Universidad de Costa Rica

Sede Interuniversitaria de Alajuela

Escuela de Ingeniería Industrial

Proyecto de graduación:

Diseño de un Sistema de Control Estadístico de Procesos para

las variables críticas del área de producción de Salsas en UL

Sofía Luna Sánchez

Byron Rojas Zamora

Para optar por el grado de Licenciatura en Ingeniería Industrial

Agosto, 2018

Universidad de Costa Rica

Sede Interuniversitaria de Alajuela

Escuela de Ingeniería Industrial

Proyecto de graduación:

Diseño de un Sistema de Control Estadístico de Procesos para

las variables críticas del área de producción de Salsas en UL

Sofía Luna Sánchez

Byron Rojas Zamora

Para optar por el grado de Licenciatura en Ingeniería Industrial

Agosto, 2018

Aprobación del proyecto

lng. Osear Sibaja Quesada

Inga. Alejandra Pabón Páramo

Directora del Comité Asesor

Asesor Técnico

lng. Luis González Go~§!_.__~ -- ,,...

~-=--------?7

/"contraparte

Fecha 01-11-t'S

Fecha '-fo /to /~o lB

Fecha 2 &'/cj/15

Fecha

Agradecimientos

Primero que todo darle gracias a Dios y a mi familia por brindarme la oportunidad de poder

estudiar en esta institución y por el apoyo manifestado en este proceso, porque siempre

estuvieron ahí dándome fuerzas para seguir adelante.

Gracias a todas aquellas personas que estuvieron y me apoyaron en todo este proceso, y

me ayudaron a concluirlo con éxito. Gracias a los profesores que participaron en mi

formación.

Sofía Luna Sánchez

Quiero agradecer a Dios por darme salud y permitirme concluir este proyecto. A mis padres

Jorge y Patricia que me dieron todos los recursos necesarios, a mi novia Karen que fue de

gran apoyo, a mi compañera Sofía por el buen trabajo en equipo, a la directora del proyecto

Alejandra por todas las revisiones y con su experiencia guiarnos para que el proyecto saliera

de la mejor manera, al tutor Edwin que con sus consejos y sabiduría nos ayudó a buscar

soluciones sencillas y prácticas.

En fin, estoy muy contento de cumplir esta etapa, orgulloso de salir de la mejor Universidad

del país y una de las mejoras de Latinoamérica, esta etapa me dejó grandes amigos y muy

lindos recuerdos.

Byron Rojas Zamora

iv

Resumen

UL se encuentra alrededor de 88 países en el mundo, es líder en la marca de productos

masivos; UL Costa Rica se encuentra dentro de la industria de alimentos, cuenta con

tecnologías de punta en sus procesos productivos y utiliza metodologías de WCM, sin

embargo, actualmente presenta una debilidad en el control de sus procesos productivos,

solamente en el área de Salsas más de la mitad de las variables de proceso no se miden,

no se registran y no se controlan, el otro 50% de las variables se registran pero no se realiza

ningún tipo de análisis estadístico con esta información, así mismo no se conoce la

capacidad de los procesos, no se cuenta con sistema de detección de parámetros fuera de

control, a excepción de los PCC (puntos críticos de control en los planes HACCP), y

presenta serios problemas de desperdicio y producto no conforme. El presente proyecto

tiene como fin el desarrollo de un Sistema de Control Estadístico de Procesos, con

herramientas básicas de estadísticas y pasos sencillos a seguir, con ejemplos claros de su

aplicación en las variables críticas, de manera que se adapte a las necesidades actuales

de la organización, siendo el primer paso para el CEP en un ciclo de mejora continua que

se espera en la organización.

Para efectos del estudio se selecciona el proceso de Salsas, ya que es el producto con

mayor volumen de producción, con un 54,6% del total de la planta, por encima de

mayonesa, frijoles y salsas oscuras. Así mismo, es el área con mayor porcentaje de

desperdicio dentro de la organización.

Las plantas de UL son evaluadas a nivel de LATAM (El Salvador, Panamá, Colombia,

Guatemala, Honduras y Brasil,) y la de Costa Rica es la que presenta mayor problema de

desperdicio, según se refleja en las metas del año 2016.

En primera instancia se evalúa la norma INTE/ISO 11462-1:2099 (Guía para la

implementación de controles estadísticos de procesos) con el fin de determinar el estado

actual de la organización en temas de CEP, dando como resultado de la evaluación, un

cumplimiento del 40 % de cumplimiento de los puntos de la norma; un cumplimiento parcial

de un 27 %, y un incumplimiento del 33% de la norma.

Posteriormente se analizan las principales causas de generación de desperdicios en el área

de Salsas, con el fin de aplicar el Sistema de Control Estadístico de Procesos a las variables

críticas, dentro de las principales causas de desperdicios en el área de Salsas se tiene dos,

la primera causa corresponde al desperdicio de producto en proceso, llamado por la

organización desperdicio de HALB, este se da principalmente en la kétchup dulce sin

homogenizar al no cumplir con los parámetros de consistencia, la segunda causa de

desperdicio corresponde a los Incidentes D, estos son desviaciones en los productos

terminados y son detectados dentro de la fábrica, se da principalmente por la pérdida de

hermeticidad, es decir que el empaque del producto no se encuentra cerrado

correctamente, por lo tanto no es hermético.

Así mismo se identificaron las variables críticas relacionadas con el problema de

hermeticidad, como lo son la presión de sellado la cual no se controla y la temperatura de

v

las mordazas que cuentan con una especificación muy amplia generando valores de Cp y

Cpk mayores a 10, lo cual no representa la realidad de la organización. Para la consistencia

se identificaron dos variables críticas: los grados brix de la pasta de tomate, en este caso

la pasta de tomate es uno de los ingredientes principales en la formulación de la kétchup,

actualmente esta materia prima no cumple con la especificación de grados brix de 31 ± 1,

así mismo se determina que al momento de realizar las pruebas de consistencia, que son

fundamentales para determinar si un producto después de su cocción puede ser enviado a

la línea de empaque, no se está realizando de acuerdo al método correspondiente, el cual

indica que el producto debe tener una temperatura de 92 °C para realizar la prueba en

caliente y 26 °C en frio, sin embargo ninguna de las pruebas se realiza actualmente con

estas temperatura, produciéndose así resultados erróneos.

Como parte del diseño se propone un Sistema de Control Estadístico, como solución

integral a la problemática que se presenta en el área de Salsas, capaz de adecuarse a las

variaciones del tiempo y, además, aplicable en diferentes áreas de producción.

El sistema involucró los departamentos de Producción, Mantenimiento, Calidad y Recursos

Humanos, donde todos tienen sus roles y responsabilidad en el funcionamiento de ese

sistema, de manera que se logre un equipo multidisciplinario en la resolución de problemas.

Como soporte al Sistema de CEP se diseña una herramienta automatizada para los

cálculos de los métodos de control estadístico, la cual facilitaba la toma de datos y llevaba

los registros necesarios. La herramienta tiene cinco módulos: el primero permite el cálculo

de tamaño de muestra, el segundo es útil para el cálculo de la normalidad de los datos, el

tercero permite el cálculo de capacidad de proceso, el cuarto presenta gráficamente el

comportamiento de los indicadores a lo largo del tiempo (dicho gráfico es llamado “gráfico

de exhibición llamativa”) y el quinto permite realizar estudios de repetibilidad y

reproducibilidad.

Así mismo, se diseñaron límites para las variables críticas; para el problema de

hermeticidad se realizaron dos diseños de experimentos, uno para redefinir los límites de

especificación de la temperatura de las mordazas y otro para definir las especificaciones de

la presión de sellado. Para la variable de consistencia se definió un nuevo procedimiento

para la prueba de consistencia y un método de muestreo, para asegurar que los bines de

tomate de los proveedores cumplían con los grados brix de tomate especificados por

calidad.

Se valida el diseño del Sistema de CEP planteado en el área de producción de Salsas, para

lo cual se realiza una capacitación del personal involucrado en cuanto a roles y

responsabilidades, así como en el uso de la herramienta de control estadístico.

Mediante corridas pilotos en la línea de empaque se validan las nuevas especificaciones

planteadas para la temperatura de mordaza y presión de sellado, obteniendo como

resultado del muestreo a corto plazo un total de cero doy packs con fugas en la prueba de

prensa neumática.

vi

Se valida el procedimiento de consistencia para la kétchup dulce, obteniendo como

resultado una razón de calidad de 0,96, lo cual representa un desperdicio para dos batches

de los 54 muestreados, lo que resulta satisfactorio para la organización.

Por lo tanto, se logra demostrar que, existe un impacto económico, con el problema de

hermeticidad la empresa logra reducir el desperdicio de 5.182.257 doy packs (envase

plástico de salsas) que equivalen a 85.970 euros en un año. Con la variable de consistencia

con el nuevo procedimiento la organización se logra ahorrar cerca de 27.708 euros anuales.

Finalmente, cómo principal recomendación del proyecto es el trabajo en equipo entre los

distintos departamentos, el involucramiento del personal y una buena comunicación, son

factores de éxito para la implementación del sistema. Se recomienda seguir trabajando en

la reducción de la amplitud de la especificación para las temperaturas de mordazas como

proceso de mejora continua.

vii

Índice

Introducción ................................................................................................................ 15

1 Capítulo I. Propuesta de proyecto ........................................................................ 16

1.1 Justificación del proyecto ................................................................................... 16

1.1.1 Generalidades ............................................................................................ 16

1.1.2 Alcance ....................................................................................................... 16

1.1.3 Justificación ................................................................................................ 16

1.1.4 Enunciado del problema ............................................................................. 19

1.1.5 Beneficios para la empresa ........................................................................ 19

1.1.6 Beneficios para la sociedad ........................................................................ 20

1.2 Objetivo general ................................................................................................ 20

1.3 Indicadores de éxito ........................................................................................... 20

1.3.1 % Desperdicio ............................................................................................ 20

1.3.2 Índice de capacidad .................................................................................... 20

1.3.3 Razón de Calidad ....................................................................................... 21

1.4 Limitaciones....................................................................................................... 21

1.5 Marco de referencia teórico ............................................................................... 21

1.5.1 INTE/ISO 11462-1:2009: Guía para la implementación de controles

estadísticos de procesos .......................................................................................... 22

1.5.2 Metodología DMAIC ................................................................................... 25

1.6 Metodología general .......................................................................................... 29

1.7 Cronograma de trabajo ...................................................................................... 31

2 Capítulo II. Diagnóstico ........................................................................................ 32

2.1 Objetivos del Diagnóstico .................................................................................. 32

2.1.1 Objetivo General ......................................................................................... 32

2.1.2 Objetivos Específicos ................................................................................. 32

2.2 Metodología del diagnóstico .............................................................................. 32

2.3 Estructura del diagnóstico .................................................................................. 34

2.3.1 Evaluación del Control Estadístico de Procesos actual ............................... 34

2.3.2 Evaluación de efectos indeseables ............................................................. 44

2.3.3 Evaluación de variables críticas .................................................................. 67

viii

2.4 Hallazgos del diagnóstico ................................................................................. 90

2.5 Conclusiones del diagnóstico ........................................................................... 91

3 Capítulo III. Diseño .............................................................................................. 92

3.1 Objetivos del diseño .......................................................................................... 92

3.1.1 Objetivo general ......................................................................................... 92

3.1.2 Objetivos específicos .................................................................................. 92

3.2 Estructura del Diseño ........................................................................................ 92

3.3 Sistema de Control Estadístico de Procesos ..................................................... 93

3.3.1 Calidad ....................................................................................................... 94

3.3.2 Producción ............................................................................................... 103

3.3.1 Recursos Humanos .................................................................................. 104

3.3.2 Mantenimiento .......................................................................................... 105

3.4 Interacción del sistema .................................................................................... 106

3.5 Análisis de causas de variación actuales en el proceso de producción de Salsas

112

3.5.1 Temperatura y presión de sellado ............................................................. 112

3.5.2 Consistencia de la kétchup ....................................................................... 119

3.6 Herramienta para el Sistema de Control Estadístico de Procesos ................... 123

3.6.1 Cálculo de tamaño de muestra ................................................................. 123

3.6.1 Análisis de normalidad .............................................................................. 124

3.6.2 RyR .......................................................................................................... 125

3.6.3 Análisis de capacidad ............................................................................... 126

3.6.4 Análisis de causas de variación ................................................................ 127

3.6.1 Exhibición llamativa .................................................................................. 127

3.7 Conclusiones del diseño .................................................................................. 128

4 Capitulo IV. Validación ....................................................................................... 130

4.1 Objetivo general .............................................................................................. 130

4.2 Objetivos específicos ....................................................................................... 130

4.3 Metodología de validación ............................................................................... 130

4.4 Validación del diseño planteado ...................................................................... 131

4.4.1 Capacitación del personal involucrado en el Sistema de CEP .................. 131

4.4.2 Retroalimentación de las capacitaciones .................................................. 133

ix

4.5 Validación del procedimiento para análisis de consistencia ............................. 134

4.6 Especificaciones propuestas para las variables de temperatura y presión de

sellado. ....................................................................................................................... 141

4.7 Validación de indicadores de éxito ................................................................... 150

4.7.1 Índice de capacidad .................................................................................. 152

4.7.2 Razón de Calidad ..................................................................................... 153

4.8 Análisis costo-beneficio ................................................................................... 154

4.8.1 Costo de la herramienta ........................................................................... 154

4.8.2 Costo de cronómetro y termómetro .......................................................... 154

4.8.1 Costo de la capacitación del personal ...................................................... 155

4.8.2 Costo del análisis de consistencia ............................................................ 155

4.8.3 Disminución de desperdicio ...................................................................... 155

4.8.4 Desecho de producto ................................................................................ 156

4.8.5 Análisis B/C .............................................................................................. 156

4.9 Conclusiones de la validación .......................................................................... 158

5 Conclusiones del proyecto ................................................................................. 159

6 Recomendaciones ............................................................................................. 161

7 Abreviaturas y Acrónimos .................................................................................. 162

8 Glosario ............................................................................................................. 163

9 Bibliografía ......................................................................................................... 164

9 Apéndice ................................................................................................................ 166

10 Anexos ........................................................................................................... 247

x

Índice de Tablas

Tabla 1. Desperdicio por área (enero - diciembre, 2016) ................................................. 18

Tabla 2. Metas para desperdicio en área de Salsas ........................................................ 19

Tabla 3. Cumplimiento de metas de desperdicio en área de Salsas ................................ 19

Tabla 4. Metodología general del proyecto ...................................................................... 29

Tabla 5. Cronograma de trabajo ...................................................................................... 31

Tabla 6. Metodología de diagnóstico ............................................................................... 33

Tabla 7. Resultados de evaluación INTE/ISO 11462 ....................................................... 43

Tabla 8. Productos del área de Salsas ............................................................................ 45

Tabla 9. Resumen de curso grama analítico .................................................................... 49

Tabla 10. Criterios de evaluación ..................................................................................... 59

Tabla 11. Matriz de priorización de Klee, calidad ............................................................. 59

Tabla 12. Matriz de priorización de Klee, laboratorios ...................................................... 60

Tabla 13. Matriz de priorización de Klee, producción ....................................................... 60

Tabla 14. Resultados de la matriz de priorización de Klee ............................................... 60

Tabla 15. Especificaciones de prensa neumática ............................................................ 62

Tabla 16. Relación entre variables de proceso y variables de producto ........................... 62

Tabla 17. Especificaciones de temperaturas de las mordazas ......................................... 63

Tabla 18. AMEF, variables de proceso asociadas a la hermeticidad del producto ........... 65

Tabla 19. AMEF, variables de proceso asociadas a la consistencia ................................ 66

Tabla 20. Estadística descriptiva de consistencia Enero-junio 2017 ................................ 67

Tabla 21. Distribución de frecuencia ................................................................................ 68

Tabla 22. Lista de ingredientes de la salsa kétchup ......................................................... 69

Tabla 23. Estadística descriptiva de flujo de pasta ........................................................... 76

Tabla 24. Temperatura de prueba de consistencia .......................................................... 78

Tabla 25. Análisis de capacidad de temperatura de mordazas (especificación actual vs

especificación del proveedor) .......................................................................................... 89

Tabla 26. Metodología de Diseño .................................................................................... 93

Tabla 27. Criterio de aceptación de prueba Anderson Darling ......................................... 99

Tabla 28. Índices de capacidad de proceso ................................................................... 100

Tabla 29. Consistencia de batches variando temperatura .............................................. 122

Tabla 30. Nivel de confianza ......................................................................................... 123

xi

Tabla 31. Porcentaje de error ........................................................................................ 124

Tabla 32. Metodología de validación .............................................................................. 131

Tabla 33. Resultados de la encuesta de Satisfacción del Sistema de CEP. ................... 132

Tabla 34. Pre-muestreo para análisis de consistencia ................................................... 138

Tabla 35. Resultados de validación del procedimiento de consistencia ......................... 139

Tabla 36. Cambio de parámetros para nuevas especificaciones ................................... 142

Tabla 37. Resumen de análisis de normalidad............................................................... 143

Tabla 38. Resultados de análisis de capacidad ............................................................. 145

Tabla 39. Cambio de parámetros para nuevas especificaciones ................................... 146

Tabla 40. Resumen de análisis de normalidad laminado trilámina ................................. 147

Tabla 41. Resultado análisis de capacidad para laminado trilamina .............................. 148

Tabla 42. Desperdicio Kétchup 2016 y 2017 .................................................................. 150

Tabla 43. Desperdicio de kétchup utilizando procedimiento. .......................................... 151

Tabla 44. Índices de capacidad ..................................................................................... 152

Tabla 45. Costo de inversión de termómetro y cronometro ............................................ 155

xii

Índice de Figuras

Figura 1. Control estadístico de proceso .......................................................................... 35

Figura 2. Porcentaje de quejas por área .......................................................................... 37

Figura 3. Matriz QA .......................................................................................................... 38

Figura 4. Objetivos del CEP ............................................................................................. 44

Figura 5. Diagrama SIPOC .............................................................................................. 45

Figura 6. Proceso de recepción de materias primas ........................................................ 46

Figura 7. Proceso de despacho de materiales primas a producción ................................ 47

Figura 8. Proceso de premezclado y cocción ................................................................... 48

Figura 9. Proceso de llenado de doy packs ..................................................................... 48

Figura 10. Proceso de empaque del producto.................................................................. 48

Figura 11. Pareto de desperdicio en Kg de HALB 2016 ................................................... 50

Figura 12. Pareto de desperdicio, costo de HALB 2016 ................................................... 51

Figura 13. Desperdicio por parámetros fuera de especificación 2016 .............................. 51

Figura 14. Productos con consistencia fuera de especificación 2016 ............................... 52

Figura 15. Pareto de desperdicio ROH ............................................................................ 53

Figura 16. Pareto Costos de ROH ................................................................................... 53

Figura 17. Materias primas con vencimiento de vida útil .................................................. 54

Figura 18. Pareto desperdicio de materia prima por sobrante de producción ................... 55

Figura 19. Causas de desperdicio por mala manipulación ............................................... 55

Figura 20. Pareto de áreas con mayor desperdicio .......................................................... 56

Figura 21. Pareto de causas de desperdicio de material de empaque ............................. 56

Figura 22. Pareto costo de desperdicio de material de empaque ..................................... 57

. Figura 23. Pareto de desperdicio por Incidentes D ........................................................ 57

Figura 24. Pareto de Costo de Incidentes D .................................................................... 58

Figura 25. Causas de desperdicio por pérdida de hermeticidad ....................................... 58

Figura 26. Histograma de consistencia ............................................................................ 68

Figura 27. Diagrama de Ishikawa, consistencia ............................................................... 70

Figura 28. Especificaciones de pasta de tomate .............................................................. 71

Figura 29. Composición de pasta de tomate .................................................................... 71

Figura 30. Estadística descriptiva grados brix pasta de tomate ........................................ 71

xiii

Figura 31. Histograma grados brix de la pasta de tomate ................................................ 72

Figura 32. Análisis de regresión: cantidad de agua vs. Grados brix de ingreso ............... 73

Figura 33.Normalidad de datos de densidad .................................................................... 74

Figura 34.Calculo de tamaño de muestra para la densidad de la pasa ............................ 74

Figura 35. Normalidad de datos de flujo (pre- muestreo) ................................................. 75

Figura 36. Tamaño de muestra para flujo de pasta .......................................................... 75

Figura 37. Normalidad de datos del flujo (muestra) .......................................................... 76

Figura 38. Especificación de parámetros fisicoquímicos .................................................. 77

Figura 39. Análisis de Anova para consistencia de la Kétchup ........................................ 79

Figura 40. Análisis Intervalos de confianza para la consistencia ...................................... 79

Figura 41. Diferencia de medias para consistencia .......................................................... 80

Figura 42. Análisis de Capacidad, prueba de hermeticidad.............................................. 80

Figura 43. Prueba de normalidad de temperatura de mordaza de fondo, laminado trilámina

........................................................................................................................................ 82

Figura 44. Resultado de Anova temperatura de mordaza fondo laminado trilamina ......... 82

Figura 45. Box plot de medias e intervalos de confianza para mordaza de fondo, laminado

trilamina ........................................................................................................................... 83

Figura 46. Prueba de normalidad de temperatura de mordaza latera, laminado trilaminal 83

Figura 47. Resultados de prueba de Anova, mordaza latera laminado trilamina .............. 84

Figura 48. . Box plot de medias e intervalos de confianza para mordaza de lateral, laminado

trilamina ........................................................................................................................... 85

Figura 49. Gráfica de probabilidad de mordaza inferior .................................................... 85

Figura 50. Resultados ANOVA mordaza inferior, laminado tetralámina ........................... 86

Figura 51 Box plot de medias e intervalos de confianza para mordaza de fondo, laminado

tetralamina ....................................................................................................................... 86

Figura 52. Gráfica de probabilidad de mordaza lateral, lamindo tetralamina .................... 87

Figura 53. Resultados ANOVA mordaza inferior, laminado tetralámina ........................... 88

Figura 54 Box plot de medias e intervalos de confianza para mordaza de fondo, laminado

tetralamina ....................................................................................................................... 88

Figura 55. Función de departamentos ............................................................................. 94

Figura 56. Ingreso de defectos de calidad en la matriz QA .............................................. 95

Figura 57. Niveles del defecto en la matriz QA ................................................................ 95

Figura 58. Clasificacion de deteccion ............................................................................... 96

xiv

Figura 59. Proyectos ....................................................................................................... 96

Figura 60. Selección de proyectos con mayor DPI ........................................................... 96

Figura 61. Priorizacion de proyectos con mayor DPI ....................................................... 97

Figura 62. Análisis de los 5 porqués ................................................................................ 97

Figura 63. Proceso de definicion de variables críticas .................................................... 107

Figura 64. Proceso de certificacion de mano de obra, materia prima y equipos ............. 108

Figura 65. Proceso de análisis de capacidad ................................................................. 109

Figura 66. Proceso de análisis de variación ................................................................... 110

Figura 67. Sistema de control estadístico de proceso .................................................... 111

Figura 68. Diseño factorial para temperatura de mordazas ............................................ 113

Figura 69. Resultados DOE para temperatura de mordazas .......................................... 114

Figura 70. Efectos principales laminado y temperaturas ................................................ 115

Figura 71. Interacción de las variables laminado por temperatura ................................. 115

Figura 72. Resultados del DOE de presion de sellado ................................................... 117

Figura 73. Efectos principales de presion de sellado ..................................................... 118

Figura 74. Interacción de presion de sellado .................................................................. 118

Figura 75. Grados Brix de pasta de tomate .................................................................... 120

Figura 76. Análisis p(z) .................................................................................................. 121

Figura 77. Ejemplo de tamaño de muestra .................................................................... 124

Figura 78. Ejemplo de análisis de normalidad ................................................................ 125

Figura 79. Ejemplo de resultados de RyR ...................................................................... 125

Figura 80. Ejemplo de gráficos de estudio RyR ............................................................. 126

Figura 81. Ejemplo de capacidad y gráficos de control .................................................. 126

Figura 82. Ejemplo de exhibición llamativa .................................................................... 128

Figura 83. Capacitación en el uso de la herramienta para el Sistema de CEP ............... 132

Figura 84. Equipo de protección personal ...................................................................... 134

Figura 85. Medición de temperatura a 92◦C ................................................................... 135

Figura 86. Nivelación del consistómetro......................................................................... 135

Figura 87. Llenado del consistómetro ............................................................................ 136

Figura 88. Medición 30s de recorrido. ............................................................................ 136

Figura 89. Medición de temperatura a 26 ◦C .................................................................. 137

xv

Figura 90. Medición 15s de recorrido ............................................................................. 137

Figura 91. Calculo de tamaño de muestra ..................................................................... 138

Figura 92. Capacitación en el uso de manómetro .......................................................... 141

Figura 93. Análisis de normalidad de mordaza lateral 1 laminado tetralámina ............... 143

Figura 94. Análisis de capacidad mordaza lateral 1 ....................................................... 144

Figura 95. Imágenes de la prueba presión de sellado .................................................... 145

Figura 96. Análisis de normalidad mordaza lateral 1 trilámina ....................................... 147

Figura 97. Análisis de capacidad de mordaza inferior trasera ........................................ 148

Figura 98. Doy pack después de prueba neumática realizada ....................................... 149

Figura 99. Desperdicio de HALB en Salsas ................................................................... 150

Figura 100. Análisis de capacidad binomial ................................................................... 153

Figura 101. Escenario optimista ..................................................................................... 156

Figura 102. Escenario conservador ............................................................................... 157

Figura 103. Escenario pesimista .................................................................................... 157

15

Introducción

La generación de desperdicio es un problema que perjudica a las empresas de producción

masiva, y representa un costo significativo para las mismas. Reducir los desperdicios

siempre es un indicador importante para cualquier organización. En UL los costos de

desperdicios en el 2016 llegaron a €2.115.816 entre materia prima, producto en proceso y

material de empaque.

Este proyecto se llevó a cabo UL, ubicada en La Rivera de Belén, en Heredia, donde los

productos que se fabrican se dividen en dos áreas: Masofri y Salsas; en el área de Masofri

se manufacturan frijoles procesados, salsa inglesa, mayonesas y aderezos. En el área de

Salsas se manufacturan todas las hechas a base de tomate.

El cumplimiento de metas de desperdicio es muy importante para la UL, ya que son

evaluadas a nivel de Latinoamérica (El Salvador, Panamá, Colombia, Honduras y Brasil), y

actualmente la planta de Costa Rica es la que presenta el mayor problema de desperdicio.

El proyecto buscó la disminución de los desperdicios, tanto de la materia prima como del

producto en proceso y el material de empaque del área de Salsas. Se propuso el diseño de

un Sistema de Control Estadístico de Procesos, capaz de ser replicado en todas las áreas

de la organización, que prevaleciera en el tiempo, permitiera identificar las variables críticas

de los procesos por medio de herramientas estadísticas, así como el involucramiento de los

departamentos de Producción, Calidad, Mantenimiento y Recursos Humanos.

El documento se divide en cuatro capítulos; el primero explica las generalidades del

proyecto, planteamiento del problema y justificación de este. En el segundo capítulo se

realiza un diagnóstico de la organización, donde se determinan las principales causas de

desperdicio, efectos indeseables y las variables críticas de proceso de Salsas. En el tercero

se expone el diseño del Sistema de Control Estadístico, se definen los elementos del

sistema y cómo aplicarlo a las variables críticas para solucionar los problemas en el proceso

productivo. En el capítulo final se valida el diseño planteado, donde se evidencian los

resultados del proyecto y el costo-beneficio que obtiene la empresa si se llegara a

implementar el diseño propuesto.

16

1 Capítulo I. Propuesta de proyecto

1.1 Justificación del proyecto

1.1.1 Generalidades

UL es una compañía multinacional de origen europeo líder en productos de consumo

masivo. La empresa se encuentra en 88 países del mundo, y fue fundada en 1930 con la

fusión de Margarine Unie, un fabricante de margarina en Holanda y de Lever Brothers, un

fabricante inglés de jabón. Ambos se unificaron por el uso compartido de aceite de palma,

tanto para el jabón como para la margarina.

La empresa se dedica a la producción y distribución de productos con más de 400 marcas,

desde alimentos balanceados, helados, sopas y productos para el cuido diario del hogar.

La empresa llegó a Costa Rica en el 2000, adquiriendo la línea de productos de Salsa

Lizano. Se encuentra ubicada en La Rivera de Belén de Heredia. UL planta Belén (UL) se

divide en dos áreas de producción, las cuales son: Masofri y Salsas; en el área de Masofri

se manufacturan los frijoles procesados, las mayonesas y los aderezos, así como la salsa

inglesa. En el área de Salsas se manufacturan todas las salsas a base de tomate.

UL cuenta con alrededor de 400 empleados directos, de los cuales 60 pertenecen al área

administrativa y 340 al área de producción, operarios en su mayoría, distribuidos en tres

turnos de trabajo.

Los productos de UL son distribuidos en el mercado local y en el centroamericano, en

países como El Salvador, Panamá, Honduras, Guatemala y Nicaragua.

1.1.2 Alcance

El proyecto se llevó a cabo en UL, planta de producción en La Rivera de Belén, en el área

de Producción de Salsas. Abarca desde el ingreso de materia prima a la bodega, pasando

por la cámara de refrigeración, elaboración del producto y empaque del producto.

El área de empaque cuenta con nueve líneas, las cuales trabajan de manera independiente.

Por interés de la organización se realiza el proyecto en la línea S9, ya que, según el Gerente

de Calidad de la planta, es una de las líneas más importantes; esto se da debido a que en

esta línea se realiza una propuesta de un nuevo producto que será enviado a Colombia, así

como nuevas presentaciones para la variedad de salsas. Así mismo, en esta línea se

producen tres tipos de salsas -Salsa Ranchera, Kétchup Homogenizada y Kétchup Sin

Homogenizar-, siendo esta última la que representa mayor porcentaje de desperdicio de

producto en proceso (HALB), con un 53 %; por lo tanto, dentro del alcance del proyecto se

trabaja con la kétchup dulce sin homogenizar.

1.1.3 Justificación

El área de Producción de Salsas de divide en cuatro grandes actividades involucradas en

el proceso de elaboración de los 20 tipos de salsas. Dichas actividades corresponden a la

recepción de las materias primas en la bodega de materiales, almacenamiento de vegetales

17

en la cámara de refrigeración, formulación en marmitas y, finalmente, el empaque, para el

cual se cuenta con nueve líneas empacadoras.

De acuerdo con el Ingeniero de Producción (Rodríguez, A., 2016), en el 2002 los productos

de salsas se expandieron por todo Centroamérica, y actualmente UL es líder en la categoría

de tomate procesado (Salsas); en el 2016 se manufacturaron un total de 57.727,06

toneladas de producto, de las cuales 31.507,2 toneladas (54,6 % de la producción)

corresponden a Salsas, siendo esta categoría de productos la más importante para UL,

debido a su alto volumen de producción (véase el anexo 1. Volumen de producción por

áreas).

Se realizó un análisis de las operaciones en el área de Salsas, y se identificaron efectos

indeseables que afectan a UL. En primera instancia, en esta área de Salsas, incluyendo las

actividades de recepción de materiales, pesado de ingredientes a granel, almacenamiento

en cámara de refrigeración de vegetales, formulación de las salsas y líneas de empaque

del producto, existen en total 72 variables de proceso (véase el anexo 2. Variables del área

de Salsas), de las cuales un 57 % no se mide, no se registra y no se controla; el 43 % de

las variables restantes se mide y se anota en registros físicos, pero no se controlan ni se

realiza ningún tipo de análisis con ellas; por lo tanto, no se conoce la variabilidad ni

capacidad de los procesos.

De igual manera, existen otras variables de producto que se miden después de la cocción

de las salsas, y son necesarias antes de enviar el producto a las líneas de empaque, porque

miden atributos físicos y químicos del producto; dichas variables son el pH, la acidez, los

cloruros y la consistencia; de igual forma, algunas de las variables de proceso únicamente

se miden y se anotan en registros, pero no se controlan.

El control estadístico de procesos es necesario para disminuir la variación, porque, al no

conocer dicha variación, se generan problemas de calidad, no se logran prevenir defectos

ni reducir los costos. “Si no se tiene un adecuado Sistema de Control de Calidad se tienen

inconvenientes, el primero, tener que reprocesar gran cantidad de artículos; segundo, tener

que desechar piezas ya producidas; tercero, a pesar de la inspección, por más rigurosa que

sea llega a permitir que productos con defectos lleguen a manos de los consumidores“

(Morales, 2007).

Dentro de los principales problemas de calidad presentes en UL se encuentra la

desconfianza en el proceso productivo; debido a ello, se debe retener tarimas de producto

terminado. Esta retención de tarimas se da cada vez que se inicia un lote de producción;

para el caso de las salsas se retiene la primera tarima de cada lote y se revisa al 100 %, lo

que es poco práctico e implica costos, ya que la organización requiere personal para la

revisión, espacio dentro de la planta, debido a que el producto no puede salir de la misma,

hasta que sean revisadas todas las unidades (doy packs).

Las unidades que se encuentran defectuosas son consideradas como desperdicio pues,

debido a normas internas de calidad, no se permite que sean reprocesadas. En el 2016 el

monto de desperdicio obtenido, después de las revisiones de tarima retenidas, correspondió

a €89.105,65, de los cuales €59.602,32 (66,9%) correspondían al área de Salsas.

18

Otro de los problemas de calidad es el de los defectos o desviaciones en las características

de las salsas. Después de pasar la operación de empaque y detectados dentro de la fábrica,

denominados “Incidentes D”, al no cumplir con las características de calidad deseadas, se

convierten en desperdicio, ya que si estos productos salen al mercado pueden convertirse

en quejas de los consumidores, afectando la imagen de la organización. En el 2016, el

monto de desperdicio debido a Incidentes D correspondió a €15.903,10. Según la

Especialista en Calidad (Arce, 2017), cada vez que suceden Incidentes D se levanta una

investigación, pero, al no contar con el control estadístico adecuado del proceso, las

medidas de corrección ante el Incidente D ocurrido tardan más tiempo, y el control de los

procesos se vuelve reactivo.

Según el Gerente de Calidad y el Encargado de Manufactura de Clase Mundial (WCM)

(González & González, 2016), uno de los principales problemas que posee UL es el

desperdicio; en el 2016 fue de €2.115.816 y se clasifica de la siguiente manera: (véase el

apéndice 1. Clasificación del desperdicio):

• Materia prima (ROH).

• Producto procesado (salsita) (HALB).

• Material de empaque (PACK).

En la tabla 1 se puede observar que el área que presenta mayor cantidad de desperdicio

es Salsas, con un 59 % del total.

