conlosdatosdelaTabla4-1,sepuedeevidenciarquedespusdela implantacindelamejorael94.56%delasvlvulaspresentanvaloresigualeso superioresa1.33loqueindicaquede92vlvulas84estcentradasrespectoalos 30Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac limitesdeespecificacin,adiferenciadeliniciodeestapasantaqueel100%nose encontraba centrada.Tabla4-1:Anlisisdedistribucinycapacidadesdelas92vlvulasdespusdela mejora. No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05 No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05 1330,00460,77392,282,280,15447330,16810,51343,143,030,197 2330,10640,85101,831,790,51748330,12080,86552,001,950,476 3330,28020,48052,922,760,47849330,06920,87072,082,050,505 4330,21540,89941,871,790,11350330,04830,68532,052,030,17 5330,18100,58282,252,170,52451330,50310,62942,262,040,073 6330,42590,81261,801,650,06252330,27911,03251,701,610,474 7330,41200,92331,831,680,16753330,03560,74071,701,690,074 8330,12120,82451,671,630,52554330,40410,89301,801,650,193 9330,48900,68792,292,070,87255330,47980,63852,201,990,116 10330,24100,72992,061,960,49856330,24711,06611,371,300,244 11330,32100,34194,444,160,36557330,10630,74311,921,880,509 12330,75740,52362,962,510,28658330,47170,81352,222,010,39 13330,25860,80262,402,270,30259330,14220,96181,511,460,577 14330,20430,49332,982,850,62560330,24120,72962,292,180,077 15330,08230,34194,444,370,36561330,53770,66912,121,891,131 16330,30530,41244,053,810,28962330,15100,74041,971,910,659 17330,19590,48612,982,870,18563330,15650,88511,681,620,119 18330,03190,50922,852,830,22164329,94551,06661,401,380,081 19330,05790,54593,103,060,10465329,96990,85491,711,700,391 20330,29470,75671,941,830,25366330,00960,96261,571,570,067 21330,02590,55082,532,520,48467330,35440,99811,501,390,081 22330,15720,48052,922,830,47868330,25590,71682,152,040,079 23330,47590,93561,911,730,15769330,09410,85101,831,800,517 24329,82930,77321,811,750,27470330,37780,83501,581,460,421 25329,95901,05361,441,430,10171330,29180,72711,881,770,087 26329,88461,03251,701,660,47472330,07860,77612,062,020,118 27330,20370,73992,051,970,68673330,19430,72451,911,830,176 28330,40730,84141,731,590,0874330,04240,90581,781,760,219 29330,57690,90581,781,570,21975330,03950,82942,202,180,452 30329,99560,33954,404,400,47776330,10870,62152,382,330,111 31330,06420,70012,262,230,8777330,03360,51343,143,120,197 32330,32051,12301,331,250,06478330,13030,91991,631,580,145 Evaluacin de la efectividad del plan de mejora31 Tabla 4-1: (Continuacin). No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05 No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05 33330,22920,62362,332,230,10979330,01570,72092,292,280,428 34330,03700,76411,891,870,20780330,32420,73811,921,790,363 35330,01380,71311,881,880,22681330,10681,12971,621,580,098 36330,20491,02791,371,310,08882330,19650,93221,691,630,752 37330,00660,72962,292,290,07783330,07300,89941,871,840,113 38330,05950,83561,471,460,09284330,20500,96671,661,600,266 39330,43190,97831,551,420,25685330,16600,84141,731,680,08 40330,69820,82651,521,310,57786330,33580,86641,901,770,44 41330,25530,41244,053,852,8987330,09580,86041,901,870,839 42330,18991,05451,371,320,37888330,03300,88511,681,670,119 43330,11290,82041,631,600,46589330,16160,99941,581,530,155 44330,17600,66401,931,860,51790330,22370,96071,891,800,106 45330,01770,48482,962,950,16991330,26501,08901,621,540,487 46330,07380,92621,711,680,10992330,28750,98621,401,320,408 Fuente: elaboracin propia. Programa Minitab. Al mismo tiempo, al analizar el ndice de capacidad del proceso Cp, la dispersin de las 92 vlvulas disminuye, al mostrar un aumento en elvalor de este indicador pasando de valoresinicialesmenoresa1.33amayoresaestevalordereferencia,loqueindica disminucin en la variabilidad del proceso que era el objetivo general de esta pasanta. 