Por Felipe Sánchez Banda
Saltillo, Coahuila. (Agencia Informativa Conacyt).- En el sector industrial suena complicada la posibilidad de reducir los tiempos de fabricación de piezas hasta en 50 por ciento. ¿Qué pasaría si las piezas que representan 33 por ciento de las ganancias de una empresa se fabricaran en la mitad del tiempo acostumbrado, y un proceso que requiere tres semanas disminuyera a solo poco más de ocho días?
Esto ocurrió en una mediana empresa metal-mecánica del sureste de Coahuila, en donde gracias a la aplicación de la ciencia directamente en los procesos de producción y calidad, lograron importantes ahorros de tiempo y, en consecuencia, de gastos, durante la fabricación de los pernos de seguridad para cargadoras.
En entrevista para la Agencia Informativa Conacyt, la ingeniera Angelina Sifuentes Barba, estudiante de maestría en ingeniería industrial del Instituto Tecnológico de Saltillo (ITS) —perteneciente al Tecnológico Nacional de México (Tecnm)—, detalla la problemática inicial en una empresa saltillense, la aplicación de la ciencia e ingeniería directamente en la producción y los resultados obtenidos después de un importante trabajo de análisis, experimentación y ejecución industrial.
Agencia Informativa Conacyt (AIC): ¿Por qué es importante reducir tiempos en la ingeniería?
Angelina Sifuentes Barba (ASB): Las ganancias o la productividad se basan radicalmente en hacer más piezas en menos tiempo, me refiero a que entre más piezas realicemos, la empresa está ganando más, porque está obteniendo mayor producción y si obtiene mayor producción, obtiene mayores ventas.
AIC: ¿A partir de qué problemática surge la idea de desarrollar este proyecto?
ASB: Todo partió con el pronóstico por parte de un cliente, empezó a proyectarse altos releases en una pieza que representa 33 por ciento de nuestras ganancias. El detalle era que no podíamos sufragar esas cantidades de piezas con los tiempos que en ese periodo teníamos. Prácticamente necesitábamos realizar tres mil piezas cada tres semanas, y el tiempo de procesamiento involucraba alrededor de 18 días y medio, casi las tres semanas. Ese fue el meollo del 
proyecto, cómo hacerle para obtener tres mil piezas, mínimo, cada tres semanas.
AIC: ¿Cómo inició el proyecto para resolver este problema?
ASB: Inicialmente identificamos cuántos procesos y operaciones se requerían para poder procesar las piezas, de ahí continuamos con cuántas máquinas contábamos para fabricar las piezas. Posteriormente, cuántos operadores se necesitaban para poder operar las máquinas y, sobre todo, se identificó una cantidad excesiva de inventarios que eran necesarios para poder pasar de una operación a otra, porque la distribución de la maquinaria no era la adecuada, inclusive el recorrido de material de una máquina a otra era de hasta 30 metros de distancia y, para ello, necesitábamos realizar un batch (lote) mínimo de 250 piezas para mantener mayor control durante el proceso, empleando un sistema tipo Push (sistema de flujo del tipo empujar) para continuar con el procesamiento.
En fin, teníamos alrededor de 11 inventarios para poder realizar cinco operaciones y con ello manufacturar las tres mil piezas.
AIC: ¿Cómo resolvieron estos detalles que identificaron para la fabricación de las piezas?
ASB: Optamos por dos caminos, el primero fue realizar una simulación de eventos discretos utilizando un software que se alimenta de los tiempos de procesamiento sensibilizados, me refiero, por ejemplo, en cuánto tiempo tarda el operador en cargar la pieza a la máquina, cuánto tiempo requiere la máquina en procesarla y cuánto tiempo requiere el operador para descargar la pieza para cada una de las operaciones.
Para establecer los tiempos se utilizó estadística descriptiva, con la cual se obtuvieron muchísimos tipos de probabilidades, manejábamos desde normales, exponenciales, Weibull, etcétera. En ese entonces, poseíamos un proceso no muy estandarizado, simplemente por el hecho de implicar muchas probabilidades, pero aun así alimentamos el software con esta información.
Ya teniendo la primera respuesta de la simulación, el otro camino de solución fue la optimización, prácticamente se requiere de la identificación de las tareas (operaciones), las máquinas asignadas para realizar cada operación y establecer la cantidad de trabajos (batches para completar una orden de trabajo) para el procesamiento de las tres mil piezas, estas características nos permiten encontrar una buena secuenciación de operaciones y asignación de recursos.
Con base en esto, se pudo hacer una matriz de tiempos de procesamiento, en donde se muestra la facilidad de realizar una operación por medio de una o varias máquinas (no precisamente en una). A partir de la asignación de máquinas, se puede obtener un flujo de trabajo y con ello una secuenciación adecuada de operaciones.
Pudimos observar que los resultados obtenidos en la optimización (se utilizaron los software de Xpress-IVE y DOcplexcloud de IBM) coincidían con los resultados logrados en la simulación, es importante mencionar los datos sensibilizados por parte de la simulación, debido a que puede apreciarse la fatiga del operador y la falta de repetibilidad de los tiempos de ciclos en las máquinas; en cambio los tiempos empleados en la optimización son declarados como constantes, también se definieron los parámetros, las variables de decisión, las restricciones y la función objetivo, esta última se declara el makespan, es decir, el tiempo máximo de realización para la terminación de todos los trabajos dentro del periodo de tiempo.