Tabla 1. Desperdicio por área (enero - diciembre, 2016)

Área Monto de desperdicio % de desperdicio

Salsas € 1.243.499,69 59%

Mayonesa € 459.255,97 22%

Frijoles € 241.786,30 11%

Salsas oscuras € 171.274,08 8%

Total € 2.115.816,03 100%

Fuente: Información suministrada por el departamento de Calidad de UL, año 2016

Para UL, el cumplimiento de las metas de desperdicio es muy importante, debido a que son

evaluadas a nivel de Latinoamérica (UL El Salvador, Panamá, Colombia, Nicaragua y

Brasil) poniendo en evidencia un problema de UL Costa Rica. De acuerdo con el Encargado

de WCM (González, 2017), Costa Rica es la planta dentro del área de Latinoamérica con

el mayor problema de desperdicio, lo que se ve reflejado en las metas de desperdicio en el

2016.

Las metas de desperdicio para el área de Salsas se clasifican de la siguiente manera, como

se muestra en la tabla 2.

19

Tabla 2. Metas para desperdicio en área de Salsas

Indicadores

ROH: ≤ 0,52%

PACK: ≤ 2,10%

HALB: ≤ 2,80%

Fuente: UL, 2016

Como se aprecia en la tabla 3, para los desperdicios PACK y HALB no se logra cumplir con

la meta en todo el año 2016; en el caso de ROH no se logra cumplir en los meses de julio

y agosto.

Tabla 3. Cumplimiento de metas de desperdicio en área de Salsas

Categoría Clasificación Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Salsas

Desperdicio

ROH (%) 0,15% 0,22% 0,03% 0,12% 0,05% 0,00% 1,44% 0,77% 0,19% 0,22% 0,06% 0,22%

Desperdicio

PACK (%) 2,79% 2,94% 2,79% 3,65% 2,50% 4,08% 3,53% 2,89% 2,46% 3,78% 2,52% 4,72%

Desperdicio

HALB (%) 3,90% 4,18% 3,97% 4,13% 3,30% 2,95% 3,50% 3,17% 3,33% 4,63% 4,00% 4,34%

Fuente: Información suministrada por el departamento de Calidad de UL, 2016.

Nota: En rojo meses que no cumplen la meta

La disposición final de los desperdicios es otro de los temas que preocupa a la organización,

de acuerdo con la Encargada de Ambiente (Valverde, 2016). Los desperdicios de PACK

(doy packs con producto y sin producto) son el principal problema para este departamento,

ya que se debe pagar a una empresa tercera para que sean tratados. En promedio, al mes

se tratan cinco toneladas de PACK, lo cual implica un costo por tratamiento de €1.658,3

mensuales.

1.1.4 Enunciado del problema

El control deficiente de las variables de proceso en el área de producción de Salsas impacta

las características de calidad deseadas provocando desperdicios, que genera el

incumplimiento de las metas de la organización y costos significativos.

1.1.5 Beneficios para la empresa

Con el desarrollo de este proyecto la empresa obtiene los siguientes beneficios:

• Reducción del desperdicio.

• Cumplimiento de métricas corporativas.

• Control de las variables críticas del proceso.

• Reducción de costos por mala calidad.

20

1.1.6 Beneficios para la sociedad

El impacto ambiental es el principal beneficio para la sociedad, ya que con la reducción de

desperdicio disminuye la cantidad que debe ser tratado.

Otro beneficio consiste en asegurar a los clientes y consumidores que los productos

adquiridos cumplen con las especificaciones de fabricación.

1.2 Objetivo general

Diseñar un Sistema de Control Estadístico de Procesos para las variables críticas en el área

de producción de Salsas, que permita garantizar las características de calidad del producto

y la mejora continua, disminuyendo los desperdicios y costos de mala calidad.

1.3 Indicadores de éxito

1.3.1 % Desperdicio

Este indicador permite identificar la desviación entre el desperdicio permitido y el

desperdicio real.

𝐷𝑒𝑠𝑝𝑒𝑟𝑑𝑖𝑐𝑖𝑜 = ( 𝐶𝑜𝑠𝑡𝑜 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑟𝑒𝑎𝑙 ( 𝐻𝐴𝐿𝐵) −𝐶𝑜𝑠𝑡𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑝𝑙𝑎𝑛𝑒𝑎𝑑𝑜(𝐻𝐴𝐿𝐵) )

𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑝𝑙𝑎𝑛𝑒𝑎𝑑𝑜 ( 𝐻𝐴𝐿𝐵)∗ 100 (1)

1.3.2 Índice de capacidad

Índice Cp:

Este indicador permite tener un índice centrado del proceso para las variables críticas que

refleje la variación antes y después del diseño de mejora.

El índice de capacidad potencial del proceso, Cp representa la desviación estándar del

proceso, respecto a los límites de especificación permitidos:

𝐶𝑝 =𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑡𝑜𝑙𝑒𝑟𝑎𝑑𝑎

𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 (2)

“Se establece que el Cp debe ser mayor que 1.50 si se quiere tener un proceso bueno; pero

debe ser mayor o igual que dos si se quiere tener un proceso de clase mundial” (Gutiérrez

& De la Vara, 2009).

Índice Cpk:

Indicador de la capacidad real de un proceso que se puede ver como un ajuste del índice

Cp para tomar en cuenta el centrado del proceso.

Cpk se define de la siguiente manera:

21

Donde σ representa la desviación estándar del proceso, mientras que ES y EI son las

especificaciones superior e inferior y µ la media del proceso. (Gutiérrez & De la Vara, 2009)

Cuando el valor del índice Cpk es mayor a 1.25 en un proceso ya existente, se considerará

que se tiene un proceso con capacidad satisfactoria.

1.3.3 Razón de Calidad

Este indicador busca determinar la relación entre la producción y el producto conforme. La

fórmula correspondiente es:

𝑅𝑎𝑧𝑜𝑛 𝑑𝑒 𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝐶𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠

𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 (4)

1.4 Limitaciones

Como principal restricción para la realizar el proyecto, por decisión de la organización no se

puede considerar la compra de equipos, cambios en la distribución de la planta, ni ampliar

espacios.

1.5 Marco de referencia teórico

De acuerdo con Montgomery (2009), Seis Sigma fue formalmente introducido, a mediados

de los años ochenta, por Motorola, como un medio para reducir la variabilidad observada

en el desarrollo de sus productos manufacturados. “Seis Sigma es una estrategia de mejora

de negocios utilizada para mejorar la rentabilidad, eliminar los residuos, reducir los costes

de calidad y mejorar la eficacia y eficiencia de todos los procesos operativos” (Singh &

Singh, 2014).

Para eliminar pérdidas económicas que se generan por los desperdicios, causadas por la

desconfianza en los procesos y buscando la mejor calidad de los productos y servicios, han

surgido una serie de nuevas ideas y metodologías, según lo indica Morales (2017).

Durante la Segunda Guerra Mundial, Walter Shewhart y Dodge Romig desarrollaron el

Control Estadístico de Procesos para la disminución de la variación. En la década de

los cincuenta surgió el Aseguramiento de la Calidad, tomando en cuenta todos los

departamentos de la organización en el diseño, planeación y ejecución de políticas de

calidad. Posteriormente, surgió la metodología de Seis Sigma, basándose en la aplicación

de técnicas estadísticas para reducir la variación de los procesos al máximo posible.

Para la resolución de los problemas presentes en UL se pretende utilizar las herramientas

de Seis Sigma, para mantener las variables del proceso bajo control estadístico.

22

La calidad de los productos o servicios es de suma importancia para las organizaciones.

Según la Sociedad Americana para la Calidad (ASQ), la “calidad” es la totalidad de detalles

y características de un producto o servicio que influye en su capacidad para satisfacer

necesidades dadas. Según Gutiérrez & De la Vara (2009), cuando se tiene mala calidad se

tienen fallas y deficiencias, lo que genera problemas de reproceso, desperdicios, paros y

otros; esto genera más gastos y menos competitividad. Al disminuir las deficiencias se

reducen los costos y se liberan recursos materiales y humanos que se pueden destinar a

elaborar más productos, resolver otros problemas de calidad, reducir los tiempos de

entrega; en ello radica la importancia del Control de Calidad, “que es el conjunto de

actividades planeadas para que los requisitos de la calidad del producto se cumplan”

(Gutiérrez & De la Vara, 2009).

Las causas que generan las variaciones de los procesos se han logrado clasificar en dos

tipos, según Montgomery (2009):

• Causas fortuitas: se presentan debido a la variabilidad inherente al proceso. Se

generan por presencia de muchas causas. Las causas fortuitas se consideran como

inevitables en el proceso; por lo tanto, son inherentes al proceso. Cuando algún

proceso opera con este tipo de causas se considera al mismo bajo control

estadístico.

• Causas asignables: se pueden considerar que presentan alguno de los siguientes

tres orígenes: máquinas, operadores y materia prima.

Actualmente, en el área de producción de Salsas se cuenta con variables de proceso que

no son medidas; entretanto, otras se miden, pero no se analizan ni se controlan. Esta

situación genera variabilidad en los procesos, y, por lo tanto, es necesaria la

implementación del Control Estadístico de Procesos.

1.5.1 INTE/ISO 11462-1:2009: Guía para la implementación de controles

estadísticos de procesos

Para alcanzar el control estadístico de procesos en las organizaciones existe la

INTE/ISO11462-1:2009: Guía para la implementación de controles estadísticos de

procesos (CEP). Esta guía pretende que las organizaciones incrementen el conocimiento

de sus procesos, dirijan los procesos hacia el comportamiento deseado y reduzcan la

variación de los parámetros del producto final para mejorar el desempeño de este.

Dentro de los principales objetivos de la INTE/ISO 11462-1:2009 se encuentran:

• Reducir la variación respecto a los valores esperados de los parámetros, ya sea de

un producto final o de salida del proceso.

• Evaluar y cuantificar qué niveles hay de calidad y capacidad de producir.

• Señalar las causas-raíz potenciales de las variaciones o modo de fallo y de sus

fuentes, identificando las fuentes de pobres rendimientos o variabilidad, y detección

de causas asignables de la variación, que dan lugar al aumento de velocidad en la

detección y la reducción de costos en la solución del problema.

23

• Aumentar el conocimiento de cómo las causas de la variación en el sistema afectan

el proceso, para mejorarlo.

Todos estos objetivos tienen el fin de recopilar los costos de producción tales como: costo

de desperdicio, inspección, reproceso, reparación de equipo, tiempo muerto e

interrupciones, estimando la cantidad de negocios y trabajos perdidos por clientes

insatisfechos que acuden a los competidores o se rehúsan a pagar un adicional por una

mejor calidad percibida.

Para lograr alcanzar estos objetivos, todo CEP necesita una gestión de soporte, la cual

debería documentar, implementar y mantener su apoyo continuo al CEP. Esto incluye:

• Mejorar el proceso, con base en la revisión periódica de los resultados del CEP y

de los informes de las auditorías. Se debe asegurar que la política del CEP esté

entendida, implementada y mantenida por todos los niveles en la organización; es

decir, que todos los departamentos dentro de la organización se encuentren

involucrados.

• Es importante que la gestión de soporte pueda usar y mejorar el manejo de los

datos para la toma de decisiones sobre el proceso.

• El manteniendo de registros de las reacciones y desviaciones de los puntos fuera

de control, sin corrección.

• La gestión de soporte debe designar y apoyar al responsable de la coordinación del

CEP.

Para que el CEP sea exitoso dentro de la organización se deben diseñar, implementar y

revisar programas que provean toma de conciencia de todos los empleados involucrados

en el CEP (incluyendo la gerencia) sobre herramientas y métodos, formar a los empleados

para crear habilidades en el CEP que sean apropiadas a las funciones de trabajo y su

interacción con el proceso.

La guía INTE/ISO 11462-1:2009 establece una serie de elementos para crear un Sistema

de Control Estadístico de Procesos. Dichos elementos se describen a continuación:

1.5.1.1 Plan de control

En este punto debe existir la documentación de los procesos, el sistema de medición y

cómo se van a controlar. Dentro de la documentación necesaria que debe existir está lo

siguiente:

- Entradas y salidas del proceso.

- Flujos del proceso.

- Puntos de medición del proceso.

- Ciclos de retorno del proceso, si hay reproceso, retrabajos, rechazos y salidas del

proceso.

- Límites del proceso.

1.5.1.2 Definición de metas y límites de control

Se deben documentar los valores meta y los límites de los parámetros del proceso; más

allá de los cuales el proceso producirá salidas inaceptables o poco rentables en el producto

24

final, por lo que se debe evaluar la adecuación con respecto a las necesidades del cliente

y a la comprensión del proceso.

1.5.1.3 Evaluación y el control del sistema de medición

Uno de los aspectos más importantes para el Sistema del Control Estadístico de Procesos

es el seguimiento periódico y la evaluación del sistema de medición, según corresponda

controlar o compensar su variabilidad; esto ayuda a minimizar los riesgos de que un sistema

de medición inadecuado pueda llevar a la organización a señales fuera de control falsas, o

que el cliente reciba producto no conforme.

1.5.1.4 Instrucciones de trabajo documentadas

La organización debe documentar las instrucciones de trabajo; para ello debe crear

procedimientos documentados para los procesos de producción, medición, inspección,

ensayo y mantenimiento, operación, seguimiento y control del proceso, detección de

deficiencias en las entradas, variables del control y salidas de proceso, entre otros.

1.5.1.5 Formación y participación del personal en datos de proceso

La organización debería asegurarse de que el personal apropiado esté formado en la toma

y uso de los datos del proceso. El personal debe participar en la decisión de cuáles

parámetros medir y cómo medirlos, obtenerlos, interpretarlos, y qué acciones tomar con

estos.

1.5.1.6 Obtención y registro de los datos del proceso

Todo Sistema de Control Estadístico de Procesos debe contar con un sistema apropiado

de recolección de datos, de manera que el sistema permita la utilización de datos históricos

para identificar las causas de variación potencialmente asignables al proceso.

1.5.1.7 Trazabilidad e identificación de la secuencia de la producción

La organización debe definir, establecer y mantener los mecanismos apropiados para la

trazabilidad del producto y la identificación de la secuencia de la producción, con el fin de

identificar, cuando corresponda, la secuencia del producto y/o salidas del proceso, las

fuentes de entrada de proceso, tales como los materiales, la mano de obra y las

instalaciones usadas para producir una cantidad de salidas del proceso. Esto puede

mantener la capacidad de trazar las fuentes de las desviaciones del proceso y establecer

los registros asociados.

1.5.1.8 Evaluación del desempeño del proveedor

Otro aspecto muy importante, dentro del CEP, es la evaluación de los proveedores; para

ello se deben trazar las medidas de desempeño de las entregas específicas de productos,

de servicios o de transacciones, determinar la capacidad del proceso del proveedor.

1.5.1.9 Sistema de control de proceso

Para el Control Estadístico de Proceso, la organización debe establecer y mantener

herramientas estadísticas, algorítmicos para el control de proceso, para los parámetros de

proceso que deben ser controlados. Se debe contar con un sistema de soporte para la

25

colección y grabación de datos, y definir quién tiene responsabilidad de reaccionar a las

condiciones fuera de control.

1.5.1.10 Resultados de variabilidad

La organización debe determinar la variabilidad de los parámetros de proceso y la relación

de estos parámetros con las características de calidad de los productos, evaluando, así, la

distribución de los datos, para ayudar a elegir una estrategia del control de proceso e

identificar causas asignables de la variación en el proceso.

1.5.1.11 Comunicación de resultados de análisis de proceso

Se deben diseñar y establecer métodos para comunicar los resultados del Control

Estadístico de Proceso, a quiénes se dirige el proceso, a los proveedores internos o a los

proveedores externos y a la gerencia.

1.5.2 Metodología DMAIC

Actualmente, en el área de Producción de Salsas, se cuenta con variables de proceso que

no son medidas; existen otras variables que se miden, pero no se analizan ni se controlan.

Esta situación genera variabilidad en los procesos y, por lo tanto, es necesaria la

implementación del Control Estadístico de Procesos. Dentro de la filosofía de Seis Sigma

se tiene la metodología DMAIC, la cual se utiliza para el desarrollo del proyecto en UL.

Según McCarty et al. (2004), DMAIC consta de 5 fases conectadas de manera lógica entre

sí, las cuales son: Definir, Medir, Analizar, Mejorar y Controlar. Para poder realizar mejoras

significativas de manera consistente dentro de una organización, es importante tener un

modelo estandarizado de las mejoras a seguir. DMAIC es el proceso de mejora que utiliza

la metodología Seis Sigma; es un modelo que sigue un formato estructurado y disciplinado.

1.5.2.1 Definir

Es la fase inicial de la metodología, donde se identifican posibles proyectos de mejora

dentro de una compañía. Dentro de las principales herramientas de esta fase se

encuentran:

• Mapa de Proceso SIPOC

Gutiérrez & De la Vara (2009) indican que este diagrama de proceso tiene el objetivo de

analizar el proceso y su entorno. Para ello se identifican los proveedores, las entradas, el

proceso mismo, las salidas y los usuarios.

1.5.2.2 Medir

De acuerdo con Ocampo & Pavón (2012), una vez definido el problema a atacar, se debe

establecer qué características determinan el comportamiento del proceso. Para esto es

necesario identificar cuáles son los requisitos o características en el proceso o producto que

el cliente percibe como clave (variables de desempeño), y qué parámetros (variables de

entrada) son los que afectan este desempeño. Entre las herramientas más comúnmente

usadas, que permiten determinar el comportamiento del proceso bajo estudio, se

encuentran:

26

• Matriz de Priorización

Según lo explican Gutiérrez & De la Vara (2009), la Matriz de Priorización es una técnica

muy útil que se puede utilizar con los miembros del equipo de trabajo, para obtener un

consenso sobre un tema específico. La matriz permite clasificar problemas o asuntos

(usualmente aportados por una tormenta de ideas) con base en un criterio en particular,

que es importante para la organización. De esta manera se puede ver con mayor claridad

cuáles son los problemas más importantes sobre los que se debe trabajar primero.

• Gráficos de Control

El objetivo fundamental de las cartas o gráficos de control es observar y analizar el

comportamiento de los procesos a través del tiempo, para así poder distinguir las

variaciones por causas comunes o asignables, lo que ayudará a caracterizar el

funcionamiento del proceso y decidir las mejores acciones de control y de mejora. El análisis

de proceso se da principalmente en las variables de salida.

• Análisis de capacidad

Conocer la capacidad actual de los procesos y de las variables críticas es de suma

importancia ya que “El estudio de la capacidad de un proceso, junto con el control

estadístico de procesos y el diseño de experimentos son métodos estadísticos que se

utilizan desde hace décadas con el propósito de controlar y reducir la variabilidad de

procesos y productos, mejorando así calidad y productividad”. (Ferreri & Quaglino, 2011)

De acuerdo con Ferreri & Quaglino, 2011, para determinar si un proceso es o no capaz se

utilizan los índices de capacidad, en principio, para que un proceso sea considerado capaz,

su variación actual no debería representar más del 75% de la variación permitida, se suele

considerar que 1,33 es el valor mínimo aceptable para un índice de capacidad.

Para realizar análisis de capacidad se debe determinar la normalidad de los datos, si los

datos son normales se procede con el cálculo de capacidad de proceso, utilizan los índices

Cp, Cpk, CPU, y CPL para variación a corto plazo. Según lo explica Gutiérrez & De la Vara

(2009) La capacidad de corto plazo se calcula a partir de muchos datos tomados durante

un periodo corto de tiempo, para que no haya influencias externas sobre el proceso. Por lo

tanto, esta capacidad representa el potencial del proceso, es decir, lo mejor que se puede

esperar del mismo.

Los índices Pp, Ppk, PPU, y PPL se utilizan para determinar la capacidad a largo plazo, se

calcula con muchos datos tomados de un periodo de tiempo suficientemente largo como

para que los factores externos influyan en el desempeño del proceso.

Según lo explica Gutiérrez & De la Vara (2009) cuando los procesos no son capaces para

cumplir especificaciones, entonces se debe mejorar el proceso (centrar y reducir variación),

su control y el sistema de medición, modificar tolerancias o inspeccionar al 100% los

productos.

Muchas veces, la suposición de normalidad no puede realizarse; por ello, se tienen dos

enfoques a realizar:

27

1. Transformar la información: se pueden utilizar los métodos Box-Cox o Johnson para

encontrar una transformación de datos que sigan la distribución normal. A partir de

esto, se calculan los índices de capacidad.

2. Análisis no paramétrico de capacidad: ha habido muchos intentos de modificar los

índices para que funcionen en ambas familias de distribuciones (paramétrica y no

paramétrica). La idea principal es utilizar el método del percentil, con el fin de definir

un índice de capacidad basado en percentiles específicos (Montgomery, 2009). Para

esto se utiliza el método de Clements (Clements, 1989). Este método incluye la

utilización de los percentiles 99.865 y 0.135, los cuales son los percentiles

característicos en una distribución normal cuando se utiliza 6σ (Korkusuz, 2011). El

reporte técnico de ISO 12783 define al Cp de la siguiente manera:

𝐶𝑝 =𝑈𝑆𝐿 − 𝐿𝑆𝐿

𝑋0.99865 − 𝑋0.00135 (5)

Según lo explica Gutiérrez & De la Vara (2009), cualquiera que sea la distribución entre

estos percentiles, se ubicará el 99.73% de los valores de la característica de calidad.

Además, los Cpl y Cpu se calculan de la siguiente manera:

𝐶𝑝𝑢 =𝑈𝑆𝐿 − 𝑋0.5

𝑋0.99865 − 𝑋0.5 (6)

𝐶𝑝𝑙 =𝑋0.5 − 𝐿𝑆𝐿

𝑋0.5 − 𝑋0.99865 (7)

1.5.2.3 Analizar

En esta etapa del DMAIC se pretenden analizar los datos obtenidos en el proceso y analizar

las causas y las oportunidades de mejora. Dentro de las herramientas más comúnmente

usadas se encuentran:

• Diagramas de causa-efecto

El diagrama de causa y efecto o Ishikawa es un método gráfico, que relaciona un problema

o efecto con causas y factores que generan este problema. Para realizar este diagrama se

utiliza el método de las 6M, las cuales corresponden a Métodos de trabajo, Mano de obra,

Materiales, Maquinaria, Medición, Medio ambiente.

• AMEF (Análisis Modo Efecto y Falla)

Según Gutiérrez & De la Vara (2009) la metodología AMEF permite identificar las fallas

potenciales de un producto o un proceso y, a partir de un análisis de su frecuencia, las

formas de detección y el efecto que provocan; estas fallas se jerarquizan, y para las fallas

que vulneran más la confiabilidad del producto o el proceso será necesario generar

acciones para atenderlas. Se debe formar un equipo y delimitar el área de aplicación, luego

identificar modos posibles de fallas; para cada falla, identificar su efecto y su grado de

28

severidad; a la vez, encontrar causas potenciales de falla y la frecuencia de ocurrencia,

identificar controles para detectar esta ocurrencia y estimar la posibilidad que se detecten;

una vez encontrados estos parámetros, calcular el índice de prioridad de riesgo (NPR) que

se calcula como: severidad x ocurrencia x detección y, para los NPR mayores, priorizar e

identificar acciones para reducir el efecto o la posibilidad de ocurrencia.

1.5.2.4 Mejorar

Cuando se logra determinar que existe un problema real, se debe identificar cuáles serán

las posibles soluciones. En esta etapa se desarrollan, implementan y validan alternativas

de mejora para el proceso. Según Ocampo & Pavón (2012) para hacer esto se requiere de

una lluvia de ideas que genere propuestas, las cuales deben ser probadas usando corridas

piloto dentro del proceso.

1.5.2.5 Controlar

Cuando se tiene la manera de mejorar el desempeño del sistema o proceso, es necesario

encontrar la manera de asegurar que la solución pueda sostenerse en un periodo largo de

tiempo; para esto debe diseñarse e implementarse una estrategia de control que asegure

que los procesos sigan corriendo de forma eficiente; para ello es importante el control

estadístico, mediante gráficos comparativos y diagramas de control y técnicas no

estadísticas, tales como la estandarización de procesos, controles visuales, planes de

contingencia y mantenimiento preventivo, herramientas de planificación y otros.

29

1.6 Metodología general

Para el desarrollo del proyecto se presenta la metodología general para cada una de las etapas.

Tabla 4. Metodología general del proyecto

Actividades Herramientas Resultados

Etapa: Diagnóstico

Identificación y evaluación de los elementos del

sistema de control estadístico del proceso actual

Lista de chequeo de control estadístico de

proceso (CEP)

Porcentaje de cumplimiento de la

organización en cuanto al CEP

Entrevistas con la alta gerencia Comprensión de la estrategia actual de la

organización para el CEP

Mapeo de procesos Diagrama SIPOC

Diagrama de proceso

Comprensión del proceso e identificación de

puntos de control actuales y áreas con

mayor desperdicio

Determinación de las principales causas de

desperdicio y productos con mayor desperdicio

Diagrama de Pareto Principales causas de desperdicio y

productos con mayor desperdicio

identificados

Identificación de las principales variables del

proceso y tolerancias

Revisión documental de registros

Entrevistas con el personal de QA

Variables de proceso y tolerancias

identificadas

Identificación de las variables críticas AMEF Variables críticas identificadas

Evaluación de la capacidad actual del proceso Muestreo estadístico Capacidad del proceso identificada

Estudio de capacidad

Evaluación de las especificaciones actuales

contra los límites de control del proceso

Cartas de control estadístico Límites de control actual del proceso

30

Tabla 4. Metodología general del proyecto. (Continuación)

Etapa: Diseño

Diseño del Sistema de Control Estadístico de Procesos Norma INTE/ISO 11462 Sistema de Control Estadístico de Procesos

Creación del procedimiento para los involucrados en el

CEP (Roles y responsabilidades)

Entrevistas y reuniones con los departamentos de

Calidad, producción, mantenimiento y R.H

Roles y responsabilidades definidos para el control

estadístico de proceso

Creación del procedimiento para la resolución de puntos

fuera de control

Entrevistas y reuniones con los departamentos de

Calidad, producción, mantenimiento

Procedimiento para el control de procesos

Diseño de nuevas especificaciones para las variables

críticas del proceso

Análisis de tolerancias

Diseño de experimentos

Variables críticas con nuevas especificaciones

Elaboración de la herramienta automatizada para el

control estadístico de procesos

Excel Herramienta automatizada para el análisis de

normalidad, capacidad del proceso y gráficos de

control

Etapa: Validación

Capacitación del personal respectivo en el

funcionamiento del sistema: Roles y responsabilidades,

flujo de trabajo, método de muestreo, método de

consistencia y herramienta de control

Presentaciones

Procedimientos en físico

Herramienta para el Sistema CEP

Personal capacitado en el sistema CEP

Percepción del personal respecto al Sistema de

CEP

Valoración de la capacidad del Sistema CEP, para ser

replicado en otras áreas

Entrevistas con los involucrados en el Sistema de

CEP

Percepción del personal respecto a la réplica del

sistema en otras áreas

Ejecución de pruebas piloto para nuevas especificaciones

de variables críticas

Corrida corta de especificaciones de presión y

temperatura en la línea s9

Desperdicio de Doy packs y capacidad del proceso

bajo las nuevas especificaciones

31

1.7 Cronograma de trabajo

A continuación, se presenta el cronograma de trabajo para el presente proyecto

Tabla 5. Cronograma de trabajo

# Actividades Fase del Proyecto Semana Duración

1 Identificación y evaluación de los elementos del Sistema de Control Estadístico del

Proceso actual

Diagnóstico Semana 1-2 2

2 Mapeo de procesos Diagnóstico Semana 3-6 4

3 Determinación de las principales causas de desperdicio y productos con mayor

desperdicio

Diagnóstico Semana 7-8 2

5 Identificación de las variables críticas Diagnóstico Semana 9-13 5

6 Evaluación del sistema de medición Diagnóstico Semana 14 4

7 Evaluación de la capacidad actual del proceso Diagnóstico Semana 15-19 2

9 Diseño de un Sistema de Control Estadístico de Procesos Diseño Semana 19 1

10 Creación de procedimientos para los involucrados en el CEP (roles y

responsabilidades)

Diseño Semana 19-20 2

12 Diseño de nuevas especificaciones para las variables críticas del proceso Diseño Semana 21 1

13 Creación de la herramienta automatizada de CEP Diseño Semana 22 1

14 Capacitación al personal sobre funcionamiento del sistema Validación Semana 23 1

15 Valoración de la capacidad del Sistema de CEP, para ser replicado en otras áreas Validación Semana 24 1

16 Ejecución de pruebas piloto para nuevas especificaciones de las variables críticas Validación Semana 25 1

17 Determinación del impacto del diseño propuesto sobre los indicadores de éxito

planteados

Validación Semana 25 1

32

2 Capítulo II. Diagnóstico

2.1 Objetivos del Diagnóstico

Como objetivos del diagnóstico del proyecto se presentan los siguientes:

2.1.1 Objetivo General

Evaluar el Sistema de Control Estadístico de Procesos en el área de producción de Salsas

para determinar su impacto en el desperdicio y pérdidas económicas.

2.1.2 Objetivos Específicos

• Evaluar los elementos de gestión del Sistema de Control Estadístico para determinar

las condiciones del proceso actual.

• Establecer las causas de defectos críticos del proceso de producción de Salsas y

puntos de generación de desperdicio para determinar cuáles son las principales

variables críticas en las que se enfoca proyecto.

• Evaluar el estado de control estadístico actual del proceso de producción con el fin

de determinar la capacidad del proceso para producir bajo especificaciones.

2.2 Metodología del diagnóstico

Para cumplir con los objetivos planteados en la etapa de diagnóstico se crea la metodología

de diagnóstico en la cual se presentan las actividades que se realizan, las herramientas

necesarias y los resultados esperados en esta etapa como se muestra en la tabla 6.

33

Tabla 6. Metodología de diagnóstico

Actividades Herramientas Resultados

Etapa: Diagnóstico

Identificación y evaluación de los

elementos del sistema de control

estadístico del proceso actual

Lista de chequeo de control estadístico de

proceso (CEP)

Porcentaje de cumplimiento de la organización en

cuanto al CEP

Entrevistas con la alta gerencia Comprensión de la estrategia actual de la organización

para el CEP

Mapeo de procesos Diagrama SIPOC

Diagrama de proceso

Comprensión del proceso e identificación de puntos de

control actuales y áreas con mayor desperdicio

Determinación de las principales causas

de desperdicio y productos con mayor

desperdicio

Diagrama de Pareto Principales causas de desperdicio y productos con

mayor desperdicio identificados

Identificación de las principales variables

del proceso y tolerancias

Revisión documental de registros

Entrevistas con el personal de QA

Variables de proceso y tolerancias identificadas

Identificación de las variables críticas AMEF Variables críticas identificadas

Evaluación de la capacidad actual del

proceso

Muestreo estadístico Capacidad del proceso identificada

Estudio de capacidad

Evaluación de las especificaciones

actuales contra los límites de control del

proceso

Cartas de control estadístico Límites de control actual del proceso

34

2.3 Estructura del diagnóstico

Para poder determinar el estado en el que se encuentra la organización respecto al Control

Estadístico de Proceso, el diagnóstico se diseña en dos etapas, la primera de ella

corresponde a la evaluación de la de guía INTE/ISO 11462-1:2009, la cual permite evaluar

aquellos aspectos en los que cumple la organización y aquellos en los que no cumplen y

presentan mayor debilidad.

En la segunda etapa del diagnóstico se evalúan los efectos indeseables que generan

desperdicios y problemas de calidad para la organización, obteniendo de estos las variables

críticas en las que se validara el Sistema de Control Estadístico de Proceso que se diseña.

Una vez que se definen las variables críticas están son evaluadas mediante análisis

estadístico, para ello se realiza un análisis de potencial de proceso a corto plazo, en el cual

primero se evalúan las materias primas, la mano de obra y los equipos, posteriormente se

realiza el análisis de capacidad de proceso, como se explica más adelante en el apartado

2.3.3 Evaluación de variables críticas.

2.3.1 Evaluación del Control Estadístico de Procesos actual

Dentro de los principales aspectos que se evalúan en la organización, específicamente en

el área de Salsas, es la condición actual del CEP, para lo cual se utiliza la guía INTE/ISO

11462-1:2009, con el fin de implementar controles estadísticos de procesos.

Tal y como se indica en el apartado 1.5.1, de la guía INTE/ISO 11462-1:2009, el CEP tiene

como objetivo entender a fondo los procesos, de manera que se conozcan las fuentes de

variación de los procesos y los modos de fallas, con el fin de poder cuantificar las pérdidas

económicas debidas a desperdicios, reproceso, paros en las líneas, y lograr estimar la

cantidad de trabajos y negocios perdidos por clientes insatisfechos.

Para lograr todo ello se tiene una serie de elementos que conforman el Sistema de Control

Estadístico de Procesos, incluyendo la gestión de soporte, la cual se encarga de la revisión

de los resultados, el manejo de datos, el seguimiento de las desviaciones del proceso y

asignar al responsable de CEP. En la figura 1 se puede observar cómo se desglosa el

Control Estadístico de Proceso, según la INTE/ISO 11462-1:2009.

35

Figura 1. Control estadístico de proceso

36

Actualmente, la organización no realiza el Control Estadístico de Proceso; sin embargo,

tiene interés y algunas herramientas ya implementadas. Para determinar la situación

actual de la empresa se realiza una evaluación con base en la guía INTE/ISO 11462-

1:2009: Guía para la implementación de controles estadísticos de procesos.

Para determinar la situación actual de la empresa en el área de Producción de Salsas se

realiza una lista de chequeo con la guía INTE/ISO 11462-1:2009 (véase el apéndice 3).

Como fuente de información para completar el instrumento, se cuenta con la participación

del Gerente de Calidad, el Encargado de Laboratorios y la Especialista de Calidad. A

continuación, se detalla el nivel de cumplimiento por parte de la organización para cada uno

de los puntos:

2.3.1.1 Organización CEP

• Objetivos

¿La organización cuenta con objetivos claros?

Como se mencionó en el capítulo I, uno de los objetivos que busca el CEP es la mejora en

la calidad de los productos, disminución del retrabajo y el desperdicio. UL cuenta con

objetivos relacionados con la disminución del desperdicio. Para el 2017 se esperaba la

reducción de 400 mil euros de desperdicio dentro de toda la organización.

Dentro de los objetivos específicos para el 2017, en el área de Salsas se esperaba cumplir

con las metas de desperdicio correspondientes a cada una de las categorías:

ROH <= 0,52%.

PACK <= 2,10%.

HALB <= 2,80%.

• Justificación financiera

¿Se tienen identificados los costos de desecho, inspección, reproceso, reparación

de equipo, tiempo muerto e interrupciones?

La organización cuenta con un equipo de trabajo para el control de desperdicios, el cual

está compuesto por personas del área de Inventarios, Producción, Calidad y WCM. Todos

los miércoles se realiza una reunión, en la cual se analiza lo sucedido durante la semana y

las causas de desperdicios y paros en los equipos. Así mismo, se envía un reporte semanal

de los indicadores (ROH, PACK, HALB) de cada una de las áreas (véase el anexo 3) y un

informe semanal de los principales desperdicios por área, su causa, cantidades y

responsable (véase el anexo 4).