5. Conclusiones y recomendaciones 5.1 Conclusiones A continuacin se presentan las conclusiones relacionadas con los objetivos especficos, locualpermitilograrelpropsitogeneraldeltrabajodegradoquefueDesarrollarun diagnsticodelasituacinquepermitamejorarelprocesodellenado,disminuirla variabilidad del mismo y evaluar su efectividad. 5.1.1 Analizarel estado actualdel proceso de llenado. Encuantoesteprimerobjetivoseencontrqueel66,30%delas92vlvulaspresent una media del proceso por encima del valor objetivo de llenado 330 centmetros cbicos (cm3)loqueevidenciunsobre-llenadocausadoporestasvlvulas,el15,22%delas vlvulasmostrunamediadeprocesopordebajodelamediaobjetivo,loquesignifica queestasvlvulasenpromediotienenundeficientellenadoyel18,48%mostrun proceso con una media igual o similar al valor objetivo. Deacuerdoconlosanterioresresultados,sehacehincapienelplanteamientode Montgomery(2007)entodoslosprocesosexisteciertavariabilidad,deah,quedos productosnuncaseaniguales.Silavariacinespequeaquizsnotengarepercusin sobre el consumidor pero si la variacin es grande el cliente lo puede percibir (p, 7). En el proceso de llenado se detecto un rango de llenado de 323 cm3 a 336 cm3 (ver Figura 3-4)locualratificalanecesidaddeimplementarestrategiasclavesparamejorarel desempeo y optimizar el proceso. Con base en lo anterior datos, se detect que esta dispersin en el llenado, forma parte delosfactoresqueocasionandesperdicioomermaenelsalndeenvasequeparael 34 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac periodo comprendido entre abril de 2011 y marzo de 2012 fue de $284.773.55913 creando inconformidad al interior de la organizacin. Por otra parte al analizar los datos del ndice de capacidad potencial Cpk(Tabla 3-1) se evidenci que el proceso no estaba centrado en el punto medio exacto de los lmites de especificacin,queparalacompaason325cm3ellmiteinferiory335cm3ellmite superior para una media o valor objetivo de 330 centmetros cbicos (cm3). El 73, 91% de losdatostenanvaloresnegativosdeCpkyelrestante26,1%valoresmenoresa1,33 (ver Tabla 3-1) que es el valor referente que comnmente se utiliza enla industria para indicarsielprocesoestcentradoonorespectoaloslmitesdeespecificacinquele ofrece al cliente (Gonzlez, 2002) Almismotiempo,alanalizarenformaparticularelndicedecapacidadpotencialdel proceso(Cp),seobservquelosvaloresdeesteindicadorrespectoalvalorde referencia 1.33 es mucho menor para las 92 vlvulas (Tabla 3-1), lo que para Gonzlez (2002) indica una alta variacin en el proceso de llenado en la marcaPoker referencia 330cm3,quefuelamarcaobjetodeestudioenestapasanta.Encontrandoquese apartaradicalmentedeunprocesoconcapacidadparaoperardentrodeciertas especificaciones (Guevara y Vargas, 2006). 5.1.2 Determinar el marco conceptual que permita proponer una solucin. Se inici con una clasificacin de las diferentes filosofas de mejoramiento, encontrando quetodaslasfilosofasensucontenidoesencialaplicanelconceptodemejoramiento continuoorientadoaoptimizarsusprocesos(Ishikawa,1996;Montgomery,2007).Se encontraron varios punto en comn, ejemplo: el entrenamiento y capacitacin para todo elpersonal,cambiodecultura,compromisodelaaltadireccin,unlenguajecomn, comunicacin entre los diferentes niveles de la organizacin y participacin del personal enlasmejorasdelproceso,buscandolacalidad,elementoqueconstituyelamayor satisfaccin del cliente.