Teniendo una función objetivo en común, tanto en la simulación y la optimización, comenzamos a calcular los tiempos de terminación para el procesamiento de las tres mil piezas y, con base en ello, comenzar a minimizarlos, realmente fue muy difícil ingeniarnos cómo reducir los 18 días y medio, fue todo un reto.
AIC: ¿Cuáles fueron los primeros resultados obtenidos y cuál fue la evolución de estos resultados?
ASB: Primero comenzamos con simular el proceso actual de ese momento, se establecieron diversos escenarios en 2016, los cuales radicaban en revisar cómo estaban los tiempos, cómo operaban las personas las máquinas, puesto que el proceso no estaba estandarizado. Con base en ello, también el equipo de ingeniería participó en la estandarización y realización de métodos de trabajo, en donde al menos minimizamos las variaciones de tiempo. Eso apoyó muchísimo el proceso de optimización y simulación para los escenarios de 2017 y 2018, respectivamente.
En 2016, logramos identificar que había una operación ‘cuello de botella’ que nos sorprendió mucho. Todos piensan que la operación cuello de botella es aquel proceso que regularmente se tarda más de lo común o aquella que tiene demasiados trabajos, y en esta ocasión no fue así, nuestro cuello era una operación rápida que requería de apoyo para poder nivelar el flujo de las operaciones. La interpretación de los resultados de ambos solvers ¡coincidió!, y esto nos dio la pauta para pensar en el rediseño del layout (diseño, plan o distribución de los equipos) de la planta y no solamente resignarnos con el problema.
Logramos reducir el tiempo hasta 50 por ciento gracias a la participación del equipo multidisciplinario de ingeniería, mantenimiento y producción, se hizo una propuesta de un nuevo layout en donde se consideró un proceso sin tanta generación de inventarios o batches (lotes) de 250 piezas, intentando prescindir de ellos.
Actualmente la pieza se traslada de manera manual, ya no tenemos que utilizar tantos carros (inventarios), implícitamente un inventario es un desperdicio considerable y con ello el tiempo de fabricación disminuiría el tiempo de entrega de las piezas. Y de los once inventarios iniciales se redujo a únicamente cinco. En 2016, surgió la problemática, en 2017 se da la propuesta y en 2018 es aterrizada en piso.
AIC: ¿Qué resultados finales obtuvieron?
ASB: El tiempo máximo de realización, el makespan, se pudo reducir de 134 horas a solamente 5.9 horas, y para poder fabricar las tres mil piezas con un tiempo inicial de 18 días y medio, se redujo a 9.8 días, casi 50 por ciento de reducción en el tiempo de fabricación. Por lo tanto, pudimos disminuir 47 por ciento del tiempo de entrega. También un rediseño del layout implica una reducción del área asignada. Se utilizaban 216 m2 y se redujo a 104 m2, esto representa una disminución de 51.85 por ciento, al reducir el espacio los recorridos son menores y se mejoran los tiempos; en consecuencia, la productividad incrementó en 69.8 por ciento y con ello se logró un beneficio adicional de 0.8 por ciento a las ventas declaradas en la empresa.
AIC: ¿Cuál fue la importancia del trabajo interdisciplinario en este proyecto?
ASB: Algo que es muy común en las empresas es que los ingenieros regularmente optamos buscar mejores precios de la materia prima o generar cambios ornamentales con mejoras como realización de mayor producción con menos herramientas o implementar dispositivos que ayuden a disminuir los tiempos de ciclos, entre otras.
Para la reducción de costos productivos no pensamos en utilizar metodologías tales como la optimización y la simulación de eventos discretos como estrategias, entonces a mí me llamó considerablemente la atención cómo se puede hacer un switch con las ciencias de las matemáticas e ingeniería, no únicamente tener un pensamiento de manufactura esbelta con mejoras superficiales o fáciles de implementar.
Con estas metodologías se pueden utilizar los mismos recursos que ya tenemos, sin tener que invertir en una máquina nueva que pueda realizar más piezas o tener que contratar más gente, generar altos tiempos extra, entre otros. Considerar la programación como la asignación de recursos para establecer una secuencia de tareas durante un tiempo determinado es la solución ideal para los problemas de planeación.
AIC: ¿Cuál es el futuro del proyecto?
ASB: Nos gustaría trabajar con optimización con superposición, hay máquinas que pueden hacer varias operaciones al mismo tiempo y una buena combinación de tareas con superposición para la realización de batches. En cualquier proceso de producción se puede adecuar, hay tanta literatura al respecto que simplemente radica en identificar cómo se parametriza, cómo se caracteriza y formula el problema, y arrancar para la obtención de buenos resultados.
Del 24 al 27 de septiembre en Lima, Perú, representando al ITS, fui invitada como ponente en el Congreso Latinoamericano de Investigación de Operaciones (Claio), expusimos la parte de optimización, que fue muy importante para llegar a los resultados y rediseño del layout, hablé de un modelo matemático de la literatura aplicado en un caso de éxito en una empresa metal-mecánica de México.