¿Cantidad de trabajos perdidos por clientes insatisfechos?

La persona encargada de las quejas de los clientes tiene, como responsabilidad, la

determinación de las causas-raíz que provocan desviaciones en las características de

calidad del producto y el costo asociado de dicha queja. En el 2016, del total de las quejas,

un 51 % corresponde al área de Salsas, y en la figura 2 se observan las quejas por área.

37

Figura 2. Porcentaje de quejas por área

Fuente: UL, 2016

• Equipo CEP

¿Se cuenta con un equipo de trabajo para CEP?

Para lograr un adecuado Sistema de Control Estadístico de Proceso es necesario un equipo

de trabajo, para evaluar los resultados del CEP y dar apoyo al encargado del CEP.

El área de Salsas no cuenta con un equipo de trabajo; cada departamento realiza sus

funciones por separado y sus miembros solicitan ayuda de otros departamentos en caso de

ser necesario. El departamento de Calidad es el encargado de llevar indicadores y el

manejo de datos del proceso; sin embargo, no cuenta con un equipo de trabajo de CEP,

por lo que los resultados del análisis de datos que se realizan, cuando se requieren, quedan

en el departamento de Calidad.

2.3.1.2 Condiciones CEP

• Gestión de soporte

¿Se realizan actividades de la mejora continua al proceso?

UL cuenta con la metodología de Manufactura de Clase Mundial (WCM), en la cual se

realizan auditorías cada seis meses; en dicha auditoría se evalúan las principales pérdidas

de cada uno de los departamentos (Calidad, Producción, Costos, Recursos humanos, entre

otros) y cómo serán mitigadas mediante proyectos de mejora, utilizando una matriz de

priorización (véase la figura 3) y el área a intervenir. En el segundo periodo, de julio a

diciembre del 2016, del total de proyectos de mejora para el departamento de Calidad, un

58 % de los proyectos correspondía al área de Salsa.

38

Figura 3. Matriz QA

Fuente: UL Departamento de calidad, 2017

¿Se llevan registros de las desviaciones y puntos fuera de control?

La organización cuenta con una base de datos, la cual se alimenta cada vez que existe una

desviación en el proceso.

Actualmente, cada vez que se da una no conformidad en el área de Salsas (llámese “no

conformidad” a algún incidente de calidad, problemas de hermeticidad, contaminación de

producto, codificación, bajo peso, entre otros) se realiza una investigación posterior para

determinar las causas-raíz y corregir el defecto.

¿El manejo de datos es el adecuado para la toma de decisiones del proceso?

Los registros que existen en el área de Salsas para monitorear el proceso son:

• Temperatura de mordazas: se anotan las temperaturas cada hora.

• Pesos: se toman los pesos de 5 doy packs cada 10 minutos.

• Prensa neumática: se realiza la prueba en dos doy packs cada 20 minutos.

Estos tres registros se llenan en físico, los cuales, al final del día, se guardan en el Centro

de Documentación, pero nadie analiza la información que ellos contienen.

Así mismo, en algunas ocasiones las informaciones de estos registros son alteradas por los

colaboradores, ya que por descuido o falta de tiempo no realizan las pruebas

oportunamente, y al final del turno llenan los datos de las temperaturas de las mordazas,

los pesos y de la prensa neumática.

• Comprensión de herramienta y métodos CEP

¿El personal está comprometido con las herramientas y métodos del CEP?

No se cuenta con un perfil de puestos a la hora de la contratación, para asegurarse de que

los colaboradores cuenten con conocimiento en CEP.

Desde mayo del 2017, el área de Salsas cuenta con una persona encargada de capacitar,

en habilidades técnicas, a los operadores de las líneas, con el fin de conocer las variables

39

de los equipos y cómo controlarlas. El personal actual tiene poco conocimiento sobre el

control estadístico de procesos.

2.3.1.3 Elementos del sistema

• Plan de control

¿Se cuenta con un diagrama de flujo, se tienen establecidas las entradas y salidas

del proceso?

El área de Salsas cuenta con diagramas de flujo para la comprensión de los procesos, sus

entradas y salidas. Así mismo, se tienen mapeados cuáles son los puntos de control y los

prerrequisitos operacionales necesarios en los planes HACCP. Sin embargo, no se tiene

claro, por parte de la organización, si esas son todas las variables del proceso que se deben

controlar.

¿Se tienen los límites del proceso establecidos?

Los límites de especificación de cada variable son definidos por el departamento de

Innovación y Desarrollo. No obstante, no se conoce si los parámetros están bien definidos

o si existen todos los parámetros necesarios.

En el caso de que ocurran situaciones fuera de control, solamente se tienen acciones

correctivas si son variables definidas en los planes HACCP como puntos críticos de control.

(Véase el anexo 5).

• Metas y límites de proceso

¿Los valores metas o limites operacionales son cuantificados y evaluados respecto

a las necesidades del cliente?

UL cuenta con metas y limites operacionales; estos son cuantificados, pero no se analizan.

Estos valores de los límites operacionales no son evaluados con respecto a las necesidades

del cliente, ya que son definidos por Innovación y Desarrollo, departamento ubicado en

México, y no tienen claro qué provoca la variabilidad del proceso y los defectos de calidad.

• Control del sistema de medición

¿Se verifica periódicamente la calibración del sistema de medición?

Los equipos empleados para la medición de las variables se calibran una vez al año, por

un ente externo certificado. Al calibrar los equipos se evalúa la exactitud, repetitividad,

precisión, reproducibilidad, linealidad y estabilidad. Se archivan los certificados de

calibración de todos los equipos en el Centro de Documentación.

¿Se tienen claros los criterios de aceptación de la incertidumbre del sistema de

medición?

En el área de Salsas no se tiene claro sobre cuál debería ser la incertidumbre del sistema

de medición, y se utilizan los equipos que se tienen. En el anexo 6 se puede ver la lista de

equipos de medición del área de Salsas y su frecuencia de calibración.

40

• Instrucciones de trabajo documentadas

¿Se cuenta con procedimientos documentados para los procesos de producción,

medición, inspección, ensayo y mantenimiento?

Para cada proceso y actividad, que se realizan en el área de salsas, existe un instructivo

de trabajo de las tareas paso a paso; a estos instructivos de trabajo se les llama “SOP”.

Así mismo, se cuenta con los procedimientos para las pruebas de calidad y quejas de los

consumidores, como lo son:

• PO-QA-006: Procedimiento para el control de peso de los productos1.

• PO-QA-038: Procedimiento para prensa neumática.

• PO-QA-050: Procedimiento de acciones correctivas en caso de desviaciones de

proceso, de PCC y PPRO.

• PO-QA-052: Procedimiento para el manejo de incidentes de calidad.

• PO-QA-077: Procedimiento de manejo de quejas.

Sin embargo, el único procedimiento que indica cómo se deben corregir distorsiones en el

proceso es el procedimiento PO-QA-050, únicamente para los puntos críticos de control

(PCC) y programa de pre-requisitos operacionales (PPRO) de los planes HACCP que

tienen que ver con la inocuidad de los alimentos, mas no con todas las variables del

proceso.

• Formación y participación del personal en datos de proceso

¿Se cuenta con un procedimiento para el muestreo, recolección, interpretación y

acciones a tomar con los datos?

Como se mencionó anteriormente, se cuenta con procedimientos e instructivos de trabajo

de cómo realizar pruebas y obtención de datos, como lo son los pesos de los doy packs,

prensa neumática, temperatura de mordazas. Sin embargo, no se conoce la metodología o

tipo de muestreo que fue utilizado para la creación de dichos instructivos y procedimientos,

en los que se indican la frecuencia y la cantidad de muestras que se deben tomar. Además,

los datos de estas pruebas se anotan en registros, pero se desconoce qué se debe hacer

con ellos, así como el análisis y la interpretación que se les debe dar.

¿Se cuenta con diferentes controles, equipos y software para la obtención de datos

del proceso?

Actualmente el área de Salsas tiene servidores a quienes les llega la información de todas

las variables, tanto del área de cocción como de las líneas de empaque; no obstante, esa

información solamente queda almacenada en los servidores y no se utiliza para el análisis

de los procesos. El personal no posee conocimiento de cómo obtener la información del

servidor.

1 Los procedimientos no se pueden adjuntar como anexos, pues, por políticas de la organización, son privados.

41

• Obtención y registro de datos del proceso

¿El sistema permite la utilización de datos históricos para identificar las causas de

variación asignables al proceso?

En las líneas de empaque del área de Salsas llenan dos registros; uno de ellos es el registro

RG-QA-134: Registro de prensa neumática y el otro es el RG-QA-292: Pesos, temperatura

de tolva y temperatura de mordazas.

A pesar de que cuentan con estos registros, no son utilizados para la verificación de las

causas de variación, ya que se conoce que muchas veces son alterados por los encargados

de llenar los formularios.

¿Se tiene documentación de las decisiones de muestreo? (tamaño de muestra,

frecuencia, responsabilidad del muestreo)

Cuando se requiere un muestreo para tomar decisiones no se documentan ni el tamaño de

la muestra, ni la frecuencia, ni la metodología empleada para el muestreo.

¿Se audita periódicamente el mantenimiento del sistema?

Como tal, no existe un Sistema de Control Estadístico de proceso, sino que se utilizan

algunas herramientas estadísticas como gráficos de control y análisis de capacidad, cuando

se requiere en determinado momento. Por lo tanto, no se audita el Sistema de CEP.

• Trazabilidad e identificación de la secuencia de la producción

¿Se cuenta con una clara identificación de la secuencia del producto o salida de

proceso?

Sí, se cuenta con una clara identificación de la secuencia del producto y salida del proceso.

Se cuenta con un cuarto de contra-muestras, en el cual se guardan, de cada lote de

producción, dos muestras, para tener respaldo y trazabilidad de la producción, en caso de

que exista alguna desviación en el proceso.

¿Se cuenta con un sistema documental de desviaciones para identificar causas

asignables a la variación?

Si existe alguna desviación del proceso se anota en registros y se documenta. En algunos

casos se realiza la investigación inmediatamente, pero en otros no se realiza investigación

de lo sucedido.

• Evaluación del desempeño del proveedor

¿Se cuenta con un sistema que permita evaluar el desempeño de los proveedores?

Se evalúa periódicamente el desempeño de los proveedores mediante auditorías internas,

las cuales son realizadas cada seis meses.

Así mismo, se cuenta con un historial de reclamos a los proveedores, de tal manera que se

posee una comunicación directa con ellos de manera semanal, donde se envía el rechazo

correspondiente y se solicitan planes de acción para que la no conformidad no ocurra

42

nuevamente. Si el proveedor no contesta el rechazo en un plazo de diez días, UL da como

asumido el rechazo -por parte del proveedor- y se procede con el proceso de cobro.

¿Se evalúa la capacidad de los procesos del proveedor?

Dentro de los proveedores más críticos, en el área de Salsas, se encuentran los

proveedores de material de empaque; es por ello por lo que, a partir de junio del 2017, se

les solicita a los proveedores, de manera mensual, un análisis de capacidad de las variables

críticas para sus respectivos procesos, mientras que a los otros proveedores solamente se

les solicita el certificado de calidad.

• Sistema de Control de Proceso

¿Se cuenta con un plan del control y sus sistemas de soporte para la colección y

grabación de datos?

El área de Salsas no cuenta con un modelo, sistema o algoritmo que le permita evaluar

cuando algún parámetro se encuentra fuera de control en el momento que se da. La alerta

sucede cuando el personal se da cuenta de que el producto está incumpliendo en sus

parámetros o características de calidad, por lo que en ocasiones se debe detener el

proceso, ya que las variables no están siendo monitoreadas.

• Resultados de variabilidad

¿Se evalúa la distribución de los datos?

Cuando se realizan investigaciones por desviaciones en el proceso, generalmente no se

realizan análisis estadísticos; por lo tanto, no se conoce la distribución de los datos ni la

capacidad de los procesos.

¿Se identifican las relaciones entre los parámetros de proceso, los parámetros del

producto en proceso?

Actualmente, en el área de Salsas se está trabajando en una matriz llamada “QX”, la cual

evalúa la relación de los parámetros de proceso con los parámetros de producto, para lograr

entender de mejor manera las fallas.

¿Se certifican las personas, las máquinas y los materiales?

Para disminuir la variabilidad en los procesos, las materias primas son recibidas con

certificados de calidad. Cuando no se cumple con los parámetros establecidos en los

certificados, el material se rechaza al proveedor; así mismo, el personal es seleccionado de

acuerdo con los perfiles de puesto, y al ingresar debe llevar una capacitación general,

mientras que los equipos son calibrados y se mantienen en mantenimiento preventivo.

• Comunicación de los resultados

¿Se comunican los resultados a todos los involucrados en el CEP?

Entre los medios de comunicación que se utilizan en la empresa hay correo electrónico, y

también se cuenta con pizarras informativas dentro de la planta de producción y en la parte

de afuera, cerca del comedor. Sin embargo, como no existe un grupo CEP como tal, cuando

se realizan mejoras o investigaciones en los procesos estas no son comunicadas.

43

2.3.1.4 Resumen de evaluación del CEP actual

Se evalúa cada uno de los puntos de la guía para la implementación de un Sistema del

Control Estadístico de Procesos; se logra determinar que la organización posee un

cumplimiento de un 40 %, mientras que el otro 27 % corresponde a un cumplimiento parcial

y un 33 % a un incumplimiento. Los principales aspectos de incumplimiento son:

- Gestión de soporte.

- Definición de metas y límites de procesos.

- Formación y participación del personal en la toma de datos.

- Obtención y registros de los datos del proceso.

- Sistema de control.

- Resultados de variabilidad.

Los resultados se observan en la tabla 7, y los números corresponden a la cantidad de

ítems del formulario.

Tabla 7. Resultados de evaluación INTE/ISO 11462

Elementos Cumple Cumple

Parcialmente

No cumple Total

Organización CEP 2 2

Justificación financiera 2 2

Organización CEP 1 1

Gestión de soporte 1 1 2 4

Comprensión de las herramientas y métodos del CEP 1 1 2

Plan de control 3 4 1 8

Definición de metas y límites de proceso 1 2 3

Evaluación y el control del sistema de medición 3 1 1 5

Instrucciones de trabajo documentadas 5 1 2 8

Formación y participación del personal en la toma de

datos

2 1 2 5

Obtención y registro de los datos del proceso 1 2 3

Trazabilidad e identificación de la secuencia de

producción

2 1 3

Evaluación del desempeño del proveedor 1 1 2

Sistema de control de proceso 1 1 2

Resultados de variabilidad 1 1 2 4

Comunicación de los resultados 1 1

Puntos 22 15 18 55

% cumplimiento 40% 27% 33% 100%

44

2.3.2 Evaluación de efectos indeseables

De acuerdo con los resultados obtenidos en el apartado 2.3, y según la guía INTE/ISO

11462-1:2009, dentro de los principales objetivos que posee el CEP se encuentran: reducir

la variación en los procesos, evaluar los niveles de calidad y capacidad para producir,

señalar las causas potenciales de variación y aumentar el conocimiento de las causas de

variación.

Todos estos objetivos tienen el fin de conocer los costos de desperdicio, inspección,

reproceso y reparación; así mismo, para estimar la cantidad de negocio y trabajo perdido

por clientes insatisfechos. En la figura 4 se muestra el diagrama de los objetivos del CEP.

Figura 4. Objetivos del CEP

Por lo tanto, para entender de una mejor manera las fuentes de desperdicio y las causas

de variación del proceso de Salsas se analizan los puntos:

• Mapeo de proceso.

• Causas de desperdicio.

• Priorización de causas de variación.

• Variables de proceso.

• Priorización de variables.

• Sistema de medición actual.

• Evaluación de variables críticas.

Cada uno de ellos se describe a continuación:

2.3.2.1 Mapeo de procesos

De acuerdo con la guía INTE/ISO 11462-1:2009, en el apartado 7.1, uno de los aspectos

más importantes es el conocimiento del proceso y todos los puntos importantes de control.

45

Para el estudio del proceso de Producción de Salsas se realiza, en primera instancia, un

mapeo de alto nivel, para entender el proceso y su entorno, empleando para ello el

diagrama SIPOC. Como se observa en la figura 5, dentro los principales proveedores se

encuentra Morning Star, quien provee del tomate en cubos y la pasta de tomate para la

elaboración de las salsas. Para la producción de dichas salsas, la organización cuenta con

los subprocesos de recepción de materia prima, despacho de materiales, pesado de

ingredientes, dosificación de ingredientes, cocción, llenado y empaque.

Figura 5. Diagrama SIPOC

Recepción

de materia

prima

Almacenamien

to en cuarto de

pesado

Almacenamien

to en bodega

Almacenamien

to en cuarto

refrigerado

Premezclado CocciónLlenado de

doypacks

Empaque

del

producto

CAROZZI

Stockton

Morning Star

LAICA

Caminos del Sol

CLP

SIGMA

ROTOFLEX

INOLASA

Belca

Agua

Tomate en

cubos

Pasta de tomate

Sal

Vinagre

Oleína de palma

Especies

Material de

empaque

¨Doypacks¨ con

salsitas

Walmart

Pricesmart

Unilever de

Centro América

Distribuidores

Proveedores Entradas Salidas ClientesProceso

La salida del proceso corresponde a las Salsas, de las cuales existen ocho recetas en

presentaciones de 106 g, 113 g y 227 g.

En la tabla 8, se observan los tipos de Salsas y sus respectivas presentaciones.

Tabla 8. Productos del área de Salsas

Tipo de Salsa Presentación Tipo de Salsa Presentación

Salsa tomate Ranchera 106gr Salsa de tomate con hongos 106gr

227gr 227gr

113gr Salsa sofrito criollo 106gr

kétchup sin homogenizar 106g 24x227gr

227gr Salsa tomate con carne 96x106gr

Salsa tomate queso 106gr Salsa de tomate mexicana 96x106gr

227gr Salsa de tomate kétchup 96x113gr

46

2.3.2.2 Diagrama de proceso

Para describir el sistema de producción de salsas se realiza el diagrama del proceso de su

elaboración, donde se detallan las etapas del proceso, las cuales son:

1. Recepción de materias primas.

2. Despacho de materias primas a producción.

3. Premezclado.

4. Cocción.

5. Llenado de doy packs.

6. Empaque del producto.

El proceso inicia con la recepción de materias primas (véase la figura 6); una vez que llega

el camión se descarga el material; posteriormente se revisa que el certificado de calidad

esté vigente y que la factura coincida con la orden de compra. En caso de que no cumpla

con alguno de estos aspectos, se debe notificar al departamento de Calidad, y ahí el

personal se encarga de realizar las respectivas pruebas para determinar si se rechaza el

material o se da el visto bueno a la bodega.

Sí la materia prima cumple con estos requisitos, en el caso de los vegetales, estos deben

ser enviados al cuarto de refrigeración; las otras materias primas se colocan en los pasillos.

Aquí se realiza otra prueba de calidad, en la que se verifica el peso, la calidad del material

y las cantidades; en caso de no cumplir con alguna de estas características se notifican las

discrepancias con el proveedor; si se cumple, se ingresa al sistema y se le coloca una

etiqueta a la materia prima. Para finalizar este proceso, el material es enviado al cuarto de

pesado en el caso de las especias, sal, oleína de palma; los vegetales al cuarto de

refrigeración y, por último, el laminado se guarda en la bodega.

Entre los principales hallazgos de la recepción de materias primas se encuentra que, a la

hora de almacenarlas, el acomodo no se realiza considerando el criterio de fecha de

caducidad, lo cual impacta en el despacho de materias primas a producción, y conlleva

desperdicio por vencimiento de los materiales.

Figura 6. Proceso de recepción de materias primas

Recibir

materia

prima

Colocar

material en

pasillos

Enviar

vegetales a

cámara de

refrigeración

Ingresar la

materia

prima al

sistema

Colocar

etiqueta a la

materia

prima

Almacenar en

cuarto

refrigerado

Almacenar en

bodegaNotificar a

calidad

Realizar

pruebas

respectivas

Revisar el

certificado de

calidad y

factura

Revisar pesos,

calidad y

cantidad

recibida

Notificar a

bodega la libre

utilización del

material

Notificar

rechazo a

bodega

Notificar al

proveedor las

discrepancias

Almacenar en

cuarto de

pesado

sí

no

sí

no

sí

no

Proceder con

cobro al

proveedor

47

Una vez que se ingresan los materiales en sus respectivas áreas, inicia el proceso de

despacho de las materias al área de Salsas (véase la figura 7). Cada uno de los almacenes

cuenta con un proceso de despacho, como se indica a continuación:

• Cuarto de pesado: el proceso inicia con la solicitud de los materiales, que se entrega

en el plan de producción. Con ese plan se pesan los ingredientes según la receta;

se etiquetan los productos; luego se colocan en una góndola, y por último se envía

el material al área de cocción.

• Área de refrigeración: se revisa el plan de producción, se pesan los vegetales y se

envían al área de cocción.

• Bodega: se hace la solicitud del material; luego este se coloca en los pasillos, se

revisa que este sea el correcto y, por último, se envía al área de empaque. En caso

de que se necesite más material o exista un cambio, se debe hacer la solicitud

nuevamente en bodega.

Figura 7. Proceso de despacho de materiales primas a producción

Cuando todos los materiales, necesarios para la producción, se encuentran en el área de

cocción, se inicia con el proceso de premezclado y cocción (véase la figura 8). El proceso

inicia cuando el tomate en cubos se coloca en un tanque aparte, la pasta de tomate en otro

y los vegetales y especies en un carrito. En el caso de los vegetales, se verifica la

temperatura de 20 °C; si esta temperatura no cumple, se desechan los vegetales. Cuando

todos los ingredientes están listos se pasan a un tanque pulmón, donde se mezclan y se da

la cocción del producto; ya cocinada la salsa se saca una muestra y se le realizan distintas

pruebas de calidad (grado brix, pH y consistencia); si el producto no cumple con las

pruebas, se le adicionan ingredientes para arreglar la mezcla y se vuelven a hacer las

pruebas para ver si cumple o no; en caso de incumplimiento se desecha todo el lote; de lo

contrario, se envía a los tanques de almacenamiento del producto (Fryma) de las líneas de

empaque. En esta parte del proceso es donde se da el desperdicio de producto en proceso

(HALB), principalmente por no cumplir con las pruebas de calidad.

Revisar

plan de

producción

Pesar los

ingredientes

requeridos

Etiquetar los

productos

pesados

Colocar

productos

en góndola

Hacer la

solicitud del

material

Colocar

material en

pasillo

Revisión del

material

Enviar el

material a

empaque

Enviar el

material a

producción

Revisar

plan de

producción

Pesar los

ingredientes

Enviar el

material a

producción

Devolver

material a

bodega

sí

no

Cuarto de

pesado

Cuarto de

refrigerado

Bodega

48

Figura 8. Proceso de premezclado y cocción

Una vez que el producto está en las frymas de las líneas de empaque, se inicia el proceso

de llenado de los doy packs (véase la figura 9). El proceso empieza cuando se coloca el

laminado en la máquina de llenado, y esto lo hace el operario de la máquina; ya colocado

el laminado se debe ajustar; es decir, asegurarse de que la bobina de laminado esté en

posición correcta; se ajusta la temperatura de las mordazas y se activa la dosificación. Cada

veinte minutos se realiza una prueba de hermeticidad, la cual consiste en someter a una

presión de 40 psi los doy packs, usando una prensa neumática para verificar que el producto

esté bien sellado; en caso de no cumplir se desechan los doy pack; de lo contrario se envían

al túnel de enfriamiento.

Figura 9. Proceso de llenado de doy packs

Colocar

laminado

en la línea

Ajustar el

laminado

Ajustar de

temperatura

de las

mordazas

Activar la

dosificación

Llenado de

doypacks

Sellado de

doypaks

Realizar

prueba de

hermeticidad

Colocar

doypacks

en

refrigerador

Enviar

doypacks a

desperdiciono

sí

Por último, se realiza el proceso de empaque (véase la figura 10). Cuando ya se enfrían los

doy packs, estos se colocan en cajas y posteriormente estas en tarimas; en ese momento

se realiza la retención de la primera tarima del lote y se realizan pruebas de calidad para

verificar si el producto cumple con todas las características de calidad deseadas, tales como

hermeticidad, codificación, peso.

Figura 10. Proceso de empaque del producto

Enfriado de

doypacks

Empacar

doypacks

en cajas

Empaque

de cajas en

tarimas

Retención

de primera

tarima

Producto

terminado

Enviar

producto a

desperdicio

Realizar

prueba de

calidad

Enviar

producto a

desperdicio

Realizar

prueba de

calidadno

sí

no

sí

Colocar bin

de tomate en

cubos

Colocar bin

de pasta de

tomate

Medir la

temperatura

de los

vegetales

Colocar

vegetales y

especies en

carrito

Recibir

ingredientes

Cocción de

la mezcla

Sacar

muestra de

la boula

Realizar

pruebas de

calidad

Enviar salsa

a

desperdicio

Registrar

resultados

Agregar

ingredientes

Salsa pasa

las frymas

sí

no

Envío de

vegetales a

desperdicio

no

sí

no

49

En total, existen 52 actividades desde el proceso de recepción de materia prima hasta el

proceso de empaque; del total de las actividades existen 9 inspecciones, de las cuales

solamente 3 son de variables de producto y 2 de variables de proceso (véase el apéndice

4). Dichas inspecciones son:

• Inspeccionar el certificado de materiales y facturas al ingreso de la bodega.

• Revisar lotes y cantidad de materiales.

• Inspeccionar el peso y la integridad del producto.

• Realizar análisis físico-químicos del producto.

• Inspeccionar temperaturas de mordazas.

• Pesar el producto.

• Realizar prueba de prensa neumática.

• Realizar muestreos de calidad.

El resumen de la cantidad de actividades del proceso se muestra en la tabla 9.

Tabla 9. Resumen de curso grama analítico

Resumen de actividades

Actividad Símbolo Cantidad Porcentaje

Operación

37 71%

Transporte

3 6%

Almacenamiento

3 6%

Demora

0 0%

Inspección

9 17%

2.3.2.3 Causas de desperdicios

Una vez comprendido el proceso de producción de salsas, las entradas de procesos, las

principales actividades, las inspecciones y los principales focos de desperdicio, se realiza

un análisis de las causas de cada uno de los desperdicios y problema de calidad presentes

en el área de Salsas, porque, de acuerdo con el apartado 1.5.1 INTE/ISO 11462-1:2009, se

tiene como finalidad recopilar los costos de producción tales como: costo de desperdicio,

inspección, reproceso, reparación de equipo, tiempo muerto e interrupciones y quejas de

los consumidores; además, estimando la cantidad de negocios y trabajos perdidos por

clientes insatisfechos, quienes acuden a los competidores o se rehúsan a pagar un

adicional por una mejor calidad percibida.

El área de Salsas cuenta actualmente con cuatro fuentes de desperdicios, como se

presenta en la propuesta del proyecto (HALB; ROH, PACK e incidentes D), las cuales se

detallan a continuación:

50

• HALB

El desperdicio HALB corresponde al desperdicio del producto en el proceso de cocción;

este representa 53,6 % y corresponde a un total de 16150 kg de producto, lo cual

corresponde a 666.428,60 euros en el periodo de enero a diciembre del 2016.

Para el caso de desperdicio por HALB, se analizan los kilogramos de desperdicio del 2016,

como se observa en la figura 11, donde la principal causa de este tipo de desperdicio con

un 67,8 % corresponde al incumplimiento en los parámetros físico químico; es decir, se

encuentran fuera de especificación, o al menos uno de ellos está fuera de especificación

(pH, acidez, consistencia, cloruros y grados brix), seguido de pruebas destructivas con un

14,6 %; estas pruebas son realizadas con el fin de mejorar el proceso y, por lo tanto, son

necesarias para la organización, y cuentan con el permiso de la alta gerencia para ser

realizadas.

Figura 11. Pareto de desperdicio en Kg de HALB 2016

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Posteriormente, se realiza un análisis de Pareto, para determinar si las principales causas

de desperdicio son las que representan mayor costo, como se muestra en la figura 12. En

efecto, el incumplimiento en los parámetros fisicoquímicos representa mayor costo, con un

60,3 %, seguido de pruebas destructivas, con un 22,1 %.

51

Figura 12. Pareto de desperdicio, costo de HALB 2016

Al ser en el desperdicio por parámetros fuera de especificación donde se presenta mayor

cantidad de kilogramos desechados y mayor costo, se realiza un nuevo análisis, y se logra

determinar que la principal causa de desperdicio se da en el parámetro de consistencia con

un 60 %; esto se evidencia en la figura 13.

Figura 13. Desperdicio por parámetros fuera de especificación 2016

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Por otro lado, respecto a los productos que presentan no conformidad en la consistencia,

se encuentra que la salsa Kétchup sin Homogenizar es la que mayormente está

ocasionando el desperdicio por fuera de especificación, con un 53,8 % del total producido

(véase la figura 14).

52

Figura 14. Productos con consistencia fuera de especificación 2016

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Se realizó la revisión de los registros físicos (registro de análisis realizados en el centro de

análisis de salsas) de enero a abril del 2017, y se logró determinar que había un total de

102 batches de 850kg de Kétchup sin Homogenizar, y se encontraban con consistencia

fuera de especificación, por encima del límite superior de 6 cm/s; aquellos batches que

poseían una consistencia de 6,5cm/s a 7cm/s fueron reconsiderados ajustando pasta de

tomate, mientras que los que se encontraban por encima de 7cm/s fueron rechazados,

convirtiéndose en desperdicio. Para el caso de la Salsa Ranchera, se tenía un total de 27

batches fuera de especificación por encima del límite superior de 9cm/s, convirtiéndose la

Kétchup dulce sin Homogenizar en el principal foco para la reducción de desperdicio por

consistencia.

• ROH

El desperdicio ROH se refiere al desperdicio de materia prima y representa un 11,6 %, lo

cual corresponde a 22.265 kilogramos de materias primas, con un costo de 143.914,53

euros.

Dentro de los principales desperdicios de ROH está el vencimiento de la vida útil. Si la

materia prima no se consume antes de la fecha de vencimiento, esta pasa a ser un

desperdicio; para el 2016 el desperdicio por vencimiento de la vida útil corresponde al

41,5%, seguido de sobrante de producción, con un 27,5%, este desperdicio corresponde al

material pesado colocado en el área de cocción de salsas, pero que no se utiliza, debido a

que no se logra cumplir con el plan de producción. Con un 15,5% se encuentra el

desperdicio por mala manipulación, el cual se da principalmente en la bodega de materia

prima cuando, al manipular el material, se rompen las bolsas o los sacos. Estos resultados

se muestran gráficamente en la figura 15.

53

Figura 15. Pareto de desperdicio ROH

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Posteriormente, se realiza un análisis de Pareto para determinar si las principales causas

de desperdicio son las que representan mayor costo, como se muestra en la figura 16. En

efecto, el vencimiento de la vida representa mayor costo, con un 41,5 %, seguido de

sobrante de producción, con un 27,5 %.

Figura 16. Pareto Costos de ROH

La principal causa por la cual se da el vencimiento de la vida útil de las materias primas es

el retraso de la producción, y que no se cumple con el volumen de producción planeado;

otra causa de este desperdicio es que el producto está mal acomodado en la cámara de

refrigeración, y el personal toma los productos más nuevos y no los próximos a vencer. Este

vencimiento de la vida útil se da en primera instancia con tres materias primas que se

muestran a continuación:

• Cebolla blanca en cubos 20x20mm, con un 48 %.

• Chile dulce verde en cubos 20x20mm, con un 26 %.

• Carne de cerdo refrigerada, con un 9%.

54

En la figura 17 se puede observar el Pareto de las materias primas con vencimiento de vida

útil.

Figura 17. Materias primas con vencimiento de vida útil

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Es importante rescatar que los vegetales, como la cebolla y el chile dulce, poseen

solamente 3 días de vida útil, por lo que, si ocurren retrasos en la producción, estas materias

se convierten en desperdicio.

En el caso de sobrante de producción, se da cuando no se logra cumplir con la producción

planeada; por lo tanto, sobran materias primas; al ser materias primas previamente pesadas

y manipuladas no se pueden volver a almacenar por requerimientos de calidad. Las

materias primas que más se desperdician al no poder cumplir con los planes de producción

son las siguientes:

• Cebolla blanca en cubos 20x20mm, con un 39 %.

• Chile dulce verde en cubos 20x20mm, con un 23,4 %.

• Carne de res molida, con un 14,2 %.

• Carne de cerdo refrigerada, con un 9 %.

En la figura 18 se pueden observar los resultados del Pareto de desperdicio de materia

prima por sobrante de producción.

55

Figura 18. Pareto desperdicio de materia prima por sobrante de producción

Fuente: Información suministrada por el departamento de Calidad UL, 2016

En el tercer caso de desperdicio por mala manipulación, este se genera por dos razones

principalmente: sacos rotos de materia prima a granel con un 49 % de los casos y bolsas

perforadas con un 31 %; ambas causas se dan por no poseer un adecuado cuidado a la

hora de la descarga de las materias primas a granel y su respectivo acomodo. En la figura

19 se muestran los resultados.

Figura 19. Causas de desperdicio por mala manipulación

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Como se muestra en la figura 20, las principales áreas con desperdicio por mala

manipulación son la bodega de materia prima y el cuarto de pesado.

56

Figura 20. Pareto de áreas con mayor desperdicio

Fuente: Información suministrada por el departamento de Calidad UL, 2016

• PACK

El desperdicio PACK se refiere al material de empaque; representa un 34,8 % del total de

desperdicio del Proceso de Salsas y corresponde a 3011 kg de laminado, lo cual representa

un costo de desperdicio de 433.156,56 euros.

El desperdicio de material de empaque se da principalmente por la limpieza de boquillas,

con un 44,7 % del total de desperdicio de empaque; dicha limpieza de boquillas se da por

requisitos de calidad, para evitar fallas en el sellado y problemas de hermeticidad; el lavado

se realiza cada 2 horas. El cambio de laminado posee un desperdicio de un 18,5 %; este

cambio se realiza cada vez que se acaba la bobina de laminado o existe un cambio de

producto en la línea. El ajuste por fallas en el sello ultrasónico, cada vez que este no sella

bien, tiene un 12 % de desperdicio, como se logra apreciar en la figura 21.

Figura 21. Pareto de causas de desperdicio de material de empaque

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Posteriormente se realiza un análisis de Pareto para determinar si las principales causas

de desperdicio son las que representan mayor costo, como se muestra en la figura 22, en

57

efecto la limpieza de boquillas represente el mayor costo con un 49,7%, seguido de cambio

de laminado con un 21,5% y ajuste en el sello ultrasónico con un 11%.

Este costo lo calcula la empresa con referencia a la cantidad de doy packs que se desechan

por ajustes y la cantidad de doy packs que se dejan de producir por minutos de que la

maquina se encuentra detenida.