13Informe gerencial financiera Macroloss F12. Sabmiller, 2011 5. Conclusiones35 Posteriormenteseorganizaronlasmetodologasmsutilizadasenlaindustria manufacturera y de servicios, encontrando que cada una de ellas son afines, a pesar de quevarenenelnmerodeetapasopasosaseguiralmomentodeaplicarlas.Sise analizacondetalle,todasellassebasanenelcicloPHVAdesarrolladoporW.AShewhartypopularizadoporW.EdwardsDemingelsiglopasado(PyzdekyBerger, 1996). Partiendodelaanteriorafirmacinyteniendoencuentaquetodasestasmetodologas lleganalmismopuntoqueeslamejoracontinuadelosprocesos,PyzdekyBerger(1996) enfatizan que al momento de aplicar cualquiera de ellas, se debe tener claro que loquesebuscaesdarsolucinalosproblemas,partiendodeladefinicindelos mismos, capturando los datos con el fin de comprender la situacin actual en la cual se encuentra el proceso, buscando la relacin entre los datos y las causas que generan la desviacinoinconformidad,paraluegoponerenmarchalosplanesdemejoraypor ltimoestandarizaryhacerseguimientoevitandoquevuelvaaocurrir(kumer,1997; Ishikawa, 1996). Finalmenteseescogieronlasherramientasautilizarbasadaencaractersticas especficos que se plantearon en el marco inicial permitiendo seleccionar de forma clara las herramientas que ms se ajustaban a la realidad del problema y que sirvieron como ayuda en la obtencin y procesamiento de la informacin dando solucin al problema. LaanteriorafirmacinsebasaenquedeacuerdoconJuranyGryna(1993),Ishikawa (1996),el95%delosproblemasdelasempresaspuedeserresueltosesgrimiendolas herramientas de calidad. 5.1.3 Desarrollar un plan de mejoramiento de los factores detectados en el diagnstico. Con el fin de dar cumplimiento a este objetivo y eliminar las causas raz, se inicio con la aplicacin de la herramienta causa-efecto que permiti identificar y clasificar los factores causantes de la variabilidad (ver anexo D), se encontr que la falta de estandarizacin en condiciones de la mquina, operadores y materiales, estaba generando un proceso fuera de control y con alta variacin. 36 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac LaanteriorafirmacinseplanteayaquedeacuerdoconIshikawa(1996),la estandarizacin de procesos consiste en realizar las actividades de forma sencilla, de tal manera que toda la organizacin las pueda repetir sistemticamente. Para que lo anterior se cumpla se hace necesario documentar, capacitar al personal y evaluar su desempeo, con el fin de mantener la mejora contina. Conbaseenloanterior,sepropusouncronogramadeactividadesconformadoporla estandarizacindelosdiferentesfactoresqueafectabanelprocesotalescomo:altura, conodevlvula,alturaboquillaroscada(tuboventeoroscado,diferentelongitudal roscar),cambiodeempaquetaduravlvulasdevacoyalivio,inspeccindecuerpode vlvulaconlupaparadeteccinderugosidad),asentamientodecuerpovlvulade llenado, pulido de rugosidad. Por otra parte, se diseo una matriz para realizar trabajo de pulido, un carro portador de tubos de venteo identificado con el nmero de cada uno de losmismos,facilitandolatrazabilidadenelmomentodedesmontaryhacer mantenimiento,controlautomticodelavelocidaddelamaquina,yporultimo capacitacin y evaluando al personal de todas las actividades desarrolladas con el fin de garantizar la mejora en el tiempo. 5.1.4 Evaluar la efectividad del plan.Al realizar una comparacin entre los datos iniciales y los datos tomados despus de la implementacindelplandemejora,sepudoobservarcmoelprocesopresentuna mejoraenlavariacinde330+-7cm3a330+-2cm3(verFigura4-1).Losresultados anteriormenteexpuestosratificanquelaaplicacindeherramientasdesolucinde problema son una estrategia de mejoramiento de los procesos industriales y de servicios que contribuyen de manera notable en la optimizacin de los mismos (Ishikawa, 1996) Porotraparte,alcompararlosdatosinicialesdeelndicedecapacidadpotencialCpk conlosdatosdecapacidadpotencialdespusdelamejora,sepuedeevidenciarque despusdelaimplantacinel94.56%delasvlvulaspresentanvaloresigualeso superioresa1.33(ver4-1)loqueindicaquedelas92vlvulas84estcentradas respectoaloslimitesdeespecificacin,adiferenciadeliniciodeestapasantaqueel 100% no se encontraba centrada.5. Conclusiones37 Por ltimo, al analizar el ndice de capacidad del proceso Cp, se pudo evidenciar que la dispersin de las 92 vlvulas disminuy al mostrar aumento en el valor de este indicador (Cp)pasandodevaloresinicialesmenoresa1.33amayoresaestevalordereferencia (Tabla 4-1), lo que indica que la aplicacin de las diferentes herramientas seleccionadas (Tabla1-3)contribuyoalaoptimizacindelproceso,disminuyendolavariabilidadde llenado (Montgomery, 2007). 