Figura 22. Pareto costo de desperdicio de material de empaque

El desperdicio de laminado por limpieza de boquillas, cambios en los laminados y ajuste

por fallas en el sello se genera al detener la máquina y volver a la etapa de ajuste de está

generando así desperdicio de material de empaque para estabilizar la máquina.

• Incidentes D

El desperdicio por Incidentes D se refiere a los desperdicios generados por defectos o

desviaciones en las características de calidad del producto, detectados después del

proceso de empaque y dentro de la fábrica. La principal causa de dicho desperdicio

corresponde, en un 89 %, a la pérdida de hermeticidad, como se muestra en la figura 23.

. Figura 23. Pareto de desperdicio por Incidentes D

Fuente: Información suministrada por el departamento de Calidad UL, 2016

58

Posteriormente se realiza un análisis de Pareto para determinar si las principales causas

de desperdicio son las que representan mayor costo, como se muestra en la figura 24, en

efecto, perdida de hermeticidad representa el 84,9% de los costos. Este costo lo calcula la

empresa respecto a la cantidad de doy packs desechados y que se dejaron de vender por

las distintas causas mencionadas anteriormente.

Figura 24. Pareto de Costo de Incidentes D

Los problemas por pérdida de hermeticidad se refieren a los defectos en el sellado y

formación de la bolsa en la cual se dosifican las salsas “doy pack”. Las principales causas

de pérdida de hermeticidad son la fuga en el troquel de fondo con un 52 % y fuga en el sello

lateral con un 27% (figura 25).

Figura 25. Causas de desperdicio por pérdida de hermeticidad

Fuente: Información suministrada por el departamento de Calidad UL, 2016

2.3.2.4 Priorización de causas de desperdicio

Como se muestra en el apartado 2.3.2.3 Causas de desperdicios, existen cuatro fuentes de

desperdicio en proceso (Desperdicio de PACK, HALB, ROH e Incidentes D); por lo tanto,

para determinar cuáles son las principales causas de desperdicio que impacten a la

59

organización, tanto en el aspecto económico como en la imagen de la organización, se

utiliza el algoritmo de Klee.

El algoritmo de Klee es una herramienta de priorización, la cual funciona mediante criterios

de evaluación y consenso. Al ser una herramienta de consenso, permite el involucramiento

de la organización.

Para seleccionar los tipos de desperdicio, que son más importantes para la organización,

se utiliza el criterio del departamento de Calidad, del Laboratorio de materia prima y material

de empaque y del departamento de Producción. Al realizar la matriz de priorización, el

conjunto de estas áreas permite un mayor involucramiento de la organización para

determinar los desperdicios que generan mayor impacto, ya que la decisión será por

consenso.

Se desarrolla la matriz de Klee; se define el objetivo “Seleccionar las causas de desperdicio que generan mayor impacto en la organización”. Posteriormente, se establecen los criterios de evaluación, como se muestra en la tabla 10.

Tabla 10. Criterios de evaluación

Importante 1

Significativamente importante 5

Excesivamente más importante 10

Significativamente menos importante 1/5

Excesivamente menos importante 1/10

Una vez definidos los criterios se crea una matriz para cada departamento, dónde se

ponderan los criterios de la tabla 10, partiendo del eje vertical se comparan con los del eje

horizontal y se asigna el valor más apropiado según el criterio del experto. Los resultados

de los expertos de cada departamento están en la tabla 11, 12 y 13.

Tabla 11. Matriz de priorización de Klee, calidad

Calidad

Criterios/Opciones Consistencia Material Vencido Desperdicio de laminado Hermeticidad

Consistencia 0,2 1 5

Material Vencido 5 0,2 0,2

Desperdicio de laminado 5 0,2 5

Hermeticidad 1 0,1 1

Suma 11 0,5 2,2 10,2

Ponderación 46,03% 2,09% 9,21% 42,68%

60

Tabla 12. Matriz de priorización de Klee, laboratorios

Tabla 13. Matriz de priorización de Klee, producción

Por último, se crea una matriz resumen, que compara los resultados de cada departamento

para determinar cuáles son las fuentes de desperdicio que generan mayor impacto. En la

tabla 14 se muestran los resultados.

Tabla 14. Resultados de la matriz de priorización de Klee

Departamento Consistencia Material

Vencido

Desperdicio de

laminado

Hermeticidad

Calidad 46,03% 2,09% 9,21% 42,68%

Laboratorios 31,25% 9,82% 27,68% 31,25%

Producción 36,06% 0,96% 14,90% 48,08%

Promedio 37,78% 4,29% 17,26% 40,67%

Por lo tanto, de acuerdo con los departamentos de Calidad, Producción y el Laboratorio de

materia prima y material de empaque, el problema de hermeticidad es el que más impacto

posee en el área de Salsas, con un 40,67 % (esto se da no solamente por el desperdicio

que se genera debido a este problema y su impacto económico, sino por las quejas que se

pueden tener de los clientes y el impacto a la imagen de la organización); seguido de la

consistencia con un 37,78 %; en tercer lugar, el desperdicio de laminado con un 17,26 % y,

por último, el material vencido con un 4,29 %.

Laboratorios

Criterios/Opciones Consistencia Material Vencido Desperdicio de laminado Hermeticidad

Consistencia 0,2 0,2 1

Material Vencido 5 5 5

Desperdicio de laminado 1 1 1

Hermeticidad 1 1 1

Suma 7 2,2 6,2 7

Ponderación 31,25% 9,82% 27,68% 31,25%

Producción

Criterios/Opciones Consistencia Material Vencido Desperdicio de laminado Hermeticidad

Consistencia 0,1 1 5

Material Vencido 5 0,2 10

Desperdicio de laminado 5 0,2 5

Hermeticidad 5 0,1 5

Suma 15 0,4 6,2 20

Ponderación 36,06% 0,96% 14,90% 48,08%

61

De esta manera, las principales causas a atacar son: el desperdicio por consistencia fuera

de especificación en el kétchup sin homogenizar y la pérdida de hermeticidad en los doy

packs de Salsas.

Una vez que se definen los temas de consistencia y hermeticidad como las principales

causas de desperdicio que afectan al área de Salsas, de acuerdo con la guía INTE/ISO

11462, para evaluar la variabilidad que genera pérdidas económicas, debido al desperdicio,

se debe:

• Conocer las variables de proceso relacionadas con las variables del producto.

• Conocer las especificaciones de las variables.

• Verificar que el sistema de medición es el adecuado.

• Análisis de variables críticas.

2.3.2.5 Variables de proceso

Antes de poder atacar un problema y las fuentes de variación de un proceso, se debe tener

claro cuáles son las variables de proceso relacionadas con las variables de producto, tal

como lo indica el punto 7.10 de la guía INTE/ISO 11462-1:2009:

“Se deben identificar las relaciones entre los parámetros de proceso y los parámetros de

producto para ayudar a elegir una estrategia de control de proceso y a identificar causas

asignables de la variación en el proceso”.

En el área de Salsas las principales variables de producto seleccionadas son:

• Consistencia: se utiliza el consistómetro de Broswick; se mide la distancia recorrida

por el producto en 30 segundos para producto caliente y 15 segundos para producto

frío o a temperatura ambiente (Unilever, 2009).

• Hermeticidad: se verifica que los sellos del empaque sean herméticos; se realizan

las pruebas durante la producción normal, por medio de la utilización de una prensa

neumática. El producto debe ser tomado de la salida de la línea y la temperatura

máxima debe ser de 40 °C; esto se realiza en dos muestras cada 20 minutos; la

presión y el tiempo de la prueba dependen de la presentación de la salsita y del

tipo de laminado. En el caso del laminado trilámina se utilizan 40 psi de presión

durante 20 segundos; para el caso del laminado tetralámina se utilizan 40 psi

durante 20 segundos, excepto la presentación de salsas de 227g; en este caso se

utilizan 45psi durante 20 segundos (UL, 2016). En la tabla 15 se pueden ver, en

resumen, las especificaciones de la prueba.

62

Tabla 15. Especificaciones de prensa neumática

Fuente: Información suministrada por el departamento de Calidad UL, 2016

Cada una de estas variables de producto se encuentra relacionada con variables de

proceso, las cuales deben estar controladas para poder cumplir con las especificaciones de

los productos y sus características de calidad.

De acuerdo con el encargado del departamento de Calidad de UL, para el caso de

consistencia las variables de proceso son: presión de flujo de agua, presión de flujo de

pasta de tomate, flujo de agua, flujo de pasta, flujo de tomate en cubos, temperatura de

cocción, tiempo de cocción, tiempo de adición de ingredientes.

Las principales variables de proceso relacionadas con la hermeticidad son las temperaturas

de mordaza, tiempo de sellado y presión de sellado.

En la tabla 16 se muestra la relación entre cada una de las variables de producto con las

variables de proceso.

Tabla 16. Relación entre variables de proceso y variables de producto

Variable de producto Variable de proceso

Consistencia

Presión de agua

Presión pasta de tomate

Flujo de agua

Flujo de pasta

Temperatura de cocción

Tiempo de cocción

Tiempo de adición de ingredientes

Presión de agua

Presión pasta de tomate

Tiempo de cocción

Flujo de agua

Especificación presión y tiempo para prueba en prensa

Tamaño Presión Tiempo Tipo laminado

106g, 227 40 psi 20 s Trilamina

113g - 106g 40 psi 20 s Tetralámina

227g 45 psi 20 s Tetralámina

63

Tabla 16. Relación entre variables de proceso y variables de producto (continuación)

Variable de producto Variable de proceso

Consistencia

Tiempo de adición de ingredientes

Flujo de pasta

Cantidad de agua tanque dilutor

Hermeticidad Temperatura de mordazas

Tiempo de sellado

Presión de sellado

Potencia/amplitud sonotrodo

Presión de sellado ultrasónico

Tiempo de sellado ultrasónico

Presión de salida

Dentro de los aspectos más importantes, en el apartado 7.1 de la guía INTE/ISO se indica

que, para un adecuado plan de control, es necesario tener claros los límites del proceso,

dónde, cuándo y cómo obtener los datos.

De las variables de proceso descritas en la tabla 16, relacionadas con el desperdicio

generado por problemas de hermeticidad y consistencia, las únicas variables que poseen

especificación son las temperaturas de mordaza. Dicha especificación va desde los 130 °C

a los 260 °C, como se muestra en la tabla 17.

El tiempo de sellado se encuentra dado por una leva, mientras que la especificación de

presión de sellado se encuentra seteada a 0,4 Mpa; la temperatura de cocción es de 95 °C

y el tiempo de cocción es de 40 minutos. Sin embargo, no se conocen los valores máximos

y mínimos para estos parámetros.

Tabla 17. Especificaciones de temperaturas de las mordazas

Variable LSL USL

Temperatura mordaza fondo-delantera(°C) 130,00 260,00

Temperatura mordaza fondo-trasera (°C) 130,00 260,00

Temperatura mordaza lateral 1 delantera(°C) 130,00 260,00

Temperatura mordaza lateral 1 trasera(°C) 130,00 260,00

Temperatura mordaza lateral 2 delantera(°C) 130,00 260,00

Temperatura mordaza lateral 2 trasera(°C) 130,00 260,00

Temperatura mordaza superior delantera(°C) 130,00 260,00

Temperatura mordaza superior trasera(°C) 130,00 260,00

64

2.3.2.6 Priorización de variables

Como se menciona en el apartado 2.3.2.4, de acuerdo con el algoritmo de Klee, los

principales problemas presentes en el área de Salsas son la consistencia fuera de

parámetro y la hermeticidad.

Para lograr determinar cuáles son las principales variables, que impactan en estos dos

problemas, se realiza un grupo de enfoque, en el cual participan el Coordinador de

Producción del área de Salsas, la Encargada de Aseguramiento de Calidad, el Encargado

de los laboratorios de Calidad y un Mecánico, y se evalúan de manera conjunta las variables

de proceso mediante el AMEF. Esta metodología permite identificar las fallas potenciales

de un proceso y, a partir del análisis de su frecuencia, las formas de detección y el efecto

que provocan.

Al realizar el AMEF en conjunto con todas las partes mencionadas anteriormente, nos

permite un mayor involucramiento y un trabajo en conjunto entre distintos departamentos,

que es un punto importante para el sistema de control estadístico de procesos.

Las variables de proceso se evalúan mediante el AMEF, lo cual permite determinar cuán

severa sería una falla en la variable de proceso, la frecuencia con la que puede fallar y la

facilidad con la que se puede detectar la falla. Con estas variables se calcula el RPN:

Número de Prioridad de Riesgo, que se calcula al multiplicar la severidad del efecto de la

falla por la frecuencia y por la posibilidad de que los controles detecten la falla. Las variables

que tengan más alto el RPN van a ser las más críticas.

Para la variable de hermeticidad, las principales variables a estudiar, según los resultados

del AMEF, son las temperaturas de mordazas, presión de sellado y tiempo, las cuales se

pueden ver en la tabla 18.

En el caso de la consistencia fuera de parámetro, las variables de proceso a analizar son

la dosificación del agua del tanque dilutor y el flujo de pasta de tomate, como se muestra

en la tabla de resumen 19.

65

Tabla 18. AMEF, variables de proceso asociadas a la hermeticidad del producto

Variable de proceso Modo potencial

de falla

Efecto Severidad Causa Ocurrencia Verificación Detención RPN

Temperatura mordaza

fondo-delantera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

fondo-trasera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

superior delantera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

superior trasera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

lateral 1 delantera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

lateral 1 trasera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque

8 Daño en la

resistencia

4 Panel de control de

la línea

6 192

Temperatura mordaza

lateral 2 delantera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque 8

Daño en la

resistencia 4

Panel de control de

la línea 6 192

Temperatura mordaza

lateral 2 trasera

Desviaciones en

las temperaturas

Falta de sellado o

daño al material de

empaque 8

Daño en la

resistencia 4

Panel de control de

la línea 6 192

Tiempo de sellado

Desviación en el

tiempo de

sellado

establecido

Fuga en sello 7 Daños en la leva 3 No se verifica 8

168

Presión de sellado

Desviaciones en

la presión de

sellado

Fuga sello 7 Daño en las

mordazas 3 No se verifica 8

168

Potencia/amplitud

sonotrodo

Variación en la

fuerza de sellado

Fuga en sello

ultrasónico 5

Daños en el

sonotrodo 2

Panel del sistema de

sellado ultrasónico 5

50

Presión de sellado

ultrasónico

Desviaciones en

la presión de

sellado

Fuga sello

ultrasónico 5

Daños en el

sonotrodo 2 Manómetros 5

50

Tiempo de sellado

ultrasónico

Desviación en el

tiempo de

sellado

establecido

Fuga sello

ultrasónico

5

Daños en el

sonotrodo 2

Panel del sistema de

sellado ultrasónico 5 50

66

Tabla 19. AMEF, variables de proceso asociadas a la consistencia

Variable de

proceso

Modo potencial

de falla Efecto

Severidad Causa Ocurrencia Verificación Detención RPN

Dosificación de

agua tanque

dilutor

Desviaciones en

la consistencia de

la pasta

Alteración en la formula

8

Diferencias en el

brix de acuerdo

con la

especificación 6 Registros 3 144

Flujo de pasta

Desviaciones en

las cantidades a

dosificar

Menos material,

alteración en la

formulación 8

Desviaciones en

densidad del

producto 4 Flujómetro 3 96

Tiempo de

cocción

Desviaciones en

el tiempo de

cocción

Alteración en la formula

9

Fallas en el panel

de control 3 Panel de cocción 2 54

Tiempo de

adición de

ingredientes

Retrasos en la

producción Alteración en la formula

3 Operador 5 No se verifica 3 45

Flujo de agua

Desviaciones en

las cantidades a

dosificar

Alteración en la formula

8 Fallas en la bomba 2 Flujómetro 2 32

Tiempo de

extracción pasta

Retrasos en la

producción

Menos material,

alteración en la

formulación

4 Fallas en el

extractor 2 No se verifica 3

24

Presión de agua Mala dosificación

Menos material,

alteración en la

formulación 5 Fallas en la bomba 2 Flujómetro 2 20

Presión pasta de

tomate Mala dosificación

Menos material,

alteración en la

formulación 5 Fallas en la bomba 2 Flujómetro 2 20

2.3.2.7 Sistema de medición actual

Uno de los aspectos más relevantes para el CEP es el sistema de medición y la calibración

de los equipos. Actualmente la organización cuenta con un programa de calibración,

mediante el cual estos se calibran por un ente externo una vez al año y son verificados

internamente cada seis meses. (Véase el anexo 6).

La medición de las temperaturas de mordazas se realiza mediante un panel de control de

la línea; cada mordaza posee una termocupla, la cual envía la información al panel. Sin

embargo, estas termocuplas nunca se han calibrado ni se ha realizado una verificación de

su estado.

Para la medición de las consistencias se utiliza un consistómetro de Broswick, el cual no se

calibra, sino que se ajusta en cero cada vez que se va a utilizar. En cuanto al flujo, se utiliza

un flujómetro de Coriolis, calibrado una vez al año.

67

2.3.3 Evaluación de variables críticas

Una vez seleccionadas las principales causas de desperdicios y problemas de calidad que

impactan en mayor medida a la organización y sus variables de proceso, se debe evaluar

el comportamiento del proceso; para ello se realiza un estudio de potencial a corto plazo.

Antes de todo análisis de potencial a corto plazo, se debe garantizar que la materia prima,

la mano de obra y los equipos cumplen con las especificaciones necesarias para el proceso;

para ello:

• La materia prima debe cumplir con las especificaciones propuestas por la

organización y acordadas con los proveedores, garantizando el cumplimiento de las

especificaciones en los muestreos que realice la organización y en los certificados

de calidad de la materia prima.

• Los equipos deben estar puestos en punto, tal como lo establecen Producción y

Mantenimiento, cumpliendo con los estándares técnicos necesarios, parámetros y

tolerancias de funcionamiento previamente establecidos para el proceso productivo.

• El personal debe estar capacitado, de manera que conozca el proceso y las

funciones que debe realizar.

Si se cumplen los aspectos antes mencionados, se logra certificar que la mano de obra, la

materia prima y el personal son acordes para el proceso y se pueden realizar los estudios

de capacidad del proceso, logrando garantizar que el producto es conforme; si el producto

no es conforme se deben analizar las especificaciones de los parámetros del proceso.

2.3.3.1 Consistencia fuera de parámetros

Como se muestra en el apartado 2.3.2.3 Causas de desperdicios, una de las mayores

causas de desperdicio es la salsa kétchup dulce sin homogenizar fuera de parámetro de

consistencia.

Para determinar cuál ha sido el comportamiento de la consistencia, se toman los datos de

lotes producidos de enero a junio de 2017 de la base de datos de SAP QM en la cual se

ingresan los resultados de los análisis físicos químicos, se realiza el análisis de estadística

descriptiva para dichos datos, obteniendo una media de 5,99 cm/s y una desviación

estándar de 0,1880 cm/s. Así mismo se tiene una moda de 6, dicho valor se presenta 3475

veces lo cual representa un 92,6% de los datos analizados como se muestra en la tabla 20.

Tabla 20. Estadística descriptiva de consistencia Enero-junio 2017

Variable Conteo

total

Media Desv.Est. Varianza Mínimo Mediana Máximo Rango Moda N

para

moda

Consistencia

(cm/s)

3751 5,9911 0,1880 0,0353 5,0000 6,0000 9,0000 4,0000 6 3475

68

La especificación para la consistencia de la kétchup dulce sin homogenizar es de 5 a 6

cm/s, por lo tanto, el 92,6% de los datos se encuentran en el límite superior de la

especificación como se muestra en la figura 26 y tabla 21, mientras que un 2% de los datos

están por encima de la especificación, lo cual representan 92 batches fuera de

especificación que han sido ajustados o desechados.

Figura 26. Histograma de consistencia

Tabla 21. Distribución de frecuencia

Frecuencia Porcentaje Porcentaje

válido Porcentaje acumulado

Válidos 5,00 15 ,4 ,4 ,4

5,50 169 4,5 4,5 4,9

6,00 3475 92,6 92,6 97,5

6,03 2 ,1 ,1 97,6

6,20 1 ,0 ,0 97,6

6,50 66 1,8 1,8 99,4

6,54 1 ,0 ,0 99,4

7,00 14 ,4 ,4 99,8

7,50 2 ,1 ,1 99,8

8,50 5 ,1 ,1 100,0

9,00 1 ,0 ,0 100,0

Total 3751 100,0 100,0

Perdidos Sistema 1 ,0

Total 3752 100,0

Actualmente la organización registra los datos de consistencia sin embargo no se utilizan

en ningún tipo de análisis con ellos, y no se conoce la confiabilidad de estos datos.

69

Ahora bien, para entender en mejor medida el origen de la problemática de la consistencia

de la kétchup sin homogenizar, se analizan la receta de la misma, está compuesta de los

siguientes ingredientes, que se muestran en la tabla 22.

Tabla 22. Lista de ingredientes de la salsa kétchup

A diferencia de las otras Salsas, la kétchup dulce sin homogenizar no lleva vegetales, un

40 % de la receta está constituido por agua, un 35 % por pasta de tomate y un 19% por

azúcar, siendo estos tres ingredientes un 94% de la receta.

De acuerdo con el encargado de Análisis de Materia Prima (Alfaro, Ingreso de materia prima

, 2017), actualmente la organización presenta problemas con la pasta de tomate, ya que no

se cumple con el parámetro de grados brix cuya especificación es de 31±1. Siendo esta

una fuente de variación importante para el proceso.

Para la mejor compresión de las causas de variación del proceso se realiza en conjunto con

el departamento de Producción, Calidad y Mantenimiento un diagrama Ishikawa la cual es

una herramienta gráfica que relaciona un problema con las posibles causas que lo generan.

Es una herramienta muy fácil de usar, que permite la solución de problemas simples, al

realizarla en conjunto con los departamentos mencionados anteriormente, permite un

mayor involucramiento de la organización y diferentes criterios. Se utiliza un análisis de las

4M´s, las cuáles son Máquina, Método, Mano de obra y Material; se define como problema

la consistencia fuera de parámetros.

Cada una de las 4M´s se relaciona con el proceso de la siguiente manera:

• Máquina:

Para la elaboración de la dilución de la pasta de tomate es necesario un extractor de

tomate, el cual succiona la pasta de tomate hasta un tanque dilutor, en el tanque dilutor se

agrega agua a la pasta hasta que llegue a 28 grados brix para pasar posteriormente al

tanque pulmón.

El tanque pulmón posee un mezclador el cual se encarga de agitar y mezclar la pasta que

ingresa, para que quede homogénea. Posteriormente, la pasta es dosificada a la fryma de

cocción mediante un flujómetro de Coriolis el cual utiliza la densidad del producto y

vibraciones para dosificar las cantidades programadas en las recetas.

Ingredientes

Pasta de tomate Glutamato monosódico Vinagre Clavo de olor molido

Azúcar blanca Ajo en polvo Cebolla en polvo Pimienta blanca

Sal granular Agua Canela molida Benzoato de sodio

70

• Método:

Para medir las consistencias del producto se utiliza un consistómetro Broswick, en el cual

se agrega el producto y se deja recorrer a través del instrumento durante un tiempo de 30

segundos hasta obtener el resultado en cm/s. De acuerdo con la especificación el producto

debe recorrer una distancia de 5cm a 6cm en 30 segundos a una temperatura de 92 ◦C.

• Mano de obra

Los colaboradores deben estar capacitados para realizar de manera correcta el uso de las

herramientas de medición y conocer los procedimientos de cómo se deben realizar las

pruebas.

En conjunto con los departamentos Calidad, Mantenimiento y Producción mediante una

lluvia de ideas se realizó el Ishikawa, figura 27.

Figura 27. Diagrama de Ishikawa, consistencia

Al realizar el análisis de las 4M´s en conjunto con los departamentos de Calidad, Producción

y Mantenimiento, se determina que dentro de las principales causas que pueden afectar la

consistencia de la kétchup, están:

• Grados brix de la pasta de tomate.

• Cantidad de agua agregada a la pasta.

• Densidad de la pasta.

• Flujo de la pasta de tomate.

• Temperatura de prueba.

Se analiza cada una de las variables por separado con el fin de determinar si afectan de

manera significativa el problema de consistencia.

71

• Grados brix de la pasta de tomate:

Como se mencionó al inicio del apartado, se conoce que actualmente la organización no

cumple con la especificación de grados brix en la pasta de tomate. Actualmente el proceso

requiere que la pasta de tomate ingrese al proceso con 31 ±1 grados brix, como se muestra

en la especificación adjunta (véase figura 28) y debe estar compuesta de 100% tomate sin

ningún otro ingrediente (véase figura 29), para posteriormente enviar la pasta de tomate al

proceso de dilución, el cual consiste en enviar la pasta de tomate a un tanque pulmón y

agregar agua a la pasta de tomate y mezclar hasta que esta llegue a 28 grados brix.

Figura 28. Especificaciones de pasta de tomate

Fuente: UL, 2017

Figura 29. Composición de pasta de tomate

Fuente: UL, 2017

Se realiza un muestreo aleatorio del ingreso de bines (Apéndice 6) para comprobar el

comportamiento de los datos respecto a la especificación se realiza un análisis de

estadística descriptiva (véase figura 30), la media es de 32,7 de grados brix, esta se

encuentra por encima del límite superior de la especificación, así mismo el valor mínimo

obtenido es de 32,7 y el máximo es de 33,9 grados brix (véase figura 31) los datos se

encuentran por encima de la especificación, es decir el proveedor no está cumpliendo con

la especificación requerida para el proceso.

Figura 30. Estadística descriptiva grados brix pasta de tomate

N para

Variable N N* Media Desv.Est. Mínimo Mediana Máximo Rango Moda moda

Grados Brix 43 0 33,314 0,336 32,700 33,400 33,900 1,200 33,4 11

72

Figura 31. Histograma grados brix de la pasta de tomate

Ahora bien, para llegar a los 28 grados brix necesarios para la producción, se debe diluir la

pasta agregando agua, para ello se plantea una prueba de hipótesis y se realiza una

regresión lineal con los datos del muestreo (Apéndice 6), con el fin de determinar si la

cantidad de agua agregada a todos los bines de pasta de tomate es igual para todos los

grados brix con los que ingresan la pasta.

Prueba de hipótesis:

- Ho: Cantidad de agua es igual para todos los grados brix de ingreso.

- H1: Cantidad de agua es distinta para todos los grados brix de ingreso.

- Con un nivel de confianza de 95% y un 𝛼 = 0,05.

Se realiza la regresión y se obtiene que el modelo es significativo, con un p-value menor a

0,05 por lo tanto existe evidencia para rechazar la hipótesis nula, en consecuencia, la

cantidad de agua depende de los grados brix iniciales.

Así mismo en el Lack of fit se tiene un valor de p-value de 0,999 mayor a 0,05 por esa razón

no se tienen problemas de ajuste respecto al error. Y los valores tanto para el R cuadrado

y el predictivos son mayores a 99% es decir que el modelo si explica la variación.

Se obtiene, como resultado, la siguiente regresión:

Cantidad de agua = -899,58 + 33,339 Brix inicial

En la figura 32 se puede ver la estadística en de la regresión.

33,933,633,333,032,7

12

10

8

6

4

2

0

Media 33,31

Desv.Est. 0,3364

N 43

BRIX INICIAL

Frec

uenc

ia

Normal

Histograma grados brix de la pasta de tomate

73

Figura 32. Análisis de regresión: cantidad de agua vs. Grados brix de ingreso

De tal forma que, al usar la regresión para calcular la cantidad de agua necesaria para diluir

la pasta de tomate, si se cumpliese con el valor máximo de la especificación de 32 grados

brix sería necesario una cantidad de 167,328 litros de agua, pero si se tiene el valor de la

mediana de 33,4 grados brix se necesitaría un total 220, 61 litros de agua, es decir 53,28

litros más de agua que ingresan al proceso sin ser controlados.

Así mismo para observaciones poco comunes se tiene que la observación 26 es un valor

atípico, esto porque su residuo está a más de 2 desviaciones estándar de la media de 0,

sin embargo, no se conoce la causa potencial de esta variación. Al eliminar las

observaciones pocos comunes no se tienen cambios significativos en el modelo.

• Densidad

Como se menciona anteriormente uno de los ingredientes críticos es la pasta de tomate y

su dosificación depende de la densidad, para determinar cuál es la densidad actual se

realiza un pre-muestreo de 30 datos, para ello se toma el valor de la densidad de la pasta

que pasa por el flujómetro de Coriolis, el cual se encarga de realizar esta medición, los

74

datos fueron tomados de manera aleatoria durante un día de trabajo, tal como se muestra

en el Apéndice 5.

Se comprueba la normalidad de los datos con un nivel de confianza de 95%, se obtienen

un p-value de 0,132 mayor a 0,05 por lo tanto se puede decir que los datos son normales

como se logra apreciar en la figura 33.

Figura 33.Normalidad de datos de densidad

Fuente: Datos del muestreo

Se obtiene la estadística descriptiva de la muestra, la cual permite determinar que los datos

poseen una desviación de 0,00224 kg/m³

Para calcular el tamaño de la muestra por estimación utilizando el Software estadístico

Minitab, para ello se utiliza un porcentaje de error de 5% y un nivel de confianza de 95%

Se obtiene un tamaño de muestra de 2, como se muestra en la figura 34.

Figura 34.Calculo de tamaño de muestra para la densidad de la pasa

Se realizó un muestreo para la densidad de la pasta de tomate el 20 de abril del 2017, de

manera aleatoria, y los datos se tomaron del flujómetro de Coriolis, obteniendo como

resultado una media de 1,1178 y una desviación estándar de 0,000707. Por lo tanto, se

75

puede concluir que la densidad de la pasta no presenta mayor variación, y que la densidad

de la pasta se mantiene constante a lo largo de todo el proceso.

Flujo de la pasta

Otro de las variables importantes a medir es el flujo, principalmente de la pasta ya que de

él depende que se dosifique la cantidad adecuada.

De igual manera se realiza un pre-muestreo de 30 datos, al igual que el muestreo de

densidad, se toma el valor flujo de pasta que pasa por el flujómetro de Coriolis, el cual se

encarga de realizar esta medición, los datos fueron tomados de manera aleatoria durante

un día de trabajo, tal como se muestra en el apéndice 5.

Se comprueba la normalidad de estos con un nivel de confianza de 95% y se obtiene un p-

value de 0,401 mayor a 0,05, por lo que se concluye que los datos son normales como se

muestra en la figura 35.

Figura 35. Normalidad de datos de flujo (pre- muestreo)

Fuente: Datos del muestreo

Se obtiene la estadística descriptiva de la muestra, la cual permite determinar que los datos

poseen una desviación de 0,0581 kg/min.

Para calcular el tamaño de la muestra por estimación utilizando el Software estadístico

Minitab, para ello se utiliza un porcentaje de error de 5% y un nivel de confianza de 95%.

Se obtiene un tamaño de muestra de 15, como se muestra en la figura 36.

Figura 36. Tamaño de muestra para flujo de pasta

76

Se realizó un muestreo para el flujo de pasta de tomate el día 20 de abril del 2017, de

manera aleatoria, a lo largo del día de trabajo, y los datos se tomaron del flujómetro de

Coriolis. Se comprueba la normalidad de los datos los cuales poseen un p-value de 0,754

mayor a alfa de 0,05; por lo tanto, los datos si son normales, como se muestra en la figura

37. Así mismo, se tiene una media de 171,71kg/min y una desviación estándar de 0. 222

kg/min, como se muestra en la tabla 23.

Figura 37. Normalidad de datos del flujo (muestra)

Nota: Datos del muestreo

Tabla 23. Estadística descriptiva de flujo de pasta

Ahora bien, para realizar un batche de kétchup dulce sin homogenizar se necesitan 334 ±5

kg de pasta de tomate (Vasquez, 2017), lo cual quiere decir que con los datos obtenidos

del muestreo se tendrá desviación de 0,44kg. Siendo esta desviación permitida en la

especificación. Por lo tanto, el flujo de pasta no es significativo en la variación de

consistencia.

• Temperatura de prueba

Uno de los aspectos más importantes a tomar en cuenta para realizar la prueba de

consistencia de los productos es la temperatura, para el caso de la Kétchup sin

Homogenizar, el parámetro de consistencia es de 5 a 6 cm/s a una temperatura de 92 ◦C

como se muestra en la figura 38.

Variable N Mean SE Mean StDev Minimum Median Maximum

Flujo 15 171,71 0,0573 0,222 171,30 171,70 172,10

77

Figura 38. Especificación de parámetros fisicoquímicos

Fuente: UL, 2017

Sin embargo, actualmente la temperatura de prueba de 92 ◦C no se cumple, las pruebas

son realizadas a diferentes temperaturas ya que los encargados de realizar los análisis

fisicoquímicos toman la muestra de la boula en un recipiente y se lleva al centro de análisis,

en el centro de análisis se coloca en el espacio asignado para cada muestra de acuerdo

con la línea que corresponde y se dejan enfriar por unos minutos, esto porque en el mismo

momento se recolectan diferentes muestras (distintos tipos de salsas), dejando así que la

temperatura de 92◦C disminuya.

Para determinar si existen diferencias significativas en los resultados de las consistencias

al realizar la prueba a 92◦C, como lo indica la especificación, y los resultados sin cumplir

con la especificación de temperatura como se realiza actualmente, se toman 30 muestras

de manera aleatoria a lo largo del día (Fecha de muestreo: 20 de abril del 2018).

En la tabla 24 se puede observar los resultados cuando se realiza la prueba con una

temperatura de 92 °C, y cuando la prueba se realiza a temperaturas menores de 92°C,

como se realiza actualmente.

78

Tabla 24. Temperatura de prueba de consistencia

Muestra Temperatura

método actual

Consistencia

(cm/s)

Temperatura

según

especificación

Consistencia

(cm/s)

1 85,6 6 92,1 6,5

2 32,6 4 91,5 6

3 84,2 6 92,3 6,5

4 91,5 6 92,3 6,5

5 70,4 5 92 6,5

6 80,6 6 92,1 6

7 75,3 5,5 91,5 6

8 80,2 6 92,2 6,5

9 70,7 5 92,1 6,5

10 85 6 93,1 7

11 75 5,5 92 6,5

12 70,5 5 91,8 6,5

13 81,2 6 91,5 6

14 83,4 6 93 7

15 85,2 6 91,5 6,5

Se agrupan los datos en dos, aquellos en los cuales se realiza el análisis sin método es

decir sin cumplir con la temperatura de prueba y con método los que cumplen con las

especificaciones de prueba 92°C±1, con ello se realiza análisis de ANOVA de un solo factor,

con el fin de determinar si las medias de consistencias son iguales o al menos una de ellas

difiere.

Dicha prueba se realiza, ya que, de acuerdo con (García, 2018), se puede aplicar ANOVAS

ya que las desviaciones de la normalidad no afectan seriamente la validez del análisis, al

ser una prueba robusta.