5.2 Recomendaciones Se hace necesario determinar los ahorros econmicos que represent la disminucin de la variabilidad de llenado lograda en la presente pasanta. Tambin resulta de gran relevanciaaplicar este estudio a otros procesos manufactureros y de servicios con el fin de mejorar el desempeo de los mismos. A.Anexo: Prueba z y Prueba tA continuacin se muestran los clculos correspondientes: Prueba Z de 1 muestra Probando la media = nula (no vs. = nula) Calculando la potencia para la media = nulo + diferencia Alfa = 0,05Desviacin estndar asumida = 1,68 Tamao DiferenciamuestraPotencia 130 0,903249 Figura A-1: Prueba Z de una muestra. 1 1,0 0,5 0,0 -0,5 -1,01,00,80,60,40,20,0DiferenciaPotenciaAlfa 0,05Desv.Est. 1,68Alternativa No =Supuestos30la muestraTamao deCurva de la potencia para Prueba Z de 1 muestra Prueba t de muestra 1 Probando la media = nula (no vs. = nula) Calculando la potencia para la media = nulo + diferencia Alfa = 0,05Desviacin estndar asumida = 1,68 Tamao DiferenciamuestraPotencia 1 30 0,883092 40 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac ANEXO A. (Continuacin) Figura A-2: Prueba t de una muestra. 1 1,0 0,5 0,0 -0,5 -1,01,00,80,60,40,20,0DiferenciaPotenciaAlfa 0,05Desv.Est. 1,68Alternativa No =Supuestos30la muestraTamao deCurva de la potencia para Prueba t de 1 muestra 41

B.Anexo:Tabladedatoshistricos de abril del 2011 a febrero de 2012Tabla B-1: Datos histricos de llenado. AbrilMayoJunioJulioAgostoSeptiembreOctubreNoviembreDiciembreEneroFebrero 330333329333331332333332330333330 332333331331334332332331330332332 331332331332332332333334332332333 333332331332332332333333331332333 333331331332332331332332333332331 332332331333332332331332334331330 332331332331332332332332332333332 331333332333332331331331333332332 332332332335332330332331332333332 333332332331332331332331332331331 334333331331330331332333333332332 336330332332332332332334331333332 332331332332332332332332332331332 333332331333333331332332332332332 333332332332332333332331332332330 332332332331332331332331332333332 331331332333330333332330331332333 333331329331332332332331331331333 332331331332334332332332333331331 333331333332332332332332333331332 332331332332332332331332332332330 333330330332332333333332332331332 331331333332333331331331333333333 331333331332332333333333331331332 332332332332332332332332332332332 332332333333331332332333334332331 332332331330332332334333332330330 42 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 333333329332331333331333331332332 333330332333331332332332331332333 331332332332331332332332332330333 333332332332331333332332332331333 332332332332333333331332331333332 331331332331332333332330333333331 331329332332331332333331331331331 331332333331332333332332331331333 332334332330332333331333331332332 331332334332331333329332332334330 329332331333328332334332332332332 332331332332332332331333332331333 333334332333332331331333332331332 333330331333332332333333331331333 332332333332331332332332332331333 331332334331333331329333335331333 333331332332332331333332331331333 332332331333330331333332332331327 333333331332332334335328331334332 333332330333329333331333331329333 331332332333331332332332331331330 334332333332331333332332330333332 332332333333332332333330332332332 332333332332330332333331332332331 333332332332333331332332331331333 334330334332332331332332332332332 333332332332332332331331330334334 333331331330332331333334332332332 332331333331332332331333331332332 332331333331335333332333330333331 331333332332331332332332332333330 331330332331333332333333331333331 333329335331331332330333333332332 334329331332332331333333331332332 331332333332330332333332332332332 333331331331332332332331332333333 331333331332333331333332330330333 B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de 201243

Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 333329335331331332330333333332332 334329331332332331333333331332332 331332333332330332333332332332332 333331331331332332332331332333333 331333331332333331333332330330333 330333332331333332333332333330331 331332331332332331330333333331333 330332332331331333332332333331333 329331331333332333334331331333332 332332332332331333333332333332332 331334330331332331334330334331331 329334331333332331332332332332332 334331333331332332333331332332334 333331329332331330333332333329335 332331333334332330333331332332332 332331332331330333333333332332332 333332332332330333332331331333331 330330332332331332333333329331332 335329332334331332333331332332334 333332333331332331331332333332332 334333332334333330333331331332332 332331333332332332331330334331331 331332332331330334331332333333330 331333332333332333329331333332332 331330331333334333330327334332334 333334331333330332333332332332329 332330333332332334329333333328331 332333332333332331333332333332331 332330333332330333332332333333332 330332332332332331332333332332330 331332332331331332333332332332333 332331331333331330334330334332332 332332332332331333333332332332332 331330334334332331333331331330332 334332332332332332332331333331332 333331332332333331332331333331335 333330333331333332331333332332331 332332333330331333331330332331333 44 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 333331333331330332333329335331331 333333332332329334334329331332332 333331332332333332331332333332330 332332332332332333333331331331332 331332333333332331331333331332333 332330330333332331330333332331333 332333330331333333331332331332332 333333331333332334330332332331331 332333331333329331329331331333332 331331333332333332332332332332331 332333332332332331331334330331332 330334331331331334329334331333332 332332332332331332334331333331332 331332332334330332333331329332331 332333329335331332332331333334332 331332332332332333332331332331330 333332332332332331333332332332330 331331333331334332330330332332331 333329331332333330335329332334331 331332332334332328333332333331332 332333332332331332334333332334333 331331332332332333332331333332332 330334331331332333331332332331330 332333333330331332331333332333332 331333332332331329331330331333334 327334332334332331333334331333330 332332332329330334332330333332332 333333328331331332332333332333332 330330335325332328332328331335332 332333331332332332334331331332332 332332330333333332330332332332331 331333331332331332332331333332331 333333331333329333331330334332331 329334332333333330332332331331333 333334330332330332329333334330334 333332332331333332332335328332333 332332332332333332331333332332332 332333331332333331332332331333333 B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de 201245

Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 332331332331333331334331334330331 333332332330333334332334330330331 332334332333332330334331332335329 333333331331333331332332332331333 333332331332332332332332331332332 331331332332332331333331333331331 333333330329332331333332333331333 330335332333332332332333331328330 332332331333332332332331331330332 331332333331331332331332331330334 331333332333331333331332332331332 332331332331333334329332332333331 332331332332332332332333333330332 331331332332333334330332330331332 332334331330333332330332331334334 332333333331332332334331333332331 331333333332332333331332333331331 333332332332332331332331335332331 333331332332332334331331332332332 332330333333332330333332333331331 332330333331332331331334330334332 330330335332333331331333333330331 333329333333332331331333332329332 332333331330333332331332332331331 332332329333333332332332332332333 329329337333332332329333330335329 331334332330332334334332329330333 331332332333330333333331334330333 331330333331331334330333332332332 332332331333331331332333332332331 330332333331331332332332330333333 333331330331332330337330330332332 332331332332332332331332331332332 331332331334333332332330333332331 330334330334330330331333332331331 335330332331332333332328336332331 333331331331332333329334331334332 332332334332332330332330332332332 46 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 332331333331332332333332331332332 332332331333331332332332330333330 333330333332332330332332332331332 332331331334332331331333331334333 332332331332331332334333333333332 331333332330331331333332332332331 332332331334332332331332330335332 329335331334334330332329334333329 332332332332330333331331332332332 332332333332333331331332332332330 333332332332332330329333333333331 331332331332331331332332332332332 333331331333332332330333331332331 330334332332331330330335332333331 333330331336331333329333333332331 332329332333333332333331330333332 332331331333332332332329333333332 332332333334329329329337333332332 330335329332332331334332330332334 329330333332331331332332333330333 332332331332330331334332332333333 333331331332332335334333330332331 334331333331332335331330330331333 331331331331332333331332332332331 332329331333332331332331332332331 332332332332332331331332332332329 335333330333334330334332331331332 334329333333332331330333333329334 333333331331332334330333331332333 332331331332331332331333330330334 330332332331331332331334332332331 332332333331332332333332331332332 331331333331332332332332331332333 331331331333333332333330331333332 332334330334333331332330331329333 334333331332333333330331332332331 330332332332332331332332331331333 332332332332331333332332332331333 B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de 201247

Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 330333334329332331332333334330332 332333334331332330333332332333332 333328332334330332330333334331332 333333333331332331331329332336330 332332332333331332332330333330332 332332332330332334331330332334331 331333332333332332330332332332332 332332333330334330332332332332330 333332333330333333332331332331331 332332332333332333331331332333333 331332331331334332332332332332331 332332333331332332330331331335330 332332330332332333330328330331333 333330330334331335332332332332331 335334330334330332332332335335331 332333330333333334333334334329332 332332331332330334333332333333330 330333330332332332332332332334331 333332332333332331332333328332334 330333334331332333331333330332330 331329332336330334331332330333332 333332331332333331333330333333331 333330332328333329331334332333333 328334332335335333330333333332332 328331331332335332332330329332334 332330333333333333332330332331333 333333331331330332332331333332327 333333331331332331331332331331331 334333331332332332331332331333333 329332334330334331333332332332333 329331332335333332334330331329332 332333331332333335334332333330333 334333332332328332332331334332332 332331333334331334329332333333331 332332332332334332330332332330333 332333332331333332330332333332332 331331331332334332331334332330331 331331332332332334332330332332332 48 Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 332332333332331333333331332332332 333331331331332333332333333332332 332331331332328331332332331331331 333333332332332330330332330332333 333330333332331333332331332332331 334333330331332333333332331332332 330332332332332332332332335329329 332331333332332334334333331332333 331333332333333329333333331331331 333331333332334332330333332330331 334332332332331331332331333332332 330332333332330334331333330333333 334331329333332331330332332329334 333332332332335332331332330332332 332332330333333331331332332332333 331332331333331333332332332333331 331330337331332336332330331330332 332331330330333330334331332331334 333332331333333333331329329334333 331332332332332334332334330333331 331332331332333333332331333330334 332333331335334331330332332332332 330334331329334333331332332332330 331330332331332332332332332332332 333329333333331333332332331332330 330332331332333331330330332331330 332331333331334331332333333331332 332331331333331332331332332332332 332332330333329333333332332335330 330334334330332332333331332330330 330329331334333330331333332333331 332332332332332331332332331332332 332332332332332331332332333331332 333331332332330329336332332332332 332333332330331333329332332335334 332332332333328329334331332331332 330329334331331332333333337329328 331331332331334329330335333331331 B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de 201249

Tabla B-1: (Continuacin). AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero 332333331334330330331332331333333 331333329333333334334330330334332 332333332330332333335330333332331 329330333331331332332333332331331 336331335329332331334331331332333 330333334331332333331332331330332 333331331334333332332332332332330 332332333333333331331331330334334 331331330329333329335331332332330 334333333331332331332332332333331 331333332332332332332333330333331 332333333332335332327333335337333 329331331332333332331332330332332 336330331333335334330330331334333 331333330333333332333333332330333 333333334330331334332332333332332 330331332333336330328330335331330 333331331330333333334333331331334 333331329333333332331332332331331 332331333332333331331333332332334 332333330331329334334333332333331 332336335330331328329335332333330 331334331330331334332331331332332 332331332333333331332331332332331 334333332334332335332330335331330 331331331333332331331330332332332 330334334333331333332333331330333 337333331332331333332332333332331 331332332331330330336333335333329 335335331331331332330333332330330 333333335332332329331334332330336 332331330332327331332340334332331 331334334330330331332330333333332 333332331332331330332332333332332 33233233