Como se muestra en la Figura 39, con un nivel de confianza de 95%, se obtiene un p-value

de 0,00 para el método, indicando que hay suficiente evidencia de que no todas las medias

son iguales cuando el nivel de significancia que se establece en 0.05.

Como se muestra en la Figura 39 y 40, la consisten al realizar la prueba sin método posee

una media más baja de 5,6 cm/s, con intervalos de confianza de (5,34-5,85) cm/s mientras

que el resultado de consistencia utilizando el método posee una media de 6,433 cm/s con

intervalos de confianza de (6,17- 6,68) cm/s, así mismo en la Figura 41 se muestra que los

intervalos no contienen el cero por lo tanto, la medias son estadísticamente significativas.

79

Se tiene un R cuadrado de 44,36% es decir que el modelo explica un 44,43% la variación

de la respuesta, también se tiene un R ajustado y predictivo de 42,3% y 36,12%

respectivamente, por lo que el modelo no pronosticará nuevas observaciones de una

manera tan adecuada como se ajusta a los datos de la muestra.

Figura 39. Análisis de Anova para consistencia de la Kétchup

Figura 40. Análisis Intervalos de confianza para la consistencia

Sin metodoCon metodo

6,75

6,50

6,25

6,00

5,75

5,50

Metodo

Co

nsi

sten

cia

Gráfica de intervalos de Consistencia vs. Metodo95% IC para la media

La desviación estándar agrupada se utilizó para calcular los intervalos.

80

Figura 41. Diferencia de medias para consistencia

Al realizar todos los análisis se logra determinar, que la pasta de tomate en efecto no cumple

con la especificación requerida y esto impacta la cantidad de agua que se agrega a la receta

para diluir la pasta de tomate, así mismo si la temperatura a la que se realiza la prueba de

consistencia no es la requerida se obtiene variación en los resultados. Es importante

recordar que los análisis no se están realizando con la especificación de temperatura de

92°C y esto altera los resultados, dando resultados de consistencia más bajos.

2.3.3.2 Pérdida de hermeticidad

El problema de pérdida de hermeticidad se da principalmente cuando los doy packs no

están herméticos completamente y se presentan micro-fugas o problemas de sellado. Para

determinar si el doy pack se encuentra sellado herméticamente, se realiza la prueba de

prensa neumática, la cual consiste en aplicar una presión de 40 psi al doy pack para

determinar si se abren los sellos. Esta prueba se realiza a dos doy packs cada 20 minutos.

De acuerdo con los datos obtenidos de mayo a junio del 2017, el análisis de capacidad de

la prensa neumática posee un valor Z de 0,91; al ser un análisis de capacidad binomial

(pasa o no pasa), cuando se tiene análisis de capacidad binomial se necesita que el valor

del proceso Z sea mayor que 2 para que el proceso sea capaz, y en este caso el proceso

no está siendo capaz de cumplir con las especificaciones. En la figura 42 se pueden ver los

resultados de la prueba.

Figura 42. Análisis de Capacidad, prueba de hermeticidad

Sample

Pro

po

rti

on

9181716151413121111

1,0

0,5

0,0

_P=0,18

UC L=1

LC L=0

Sample

%D

efe

cti

ve

100806040200

100

75

50

25

0

Summary Stats

0,00

PPM Def: 180000

Lower C I: 110311

Upper C I: 269477

Process Z: 0,9154

Lower C I:

(using 95,0% confidence)

0,6144

Upper C I: 1,2249

%Defectiv e: 18,00

Lower C I: 11,03

Upper C I: 26,95

Target:

Observed Defectives

Ex

pe

cte

d D

efe

cti

ve

s

1,00,50,0

1,0

0,5

0,0

1000

80

60

40

20

0

Tar

Binomial Process Capability Analysis of Hermeticidad

P Chart

Cumulative %Defective

Binomial Plot

Dist of %Defective

81

Dentro de las principales variables relacionadas con el tema de hermeticidad se encuentran:

• Presión

La presión es una las variables críticas a controlar en el tema de hermeticidad; sin embargo,

actualmente esta variable se coloca únicamente a 0,40 Mpa; no obstante, no posee una

especificación y no se sabe si la presión que se está utilizando es la adecuada.

• Tiempo

El tiempo de sellado es otra de las variables críticas a controlar; sin embargo, esta variable

está dada por el tiempo de ciclo de una leva; actualmente es constante de 1 segundo.

• Temperaturas de mordazas

En UL se utilizan dos tipos de laminados: el laminado trilámina y tetralámina. Ambos utilizan

las mismas especificaciones de temperatura de sellado; la especificación va desde los 130

°C a los 260 °C, y ambos laminados son tratados de igual manera.

La máquina consta de ocho mordazas: dos de ellas de fondo, cuatro laterales y dos

superiores. La temperatura de las mordazas se ajusta por el operador en un panel en la

máquina, y esta temperatura se anota en registros cada hora.

Cada mordaza posee una termocupla, la cual está conectada al panel de la máquina, e

indica la temperatura en cada mordaza; sin embargo, las termocuplas no se calibran ni se

realiza una verificación de las temperaturas.

Para verificar si existe diferencia en las temperaturas de las mordazas respecto al panel se

toman dos mordazas al azar y se realiza un muestreo de 30 datos de manera aleatoria en

dos días en tres turnos (véase el apéndice 7). Para ver las diferencias de temperaturas se

corre la máquina, se deja que produzca doy packs, posteriormente se detiene y se mide la

temperatura de la mordaza con un termómetro de contacto, en ese mismo momento se

mide la temperatura dada por el panel de la máquina.

Se mide la temperatura de la mordaza de fondo, como para la mordaza lateral izquierda, se

toman los datos para los dos tipos de laminado. A continuación, se muestran los resultados

obtenidos.

• Laminado trilámina, Mordaza de fondo

En la figura 43 se puede apreciar la normalidad de la mordaza de fondo, con un valor de p-

value de 0,868.

82

Figura 43. Prueba de normalidad de temperatura de mordaza de fondo, laminado trilámina

Seguidamente, se realiza el análisis de ANOVA para determinar si existen diferencias en

las medias de la temperatura, para ello se plantea la siguiente prueba de hipótesis:

- Ho: Las medias de la temperatura del panel y la media de la temperatura con

termómetro son iguales.

- Hi: Las medias de las temperaturas son distintas.

Como se observa en la figura 44 los resultados de la prueba se tiene un p-value de 0,00

menor a 0,05 por lo tanto se rechaza la hipótesis nula, es decir las medias de las

temperaturas poseen una diferencia estadísticamente significativa.

Se tiene un R cuadrado de 92,58% es decir que el modelo explica un 92,58% la variación

de la respuesta, también se tiene un R ajustado y predictivo de 92,45% y 92.06%

respectivamente, por lo que el modelo sirve para pronosticar nuevas observaciones a

futuro.

Figura 44. Resultado de Anova temperatura de mordaza fondo laminado trilamina

Información del factor

Factor Niveles Valores

Lugar 2 Mordaza. Panel

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Lugar 1 741,31 741,313 723,40 0,000

Error 58 59,44 1,025

Total 59 800,75

Resumen del modelo

R-cuad. R-cuad.

S R-cuad. (ajustado) (pred)

1,01231 92,58% 92,45% 92,06%

Medias

Lugar N Media Desv.Est. IC de 95%

Mordaza 30 187,837 1,389 (187,467. 188,207)

Panel 30 194,867 0,346 (194,497. 195,237)

Desv.Est. agrupada = 1,01231

83

Como se muestra en la figura 45, la temperatura tomada del panel posee una media mayor que la temperatura tomada de la mordaza.

Las temperaturas tomadas del panel poseen una media 194,8 °C con intervalos de

confianza de 194,497 a 195,237 °C, mientras que la temperatura tomada directamente de

la mordaza posee una media de 187,837 °C con un intervalo de confianza de 187,467 a

188,207 °C.

Figura 45. Box plot de medias e intervalos de confianza para mordaza de fondo, laminado trilamina

Nota: Datos del muestreo

• Laminado trilámina, Mordaza lateral

Se realizan las mismas pruebas con la mordaza lateral, se prueba la normalidad de los

datos y se obtiene un valor de p de 0,112 mayor al 0,05 por lo que se acepta la hipótesis

de que los datos son normales (véase figura 46).

Figura 46. Prueba de normalidad de temperatura de mordaza latera, laminado trilaminal

Nota: Datos del muestreo

Seguidamente, se realiza el análisis de ANOVA para determinar si existen diferencias en

las medias de la temperatura, para ello se plantea la siguiente prueba de hipótesis:

PanelMordaza

195,0

192,5

190,0

187,5

185,0

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de caja de Temperatura de mordaza

PanelMordaza

196

195

194

193

192

191

190

189

188

187

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de intervalos de Temperatura de mordaza vs. Lugar95% IC para la media

La desviación estándar agrupada se utilizó para calcular los intervalos.

84

- Ho: Las medias de la temperatura del panel respecto a la temperatura con

termómetro son iguales.

- Hi: Las medias de las temperaturas son distintas.

Como se observa en la figura 47 los resultados de la prueba se tiene un p-value de 0,00

menor a 0,05 por lo tanto se rechaza la hipótesis nula, es decir las medias de las

temperaturas poseen una diferencia estadísticamente significativa.

Se tiene un R cuadrado de 94,59% es decir que el modelo explica de manera correcta la

variación de la respuesta, también se tiene un R ajustado y predictivo de 94,5% y 94,21%

respectivamente, por lo que el modelo sirve para pronosticar a futuro.

Figura 47. Resultados de prueba de Anova, mordaza latera laminado trilamina

Como se muestra en la Figura 48, la temperatura tomada del panel posee una media mayor

que la temperatura tomada de la mordaza.

Las temperaturas tomadas del panel poseen una media 199,9 °C con intervalos de

confianza de 199,3 a 200,5 °C, mientras que la temperatura tomada directamente de la

mordaza posee una media de 187,4 °C con un intervalo de confianza de 186,9 a 188,02 °C.

Información del factor

Factor Niveles Valores

Lugar 2 Mordaza. Panel

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Lugar 1 2333,1 2333,14 1013,86 0,000

Error 58 133,5 2,30

Total 59 2466,6

Resumen del modelo

R-cuad. R-cuad.

S R-cuad. (ajustado) (pred)

1,51698 94,59% 94,50% 94,21%

Medias

Lugar N Media Desv.Est. IC de 95%

Mordaza 30 187,472 2,138 (186,917. 188,026)

Panel 30 199,943 0,183 (199,389. 200,498)

Desv.Est. agrupada = 1,51698

85

Figura 48. . Box plot de medias e intervalos de confianza para mordaza de lateral, laminado trilamina

Nota: Datos del muestreo

• Laminado Tetralámina, mordaza de fondo

Se toman 30 muestras de manera aleatoria en dos días para los tres turnos de producción

(Apéndice 8). En la figura 49 se demuestra la normalidad de los datos para las mediadas

de la mordaza inferior.

Figura 49. Gráfica de probabilidad de mordaza inferior

Nota: Datos del muestreo

Se realiza el análisis de ANOVA con el fin de terminar si existen diferencias significativas

en las medias, utilizando las siguientes hipótesis

- Ho: Las medias de la temperatura del panel es igual a la media de la temperatura

del termómetro.

- Hi: Las medias de las temperaturas son distintas.

Como se muestra en la figura 50, se tiene un p-value de 0,00, por lo tanto, no existe

evidencia para aceptar la hipótesis nula. Así mismo se tiene un R cuadrado de 94,12 lo cual

PanelMordaza

200,0

197,5

195,0

192,5

190,0

187,5

185,0

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de caja de Temperatura de mordaza

PanelMordaza

200,0

197,5

195,0

192,5

190,0

187,5

185,0

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de intervalos de Temperatura de mordaza vs. Lugar95% IC para la media

La desviación estándar agrupada se utilizó para calcular los intervalos.

86

explica de manera correcta la variación del modelo y un R predictivo de 93,71%, por lo

tanto, se puede usar los resultados para conclusiones futuras, más allá de la muestra.

Figura 50. Resultados ANOVA mordaza inferior, laminado tetralámina

Como se muestra en la figura 51, la temperatura tomada del panel posee una media mayor

que la temperatura tomada de la mordaza.

Las temperaturas tomadas del panel poseen una media 200°C con intervalos de confianza

de 199,5 a 200,5 °C, mientras que la temperatura tomada directamente de la mordaza

posee una media de 189,6°C con un intervalo de confianza de 186,1 a 190,1 °C.

Figura 51 Box plot de medias e intervalos de confianza para mordaza de fondo, laminado tetralamina

Fuente: Datos del muestreo

Información del factor

Factor Niveles Valores

Lugar 2 Mordaza. Panel

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Lugar 1 1615,1 1615,13 929,03 0,000

Error 58 100,8 1,74

Total 59 1716,0

Resumen del modelo

R-cuad. R-cuad.

S R-cuad. (ajustado) (pred)

1,31853 94,12% 94,02% 93,71%

Medias

Lugar N Media Desv.Est. IC de 95%

Mordaza 30 189,623 1,865 (189,141. 190,105)

Panel 30 200,0 0,0 ( 199,5. 200,5)

Desv.Est. agrupada = 1,31853

PanelMordaza

200,0

197,5

195,0

192,5

190,0

187,5

185,0

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de caja de Temperatura de mordaza

PanelMordaza

202

200

198

196

194

192

190

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de intervalos de Temperatura de mordaza vs. Lugar95% IC para la media

La desviación estándar agrupada se utilizó para calcular los intervalos.

87

• Laminado Tetralámina, mordaza lateral

Se toman 30 muestras de manera aleatoria en dos días para los tres turnos de producción

(Apéndice 8). En la figura 52 se demuestra la normalidad de los datos para las mediadas

de la mordaza inferior.

Figura 52. Gráfica de probabilidad de mordaza lateral, lamindo tetralamina

Nota: Datos del muestreo

Se realiza el análisis de ANOVA con el fin de terminar si existen diferencias significativas

en las medias, utilizando las siguientes hipótesis

- Ho: Las medias de la temperatura del panel es igual a la media de la temperatura

del termómetro.

- Hi: Las medias de las temperaturas son distintas.

Como se muestra en la figura 53, se tiene un p-value de 0,00, por lo tanto, existen

diferencias estadísticamente significativas en las medias. Así mismo se tiene un R cuadrado

de 93,74% lo cual explica de manera correcta la variación del modelo y un R predictivo de

93,63%, por lo tanto, se puede usar los resultados para conclusiones futuras, más allá de

la muestra.

88

Figura 53. Resultados ANOVA mordaza inferior, laminado tetralámina

Como se muestra en la figura 54, la temperatura tomada del panel posee una media mayor

que la temperatura tomada de la mordaza.

Las temperaturas tomadas del panel poseen una media 209,6°C, con intervalos de

confianza de 208,9 a 210,33 °C; mientras que la temperatura tomada directamente de la

mordaza posee una media de 195,2°C con un intervalo de confianza de 194,5 a 195,9 °C.

Figura 54 Box plot de medias e intervalos de confianza para mordaza de fondo, laminado tetralamina

Fuente: Datos del muestreo

Por lo tanto, como se conoce que existen diferencias significativas entre las temperaturas

dadas por el panel y el termómetro calibrado, se realiza un muestro de la temperatura real

Información del factor

Factor Niveles Valores

Lugar 2 Mordaza. Panel

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Lugar 1 3122,7 3122,65 868,50 0,000

Error 58 208,5 3,60

Total 59 3331,2

Resumen del modelo

R-cuad. R-cuad.

S R-cuad. (ajustado) (pred)

1,89616 93,74% 93,63% 93,30%

Medias

Lugar N Media Desv.Est. IC de 95%

Mordaza 30 195,212 1,756 (194,519. 195,905)

Panel 30 209,640 2,027 (208,947. 210,333)

Desv.Est. agrupada = 1,89616

PanelMordaza

210

205

200

195

190

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de caja de Temperatura de mordaza

PanelMordaza

212,5

210,0

207,5

205,0

202,5

200,0

197,5

195,0

Lugar

Tem

pera

tura

de m

ord

aza

Gráfica de intervalos de Temperatura de mordaza vs. Lugar95% IC para la media

La desviación estándar agrupada se utilizó para calcular los intervalos.

89

de las mordazas empleando el termómetro calibrado, con el propósito de conocer la

capacidad del proceso.

Para conocer la capacidad de las temperaturas respecto a las especificaciones actuales y

las propuestas por el proveedor se toman 20 subgrupos de 5 muestras cada uno en dos

días de trabajo en los tres turnos (Apéndice 9)

Como se menciona anteriormente las especificaciones utilizadas por UL son de 130 °C a

los 260 °C, pero de acuerdo con el proveedor CLP, el laminado posee un punto de fusión

en el cual sus capas se vuelven una sola y permiten el sellado correcto hasta llegar al punto

máximo de fusión antes que el material se queme. Para el caso del laminado trilámina la

temperatura de fusión va desde los 180°C a 225°C, para el laminado tetralámina se da el

punto de fusión desde los 190°C a 225 °C.

En el caso de las capacidades respectos a las especificaciones actuales en la tabla 25 se

logra apreciar para todas las mordazas están siento capaz de cumplir con las

especificaciones, tanto para el laminado trilámina como para el laminado tetralámina. Sin

embargo, al comparar la capacidad del proceso utilizando las especificaciones dadas por

el proveedor, ninguna de las mordazas es capaz de cumplir con las especificaciones, todas

las temperaturas se encuentran por debajo del límite inferior de las especificaciones dadas

por el proveedor (véase apéndices 10 al 25).

A continuación, se muestran los resultados del análisis de capacidad las temperaturas de

mordazas.

Tabla 25. Análisis de capacidad de temperatura de mordazas (especificación actual vs especificación del

proveedor)

Mordaza

Trilámina Tetralámina

Especificación Actual Especificación del

proveedor

Especificación

Actual

Especificación del

proveedor

Cpk Cpk Cpk Cpk

Inferior trasera 56,18 -24,62 12,23 -4,19

Inferior delantera 9,15 -2,79 11,84 -4,32

Vertical 1 30,76 -8,24 30,12 -8,08

Vertical 2 9,81 -2,47 31,59 -6,83

Vertical 3 11,47 -0,02 39,69 -0,40

Vertical 4 11,91 0,05 27,35 0,41

Superior delantera 36,12 -42,46 45,67 -18,76

Superior trasera 30,75 -37,11 21,35 -18,73

90

Asi mismo la capacidad actual del proceso es excesiva, y esto se da debido a la amplitud

de la especificacion, ya que como se menciono anteriormente esta va desde los 130 °C a

los 260 °C, es decir 195 °C ± 65°C.

2.4 Hallazgos del diagnóstico

Al evaluar la guía INTE/ISO 11462-1:2009 Guía para la implementación de controles

estadísticos de procesos, se logra determinar que se cumple únicamente en un 40%, donde

sus principales fallas se dan en:

• Actualmente no existe un equipo de trabajo para el control estadístico de procesos,

cada departamento trabaja por separado.

• Actualmente algunas variables de proceso son anotadas en registros físicos, sin

embargo, no son analizadas.

• Algunos de los datos anotados en los registros no son confiables ya que en

ocasiones esta información ha sido alterada.

• Actualmente se tienen identificadas variables críticas que se encuentran en los

planes HACCP relacionadas con la inocuidad de los productos y sus respectivos

planes de acción, sin embargo, hay muchas variables que no están identificadas.

• Se tiene claro la incertidumbre del sistema de medición, pero en algunos casos por

falta de recursos se utilizan los equipos que se tienen a pesar de que no cumplen

con las necesidades.

Al analizar los análisis de la consistencia de kétchup, se observa como los grados brix con

los que ingresa la pasta de tomate no cumple las especificaciones de 31 a 32 grados brix,

el 100% de los datos obtenidos en el muestreo superan la especificación.

Al realizar regresión lineal se logra verificar que al utilizar grados brix por encima de la

especificación se utiliza en promedio 53,28 litros de agua en el proceso de dilución de la

pasta lo cual afecta la consistencia del producto, pues esta agua no forma parte de la receta.

Existen diferencias significativas en las medias de consistencias, al realizar la prueba

siguiendo el método de temperatura respecto a cuando no se sigue el método (el método

de prueba indica que debe realizarse la medición de consistencia a 92ºC)

La termocupla que está relacionada con el panel no se calibra, por lo cual existen

diferencias significativas entre la temperatura del panel y la temperatura real de la mordaza,

la información del panel es utilizada para llenar los registros de control de temperaturas

cada hora en las líneas de producción de Salsas, siendo esta información no acta para

análisis.

En el análisis de capacidad de las temperaturas de las mordazas se evidencia que los

límites de especificación son muy amplios por lo que el proceso siempre se encuentra

centrado. Al utilizar las especificaciones del proveedor el proceso no es capaz de cumplir

con la especificación, por lo tanto, no se conoce cuál es la especificación ideal.

No se conoce ni se mide la presión y el tiempo de sellado, siendo estas variables críticas

para controlar la hermeticidad en los doy packs.

91

2.5 Conclusiones del diagnóstico

Para lograr cumplir con los elementos de un Sistema de Control Estadístico de Procesos

se debe crear la Gestión de soporte, el cual tiene como fin el apoyo al CEP, para lograr

monitorear y revisar periódicamente los resultados de CEP.

Se debe crear un plan de control de las variables críticas del área de Salsas de manera que

el tamaño de muestra, frecuencia, equipo de medición y los registros sean adecuados para

el análisis de las desviaciones en el proceso.

Actualmente la organización posee poco control estadístico sobre sus procesos, las

reacciones son tardías ante problemas tales como perdidas por consistencia y

hermeticidad, es por ello que se debe crear un Sistema de Control Estadístico de Proceso,

acorde con la organización y su cultura, de manera que sea fácil de seguir y replicable.

La correcta calibración de los equipos es necesaria para garantizar el sistema de medición,

por lo tanto, la calibración de las termocuplas en las mordazas es necesaria ya que esto

impacta en la veracidad de la información recolectada por la organización, y no es confiable

para realizar análisis.

Se deben diseñar las especificaciones para las variables de temperatura comparando las

especificaciones actuales respecto a las del proveedor de manera que se logre la

especificación adecuada dependiendo del tipo de laminado, así como la presión de sellado

para lograr la correcta hermeticidad en los doy packs.

Para disminuir la variabilidad en la prueba de consistencia es necesario la estandarización

de esta prueba de manera que se logre a una temperatura de 92 °C durante 30 segundos,

ya que actualmente al no seguir el método correcto los resultados de consistencia poseen

una media menor a cuando se realiza con el método a 92°C, por lo tanto, los resultados de

análisis ingresados en SAP QM no son los correctos, y no representan la realizad del

proceso.

Al tener el proveedor de pasta incumpliendo las especificaciones de grados brix de la pasta,

impacta el proceso, ya que es necesario agregar más agua a la receta para diluir los grados

brix de 31±1 a 28, por lo tanto, se debe trabajar con el proveedor de manera que cumpla

con la especificación global de UL y previamente firmada, así mismo se deben crear

procedimientos robustos para el muestreo de materias primas, al momento de la recepción

ya que actualmente no existen.

92

3 Capítulo III. Diseño

3.1 Objetivos del diseño

Los objetivos planeados para el diseño son los siguientes:

3.1.1 Objetivo general

• Diseñar un Sistema de Control Estadístico de Procesos en el área de Salsas que

asegure el control de las variables críticas, garantizando que el proceso de

producción cumpla con las especificaciones de calidad establecidas y reduzca el

desperdicio.

3.1.2 Objetivos específicos

• Diseñar la estructura del Sistema para el Control Estadístico de Procesos en el área

de Salsas.

• Desarrollar los roles y responsabilidades para el Sistema de Control Estadístico de

Procesos.

• Establecer nuevas especificaciones para las variables críticas del proceso.

• Desarrollar una herramienta para el análisis de los parámetros críticos de proceso.

3.2 Estructura del Diseño

A partir del diagnóstico realizado se determina que la organización enfrenta una falta de

claridad en los elementos que conforman un Sistema de Control Estadístico de Procesos y

la relación entre cada uno de estos elementos, y la falta de herramientas e integración de

aquellas que sí tiene. En estas circunstancias es necesario que el sistema contemple

soluciones para estos problemas de una manera integral, enfocándose en la idea de

generar productos que satisfagan los requerimientos de los clientes.

Para ello se plantea la metodología de diseño que se muestra en la tabla 26.

93

Tabla 26. Metodología de Diseño

Actividades Herramientas Resultados

Diseño los elementos del Sistema

de CEP

Norma INTE/ISO 11462

Entrevista y reuniones con los departamentos de

Calidad, Producción, Mantenimiento y Recursos

Humanos

Elementos del sistema definidos

Departamentos involucrados en el

sistema definidos

Roles y responsabilidades de los

involucrados en el sistema determinados

Definición de la interacción entre los

elementos del sistema

Norma INTE/ISO 11462

Elementos del Sistema de CEP

Flujo de proceso

Flujo de proceso del Sistema de CEP

Análisis de fuentes de variación de

las variables críticas

Análisis de capacidad

Muestreo de aceptación

Nuevas especificaciones para

temperatura de sellado, presión de

sellado.

Procedimiento para prueba de

consistencia.

Procedimiento para muestreo de materia

prima

Diseño de experimentos

Analizar fuentes de variación de las variables

críticas.

Desarrollo de la aplicación que de

soporte al Sistema de CEP

Excel Herramienta para el Sistema de Control

Estadístico de procesos

Tamaño de muestra, Análisis de normalidad,

análisis de capacidad, gráficos de control

El diseño propuesto está conformado en dos partes, en la primera parte se diseña el

Sistema de Control Estadístico de Proceso, este sistema se tiene como base el estudio de

potencial a corto plazo, esto debido a las características de la organización ya que

actualmente no se realizan análisis, y se iniciará con un sistema básico pero eficiente. En

la primera parte del Sistema se definen los involucrados y los roles, seguidamente se define

la interacción de las actividades y los involucrados para la correcta gestión.

En la segunda parte se diseñan las nuevas especificaciones para las temperaturas de

mordazas y se crean procedimientos para atacar el problema de consistencia.

Todo esto con la finalidad de diseñar un Sistema de Control Estadístico de Proceso para

las variables críticas que afectan la consistencia de la kétchup dulce y las variables que

afectan la hermeticidad de los productos, así mismo que sea capaz de ser replicado con

otras variables y otras área de la organización, de manera que se diseñan los pasos para

poder aplicar el Sistema desde cero en la organización.

3.3 Sistema de Control Estadístico de Procesos

De acuerdo con la norma INTE/ISO 11462, existe una serie de elementos necesarios para

el Sistema de Control Estadístico de Procesos; para ello es precisa la interacción entre los

diferentes departamentos de la organización, tales como: Producción, Calidad,

Mantenimiento y Recursos Humanos.

94

Los elementos del Sistema de Control Estadístico están conformados por los

departamentos y la herramienta de control estadístico de procesos, que serán explicados

en el apartado 3.6.

Cada uno de los departamentos posee una serie de actividades necesarias para lograr

cumplir con el CEP de acuerdo con la norma INTE/ISO 11462, y, a la vez, estas actividades

están relacionadas para alcanzar un Sistema de CEP, como se logra apreciar en la figura

55.

Figura 55. Función de departamentos

A continuación, se detallan las actividades necesarias que debe realizar cada departamento

de acuerdo con la norma, y se propone la forma de hacerlo en el proceso de Salsas:

3.3.1 Calidad

Dentro de las principales funciones que le corresponde al departamento de calidad se

encuentran:

3.3.1.1 Definición de variables críticas

Uno de los aspectos más importantes para el CEP es la determinación de las variables

críticas de proceso. Actualmente la organización cuenta con una herramienta de calidad

llamada “Matriz QA”, la cual es una herramienta en la que se recopilan todos los defectos

de calidad generados en diferentes orígenes, consolidados y priorizados. La frecuencia

típica de la matriz es de cada seis meses; esta herramienta es utilizada a nivel global en

UL; en ella se ingresan los principales fenómenos que afectan las características de calidad

en términos de:

• Incidentes D, los cuales son aquellos problemas del producto detectados dentro de

la planta y que, si salen al mercado, pueden representar una queja de los consumidores.

• Quejas: representan todas aquellas dadas por los consumidores al adquirir el

producto, al encontrar alguna desviación en alguna de sus características.

95

• CRQS: representan todas aquellas desviaciones encontradas en las revisiones

aleatorias, realizadas por el personal de CRQS, en el producto empacado antes de salir al

mercado.

• Waste: representa todo el desperdicio que se da en la planta, ya sea de ROH, PACK

o HALB, al no cumplir con alguna característica de calidad.

La matriz QA permite priorizar los defectos de calidad, vinculando los defectos a líneas,

máquinas y procesos, a través del índice de priorización DPI, el cual toma en cuenta la

Detección, Frecuencia y el Costo.

De manera que, a partir de esta herramienta el departamento de Calidad debe:

1) Ingresar los defectos de calidad a la herramienta, de acuerdo con la categoría del

defecto en la opción Input Defects, como se muestra en la figura 56.

Figura 56. Ingreso de defectos de calidad en la matriz QA

Al abrir la opción Input Defects se procede a clasificar el defecto de calidad de acuerdo con

los niveles del cero al cuatro, como se muestra en la figura 57.

Figura 57. Niveles del defecto en la matriz QA

Posteriormente se debe ingresar la frecuencia con el que se presenta el defecto, el costo

que representa el defecto y la detección del defecto dependiendo del lugar en que se

detecta el defecto, como se muestra en la figura 58.

96

Figura 58. Clasificacion de deteccion

2) Una vez que se ingresa toda la información de los defectos de calidad en la matriz

se selecciona la opción Dashboard como se muestra en la figura 59.

Figura 59. Proyectos

Se debe identificar cuál es la principal pérdida para la organización de acuerdo con el DPI

(Detectability x Frequency x Cost) mayor como se muestra en la figura 60.

Figura 60. Selección de proyectos con mayor DPI

3) Una vez identificada la principal pérdida se debe identificar el área en la cual se está

dando la pérdida, la identificación del área se puede realizar mediante la matriz QA,

en el apartado DASBOARD, como se muestra en la figura 61.

97

Figura 61. Priorizacion de proyectos con mayor DPI

4) Identificar las variables de proceso relacionadas a la característica de calidad que

se está viendo afectada. Para ello se propone utilizar la herramienta de los 5

“porqués”.

La herramienta de los 5 “porqués” se utiliza para encontrar las causas o razones

que ocasionan un fenómeno, es una herramienta muy sencilla que permite a partir

de preguntas identificar por qué sucedió determinado fenómeno.

Para ello se debe:

• Tener claro cuál es el fenómeno que se desea analizar

• Preguntar por qué se dio ese fenómeno y verificar.

• A partir de la primera respuesta se pregunta nuevamente por qué sucedió el fenómeno

y verificar, esto de manera sucesiva hasta llegar a la causa raíz del fenómeno, como se

muestra en la figura 62.

Figura 62. Análisis de los 5 porqués

5) Realizar análisis AMFE, para determinar cuáles son las principales variables de

proceso que se deben controlar, tal como se realizó en el apartado 2.3.2.6

Priorización de variables, Capitulo II del presente documento, en el cual se

identifican la temperatura de mordazas, la presión de sellado, los grados brix y la

1 por qué •Verificación

2 por qué

•Verificación

3 por qué

•Verificación

4 por qué

5 por qué

Verificación

Causa raíz

Fenómeno

98

temperatura de prueba de consistencia como las variables críticas en el proceso de

salsas.

3.3.1.2 Certificado de la materia prima

En cuanto a la materia prima del proceso, la organización debe garantizar que los productos

adquiridos cumplan con requisitos de compra especificados, el grado en el que se aplique

el control a los proveedores. Por lo tanto, deben establecerse los criterios para la selección

y evaluación del proveedor.

Para garantizar que las materias primas cumplan con los requerimientos necesarios para

el proceso, se deben realizar evaluaciones periódicas al proveedor; se debe solicitarles a

los proveedores el certificado de calidad, el cual es un documento escrito, donde se

establecen los parámetros a evaluar en las materias primas. La certificación en sí es el aval

que se le da al proveedor para que este pueda suplir sus productos, con la confianza de

que funcionarán con base en especificaciones previamente establecidas.

Por lo tanto, para garantizar la certificación de la materia prima, la organización debe:

1) Solicitar el certificado de materia prima por cada lote que ingresa.

2) Evaluar que los valores críticos, definidos en el certificado de calidad, cumplen con

la especificación. Los valores críticos que se solicitan al proveedor son definidos

como CoA en las especificaciones globales de las materias primas; dichas

especificaciones globales actualizadas deben ser descargadas de SAP PLM, y se

debe comprobar que el proveedor posee la última versión de especificación

firmada. Para verificar que los valores críticos, indicados en el certificado de calidad,

cumplen realmente con los valores declarados y se encuentran dentro de la

especificación, se procede a:

• Realizar un muestreo aleatorio del material que ingresa utilizando tablas militares;

para ello se crea el Procedimiento para muestreo de aceptación. (Véase el apéndice 28).

• El nivel AQL a utilizar es igual a la probabilidad que el valor se encuentre fuera de

especificación p (z); para ello se pueden utilizar datos históricos que posea la organización,

o realizar un muestreo previo y calcular el valor de p (z); este valor podrá ser calculado

mediante la Herramienta para el Sistema de CEP.

3) Se realizan los análisis correspondientes declarados en el certificado de calidad, de

manera que se pueda garantizar que los valores declarados en este

verdaderamente se están cumpliendo.

4) Si los parámetros críticos declarados en el certificado de calidad no cumplen al

realizar el muestreo, se debe rechazar el material y solicitarle al proveedor planes

de acción, de manera que se garantice la calidad de la materia prima.

3.3.1.3 Análisis de normalidad de datos

Cuando se realiza el análisis de las variables críticas, se debe evaluar la normalidad de los

datos, supuesto fundamental sobre el que se basa la mayor parte del control estadístico,

garantizando que los datos se agrupan cerca de la media. Por lo tanto, para que los datos

99

sean normales es necesario garantizar el potencial de la mano de obra, equipos y materia

prima.

El estudio de normalidad se lleva a cabo en la Herramienta para el Sistema de CEP, la cual

se detalla más adelante, se emplea la prueba de Anderson Darling la cual es una prueba

para evaluar el ajuste a una distribución específica (García Dunna, 2013), en este caso se

utiliza para ver si los datos se ajustan a una distribución normal.

Esta prueba se realiza mediante una prueba de hipótesis:

H0: Los datos siguen una distribución normal.

H1: Los datos no siguen una distribución normal.

Por medio del estadístico Anderson Darling se aprueba o rechaza la hipótesis, el criterio de

decisión depende del nivel de confianza, en la herramienta para el Sistema de Control

Estadístico se utiliza un nivel de confianza de 95%, por lo que con un estadístico de 0,752

se acepta la normalidad de los datos, en la tabla 27 se pueden ver los criterios de

aceptación.

Tabla 27. Criterio de aceptación de prueba Anderson Darling

Nivel de confianza 90% 95% 97% 99%

Estadístico 0,1 0,05 0,025 0,01

Normalidad 0,631 0,752 0,873 1,035

Fuente: (García Dunna, 2013)

Para aceptar H0, es decir que los datos siguen una distribución normal el valor práctico

debe ser menor al valor teórico de la tabla, para afirmar que los datos tienen un

comportamiento normal (García Dunna, 2013).

3.3.1.4 Análisis de capacidad y estabilidad de las variables críticas

Uno de los aspectos más importantes a la hora de mejorar un proceso es evaluar su estado

en cuanto a capacidad y estabilidad. Para lograr determinar si un proceso es estable en el

tiempo se debe considerar la amplitud de su variabilidad (Gutiérrez & De la Vara, 2009).

Para evaluar el comportamiento del proceso se evalúa el potencial a corto plazo, es decir

la capacidad que tiene el proceso de cumplir con las especificaciones, los índices que se

deben calcular para analizar la capacidad de un proceso son los siguientes:

a) Índice Cp

Indicador de la capacidad potencial del proceso que resulta de dividir el ancho de las

especificaciones (variación tolerada) entre la amplitud de la variación natural del proceso.

Cp, se define de la siguiente manera:

𝐶𝑝 = 𝐸𝑆 − 𝐸𝐼

6𝜎 (8)

100

Donde σ representa la desviación estándar del proceso, mientras que ES y EI son las

especificaciones superior e inferior para la característica de calidad (Gutiérrez & De la Vara,

2009).

Para que el proceso sea considerado potencialmente capaz de cumplir con

especificaciones, el índice Cp debe ser mayor o igual a 1,33.

Cuando se tienen valores de Cp menores a 0,85, significa que la variación potencial del

proceso es mayor que la variación tolerada o permitida en el proceso, por lo tanto, no es un

proceso adecuado, y requiere análisis (Gutiérrez & De la Vara, 2009). Los análisis R&R no

se pueden realizar en estas condiciones ya que no genera información relevante debido a

la variabilidad en el proceso, y no se puede identificar si la variación es debido al

instrumento o al operador.

En la tabla 28 se muestran las decisiones a tomar según los valores del Cp.

Tabla 28. Índices de capacidad de proceso

Fuente: (Gutiérrez & De la Vara, 2009).

b) Índice Cpk

Indicador de la capacidad real de un proceso que se puede ver como un ajuste del índice

Cp para tomar en cuenta el centrado del proceso.

Cpk se define de la siguiente manera:

𝐶𝑝𝑘 𝑚í𝑛𝑖𝑚𝑜 = [𝜇 − 𝐸𝐼

3𝜎,𝐸𝑆 − 𝜇

3𝜎] (9)

Donde σ representa la desviación estándar del proceso, mientras que ES y EI son las

especificaciones superior e inferior y µ la media del proceso. (Gutiérrez & De la Vara, 2009)

Cuando el valor del índice Cpk es mayor a 1.25 en un proceso ya existente, se considerará

que se tiene un proceso con capacidad satisfactoria.

101

c) Índice Cpm

Este indicador es muy similar al Cpk, sólo que toma en cuenta el centrado y la variabilidad

del proceso.

𝐶𝑝𝑚 = 𝐸𝑆 − 𝐸𝐼

6𝜏 (10)

Dónde el símbolo (tau) τ está dado por:

𝜏 = √𝜎2 + (𝜇 − 𝑁)2 (11)

Dónde N es la característica nominal de la característica de calidad. ES y EI son las

especificaciones de calidad. El valor de N es el punto medio de las dos especificaciones

por lo que está dado por N= 0,5 (ES+EI).

Cuando el índice Cpm es menor que uno significa que el proceso no cumple con

especificaciones, ya sea por problemas de centrado o por exceso de variabilidad; cuando

el índice Cpm es mayor que uno, eso quiere decir que el proceso cumple con

especificaciones, y en particular que la media del proceso está dentro de la tercera parte

central de la banda de las especificaciones, y si Cpm es mayor que 1.33, entonces el

proceso cumple con especificaciones, pero además la media del proceso está dentro de la

quinta parte central del rango de especificaciones (Gutiérrez & De la Vara, 2009).

Si los datos no son normales se puede utilizar el método de Clements (Clements, 1989), tal

y como se indica en el apartado 1.5.2.1 análisis de capacidad.

Este método incluye la utilización de los percentiles 99.865 y 0.135, los cuales son los

percentiles característicos en una distribución normal cuando se utiliza 6σ (Korkusuz, 2011).

El reporte técnico de ISO 12783 define al Cp de la siguiente manera:

𝐶𝑝 =𝑈𝑆𝐿 − 𝐿𝑆𝐿

𝑋0.99865 − 𝑋0.00135 (12)

Además, los Cpl y Cpu se calculan de la siguiente manera:

𝐶𝑝𝑢 =𝑈𝑆𝐿 − 𝑋0.5

𝑋0.99865 − 𝑋0.5 (13)

𝐶𝑝𝑙 =𝑋0.5 − 𝐿𝑆𝐿

𝑋0.5 − 𝑋0.99865 (14)

d) Probabilidad P(z)

Cuando los datos se distribuyen de acuerdo con una distribución normal con una media y

varianza σ2, se puede determinar la probabilidad que determinada variable tome valores

dentro de la especificación.

P (z) se define de la siguiente manera:

102

𝑃(𝑧) = 𝑃 (𝑥 − 𝜇

𝜎) (15)

Donde x representa el límite de la especificación, 𝜇 la media del proceso y 𝜎 la desviación

del proceso.

Tanto el análisis de capacidad, como el análisis de probabilidad se llevarán a cabo en la

Herramienta para el Sistema de CEP.

3.3.1.5 Causas de variación

Cuando el departamento de Calidad realice el análisis de capacidad y los procesos no son

capaces de cumplir con las especificaciones, y las fuentes de variación no se deben a la

materia prima, los equipos o la mano de obra, se deben revisar las especificaciones de las

variables críticas; para ello se propone utilizar técnicas como:

a) Análisis de componentes y de variables

Este método permite reducir la variabilidad del producto y proceso. La principal función de

este método es separar las variables o componentes importantes de los que no son

importantes; así mismo, es un método fácil de usar, ya que no es necesario ampliar el

conocimiento estadístico.

b) Análisis B vs. C

El análisis B vs. C permite reducir las variaciones en los procesos; busca explorar y reducir

tolerancias, con el fin de reducir costos.

Los instructivos para el uso de estos dos métodos se encuentran en la Herramienta para el

Sistema de CEP.

c) Diseños experimentales

Los modelos de diseño de experimentos son modelos estadísticos clásicos; permiten

identificar si determinado número de factores afectan una variable de interés; así mismo,

permiten determinar cuáles valores en los factores permiten minimizar o maximizar la

variable de interés.

3.3.1.6 Gráficos de control

El departamento de Calidad, en conjunto con el departamento de Producción, serán los

encargados del análisis y de la tendencia de los gráficos de control. Las observaciones son

graficadas sobre el tiempo para indicar si el proceso está en control o no; o sea, son gráficos

de series de tiempo.

En la herramienta para el Sistema de CEP se incluyen los gráficos �̅� y R, los cuales

permiten analizar la variación entre subgrupos, y dentro del subgrupo, respectivamente.

Se analiza que los indicadores cumplan con los niveles de aceptación, y también se deben

anotar los puntos fuera de control, en el caso de que haya.

103

3.3.1.7 Proceso documental

La documentación tiene gran utilidad para las organizaciones; es una tarea que busca la

mejora continua, permite conocer mejor la organización y establecer objetivos, así como

orientar al personal.

Por lo tanto, cuando existan mejoras en los procesos, estas deben ser documentadas, de

manera que exista evidencia de los cambios realizados y el proceso de mejora continua

sea evidenciado.

3.3.2 Producción

Dentro de las principales funciones que le corresponde al departamento de Producción se

encuentran:

3.3.2.1 Dotar de grupos de trabajo para el CEP

Los grupos de trabajo estarán conformados de acuerdo con el área de Producción, ya

sea para el área de Frijoles, Salsas oscuras, Mayonesas y, para fines del presente

proyecto, para el área de Salsas.

El grupo de trabajo de Salsas estará conformado por los operadores de las líneas,

coordinador de producción y el encargado de producción del área de Salsas.

El grupo de trabajo para el CEP debe velar por el control de sus variables críticas, y

para ello debe:

a) Recolectar los datos para el análisis de normalidad, capacidad y estabilidad de las

variables críticas.

b) Determinar el tamaño de la muestra de acuerdo con el Procedimiento cálculo de

tamaño de muestra para variables (véase el apéndice 20), y los datos deberán ser

tomados de manera aleatoria, de acuerdo con la frecuencia indicada en el

procedimiento.

c) Revisar los resultados de los análisis de estabilidad y capacidad, en conjunto con el

departamento de Calidad.

d) Divulgar los resultados una vez al mes; estos resultados serían anotados en el

módulo de la herramienta de exhibición llamativa, y con base en estos resultados se

hace la toma de decisiones sobre el control del proceso.

3.3.2.2 Certificación de la mano de obra

Para todo análisis de potencial de proceso es necesarios garantizar que el personal está

calificado para cumplir con sus funciones, si esto se logra se dice que la mano de obra está

certificada. Para ello producción certifica que su personal cuenta con las habilidades

necesarias, por lo tanto, debe:

a) Evaluar el desempeño de los empleados una vez al año mediante auditorías

internas, en las cuales se debe evaluar: el conocimiento de los procedimientos de

trabajo y la ejecución de tareas de acuerdo con los instructivos de trabajo.

104

b) Guardar la evidencia de que las personas cumplen con las habilidades necesarias

(capacitaciones, evaluación del desempeño).

c) Cuando el personal necesite adquirir nuevos conocimientos, Producción deberá

solicitar a Recursos Humanos las capacitaciones pertinentes.

Al ser el CEP nuevo para la organización, es importante que el personal cuente con

conocimientos en temas como:

a) Muestreo y toma de datos: debe ser impartido por el área de Calidad, y es muy

importante que se incluyan los siguientes temas: plan de muestreo, forma adecuada

de registrar los datos, importancia de la información, principios básicos de control

estadístico de procesos.

b) Herramientas de control estadístico de procesos: en esta capacitación el objetivo es

explicar el funcionamiento de las herramientas que se utilizan en el sistema,

diagrama de Pareto, AMEF, Ishikawa, gráficos de control, prueba de normalidad,

análisis de capacidad; de manera que los integrantes del grupo de producción para

el CEP logren interpretar los resultados de manera correcta.

3.3.1 Recursos Humanos

El departamento de Recursos Humanos es de suma importancia para el CEP, ya que dentro

de sus funciones se encuentran:

3.3.1.1 Respaldo de competencias

El departamento de Recursos Humanos es el responsable de dar respaldo al departamento

de Producción en temas de capacitación y adquisición de habilidades; por la tanto, debe

existir una comunicación directa con Producción, de manera que se garanticen las

habilidades necesarias.

Para ello el departamento de Recursos Humanos debe programar los entrenamientos

necesarios, ya sea de manera interna o con la contratación de alguna entidad que capacite

a los colaboradores. Una vez que el personal haya sido entrenado, se debe evaluar el

aprendizaje mediante test teóricos o prácticos en caso de ser necesarios, y debe contar con

hojas de firma, de manera tal que sirvan de respaldo para constatar que el personal ha sido

entrenado.

3.3.1.2 Divulgación de resultados

Al departamento de Recursos Humanos le corresponde la divulgación de resultados; para

ello debe agendar reuniones de manera mensual, donde deben estar los departamentos

involucrados en el Sistema de CEP; en esta reunión se evaluarán los resultados del CEP,

que corresponden a los del módulo de exhibición llamativa que llena Producción.

Así mismo, es importante que en estas reuniones se invite al personal involucrado en el

grupo de trabajo para el CEP y sean ellos quienes expongan los resultados, ya que ellos

deben garantizar el control de las variables críticas.

105

3.3.1.3 Reconocimiento

Para la organización es importante reconocer y felicitar a los empleados que han realizado

su labor de la mejor manera, ya que esto influye de manera significativa en su estado de

ánimo, generándoles confianza y el deseo de realizar las actividades de la mejor manera.

El reconocimiento puede darse, simplemente, con unas palabras de agradecimiento, una

felicitación por correo electrónico, una carta, un informe favorable para el jefe inmediato

superior o una propuesta de ascenso. También el reconocimiento puede dárseles a los

colaboradores mediante bonos.

3.3.2 Mantenimiento

El departamento de Mantenimiento es el encargado de conservar, en las mejores

condiciones de operación y producción, cualquier máquina y equipo de la empresa. Es

importante contar con un programa de mantenimiento, ya que de la administración de este

programa depende el éxito de las operaciones.

Este departamento debe contar con programas de mantenimiento preventivo y correctivo,

con el fin de eliminar averías en las máquinas, ya que los daños serios pueden incrementar

costos de operación en reparaciones, atrasar los planes de producción y afectar la calidad

de los productos.

Este departamento debe velar por que los equipos de medición se encuentren calibrados y

en buen estado.

Para ello debe contar con:

• Instrumentos y equipos calibrados

Para el funcionamiento del sistema se deben identificar todos los instrumentos de medición

que están involucrados en el proceso, y asegurarse de que se encuentran en óptimas

condiciones, de tal manera que no sean una fuente de variación. Cada equipo debe contar

con su respectivo certificado de calibración.

Existe una lista donde se lleva el control de esta actividad; esto se hace evidente en el anexo 5.

• Mantenimiento de los equipos

Se debe garantizar que los equipos utilizados en los procesos productivos son los

adecuados, y que se validó su funcionamiento antes de ser utilizados; para ello se validan

las especificaciones y que cada uno de los parámetros se encuentre dentro de la

especificación.

Así mismo, se cuenta con planes de mantenimiento, tanto de mantenimiento preventivo

como de correctivo, donde se lleva el control de los equipos y las fechas correspondiente

de los próximos mantenimientos.

De igual manera que se lleva el listado de equipos calibrados, se lleva un control sobre los

mantenimientos

106

3.4 Interacción del sistema

Una vez definidos los elementos del Sistema y las funciones de cada uno de los

departamentos se proceden a describir la interacción entre las actividades que debe realizar

cada uno de los departamentos para alcanzar el Sistema de CEP.

El Sistema de CEP está diseñado con base en el estudio de potencial a corto plazo, para

ello se debe definir previamente los problemas que afectan a la organización y las variables

críticas, posteriormente se debe verificar que las materia prima, los equipos y la mano de

obra son capaces de cumplir con los requisitos necesarios para el proceso, es decir están

certificados, si estos aspecto no se cumplen se deben trabajar en ellos ya que son fuente

de variación en el proceso, si cumple se procede a realizar análisis de capacidad para

determinar si el proceso es capaz de cumplir con las especificaciones, si el proceso no es

capaz se debe analizar las fuentes de variación, y trabajar en las especificaciones; cuando

esto se logra, se recolecta datos nuevamente y se determina la capacidad del proceso y se

monitorea mediante gráficos de control de manera mensual.

Estas actividades están enmarcadas en cuatro grandes procesos que conforman el

Sistema, estos cuatro procesos se muestran a continuación:

Proceso 1. Definición de variables críticas

Como se menciona al inicio del capítulo II, uno de los principales objetivos que busca el

Sistema de CEP es la reducción en la variabilidad de los procesos, por lo tanto, lo primero

que se debe realizar es la determinación de las variables críticas de proceso, para ello se

debe:

1) Correr la matriz de calidad.2

2) Identificar la perdida principal (DPI).

3) Identificar el efecto en la característica de calidad que está siendo afectada.

4) Identificar el área y producto que está siendo afectado.

5) Identificar variables de proceso asociadas a la característica de calidad que está

siendo afectada.

6) Definir las variables críticas.

En la figura 63 se puede ver el diagrama de proceso de Definición de variables críticas:

2 La descripción y pasos para determinar las variables críticas del proceso se mostraron en el apartado 3.3.1.1

identificación de las variables críticas.

107

Figura 63. Proceso de definicion de variables críticas

Proceso 2. Certificación de mano de obra, materia prima y equipos

El Sistema de Control Estadístico de Proceso posee como base fundamental el estudio de

potencial a corto plazo, esto debido a las características de la organización, por lo que se

desea cual es la capacidad que posee el proceso a un plazo corto de tiempo, de manera

que no se tengan variaciones en el proceso debido a materias primas, mano de obra y

equipos. Por lo tanto, antes de todo estudio de potencial a corto plazo la organización debe

garantizar:

a) La materia prima debe cumplir con las especificaciones propuestas por la organización

y acordadas con los proveedores, garantizando el cumplimiento de las especificaciones

en los muestreos que realice la organización y en los certificados de calidad de la

materia prima.

b) Los equipos deben estar puestos en punto, tal como lo establece producción y

mantenimiento, cumpliendo con los estándares técnicos necesarios, parámetros y

tolerancias de funcionamiento previamente establecidos para el proceso productivo.

c) El personal debe estar capacitado, de manera que conozca el proceso y las funciones

que debe realizar.

Si estos elementos no cumplen con las especificaciones requeridas primero se debe

trabajar en estos factores.

Si se cumplen los aspectos antes mencionados se logra certificar que la mano de obra, la

materia prima y el personal son acordes para el proceso y se puede realizar los estudios de

capacidad del proceso, para ello:

1) El grupo de trabajo para el CEP liderado por el departamento de producción debe

realizar un pre-muestreo de 30 datos de manera aleatoria a lo largo de los tres turnos

de trabajo, a partir de este pre-muestreo se calculará el tamaño de muestra y la

frecuencia de recolección de datos utilizando el Procedimiento cálculo de tamaño de

muestra para variables (Apéndice 20) y la herramienta para el Sistema de CEP. Dicho

muestreo debe ser realizado de manera aleatoria considerando todos los turnos,

durante una semana.

Corre la matriz QAIdentificar la perdida

principalIdentificar el efecto

indeseable

Identificar área y producto

Identificar las variables de proceso

Definir las variables críticas

A

QA QA QA

QA QAQA

QA

P

M

R.H

Calidad

Producción

Mantenimiento

Recursos Humanos

108

2) Una vez con los datos recolectados se debe realizar el análisis de normalidad, este se

hace con la herramienta de control estadístico de procesos. Dónde además de la

normalidad también se muestra un histograma que nos da una aproximación de la

distribución de los datos.

3) Si los datos son normales se debe proceder con el análisis de capacidad. En caso de

que los datos no sean normales, o no se conozca su distribución se pueden utilizar

transformaciones o el método empírico de Clements para análisis de capacidad.

En la figura 64 se muestra el diagrama de interacciones de este segundo procedimiento.

Figura 64. Proceso de certificacion de mano de obra, materia prima y equipos

Recolectar datosAnálisis de normalidad

Garantizar potencial de los equipos

Garantizar potencial de materia prima

Garantizar potencial de mano de obra

QAQA

M

A

P

P

M R.H

Calidad Producción

Mantenimiento Recursos Humanos

B

QA

Se encuentran certificados para el

proceso

No

Si

P

Proceso 3. Análisis de capacidad y estabilidad

Una vez definida la normalidad de los datos se debe proceder a analizar la capacidad y

estabilidad del proceso a corto plazo.

La capacidad a corto plazo se calcula a partir de muchos datos tomados en periodo corto

de tiempo, pero controlando el proceso, es decir que las causas externas como cambios en

la temperatura, operadores, materia prima, turnos, etc afecten lo menos posible. Por lo

tanto, esta capacidad representa el potencial del proceso, para ello se debe:

1) Calidad en conjunto con producción deben analizar el potencial del proceso a corto

plazo mediante los índices Cp, Cpk, Cpm y p (Z), dichos cálculos serán realizados

a través de la Herramienta para el Sistema de CEP.

2) Si el proceso no es capaza de cumplir especificaciones se deben realizar análisis a

las especificaciones, para ello se pueden utilizar herramientas estadísticas como

diseños experimentales, análisis de componentes, análisis de variables, análisis B

vs C. El análisis a realizar dependerá del corrimiento del proceso respecto a las

especificaciones y la complejidad de ello.

109

3) Si el proceso es capaz de cumplir con las especificaciones se procede con los

análisis de variación del proceso. En la figura 65 podemos ver y diagrama de

proceso de análisis de capacidad y estabilidad.

Figura 65. Proceso de análisis de capacidad

Proceso 4. Análisis de variación a mediano plazo

Una vez comprobada la capacidad del proceso se procede a realizar análisis de variación:

1) El grupo de trabajo para el CEP liderado por el departamento de producción deberá

recolectar 125 datos, en subgrupos de 5 en el transcurso de una semana, en los

tres turnos de trabajo, para evaluar la variación.

2) Se analiza la variación del proceso utilizando gráficos de control y gráficos de

exhibición llamativa, para dichos gráficos se utiliza la herramienta para el Sistema

de CEP.

3) Si el proceso se mantiene estable y bajo control de acuerdo con el punto 2) se

procede a realizar los analices de variación de mediano plazo con una frecuencia

menor. El grupo de trabajo para el CEP deberá recolectar 125 datos en subgrupos

de 5 a lo largo del mes.

4) Si el proceso presenta variación y se encuentra fuera de control se implementarán

planes de acción necesarios para disminuir la variación del proceso, para dichos

planes de acción se deberá involucrar a todos los departamentos que conforman el

Sistema de CEP.

5) El departamento de Recursos Humanos se encargará de realizar una reunión

mensual con los departamentos involucrados en el Sistema de CEP, en dicha

reunión se presentará los resultados que producción registra en la herramienta y el

avance obtenido en el proceso con el Sistema de CEP; así mismo se reconocerá al

personal involucrado por el buen desempeño realizado. En la figura 66 se encuentra

el diagrama de proceso.

Determinar las causas de variación

B Proceso capazAnalizar la capacidad

del proceso

Analizar la variación C

PQA PQA

PQA

Sí

NoRecolectar datos

P

QA

P

M

R.H

Calidad

Producción

Mantenimiento

Recursos Humanos

110

Figura 66. Proceso de análisis de variación

Una vez definidos los involucrados en el sistema, las actividades de cada uno de los

involucrados en el Sistema y la relación de cada una de ellas, se logra obtener el Sistema

de CEP, el cual consta de cuatro grandes etapas y que a la vez están relacionadas entre

sí, así mismo poseen un orden lógico que permite la toma de decisiones de manera correcta

como se muestra en la figura 67.

QA

P

M

R.H

Calidad

Producción

Mantenimiento

Recursos Humanos

C Recolectar datos

P

Plan de acciónProceso bajo controlGráficos de controlAnalizar la

estabilidad y estado del proceso

Divulgación de resultados

MPQAQA

Sí

No

R.H

PQA

111

Figura 67. Sistema de control estadístico de proceso

Corre la matriz QAIdentificar la perdida

principalIdentificar el efecto

indeseable

Identificar área y producto

Identificar las variables de proceso

Definir las variables críticas

QA

P

M

R.H

Calidad

Producción

Mantenimiento

Recursos Humanos

QA QA QA

QA QAQA

Determinar las causas de variación

Proceso capazAnalizar la capacidad

del proceso

Analizar la variación

PQA PQA

PQA

Sí

NoRecolectar datos

P

Recolectar datos

P

Plan de acciónProceso bajo controlGráficos de controlAnalizar la

estabilidad y estado del proceso

Divulgación de resultados

MPQAQA

Sí

No

R.H

PQA

Recolectar datosAnálisis de normalidad

Garantizar potencial de los equipos

Garantizar potencial de materia prima

Garantizar potencial de mano de obra

QAQA

P

M

P

Se encuentran certificados para el

procesoSi

Garantizar ña certificación

No

112

3.5 Análisis de causas de variación actuales en el proceso de producción de

Salsas

De acuerdo con lo citado en el apartado 3.4 Interacción del Sistema, Análisis de capacidad

y estabilidad, una vez determinadas las variables críticas relacionadas con determinado

fenómeno y comprobada la normalidad de los datos, se debe realizar el análisis de

capacidad; si los procesos no son capaces de cumplir con las especificaciones, se procede

a determinar las causas de variación, y estas se pueden determinar mediante el uso de

distintas herramientas de estadística, como diseños experimentales y pruebas de hipótesis.

En el capítulo 2 se logró determinar que, para el proceso de producción de Salsas, las

principales variables críticas, tanto para el fenómeno de hermeticidad como para el de

consistencia, no fueron capaces de cumplir especificaciones, por lo que se procede a

analizar las causas de variación, como se muestra a continuación.

3.5.1 Temperatura y presión de sellado

En el apartado 2.4.8.1 Perdida de hermeticidad, Capitulo 2 para la variable de temperatura

de sellado, se determina que la especificación actual de la organización es de 130°C a 260

°C, siendo esta una especificación muy amplia obteniendo valores de Cpk>10. Sin

embargo, esta capacidad no representa la realidad del proceso debido al problema de

hermeticidad que se presenta. Dado lo anterior, se consulta al proveedor de laminado cuál

debe ser la especificación para que ambos materiales sellen de manera correcta,

proporcionando una especificación de 180°C a 225°C para el laminado tetralámina y de

190°C a 225 °C para el laminado tetralámina, en las cuales el laminado entre en su proceso

de fusión y las capas de aluminio, nylon y polietileno se unan en una sola, formando así el

sello hermético necesario para el producto.

Por lo tanto, se realiza un diseño de experimentos en el cual se evalúa la especificación del

proveedor, para ello se utilizan valores de temperatura que van desde los 170 a 225 °C

para los dos tipos de laminado, utilizando como variable de respuesta la fuerza de sellado,

para que un empaque se encuentre sellado de manera hermética, la fuerza de sellado debe

estar por encima de los 110 N/cm (Hidalgo, 2017)

Para ello se realiza un diseño factorial completo, se utilizan dos factores, la temperatura de

mordaza y laminado. En el caso de temperatura de mordaza se utilizan 7 niveles (170, 180,

190, 200,210, 220 y 230°C), para el laminado se utilizan dos niveles (laminado trilámina y

laminado tetralámina), como se muestran en la figura 68.

113

Figura 68. Diseño factorial para temperatura de mordazas

Se realizan dos réplicas, para ello se utiliza la línea S9, cabe resaltar que está línea es de

alta producción, por lo que la organización sólo permitió detener la máquina dos horas, ya

que produce 92 doy packs por minuto, y detenerla mucho tiempo puede poner en riesgo

cumplir con el plan de producción. Para las réplicas se realizan combinando los niveles del

factor temperatura y el factor laminado de manera aleatoria, utilizando como variable

respuesta la fuerza de sellado. Para ello la temperatura se aumenta o se disminuye en las

mordazas mediante un panel de control, y se cambia la bobina de laminado según el orden

de la corrida, para ello se estabiliza la maquina durante un tiempo de 2 minutos y

posteriormente se toma el dato, esto se realiza cada vez que se realiza una corrida.

Así mismo se busca que los valores de fuerza de sellado se encuentren por encima de

110N/cm, es decir se busca maximizar la fuerza de sellado.

Al realizar el experimento se logra determinar que el factor laminado, el factor temperatura

y la interacción entre el laminado y la temperatura poseen un p-value <0,005 por lo tanto

los dos factores y la interacción son significativos. Es decir que tanto la temperatura y el

laminado, y la combinación de ambas afectan la fuerza de sellado del doy pack, por ende,

su hermeticidad.

Así mismo se tiene un R-cuadrado y R-cuadrado ajustado de 99% lo cual significa que el

modelo explica de manera correcta la variación, no hay falta de ajuste en el modelo como

se muestra en la figura 69.

114

Figura 69. Resultados DOE para temperatura de mordazas

115

Al observar la figura 70 de efectos principales se logra apreciar como el laminado trilámina

posee una fuerza de sellado máxima de 180N/cm mientras que el laminado tetralámina

posee una fuerza de sellado máxima de 280 N/cm. así mismo en la temperatura en la cual

se obtiene una mayor fuerza de sellado es en 180 °C.

En la figura 71 de interacción se logra apreciar como para el laminado trilámina al utilizar

temperaturas de 170°C hasta los 230°C, se obtienen fuerzas de sellado desde los (160

a180) N/cm y para el laminado tetralámina la fuerza de sellado se encuentra entre los 225

a los 300 N/cm. Sin embargo, para ambos casos se logra apreciar cómo a temperaturas de

210°C en adelante la fuerza de sellado disminuye en ambos laminados. Por lo tanto, se

propone una nueva especificación de temperatura de sellado para ambos laminados la cual

será de 170°C a 210°C, sin embargo, la organización solicita utilizar una especificación de

170 a 230 °C, ya que a pesar de que la fuerza de sellado disminuye a partir de los 210 °C,

esta sigue estando por encima de la especificación de 110 N/cm.

Figura 70. Efectos principales laminado y temperaturas

Figura 71. Interacción de las variables laminado por temperatura

116

Otros de las variables críticas para el fenómeno de hermeticidad es la presión de sellado,

esta variable actualmente no posee una especiación y se encuentra programa a 0,4 Mpa

de presión en la máquina.

Por lo tanto, para determinar si realmente la presión de sellado es un factor significativo que

afecta la fuerza de sellado del doy pack se procede a realizar un diseño factorial completo,

utilizando dos factores, es este caso tipo de laminado y presión, con los niveles tetralámina

y trilámina para el factor laminado, y cinco niveles de presión los cuales corresponden a

0.20, 0.25, 0.30, 0.35 y 0.40 Mpa.

Se realizan siete replicas, para ello se utiliza la línea S9, combinando los niveles del factor

presión y el factor laminado de manera aleatoria, utilizando como variable respuesta la

fuerza de sellado. Para ello la presión de sellado se aumenta o se disminuye en el

manómetro de la máquina, y se cambia la bobina de laminado según el orden de la corrida,

para ello se estabiliza la maquina durante un tiempo de un minuto y posteriormente se toma

el dato, esto se realiza cada vez que se realiza una corrida.

Al igual que el experimento anterior se busca que los valores de fuerza de sellado se

encuentren por encima de 110 N/cm, es decir se busca maximizar la fuerza de sellado.

Al correr el experimento mediante la herramienta Minitab se logra determinar que ni el factor

laminado, ni el factor presión y la interacción entre ambos factores son significativos, es

decir no afectan la fuerza de sellado del doy pack, ya que poseen valores de p-value

mayores a 0,05 por lo tanto no son significativos. Así mismo se tiene una R-cuadrado y un

R-cuadrado ajustado de 85% lo cual significa que el modelo explica de manera correcta la

variación, no hay falta de ajuste en el modelo como se muestra en la figura 72.

117

Figura 72. Resultados del DOE de presion de sellado

118

Al observar la figura 73 de efectos principales, se logra apreciar como el laminado

tetralámina posee una mejor fuerza de sellado al utilizar distintas presiones de sellado, así

mismo se logra apreciar cómo al utilizar presiones de sellado desde los 0,20 a 0,30 Mpa la

fuerza de sellado aumenta, mientras que a partir de los 0,35 y 0,40 Mpa la fuerza de sellado

decrece.

Figura 73. Efectos principales de presion de sellado

Es decir que la organización puede utilizar presiones de sellado desde los 0,20 Mpa hasta

los 0,40 Mpa, ya que no se obtienen diferencias significativas en la fuerza de sellado al usar

distintas presiones en ambos tipos de laminado.

En la figura 74 de interacción se aprecia como el laminado tetralámina la mayor fuerza de

sellado se obtiene utilizando 0,30 Mpa y 0,35 Mpa. Mientras que para el laminado trilámina

la mayor fuerza de sellado se obtiene al utilizar la presiones desde los 0,25 Mpa a los 0,35

Mpa. Estos intervalos se proponen como especificación de presión de sellado, para los dos

tipos de laminado, ya que a pesar de no tener diferencias significativamente, si se logra

tener mayor fuerza de sellado en estos intervalos.

Figura 74. Interacción de presion de sellado

119

Mediantes los diseños experimentales se obtienen las nuevas especificaciones tanto para

las temperaturas de mordazas como para la presión de sellado, ahora bien, ambas

variables son necesarias para el correcto sellado de los doypacks, sin embargo en este

caso no se analiza la interacción entre ellas, esto debido a la amplitud de las

especificaciones actuales, con el diseño experimental planteado se busca definir nuevas

especificaciones de una manera sencilla y analizando las variables de manera

independiente como un primer paso para la organización. Como un segundo paso en el

proceso de mejora continua se espera que la organización analice la interacción entre

ambas variables, usando herramientas como superficies de respuesta de manera que se

determine la configuración óptima para cada factor.

3.5.2 Consistencia de la kétchup

En el apartado 2.4.8.1 Consistencia fuera de parámetros, se logra determinar que existen

dos factores determinantes que afectan la consistencia de la kétchup; uno de ellos son los

grados brix con que ingresa la pasta de tomate, y el segundo de ellos la temperatura en la

que se realiza la prueba de consistencia. Así mismo, la consistencia de la kétchup posee

dos especificaciones, una de ellas con el producto a 95 °C y la otra a temperatura ambiente

de 26 °C, la cual es cómo se consume el producto. Por lo tanto, para el fenómeno de

consistencia se propone el procedimiento para prueba de consistencia.

3.5.2.1 Procedimiento para prueba de consistencia

Como se logró comprobar en el apartado 2.4.8.1 Consistencia fuera de parámetros, la

temperatura y método de cómo se realice la prueba de consistencia afecta el resultado, y

es por ello por lo que se crea el Procedimiento para prueba de consistencia de la

Kétchup sin Homogenizar (véase el apéndice 27), el cual tiene como objetivo establecer

lineamientos generales para realizar la prueba de consistencia en el centro de análisis de

salsas, tomando en consideración la temperatura de la prueba y el tiempo de la prueba.

3.5.2.2 Certificación de la pasta de tomate

Uno de los aspectos más importantes es garantizar la certificación de la materia prima para

garantizar la normalidad de los datos del proceso y, por ende, disminuir las fuentes de

variación. Como se observa en el apartado 2.4.8.1 Consistencia fuera de parámetros, en la

sección de grados brix de la pasta de tomate, la especificación indica que esta, que

constituye el ingrediente necesario para realizar la kétchup y demás salsas, posee una

especificación de 30 a 32 grados brix; sin embargo, tal como lo indica el muestreo realizado

(véase el anexo 7), los valores de grados brix se encuentran por encima de la

especificación.

Tal como se propone en el apartado 3.3.1 Certificado de calidad, se debe:

a) Solicitar al proveedor el certificado de la materia prima, en el cual se indique el brix

que posee la pasta, y esta debe estar dentro de la especificación.

b) Para garantizar que los bines de pasta de tomate están de acuerdo con lo declarado

en el certificado, primero se analiza la normalidad de los datos para determinar si se

debe realizar inspección al 100% o aplicar planes de muestreo empleando tablas

militares. Para esto se realizan las siguientes actividades:

120

Se realiza un muestreo de 52 bines de pasta de tomate que ingresaron a la bodega de

materia prima del 20 al 25 de marzo del 2017 (véase el anexo 7); se analiza la

normalidad de los datos y se calcula el valor de p (Z). En este caso se logra determinar

que los datos no son normales, debido a que poseen un valor de p-value menor a 0,05

(véase la figura 75).

Figura 75. Grados Brix de pasta de tomate

De acuerdo con (García, 2018) se puede utilizar el teorema de limite central, ya que “una

muestra aleatoria de cualquier población, y sea �̅� la media muestral; entonces,

independientemente de cómo sea la distribución de la población de donde se extrajo la

muestra, la distribución de �̅� se aproxima a la normal conforme la muestra crece”

Por lo tanto, se obtiene un p (Z)= 4,5% (Figura 76), es decir que la probabilidad de que los

datos se encuentren dentro de la especificación de 30 a 32 grados brix es de 4,5 %, por lo

tanto, un 95,5% de los bines de pasta de tomate se encontraran fuera de especificación y

serán rechazados.

121

Figura 76. Análisis p(z)

Es por ello por lo que antes de aplicar planes de muestreo de aceptación, la organización

deberá negociar el cumplimiento de la especificación con el proveedor, y hasta que este

mejore la calidad de sus productos, el departamento de Calidad deberá muestrear el 100%

del ingreso de los lotes de pasta de tomate.

Una vez que el proceso del proveedor es capaz de cumplir con las especificaciones y se

obtiene un nivel de confianza de 90%, se comienza a utilizar las tablas militares para realizar

los muestreos correspondientes, tal y como lo indica el Procedimiento para muestreo de

aceptación (véase el apéndice 28).

• Validación de especificaciones de consistencia

Como se mencionó anteriormente, la consistencia de la kétchup posee dos

especificaciones, la primera de ellas es de 5 a 6cm/s (95°C) con el producto caliente, y la

segunda de 3 a 6,5cm/s para el producto a temperatura ambiente (26°C).

Debido a que este es un producto que se consume frio, y por lo general en los hogares se

encuentra refrigerado, se realiza una prueba de consistencia utilizando la especificación en

frio, con el fin de determinar si se están rechazando batches que cumple con la

especificación en frío.

Se analizan un total de 20 batches (3 al 7 de abril del 2017), para ello se realiza la prueba

del producto en caliente y la prueba del producto en frio, con el fin de determinar si se

encuentran dentro de parámetros.

Como se logra aprecia en la tabla 29, cuando se realiza la muestra en caliente se obtiene

un total de 11 batches fuera de especificación, sin embargo, al realizar la prueba en frío en

los mismo batches ninguno se encuentra fuera de la especificación.

0,6

0,5

0,4

0,3

0,2

0,1

0,0

X

Den

sid

ad

30

0,04597

32 33,18

Gráfica de distribuciónNormal; Media=33,183; Desv.Est.=0,702

122

Esto quiere decir que se están rechazando de manera incorrecta batches que realmente

cumplen con la especificación en frío, siendo esta la especificación del producto terminado.

Tabla 29. Consistencia de batches variando temperatura

Fecha Hora Batche Consistencia a

96°C

Consistencia a

26°C

19/10/2017 8:50 3 5 4,5

19/10/2017 9.15 4 7 5,5

19/10/2017 10:35 6 6,5 5

19/10/2017 12:05 12 6,5 5

19/10/2017 12:50 14 5 4,5

19/10/2017 13:10 15 5 4,7

19/10/2017 13:47 17 6 5

19/10/2017 14:16 20 7 5,7

19/10/2017 14:50 22 5 4,5

19/10/2017 15:25 24 6 5

19/10/2017 15:35 25 7 5,5

19/10/2017 16:40 30 6,5 5

19/10/2017 17:10 33 6,5 5

19/10/2017 18:45 36 7 5,5

19/10/2017 18:55 37 5 4,3

19/10/2017 19:15 38 5 4,5

19/10/2017 20:20 40 5 4,5

19/10/2017 21:00 43 6,5 5

19/10/2017 21:30 44 6,5 5

19/10/2017 22:10 47 6,5 5

Por lo tanto, se propone a la organización seguir realizando las pruebas en caliente

siguiendo el Procedimiento para prueba de consistencia, sin embargo, se recomienda

para aquellos batches que se encuentren fuera de especificación antes de ser ajustados o

rechazados, realizar la prueba en frio, para ello debe:

123

• Colocar 50g de producto en un recipiente.

• Ingresar muestra en recipiente con agua y hielo hasta que la muestra se

encuentre a 26°C.

• Realizar la prueba de consistencia, de acuerdo con lo establecido en el

Procedimiento para prueba de consistencia, en este caso variando la

temperatura a 26°C.

• Evaluar si la muestra se encuentra dentro de los límites de especificación

en frio de 3 a 6,5 cm/s.

3.6 Herramienta para el Sistema de Control Estadístico de Procesos

La herramienta diseñada brinda a la empresa instrumentos y metodologías que dan soporte

al estudio robusto desde el punto de vista estadístico, aspecto fundamental para el CEP.

Esta herramienta está construida de manera tal que se pueda utilizar en otras áreas y con

otras variables de proceso, siendo esta una aplicación informática que viene a cubrir las

necesidades actuales de la empresa, de una manera económica.

La herramienta para el Sistema de CEP integra los siguientes instrumentos:

• Cálculo de tamaño de muestra.

• Análisis de normalidad.

• RyR.

• Gráficos de control.

• Análisis de causas de variación.

• Exhibición llamativa.

A continuación, se exponen el alcance y funciones de cada módulo, las cuales, además,

están explicadas en el manual de uso de la herramienta, en el apéndice 23.

3.6.1 Cálculo de tamaño de muestra

La herramienta permite calcular el tamaño de muestra de la variable que se desea analizar

para el estudio de normalidad y capacidad; para ello se utiliza la fórmula de tamaño de

muestra para poblaciones finitas:

𝑛 =𝑁𝑍2𝑆2

𝑑2(𝑁 − 1) + 𝑍2𝑆2 (16)

Donde:

n: tamaño de la muestra.

N: tamaño de la población.

Z: nivel de confianza.

Tabla 30. Nivel de confianza

124

Cuanto mayor nivel de confianza se desee mayor será el tamaño de muestra

d: error.

Tabla 31. Porcentaje de error

Cuánta más precisión se desea, más pequeño será el error, y mayor el tamaño de la

muestra.

S: Desviación estándar de los datos de pre-muestreo, los cuales deben ser mayor o igual a

30.

En la figura 77 se puede ver un ejemplo de un cálculo de tamaño de muestra.

Figura 77. Ejemplo de tamaño de muestra

3.6.1 Análisis de normalidad

La herramienta utiliza la prueba estadística de Anderson Darling, que permite determinar si

una muestra de datos se extrae de una distribución de probabilidad normal. Se aplica para

probar si una distribución normal describe adecuadamente un conjunto de datos; es una de

las herramientas estadísticas más potentes para la detección de la mayoría de las

desviaciones de la normalidad.

125

Se utiliza la prueba de hipótesis para determinar si los datos son normales

Ho: los datos son normales.

Hi : los datos no son normales.

Si el estadístico AD es menor que 0,75, se acepta la hipotesis nula y, por lo tanto, se

determina que los datos son normales, como se muestra en la figura 78.

Figura 78. Ejemplo de análisis de normalidad

3.6.2 RyR

Con el RyR se pueden evaluar los sistemas de medición, por medio de un estudio de

reproducibilidad y reproducibilidad. Este módulo es un complemento para determinar si un

instrumento de medición está afectando el proceso, y va de la mano con el análisis de las

fuentes de variación. En el caso de este proyecto, para las variables críticas no fue

necesario utilizar este módulo, pero, al ser una herramienta versátil y adaptable a otros

procesos de producción, será de gran utilidad para el uso de la herramienta.

En las figuras 79 y 80 se puede ver un ejemplo de este módulo.

Figura 79. Ejemplo de resultados de RyR

126

Figura 80. Ejemplo de gráficos de estudio RyR

3.6.3 Análisis de capacidad

Con el análisis de capacidad se logra determinar si el proceso es capaz de cumplir las

especificaciones que poseen la variable que se está analizando, lo que indica a la empresa

dónde se encuentra el centrado y dispersión del proceso. Para ello se utiliza el índice Cp y

Cpk.

Otro indicador con el que cuenta la herramienta es el indicador P (z), el cual determina la

probabilidad en porcentaje que los datos se encuentren dentro de la especificación

(Walpole, 2007), por lo tanto, permite abrir o cerrar una especificación para determinada

variable. A continuación, en la figura 81 un ejemplo de capacidad y gráficos de control.

Figura 81. Ejemplo de capacidad y gráficos de control

127

Se incluyen en la herramienta los gráficos �̅� y R; el gráfico �̅� detecta cambios significativos

en la media del proceso observa variación entre subgrupos.

El gráfico R detecta cambios significativos en la amplitud de la dispersión, observa variación

dentro de los subgrupos.

Estos gráficos permiten al usuario controlar de una manera gráfica el proceso de medición,

con el fin que el proceso sea estable y se encuentre dentro del rango de especificación

establecido.

3.6.4 Análisis de causas de variación

Con el análisis de las causas de variación, el objetivo es brindarle a UL una guía de dos

herramientas que son fáciles de usar, para reducir la variabilidad del proceso y del producto.

En este módulo vienen los procedimientos para realizar el Análisis B vrs. C y el Análisis de

componentes. En el manual de usuario está explicado con más detalle (véase el apéndice

29).

Para ello se incluye la metodología de dos herramientas que son fáciles de usar, para que

quede el procedimiento. Cabe rescatar que parte de las funciones de Recursos Humanos

es el respaldo de competencias; por lo tanto, se le debe dar respaldo a Producción en los

temas de capacitación y adquisición de habilidades.

3.6.1 Exhibición llamativa

La principal función de este módulo es llevar el registro de los datos del control estadístico

mes a mes, y los datos que serán compartidos en las reuniones de divulgación de los

resultados.

En este módulo se lleva el control de los indicadores de desperdicio del mes, tanto de

empaque (PACK), materia prima (ROH) como producto en proceso (HALB), los cuales se

comparan con las metas de calidad de estos desperdicios, y van en color rojo cuando no

se cumple y en verde cuando se cumple con la meta.

También se lleva el registro de la media del proceso, los rangos, el Cp y los puntos fuera

de control. El módulo contiene un gráfico que muestra cuán centrados están el proceso y la

variación.

En la figura 82 se puede ver un ejemplo de los resultados de este módulo.

128

Figura 82. Ejemplo de exhibición llamativa

3.7 Conclusiones del diseño

Con base en la evaluación realizada en la etapa de diagnóstico, se diseña un Sistema de

CEP, el cual ayudará a la organización a completar los elementos de control de procesos

que no poseen, y se enfoca en solucionar los principales problemas de calidad, según los

resultados la matriz QA. El Sistema se crea de manera que su implementación sea fácil, y

con base en lo que posee la organización actualmente.

Se definen los roles y responsabilidades del sistema; para ello se define que el sistema

debe contar con la participación de calidad, producción, mantenimiento y recursos

humanos. Se realiza el diagrama, donde están descritas las actividades y funciones de cada

uno. Gracias a esto se logra la interrelación de los elementos del sistema, los distintos

departamentos y la herramienta de control estadístico de procesos. Si no existe

participación de todos se puede caer el sistema o no lograr los resultados que se esperan,

ya que el trabajo en conjunto y el involucramiento del personal es clave para el CEP.

Debido a la amplia especificación de temperatura de sellado en las mordazas, se obtienen

valores de Cp por encima de 9; por lo tanto, se realiza un diseño de experimentos. el cual

permite redefinir las especificaciones de 170 a 210 °C, lo cual permite reducir la variabilidad

en el proceso.

Se realiza un experimento para definir la presión de sellado, que es otra de las variables

que afecta la pérdida de hermeticidad y actualmente no se mide ni se controla, obteniendo

así una presión de 0,25 a 0,35 Mpa para el papel trilámina y una presión de 0,30 a 0,35

Mpa para el laminado tetralámina. Al ser una variable crítica que no se tenía establecida, el

control de esta ayudará a disminuir los desperdicios, pues el experimento ha evidenciado

que, si se disminuye o aumenta la presión de sellado, aumenta la probabilidad de fugas en

los doy packs.

Se realiza un procedimiento para la prueba de consistencia de la kétchup sin homogenizar,

para que la prueba se realice de la misma manera y evitar que se rechacen batches que

realmente cumplen con la especificación en frío. Esta mejora en el procedimiento ayuda a

129

disminuir los desperdicios, ya que muchas veces se manda el batche a desperdicio sin

hacer la prueba en frío; es decir, se desperdicia producto que está bueno.

Se propone que se realice un muestreo del 100 % de lotes de bines de pasta de tomate, ya

que se determina, por medio del muestreo, que el proveedor no está cumpliendo con las

especificaciones del producto, lo cual va a permitir llevar un mejor control de las materias

primas y evitar reprocesos y desperdicios.

La herramienta de control estadístico de procesos es de gran ayuda para realizar los

cálculos tanto de tamaños de muestra, análisis de normalidad, RyR, como de gráficos de

control. Además, el módulo de exhibición llamativa permite llevar un control mes a mes y

almacenar los resultados, que serán expuestos en la reunión de divulgación de los

resultados.

130

4 Capitulo IV. Validación

4.1 Objetivo general

Evaluar el Sistema de Control Estadístico de Procesos propuesto para UL, con el fin de

demostrar su viabilidad y efectividad.

4.2 Objetivos específicos

• Capacitar al personal involucrado en el Sistema de Control Estadístico de Procesos

en los temas de:

- Roles y responsabilidades.

- Flujo de trabajo necesario para el CEP.

- Método de muestreo para materias primas.

- Método para análisis de consistencia.

- Herramienta para el Sistema de CEP.

• Realizar una corrida piloto para validar las nuevas especificaciones de las variables

críticas de presión y tiempo, de manera que se logre corroborar el aporte al problema

de hermeticidad, desde el punto de vista económico y de calidad.

• Aplicar el procedimiento de consistencia en el centro de análisis del área de Salsas,

de manera que se logre confirmar el aporte desde el punto de vista económico y de

calidad.

• Determinar el impacto del diseño sobre los indicadores de éxito del proyecto, y hacer

un análisis de costo-beneficio del diseño propuesto, con el fin de determinar si la

solución corresponde al problema planteado.

4.3 Metodología de validación

Para lograr cumplir con los objetivos planteados se propone la metodología de validación

que se muestra en la tabla 32.

131

Tabla 32. Metodología de validación

Actividades Herramientas Resultados

Capacitación del personal respectivo en el

funcionamiento del Sistema de CEP: Roles y

responsabilidades, flujo de trabajo, métodos de

muestreo, método de consistencia, herramienta

de control

Presentaciones

Procedimientos en físico

Herramienta para el Sistema de CEP

Personal capacitado en el Sistema de CEP

Percepción del personal respecto al

Sistema de CEP

Valoración de la capacidad del Sistema de CEP

para ser replicado en otras áreas

Entrevistas con los involucrados en el Sistema de

CEP

Percepción del personal respecto a la

réplica del Sistema en otras áreas

Ejecución de pruebas piloto para nuevas

especificaciones de variables críticas

Corrida corta de especificaciones de presión y

temperatura en la línea S9

Doy packs sin problemas de hermeticidad.

Proceso capaz

Proceso bajo control

Aplicación del procedimiento para el análisis de

consistencia

Análisis de consistencia en laboratorio de salsas. Consistencia dentro de parámetros

Determinación del impacto del diseño propuesto

sobre los indicadores de éxito planteados

Indicadores de éxito Mejora en los indicadores de éxito

propuestos

Determinación del beneficio económico para la

organización

Análisis costo beneficio Beneficios económicos para la

organización

4.4 Validación del diseño planteado

La etapa de validación consiste en la puesta en práctica de la propuesta planteada,

buscando comprobar la fiabilidad de su aplicación, mediante la resolución de la

problemática encontrada en la etapa de diagnóstico.

En la etapa de diseño se contemplan cinco elementos:

• Flujo de trabajo del Sistema de Control Estadístico de Procesos.

• Especificaciones propuestas para las variables de temperatura y presión de sellado.

• Procedimiento de muestreo de materias primas.

• Procedimiento para prueba de consistencia.

• Herramienta para el Sistema de Control Estadístico de Procesos.

Por lo tanto, para cumplir con los indicadores de éxito planteados, se valida cada uno de

los elementos de diseño mencionados anteriormente.

4.4.1 Capacitación del personal involucrado en el Sistema de CEP

Para lograr validar el Sistema de Control Estadístico de Procesos, se realizó una

Capacitación el 18 de enero del 2018, y en la misma se contó con las jefaturas de Recursos

Humanos, Producción, Mantenimiento y Calidad (véase el anexo 8).

Los temas tratados en la Capacitación fueron:

• Roles y responsabilidades de cada uno de los involucrados en el Sistema de CEP.

• Flujo de trabajo a seguir en el Sistema de CEP.

• Uso de la herramienta para el Sistema de CEP.

132

En la figura 83 se muestran fotos de la actividad realizada, la cual se llevó a cabo en las

instalaciones de UL.

Figura 83. Capacitación en el uso de la herramienta para el Sistema de CEP

Una vez capacitado el personal involucrado en el Sistema de Control Estadístico de

procesos, se realizó una encuesta de 6 preguntas (véase el anexo 9) para determinar la

opinión al respecto acerca del Sistema y la herramienta.

Como se muestra a continuación, en la tabla 33, del total de las seis preguntas, en tres de

ellas todos estuvieron totalmente de acuerdo; en las otras tres, siete personas estuvieron

totalmente de acuerdo y tres de acuerdo. En ninguna de las preguntas hubo personas en

desacuerdo; por lo tanto, el personal involucrado en el Sistema de CEP está satisfecho con

los roles, responsabilidades de cada uno de los departamentos, el flujo de trabajo en el

Sistema de CEP y la herramienta que da soporte al sistema.

Tabla 33. Resultados de la encuesta de Satisfacción del Sistema de CEP.

Preguntas Totalmente

de acuerdo

De acuerdo En

desacuerdo

¿Considera que los involucrados en el Sistema de Control

Estadístico de Procesos son los adecuados?

7 1 0

¿Considera que los roles y responsabilidades están claros para

cada uno de los departamentos?

7 1 0

¿La Herramienta para el Sistema de CEP es fácil de usar? 8 0 0

¿La Herramienta para el Sistema de CEP es accesible para

todos los involucrados en el Sistema?

7 1 0

¿La Herramienta permite obtener información valiosa para la

operación?

8 0 0

El Sistema de CEP se puede replicar a las otras áreas de la

organización (Frijoles, Mayonesa, Salsas Oscuras)

8 0 0

Una vez capacitadas las jefaturas involucradas en el Sistema de CEP, se realizó una

evaluación, para determinar el conocimiento adquirido con la capacitación; dicha evaluación

está conformada de dos partes: la primera consiste en 11 preguntas de selección única, y

133

la segunda en un asocie de 26 preguntas. Por lo tanto, como seguimiento para determinar

si el personal se encuentra capacitado, se establece una nota mínima de 85, porque se

requiere que las jefaturas involucradas tengan todos los aspectos del Sistema de CEP lo

más claro posible, permitiendo fallar un máximo de 6 preguntas.

Al realizar la prueba se obtiene, como resultado, que de las 7 personas evaluadas tres de

ellas obtuvieron una nota de 100, una de ellas 96, otra 92 y dos de ellas 85 (véase el

apéndice 30). Con base en esto se puede concluir que el personal se encuentra capacitado

y la estructura del Sistema de CEP se validó de manera correcta.

Posteriormente, se capacitó, a los involucrados directos, en el uso del procedimiento para

el método de muestreo de materias primas y el procedimiento para análisis de consistencia.

Para la capacitación del procedimiento de método de muestreo de materias primas, se

capacitó tanto al encargado de análisis de materia prima como al encargado de material de

empaque (véase el anexo 10), debido a que, en caso de ausencia de alguno de los

trabajadores, la otra persona debe cubrir su puesto, por lo que se considera importante que

ambos se encuentren capacitados.

Al inicio de la capacitación se pudo percibir resistencia de ambas personas, debido a que

consideraron se iba a generar más trabajo del que debían realizar; sin embargo, en el

transcurso de la capacitación entendieron la importancia de realizar los muestreos, ya que

se debe garantizar que los materiales que ingresan realmente cumplen con lo declarado en

los certificados de calidad de los proveedores, y no va a impactar el proceso productivo.

En cuanto a la capacitación del procedimiento para el análisis de consistencia de la kétchup

dulce sin homogenizar, se capacitó al personal del centro de análisis de Salsas (véase el

anexo 11), quienes se mostraron satisfechos con dicho procedimiento. En el apartado 4.5

del presente documento se valida la aplicación de este procedimiento, con el personal que

fue debidamente capacitado.

4.4.2 Retroalimentación de las capacitaciones

Dentro de la retroalimentación obtenida, al capacitar al personal involucrado en el Sistema

de CEP, se obtiene:

• “El Sistema de CEP es de gran ayuda para la organización, ya que permite de una

manera estructurada trabajar en equipo y llevar control de las variables críticas de

proceso” (Araya, 2018).

• Se determinó en la capacitación el Sistema de CEP que la herramienta “es de gran

ayuda para el personal involucrado, ya que es amigable con el usuario y fácil de

interpretar”. (Araya & Arias, 2018).

• Al consultar al personal capacitado sobre la posibilidad de la réplica del Sistema de

CEP a otras áreas, el ciento por ciento está de acuerdo en que sí se puede hacer,

ya que las pérdidas a atacar salen de la Matriz QA, la cual toma en consideración

todas las áreas de la organización, y no es necesaria la implementación de alguna

tecnología ni recursos adicionales.

• Durante la capacitación para el procedimiento de muestreo de materias primas se

mostró resistencia por parte del personal involucrado; sin embargo, conforme

134

avanzó la capacitación, el personal se comenzó a sentir más seguro con el

procedimiento y los pasos a seguir. Sin embargo, es un tema que preocupa y al que

la empresa debe hacer frente, ya que, si se tiene resistencia al cambio con un

procedimiento a implementar, el Sistema de CEP podrá tener aún más resistencia,

a pesar de los buenos comentarios y calificaciones recibidas al capacitar al personal.

Por lo tanto, es necesario que la organización se fije metas y objetivos claros con

respecto a la implementación del Sistema de CEP y los beneficios que esto conlleva:

por ende, es importante que el personal se sienta involucrado en el proceso y los

cambios se realicen de manera paulatina, de modo que el personal se adapte.

• Se recomienda la creación de un nuevo registro, donde se establezcan los nuevos

parámetros para las temperaturas de sellado, la presión de sellado, y la frecuencia

del muestreo.

• Se recomienda la creación de un nuevo registro para el análisis de consistencia,

donde se anote la temperatura de la prueba, así como la opción para el reanálisis.

4.5 Validación del procedimiento para análisis de consistencia

La validación de la prueba de consistencia se realizó en el centro de análisis de Salsas,

posterior a la capacitación del personal involucrado, como se mostró en el apartado 4.4.1.

Para dicha validación se realizó un pre-muestreo de 10 batches, en tres turnos de trabajo,

de acuerdo con la planificación de la producción. Para ello se hicieron tres pruebas en el

turno 2, tres en el turno 3 y cuatro en el turno 1.

La prueba se realizó siguiendo el procedimiento para el análisis de consistencia (véase el

apéndice 28). Lo primero que hizo el personal fue colocarse el equipo de protección

personal, como se muestra en la figura 84.

Figura 84. Equipo de protección personal

.

El operador tomó 250ml de producto de la boula; consecutivamente, procedió a medir la

temperatura utilizando el termómetro (véase la figura 85); para la medición de la

135

temperatura se colocó la espiga del termómetro dentro del beaker plástico con producto,

hasta la mitad del recipiente, sin tocar el fondo y las paredes de este; luego se tomaron dos

mediciones, las cuales son válidas hasta que la temperatura marcada en el termómetro se

mantenga estable.

Figura 85. Medición de temperatura a 92◦C

Posteriormente, el operador procede nivelar el consistómetro como se muestra en la figura

86.

Figura 86. Nivelación del consistómetro

Posteriormente se agregó la muestra de la kétchup dulce al consistómetro. El exceso de

producto se elimina actualmente con una cuchara, como se muestra en la figura 87; sin

embargo, la manera correcta de eliminar el exceso de producto es con una paleta metálica.

136

Figura 87. Llenado del consistómetro

Una vez listo el producto en el consistómetro, este se dejó correr por treinta segundos, y

para controlar el tiempo de la prueba se utilizó un cronómetro, como se muestra en la figura

88.

Figura 88. Medición 30s de recorrido.

Cuando la consistencia se encuentra fuera de parámetros el operador deja enfriar la

muestra de Kétchup hasta los 26 ◦C, para ello utiliza el termómetro como se muestra en la

figura 99.

137

Figura 89. Medición de temperatura a 26 ◦C

Cuando se obtiene la temperatura de 26 ◦C, el operador procede a agregar la muestra de

la kétchup dulce al consistómetro, y lo deja correr por quince segundos, para controlar el

tiempo de la prueba se utiliza el cronometro como se muestra en la figura 90.

Figura 90. Medición 15s de recorrido

Por lo tanto al seguir los pasos tal y como lo indica el procedimiento para análisis de

consistencia, del total de diez batches que se analizan, cuatro de ellos se encuentra dentro

de especificación al realizar la prueba con la temperatura de 92◦C, mientras que seis de

ellas se encuentran fuera de especificación, por lo que se dejan enfriar las muestras a

temperatura de 26◦C; al aplicar la prueba de consistencia, estas se encuentran dentro de

especificación, tal y como se logra apreciar los resultados de la validación del procedimiento

de consistencia, en la tabla 34.

138

Tabla 34. Pre-muestreo para análisis de consistencia

Fecha Hora Batche Temperatura Consistencia Temperatura Consistencia

4/1/2018 14:15 11 92 6 N/A N/A

4/1/2018 15:05 14 92 6 N/A N/A

4/1/2018 17:40 17 92 7 26 5,5

4/1/2018 22:05 19 92 6,5 26 5

5/1/2018 01:50 27 92 7 26 5,5

5/1/2018 04:01 37 92 7,5 26 5,5

5/1/2018 10:20 39 92 7 26 6

5/1/2018 11:05 44 92 6 N/A N/A

5/1/2018 11:23 49 92 6 N/A N/A

5/1/2018 12:30 53 92 7 26 6

Con la información de los 10 batches analizados, se calculó el tamaño de muestra necesario

para validar el procedimiento.

Semanalmente se realizan 60 batches de kétchup dulce sin homogenizar, por lo que se

tiene una población finita; se utiliza un nivel de confianza del 95 % y un error del 5 %,

obteniendo, como resultado, que es necesario muestrear un total de 54 batches para validar

el procedimiento de consistencia, como se muestra en la figura 91.

Figura 91. Calculo de tamaño de muestra

139

El muestreo de los 54 batches se realiza del 27 de febrero al 3 de marzo, en los tres turnos

de trabajo. Para la validación de los 54 batches se siguieron los pasos tal y como lo indica

el procedimiento para el análisis de consistencia de la Kétchup dulce sin homogenizar.

Del total de los 54 batches, 28 de ellos se encuentran dentro de la especificación de 5 a

6cm/s a 92 ◦C, mientras que 26 de ellos se encuentran fuera de especificación, por lo cual

se dejan enfriar y se aplica el procedimiento para la temperatura de 26 ◦C, al aplicar el

procedimiento 24 de ellos se encuentran dentro de especificación (3 a 6,5 cm/s) y dos se

encuentran fuera de especificación ya que sus consistencias iniciales son de 8 y 9 cm/s

(véase tabla 35).

De acuerdo Vásquez (2018), del departamento de TIM, cada vez que se deba ajustar un

batche de Kétchup dulce sin homogenizar, por cada centímetro que se quiera disminuir de

consistencia se deben agregar 40kg de pasta, de acuerdo con la receta de este producto

en específico. Por lo tanto, para los dos batches de consistencia 8 y 9 cm/s el operador

realizó ajustes con pasta de tomate, para el batche 11 fue necesario ajustar con 80kg de

esta, mientras que para el batche 47 fue necesario ajustar con 120 kg de pasta de tomate.

Aquí radica la importancia de la certificación de la materia prima, ya que como se ha venido

mencionando anteriormente esto no se realiza de manera correcta, y la misma se acepta

con parámetros fuera especificación.

Tabla 35. Resultados de validación del procedimiento de consistencia

Fecha inicio Inicio inspección # Batche Temperatura Consistencia Temperatura Consistencia

27/2/2018 1:13:55 a. m. 2 92 7 26 6

27/2/2018 3:00:40 a. m. 3 92 6 N/A N/A

27/2/2018 5:15:58 a. m. 4 92 6 N/A N/A

27/2/2018 5:42:34 a. m. 5 92 7 26 5,5

27/2/2018 8:36:37 a. m. 5 92 6,5 26 6

27/2/2018 9:43:18 a. m. 7 92 5 N/A N/A

27/2/2018 12:18:57 p. m. 8 92 6,5 26 5

27/2/2018 14:19:19 p. m. 9 92 5,5 N/A N/A

27/2/2018 21:56:50 p. m. 10 92 5 N/A N/A

27/2/2018 22:13:45 p. m. 11 92 8 26 7

27/2/2018 23:30:10 p. m. 12 92 7 26 5,5

28/2/2018 1:20:12 a. m. 13 92 6 N/A N/A

28/2/2018 4:33:56 a. m. 14 92 6 N/A N/A

140

Tabla 35. Resultados de validación del procedimiento de consistencia (continuación)

Fecha inicio Inicio inspección # Batche Temperatura Consistencia Temperatura Consistencia

28/2/2018 5:26:14 a. m. 15 92 5,5 N/A N/A

28/2/2018 11:35:15 a. m. 16 92 7 26 6

28/2/2018 13:47:11 p. m. 17 92 7 26 5,5

28/2/2018 14:33:14 p. m. 20 92 7,5 26 6

28/2/2018 18:28:29 p. m. 21 92 5,5 N/A N/A

28/2/2018 19:26:51 p. m. 22 92 6 N/A N/A

28/2/2018 22:34:26 p. m. 23 92 5,5 N/A N/A

28/2/2018 23:45:46 a. m. 24 92 6 N/A N/A

1/3/2018 1:10:32 a. m. 25 92 7 26 5,5

1/3/2018 3:22:24 a. m. 26 92 7 26 5,5

1/3/2018 6:56:10 a. m. 27 92 7,5 26 5

1/3/2018 8:07:21 a. m. 28 92 5,5 N/A N/A

1/3/2018 9:07:39 a. m. 29 92 5 N/A N/A

1/3/2018 11:42:34 a.m. 30 92 7,5 26 6

1/3/2018 12:13:02 a. m. 31 92 5,5 N/A N/A

1/3/2018 13:08:22 p.m. 32 92 6 N/A N/A

1/3/2018 14:27:36 p. m. 33 92 6 N/A N/A

1/3/2018 15:40:02 p. m. 34 92 6,5 26 5

1/3/2018 16:05:11 p. m. 35 92 7 26 5

1/3/2018 19:05:31 p. m. 36 92 7 26 5,5

1/3/2018 20:05:50 p. m. 37 92 7,5 26 6

1/3/2018 21:06:07 p. m. 39 92 6,5 26 5

2/3/2018 1:39:49 a. m. 40 92 5 N/A N/A

2/3/2018 3:01:32 a. m. 41 92 5 N/A N/A

2/3/2018 5:00:29 a. m. 42 92 5 N/A N/A

2/3/2018 6:04:51 a. m. 43 92 5,5 N/A N/A

2/3/2018 11:05:46 a. m. 44 92 7 26 6

2/3/2018 12:45:43 p. m. 45 92 5 N/A N/A

2/3/2018 13:45:59 p. m. 46 92 5 N/A N/A

2/3/2018 17:54:20 p. m. 47 92 9 26 7,5

2/3/2018 19:01:29 p. m. 48 92 7,5 26 6

2/3/2018 22:59:19 p. m. 49 92 7,5 26 6

2/3/2018 23:59:53 p. m. 50 92 7 26 5,5

3/3/2018 2:01:02 a. m. 51 92 7 26 6

3/3/2018 3:58:19 a. m. 52 92 6 N/A N/A

3/3/2018 4:11:42 a. m. 53 92 6 N/A N/A

3/3/2018 5:46:03 a. m. 54 92 7 26 6

3/3/2018 8:20:29 a. m. 55 92 5,5 N/A N/A

3/3/2018 9:45:29 a. m. 56 92 6 N/A N/A

3/3/2018 10:46:39 a. m. 57 92 6,5 26 5,5

3/3/2018 12:21:04 p. m. 58 92 6 N/A N/A

141

4.6 Especificaciones propuestas para las variables de temperatura y presión de

sellado.

Para validar las especificaciones planteadas para la temperatura y presión de sellado, se

diseñó una corrida piloto en la línea S9, utilizando las especificaciones propuestas en la

etapa de diseño, en el apartado 3.5.1 Temperatura y presión de sellado, en la cual se

estableció una especificación de 170 ◦C a 230 ◦C., a cambio de la especificación actual, de

130 ◦C a 260 ◦C. Para el caso de la presión de sellado se planteó, para el laminado

tetralámina, una especificación para presión de sellado de 0,30 a 0,35 Mpa, y para el

laminado trilámina se propuso utilizar una presión de sellado de 0,25 a 0,35 Mpa.

Una vez con las nuevas especificaciones, y tal como se indica en el flujo de procesos del

Sistema de Control Estadístico de Procesos, cada vez que el proceso no fuera capaz, se

debieron determinar las causas de variación, tal como se realizó en la etapa de diseño; se

analizaron las causas de variación mediante diseños experimentales, estableciendo nuevas

especificaciones. Una vez que se conocieron las causas de variación, se debieron

recolectar los datos nuevamente y analizar la capacidad del proceso, para determinar si el

proceso era capaz de cumplir con las especificaciones.

Antes de iniciar con las pruebas de las variables críticas de temperatura y presión de

sellado, se capacitó al personal de la línea y al coordinador de producción en turno, en el

uso de las nuevas especificaciones planteadas, así como el impacto de estas en el

problema de hermeticidad (véase el anexo 12).

Así mismo, se capacitó al personal de la línea en el uso del manómetro, ya que se evidenció

que el operador tenía dificultad al realizar las lecturas. Para ello el encargado de metrología

se encargó de explicarle el uso del instrumento tal, y como se evidencia en la figura 92.

Figura 92. Capacitación en el uso de manómetro

142

Una vez capacitado el personal, se realiza las corridas pilotos como se describe a

continuación:

4.6.1.1 Laminado tetralámina

La primera corrida se realiza para el laminado tetralámina, en la presentación de Salsa

Ranchera 210g. Esta corrida se realiza en un lapso de dos horas únicamente ya que es la

disponibilidad que tiene la organización, esto por el impacto que puede tener para la

organización, detener la línea o realizar pruebas por dos horas representa dejar de producir

cerca de 8640 doy packs.

El operador de la línea procede a cambiar las especificaciones, como se pueden ver en la

Tabla 36.

Tabla 36. Cambio de parámetros para nuevas especificaciones

Variable Especificación Actual Nueva

especificación

Mordaza inferior trasera 230◦C 205◦C

Mordaza inferior delantera 230◦C 205◦C

Mordaza lateral 1 240◦C 200◦C

Mordaza lateral 2 240◦C 200◦C

Mordaza lateral 3 240◦C 200◦C

Mordaza lateral 4 240◦C 200◦C

Mordaza superior trasera 220◦C 200◦C

Mordaza superior delantera 220◦C 200◦C

Presión de sellado 0,4 Mpa 0,3Mpa

Una vez establecidas las nuevas especificaciones, se recolectaron 100 datos para cada

una de las variables. Los datos se recolectaron en subgrupos de 5 datos, los subgrupos

fueron tomados de manera aleatoria durante dos horas, mientras que los 5 datos dentro del

subgrupo fueron tomados de manera consecutiva (véase el apéndice 31).

Una vez que las muestras fueron recolectadas, se utilizó la Herramienta para el Sistema de

Control Estadístico de Procesos, con el fin de realizar el análisis de normalidad en cada una

de las variables. En la figura 93 se muestra, como ejemplo, el análisis de normalidad para

la mordaza inferior delantera; en este caso se posee un valor de AD de 0,253, el cual es

menor a 0,75; por lo tanto, se acepta la hipótesis nula y se asume la normalidad de los

datos.

143

Figura 93. Análisis de normalidad de mordaza lateral 1 laminado tetralámina

Al realizar el análisis de normalidad de todas las variables, se logró determinar que son

normales (véase el apéndice 33), y en la tabla 37 se logran apreciar los resultados de la

prueba de normalidad.

Tabla 37. Resumen de análisis de normalidad

Variable Normalidad

Mordaza inferior trasera 0,253

Mordaza inferior delantera 0,408

Mordaza lateral 1 0,622

Mordaza lateral 2 0,439

Mordaza lateral 3 0,374

Mordaza lateral 4 0,709

Mordaza superior trasera 0,718

Mordaza superior delantera 0,511

Presión de sellado 0,730

Una vez comprobada la normalidad de los datos se procede a analizar la capacidad de los

datos utilizando la Herramienta para el CEP, como se muestra en la figura 94.

144

Figura 94. Análisis de capacidad mordaza lateral 1

Se realizó el análisis de capacidad para cada una de las variables, de manera que se

determinó que el proceso era capaz de cumplir con las especificaciones; así mismo, quedó

demostrado, con el índice Cpm, que el proceso cumplía con la especificación, pero además

se encontraba centrado, y se tenía una probabilidad, del 100 %, de que los datos se

encontraban dentro de la especificación de 170 a 230 ◦C para las temperaturas de

mordazas, y una probabilidad del 99 % de que la presión de sellado estaba dentro del límite

de especificación de 3 a 3,5 bar.

En la Tabla 38 se muestran los resultados obtenidos para cada una de las variables, cabe

resaltar que para la empresa estos son los primeros pasos en control estadístico de

procesos, por lo tanto, desde el principio no se puede llevar al óptimo, sí bien los resultados

de los Cp y Cpk son elevados esto se debe a que la especificación sigue siendo amplia,

pero se tiene un proceso centrado.

Al ser un proceso se mejora continua se espera que con el tiempo se vayan cerrando las

especificaciones hasta que lleguen al óptimo.

145

Tabla 38. Resultados de análisis de capacidad

Variables Cp Cpk Cpm P(Z)

Mordaza inferior trasera 5,56 4,69 1,88 1

Mordaza inferior delantera 4,52 3,76 1,74 1

Mordaza lateral 1 5,70 5,68 4,30 1

Mordaza lateral 2 3,18 3,14 2,47 1

Mordaza lateral 3 3,62 3,28 2,30 1

Mordaza lateral 4 3,18 2,85 2,11 1

Mordaza superior trasera 3,09 3,02 2,46 1

Mordaza superior delantera 4,03 3,80 2,82 1

Presión de sellado 1,38 1,33 1,33 0,99

Así mismo, para corroborar que el cambio de especificación posee efecto en el problema

de hermeticidad, se recolectaron muestras para la realización de la prueba de prensa

neumática.

La prueba se realizó en un lapso de dos horas; la máquina posee un tiempo de ciclo de 72

doy packs por minuto, para un total de 9120 doy packs en dos horas. Para determinar la

cantidad de muestras a recolectar se utilizaron las tablas Military Standard; para un nivel

general de inspección III y un muestreo reducido se estableció que era necesario recolectar

125 doy packs para la prueba de prensa neumática.

Para realizar la prueba de prensa neumática se aplicó una presión de 40psi, en un tiempo

de 20s. En la figura 95 se pueden ver unas imágenes de la prueba.

Figura 95. Imágenes de la prueba presión de sellado

Del total de las 125 muestras ninguna presenta fuga, por ende, no se presenta problemas

de hermeticidad (véase el apéndice 34).

146

4.6.1.2 Laminado trilámina

Al igual que el laminado tetralámina se valida las especificaciones de temperatura de

sellado y presión sellado para el laminado trilámina durante un lapso de dos horas.

El operador de la línea realizó los cambios tanto en las temperaturas de sellado como en la

presión de sellado, utilizando las nuevas especificaciones planteadas, y los datos se

muestran en la tabla 39.

Tabla 39. Cambio de parámetros para nuevas especificaciones

Variable Tetralámina

Especificación Actual Nueva especificación

Mordaza inferior trasera 240◦C 200◦C

Mordaza inferior delantera 240◦C 200◦C

Mordaza lateral 1 240◦C 200◦C

Mordaza lateral 2 240◦C 200◦C

Mordaza lateral 3 240◦C 200◦C

Mordaza lateral 4 240◦C 200◦C

Mordaza superior trasera 210◦C 200◦C

Mordaza superior delantera 210◦C 200 ◦C

Presión de sellado 0,4Mpa 0,3 Mpa

Se recolectaron 100 datos para cada una de las variables en subgrupos de 5, de manera

aleatoria (véase el apéndice 34).

Una vez con las muestras recolectadas, se utilizó la Herramienta para el Sistema de Control

Estadístico de Procesos, con el fin de realizar el análisis de normalidad para cada una de

las variables (véase el apéndice 35). En la figura 96 se muestra, como ejemplo, el análisis

de normalidad para la mordaza inferior delantera, la cual posee un valor de AD de 0,680

menor a 0,75; por lo tanto, se acepta la hipótesis nula y se asume la normalidad de los

datos.

147

Figura 96. Análisis de normalidad mordaza lateral 1 trilámina

Al realizar el análisis de normalidad de todas las variables se logra determinar que son

normales, como se muestra en la Tabla 40.

Tabla 40. Resumen de análisis de normalidad laminado trilámina

Variables Normalidad

Mordaza inferior trasera 0,680

Mordaza inferior delantera 0,443

Mordaza lateral 1 0,687

Mordaza lateral 2 0,700

Mordaza lateral 3 0,296

Mordaza lateral 4 0,386

Mordaza superior trasera 0,409

Mordaza superior delantera 0,346

Presión de sellado 0,710

Una vez comprobada la normalidad de los datos se procede a analizar la capacidad de los

datos utilizando la Herramienta para el CEP, como se muestra en la figura 97.

148

Figura 97. Análisis de capacidad de mordaza inferior trasera

Se realizó el análisis de capacidad para cada una de las variables, de manera que se

determinó que el proceso era capaz de cumplir con las especificaciones; así mismo, quedó

demostrado, con el índice Cpm, que el proceso cumplía con la especificación, pero además

se encontraba centrado, y se tenía una probabilidad, del 100%, de que los datos estaban

dentro de la especificación de 170 a 230 ◦C para las temperaturas de mordazas, y una

probabilidad, del 100 %, de que la presión de sellado se encontraba dentro del límite de

especificación de 2,5 a 3,5 bar, como se muestra en la tabla 41. De la misma manera que

el apartado anterior, se mejora considerablemente los Cp, Cpk y Cpm, sin embargo, como

parte del proceso de mejora continua se debe trabajar en reducir la amplitud de las

especificaciones.

Tabla 41. Resultado análisis de capacidad para laminado trilamina

Variables Cp Cpk Cpm P(z)

Mordaza inferior trasera 5,24 4,31 1,72 1

Mordaza inferior delantera 4,44 3,73 1,78 1

Mordaza lateral 1 3,45 3,33 3,22 1

Mordaza lateral 2 3,16 3,12 1,49 1

Mordaza lateral 3 3,46 3,15 2,29 1

Mordaza lateral 4 3,60 3,30 2,34 1

Mordaza superior trasera 4,46 4,39 3,25 1

Mordaza superior delantera 3,70 3,55 2,89 1

Presión de sellado 2,21 2,02 1,85 1

Al igual que se realizó para la prueba en el laminado tetralámina, se recolectaron 125

muestras (doy packs), a distintos intervalos, para realizar la prueba de prensa neumática,

149

la cual determinó si los doy packs poseen problemas de hermeticidad (véase el apéndice

36).

Al aplicar la prueba en la prensa neumática se verificó que el doy pack no poseía fuga por

ninguno de sus costados, ni en la parte inferior, como se muestra en la figura 98.

Figura 98. Doy pack después de prueba neumática realizada

Las pruebas realizadas tanto para el laminado trilámina como tetralámina, son pruebas a

corto plazo debido a la disponibilidad de la organización, al ser pruebas a corto plazo se

debe verificar que la materia prima, los equipos y la mano de obra son los acordes para el

proceso, de manera que se disminuya la variabilidad debido a estos en un lapso corto de

tiempo y el proceso sea potencialmente capaz de cumplir con las especificaciones, tal como

sucede con los análisis de capacidad realizado.

Cuando se realizan análisis de capacidad a largo plazo se deben realizar corridas más

largas, lo cual permita determinar si existe variación debido a condiciones suficientemente

diversas para que sea probable que incluya todos los cambios de proceso y otras causas

especiales.

Por lo tanto, si la organización desea implementar las nuevas especificaciones se

recomienda realizar pruebas a más largo plazo, de manera que se garantice la capacidad

del proceso y la disminución de producto defectuoso a pesar de la variabilidad debido a los

cambios en el proceso.

150

4.7 Validación de indicadores de éxito

El primer indicador de éxito planteado al inicio del estudio propone una reducción en el

porcentaje de desperdicio que se define de la siguiente manera:

𝐷𝑒𝑠𝑝𝑒𝑟𝑑𝑖𝑐𝑖𝑜 = ( 𝐶𝑜𝑠𝑡𝑜 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑟𝑒𝑎𝑙 ( 𝐻𝐴𝐿𝐵) −𝐶𝑜𝑠𝑡𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑝𝑙𝑎𝑛𝑒𝑎𝑑𝑜( 𝐻𝐴𝐿𝐵) )

𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑝𝑙𝑎𝑛𝑒𝑎𝑑𝑜 ( 𝐻𝐴𝐿𝐵)∗ 100 (1)

La validación de desperdicio de HALB se realiza con la kétchup dulce sin homogenizar, ya

que, tal como se describe en el apartado 2.3.3 Análisis de desperdicio, del Capítulo 2 del

presente documento, para el desperdicio de HALB en el área de Salsas, la principal causa

se da por parámetros físico-químicos fuera de especificación, con un 67,8 %; el principal

parámetro que presenta problemas de especificación es la consistencia con un 60 %, del

cual un 53,8 % corresponde a la kétchup dulce sin homogenizar. En la figura 99 están estos

indicadores, de manera gráfica.

Figura 99. Desperdicio de HALB en Salsas

Por consiguiente, al realizar la validación del Procedimiento para consistencia, se esperaba

reducir de manera satisfactoria el desperdicio HALB, específicamente en la kétchup dulce

sin homogenizar. Al aplicar el procedimiento se logró verificar que los batches con

consistencia de 6,5 a 7,5cm/s no son necesarios para ajustarlos agregando más pasta de

tomate a la receta, tal como se vio en el apartado 4.5 Validación del procedimiento para

análisis de consistencia.

En el 2016, 334 batches necesitaron ajuste por consistencia fuera de especificación, y en

el 2017 hubo un total de 289 batches, lo cual representa un porcentaje de desperdicio del

11 % y 12 % respectivamente; este desperdicio se daba al tener que ajustar los batches

con más pasta de tomate; por lo tanto, la receta posee un costo mayor al planeado. En

costo por ajuste de batches en el 2016 representó un monto de € 31.680, mientras que para

el 2017 representó un monto de € 29.025, tal como se muestra en la tabla 42.

Tabla 42. Desperdicio Kétchup 2016 y 2017

151

Fuente: Información suministrada por el departamento de producción, 2018

Como se observa en la tabla 42, en el 2016 un total de 321 batches poseían como resultado

7cm/s de consistencia, y en el 2017 un total de 269 batches tenían resultados de 7 a

7,5cm/s de consistencia; por lo tanto, al aplicar el procedimiento, estos batches no

necesitaban ajuste, dando como resultado de desperdicio solamente un total de 13 y 20

batches para el 2016 y 2017 respectivamente, como se aprecia en la tabla 43, lo que

equivale a un total de €2790 para el 2016 y €4500 para el 2017, disminuyendo el desperdicio

en un 91 % para el 2016 y un 84 % para el 2017.

Tabla 43. Desperdicio de kétchup utilizando procedimiento.

Fuente: Información suministrada por el departamento de producción, 2018

Si en el 2018 la tendencia de la kétchup fuera de especificación igual que para el 2016 y

2017, la organización se podría ahorrar en promedio € 26.708 anuales, al aplicar

únicamente el procedimiento para la kétchup dulce sin homogenizar.

En cuanto a problemas de hermeticidad en la línea S9, se produjo un total de 7.200.000

doy packs (Ledezma, 2017), de los cuales se tuvo un desperdicio de € 85.970 por perdida

de hermeticidad.

De acuerdo a la corrida pilota realizada para ambos tipos de laminado al aplicar la prueba

de prensa neumática se tuvieron 0 unidades con fugas, por lo tanto, se puede decir que de

acuerdo al estudio a corto plazo se redujo el desperdicio al 100%.

Consistenci

a cm/s

Cantidad de

batches

Diferencia

cm/s

Ajuste de

pasta kg Costo ajuste

Costo de

batche

Costo de

batche mas

ajuste

Consistencia

cm/s

Cantidad de

batches

Diferencia

cm/s

Ajuste de

pasta kg Costo ajuste

Costo de

batche

Costo de

batche mas

ajuste

9 0 0 0 0 € 0 € 0 € 9 5 3 450 1.350 € 4.146 € 5.496 €

8,5 10 2,5 750 2.250 € 8.292 € 10.542 € 8,5 10 2,5 750 2.250 € 8.292 € 10.542 €

8 3 2 180 540 € 2.488 € 3.028 € 8 5 2 300 900 € 4.146 € 5.046 €

7 0 0 0 0 € 0 € 0 € 7,5 7 1,5 315 945 € 5.804 € 6.749 €

7 321 1 9630 28.890 € 266.169 € 295.059 € 7 262 1 7860 23.580 € 217.247 € 240.827 €

Total 334 10560 31.680 € 276.949 € 308.629 € Total 289 9675 29.025 € 239.635 € 268.660 €

Desperdicio Ketchup 2016 Desperdicio Ketchup 2017

Consistenci

a cm/s

Cantidad de

batches

Diferencia

cm/s

Ajuste de

pasta kg Costo ajuste

Costo de

batche

Costo de

batche mas

ajuste

Consistencia

cm/s

Cantidad de

batches

Diferencia

cm/s

Ajuste de

pasta kg Costo ajuste

Costo de

batche

Costo de

batche mas

ajuste

9 0 0 0 0 € 0 € 0 € 9 5 3 450 1.350 € 4.146 € 5.496 €

8,5 10 2,5 750 2.250 € 8.292 € 10.542 € 8,5 10 2,5 750 2.250 € 8.292 € 10.542 €

8 3 2 180 540 € 2.488 € 3.028 € 8 5 2 300 900 € 4.146 € 5.046 €

7 0 0 0 0 € 0 € 0 € 7,5 0 1,5 0 0 € 0 € 0 €

7 0 0 0 0 € 0 € 0 € 7 0 1 0 0 € 0 € 0 €

Total 13 930 2.790 € 10.779 € 13.569 € Total 20 1500 4.500 € 16.584 € 21.084 €

Desperdicio Ketchup 2016 Desperdicio Ketchup 2017 usando procedimiento

152

4.7.1 Índice de capacidad

El segundo indicador de éxito planteado en el presente proyecto es el índice de capacidad

de proceso Cp, en el cual se espera ver una mejoría en el desempeño de las variables

críticas para el tema de hermeticidad.

En el diseño se determinaron, como variables críticas para el problema de hermeticidad,

las temperaturas de sellado de las ocho mordazas y la presión de sellado, la cual no poseía

análisis de capacidad previo, ya que no contaba con una especiación establecida.

En la validación se probaron las nuevas especificaciones planteadas, tanto para la presión

de sellado como para la temperatura de mordazas, de manera que se logró analizar la

capacidad del proceso.

En la Tabla 44, se puede ver que existe una mejora en los índices de capacidad de proceso

utilizando las especificaciones planteadas en el diseño. Como se muestra con las

especificaciones actuales se tienen valores de Cp y Cpk mayores a 10 esto se debe a la

amplitud de la especificación, con las especificaciones planteadas en el diseño y por

consenso con la organización se tienen valores de Cp y Cpk entre 3 y 4, esto se debe a

que a pesar que las tolerancias se redujeron siguen siendo amplias, principalmente por

solicitud de la organización, siendo un tema de cultura organizacional, sin embargo como

todo proceso de mejora continua se espera que la organización trabaje en reducir la

amplitud de estas especificaciones.

Tabla 44. Índices de capacidad

Variable Tetralámina Trilámina

Especificación actual Especificación

propuesta

Especificación actual Especificación propuesta

Cp Cpk Cp Cpk Cp Cpk Cp Cpk

Mordaza inferior

trasera

101,15 56 5,56 4,69 17,79 12,33 5,24 4,31

Mordaza inferior

delantera

15 9,5 4,52 3,76 17,50 11,84 4,44 3,73

Mordaza lateral 1 50,70 30,76 5,70 5,68 41,38 30,12 3,45 3,33

Mordaza lateral 2 15,96 9,81 3,18 3,14 41,62 31,59 3,16 3,12

Mordaza lateral 3 5,17 -0,2 3,62 3,28 40,43 39,69 3,46 3,15

Mordaza lateral 4 15,42 11,91 3,18 2,85 29,19 27,35 3,60 3,30

Mordaza superior

trasera

102,16 32,12 3,09 3,02 92,61 45,67 4,46 4,39

Mordaza superior

delantera

88,21 30,75 4,03 3,80 43,42 21,35 3,70 3,55

Presión de sellado N/A N/A 1,38 1,33 N/A N/A 2,21 2,02

Ahora bien, a pesar de que se tienen valores altos de Cp y Cpk, se logra centrar el proceso,

ya que tal y como se vio en el apartado 2.3.3.2 Perdida de hermeticidad, en la etapa de

diagnóstico, cuando se analiza la capacidad del proceso, con las especificaciones dadas

153

por el proveedor, el proceso no se encuentra centrado, y los valores se encuentran fuera

de la especificación, obtienen valores negativos de Cp y Cpk, como se muestra en los

apéndices del 10 al 25.

Por lo tanto, con estas mejoras obtenidas se cumple con el segundo indicador de éxito

establecido para el presente proyecto y se valida la efectividad de las especificaciones

planteadas.

4.7.2 Razón de Calidad

El tercer indicador de éxito planteado para el presente proyecto es la razón de calidad, este

indicador busca determinar la relación entre la producción y el producto conforme. La

fórmula correspondiente es:

𝑅𝑎𝑧𝑜𝑛 𝑑𝑒 𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝐶𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠

𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 (4)

Tal y como se plantea en la etapa de diagnóstico, al realizar la prueba de prensa neumática

se tiene un porcentaje de defectivos del 18 % por problemas de hermeticidad; por lo tanto,

de acuerdo con el volumen de producción, en el 2017, en la línea S9, se produjo un total de

7.200.000 doy packs (Ledezma, 2017), de los cuales 1.296.000 presentaban problemas de

hermeticidad, lo cual representa un costo de desperdicio de € 85.970, considerando el 18

% de defectivos, de acuerdo con el análisis de capacidad binomial, como se muestra en la

figura 100. Actualmente la organización presenta una razón de calidad de 0,82.

Figura 100. Análisis de capacidad binomial

Sample

Pro

po

rti

on

9181716151413121111

1,0

0,5

0,0

_P=0,18

UC L=1

LC L=0

Sample

%D

efe

cti

ve

100806040200

100

75

50

25

0

Summary Stats

0,00

PPM Def: 180000

Lower C I: 110311

Upper C I: 269477

Process Z: 0,9154

Lower C I:

(using 95,0% confidence)

0,6144

Upper C I: 1,2249

%Defectiv e: 18,00

Lower C I: 11,03

Upper C I: 26,95

Target:

Observed Defectives

Ex

pe

cte

d D

efe

cti

ve

s

1,00,50,0

1,0

0,5

0,0

1000

80

60

40

20

0

Tar

Binomial Process Capability Analysis of Hermeticidad

P Chart

Cumulative %Defective

Binomial Plot

Dist of %Defective

Al realizar la validación con las nuevas especificaciones para temperatura de sellado y

presión de sellado, al hacer el análisis de prensa neumática tanto para los doy packs de

laminado trilámina como de laminado tetralámina, ninguno de los 100 doy packs presenta

problemas de hermeticidad (fugas), por lo que se tiene un porcentaje de defectivos del 0 %,

en la prueba piloto realizada en el apartado 4.6. Sin embargo, se recomienda una corrida

larga para corroborar los resultados en la prueba piloto realizada.

154

Con las especificaciones propuestas para las variables de temperatura y presión de sellado,

en la prueba piloto se obtiene una razón de calidad de 1.

Esto se evidencia al correr las especificaciones del proceso, ya que anteriormente los

valores de temperatura se encontraban por debajo de los valores de temperatura

especificados por el proveedor, en los cuales se da la fusión de capaz del laminado (material

de empaque).

Para el caso de consistencia en el año 2016 se produjeron 5575 batches de kechup de los

cuales 334 necesitaron ajuste para una razón de calidad de 0,94. En el año 2017 se

realizaron 5643 batches de kétchup y 289 necesitaron ajuste, para una razón de calidad de

0,95.

De acuerdo con la validación del procedimiento para análisis de consistencia se realizaron

un total de 54 batches de los cuales solamente 2 necesitaron ajuste, para una razón de

calidad de 0,96. Es decir se logra reducir la cantidad de batches defectuosos por lo tanto

se cumple con el tercer indicador de éxito planteado.

4.8 Análisis costo-beneficio

Para el correcto desempeño de las propuestas planteadas en la etapa de diseño, y la

utilización de la herramienta para el Sistema de CEP, es necesaria la inversión en la compra

de algunos equipos y capacitación del personal en temas de estadística básica.

A continuación, se describen los costos y los beneficios de las propuestas planteadas, de

manera que se obtenga en indicador B/C3 del proyecto.

4.8.1 Costo de la herramienta

Para la implementación de la Herramienta para el Sistema de CEP no se incurre en ningún

costo por parte de la empresa, ya que no es necesaria la compra de software, ni compras

de licencias para poder aplicar lo desarrollado, ya que dicha herramienta está desarrollada

en Excel, programa con el que ya la empresa dispone de licencias en todas sus

computadoras. Por lo tanto, con una correcta capacitación y asignación del personal, se

obtienen los análisis correctos y de una manera rápida. La aplicación creada en Excel le

ahorra a la empresa la compra de licencias de software estadístico como Minitab, las que

le cuestan a la organización € 962 anuales por persona.

Así mismo el personal involucrado en el Sistema de CEP fue capacitado en el uso de la

herramienta, y se cuenta con un manual de usuario en caso de tener dudas.

4.8.2 Costo de cronómetro y termómetro

Para lograr aplicar el procedimiento de consistencia de manera correcta, es necesaria la

utilización de cronómetro y termómetro, de manera que se mida la temperatura de la

3 B/C análisis costo beneficio, que mide el rendimiento del beneficio dividido entre el costo de las propuestas, y se espera obtener valores de B/C mayores a 1 (Unilever, 2018).

155

kétchup y el desplazamiento de esta a la hora de aplicar la prueba. Actualmente, en el

centro de análisis de Salsas, no se dispone de ellos.

Se propone la compra de un termómetro Waterproof, ya que su lectura es de manera digital

e instantánea; es perfecto para medir la temperatura de líquidos, alimentos; el rango de

lecturas va de -58 ◦C a 200 ◦C. Así mismo, se propone la compra de un cronómetro digital

marca Accusplit; ambos equipos tienen un costo de €72, como se muestra en la tabla 45.

Tabla 45. Costo de inversión de termómetro y cronometro

Equipo Costo

Termómetro €34

Cronometro €38

Total €72

4.8.1 Costo de la capacitación del personal

Para lograr implementar, de manera correcta, el Sistema de Control Estadístico de

Procesos, es necesaria la capacitación del personal, en temas de estadística básica para

lograr aplicar herramientas como Pareto, Ishikawa, análisis de normalidad, capacidad de

procesos y gráficos de control.

Para ello, el departamento de Recursos Humanos deberá contratar un servicio externo para

capacitar al personal involucrado en el Sistema de CEP.

Se realizarán dos cotizaciones; una de ellas con MR Consultoría, a cargo del Ingeniero

Mauricio Rodríguez. Los temas se verán en cuatros sesiones de dos horas cada una, para

un costo de € 577 (véase el anexo 12).

La segunda cotización se realizará con la Cámara de Industrias de Costa Rica; los temas

se verán en tres sesiones de cuatro horas cada una, para un costo total de €1.144 (véase

el anexo 13).

4.8.2 Costo del análisis de consistencia

En promedio, 295 batches de kétchup sin homogenizar, de manera anual, han requerido

ajustes o son desechados al no cumplir el parámetro de consistencia. Sin embargo, tal

como se logra demostrar en la etapa de validación, al realizar un análisis siguiendo el

procedimiento para consistencia fuera de parámetro, se reduce la cantidad de batches

rechazados. No obstante, este análisis requiere de dos minutos por parte del operador del

centro de análisis de Salsas, lo cual representa un costo anual de €26 por mano de obra.

4.8.3 Disminución de desperdicio

Con una correcta implementación del procedimiento para análisis de consistencia de

kétchup, la empresa podría llegar a ahorrarse cerca de € 26.708 anuales, como se detalla

en el apartado 4.5.

156

4.8.4 Desecho de producto

Debido al cambio en las especificaciones de las variables críticas de sellado, como lo son

la temperatura de sellado y la presión de sellado, la empresa disminuiría el 18% de

defectivos, lo que equivale a 1.296.000 de doy packs anuales en la línea S9, para un monto

de € 85.970.

4.8.5 Análisis B/C

Actualmente UL posee una herramienta, la cual permite realizar el análisis costo-beneficio

en cada uno de los proyectos; en dicha herramienta se contemplan los costos laborales, los

costos de materiales, reparaciones o equipos.

Para realizar el análisis B/C se plantean tres escenarios, los cuales se presentan a

continuación.

4.8.5.1 Escenario optimista

En este escenario se espera que la solución para el problema de hermeticidad y

consistencia funcione al ciento por ciento; así mismo, se opta por la capacitación del

personal más económica, la de MR Consultores. De manera que se tiene un B/C de 103,

como se muestra en la figura 101, lo cual quiere decir que es un proyecto que genera

beneficios para la organización, debido a que los costos de implementación son muy bajos.

Figura 101. Escenario optimista

4.8.5.2 Escenario conservador

En este escenario se plantea disminuir el porcentaje de defectivos a un 9 % por problemas

de hermeticidad, y considerar la opción de capacitación de mayor presión, obteniendo como

resultado un B/C de 56, como se muestra en la figura 102. Al igual que el escenario anterior,

el solo disminuir a un 9 % el porcentaje de defectivos en el tema de hermeticidad genera

ganancias para la organización.

157

Figura 102. Escenario conservador

4.8.5.3 Escenario pesimista

En este escenario se plantea un menor ahorro, considerando que el procedimiento de

consistencia sea efectivo únicamente en el 50 % de los casos, y el porcentaje de defectivos

en un 13 %, obteniendo, como resultado, un B/C de 30, como se muestra en la figura 103.

Al igual que en los otros dos escenarios, se obtienen beneficios económicos con las

propuestas planteadas.

Figura 103. Escenario pesimista

158

4.9 Conclusiones de la validación

Como resultado de la evaluación de la capacitación de las jefaturas en el Sistema de Control

Estadístico de Proceso, se obtiene en promedio una nota de 94; por lo tanto, se puede

concluir que las jefaturas entienden correctamente el funcionamiento del Sistema de CEP.

Existen resultados positivos con el uso de la herramienta. Entre la retroalimentación de la

capacitación se tiene que la herramienta es de gran ayuda y es amigable con el usuario y,

además, los resultados son fáciles de interpretar. Así mismo, se realizan las modificaciones

sugeridas por el personal capacitado, en los dos registros de temperatura de mordazas y

análisis físico-químico (véase el apéndice 38).

Se percibe resistencia al cambio, principalmente en el uso del procedimiento para análisis

de materia prima, siendo este un tema que preocupa, ya que solamente es un

procedimiento; por lo tanto, si la organización desea implementar, de manera exitosa, el

Sistema de CEP, deberá definir objetivos claros e involucrar al personal, de manera que se

entienda la importancia del Sistema para la organización.

Cuando se aplica el procedimiento para análisis de consistencia para la kétchup dulce sin

homogenizar, se obtiene una mejoría de la prueba de consistencia, logrando asi disminuir

el desperdicio HALB (producto en proceso) por no cumplir las especificaciones

fisicoquímicas, especificamente la consistencia. Al seguir el procedimiento para análisis de

consistencia, UL puede ahorrarse € 26.708 anuales.

Como resultado del análisis estadístico presentado para las nuevas especificaciones

propuestas, tanto para las temperaturas de mordazas como para la presión de sellado, se

logra evidenciar que el proceso es capaz de cumplir con las especificaciones y ayuda, de

manera significativa, al problema de hermeticidad, reduciendo el desperdicio por perdida

de hermeticidad de € 85.970.

Con el análisis costo-beneficio se evidencia que la inversión para implementar el sistema

es relativamente bajo, en comparación con los beneficios, ya que solo se debe invertir para

la compra de un cronómetro, un termómetro y la capacitacion del personal, pues la

herramienta, al ser en Excel, no le cuesta dinero a la organización.

159

5 Conclusiones del proyecto

• UL es una empresa que se encuentra alrededor de 88 países en el mundo, líder en

marcas de consumo masivo, con grandes aplicaciones y tecnologías en sus

procesos productivos, sin embargo UL Costa Rica, presenta una serie debilidad en

el control de sus procesos productivos, así como en el uso de herramientas

estadísticas; como se menciona en el presente documentos, más de un 57% de las

variables de proceso no se registran y no se controlan, las variables que se registran

no se analizan, así mismo no se conoce la capacidad de los procesos. Es por ello

que el Sistema de Control Estadístico de Proceso diseñado, le brinda a UL las

herramientas necesarias para dar su primer paso en el control de sus procesos,

capitalizando el conocimiento, de manera que la organización considere sus

conocimientos actuales y determine como adquirir nuevos conocimientos

necesarios, enfocados en la mejora continua, de tal forma que el Sistema diseñado

se vuelva más robusto conforme la adquisición de nuevos conocimientos, mejoras

en los procesos y experiencias adquiridas.

• La correcta calibración de los equipos es necesaria para garantizar el sistema de

medición, por lo tanto, la calibración de las termocuplas en las mordazas es

necesaria ya que esto impacta en la veracidad de la información recolectada por la

organización.

• La creación de procedimiento para análisis de consistencia le permite a la

organización reducir la variabilidad en los resultados, disminuir desperdicios y por

ende perdidas económicas.

• La creación del procedimiento para el muestreo de materia primas le permite a la

organización tener más control sobre estas, ya que son una de las bases del

Sistema de CEP, porque antes de todo análisis estadístico se debe garantizar que

la mano de obra, la materia prima y los equipos cumplen con los requisitos

necesarios para el proceso productivo, reduciendo así la variabilidad en los

procesos.

• Mediante diseños experimentales se logra determinar que en efecto temperaturas

desde los 170 a 230 °C, garantiza fuerzas de sellado por encima del valor mínimo

de 110 N/cm, por lo tanto, se logra la correcta fusión entre las capas de lámina

(material de empaque) previniendo así la presencia de fugas por falta de sellado.

• Se obtienen valores de Cp y Cpk entre 3 y 4 como resultado de la validación de las

temperaturas de mordazas, esto se debe que se plantea una nueva especificación

para temperatura de mordazas que va de los 170 a 230 °C, a pesar de que se logran

reducir los márgenes sigue siendo una especificación amplia, sin embargo, esto se

da por solicitud de la organización, siendo este un buen inicio para un proceso de

mejora continua.

• Con el proyecto no solo se logra un mejor control sobre los procesos productivos,

sino que se logra el trabajo en equipo y el involucramiento del personal como pilar

clave para el Sistema de CEP.

160

• El Sistema de CEP diseñado se crea de tal manera que pueda ser replicado en otras

líneas, variables, productos y áreas de la organización. En el año 2016 el

desperdicio en el área de Salsas corresponde a € 1.243.499,69, con la validación

del Sistema de Control Estadístico de Procesos en la kétchup dulce sin homogenizar

en la línea S9, se estima un ahorro de € 112.688, lo cual corresponde a una

disminución 9% del desperdicio. El área de Salsas cuenta con 9 líneas de

producción como la línea S9, si el Sistema de CEP diseñado se aplicara en las ocho

líneas restantes el potencial de ahorro para la organización seria de €1.014.192,

disminuyendo así el desperdicio en un 81.5%. Continuar aplicando en Sistema de

CEP en otras variables críticas y áreas de procesos le permitirá a UL, no solo control

sobre sus procesos, sino mejora continua y reducción de pérdidas económicas.

161

6 Recomendaciones

• Los resultados de este proyecto dependen del trabajo en equipo de todos los

integrantes del Sistema. Por lo tanto, se recomiendan reuniones en las que los

integrantes del Sistema de CEP puedan analizar los resultados y proponer mejoras,

pues el involucramento del personal es clave para el éxito del proyecto. En el diseño

se propone una reunión al mes, donde estén presentes los integrantes de

Producción, Mantenimiento, Calidad y Recursos Humanos. La idea de la reunión es

principalmente mostrar los resultados del mes, el reporte de la herramienta de

exhibición llamativa, y a partir de eso saber si el proceso está bajo control y, en caso

de que no, tomar las medidas necesarias.

• Se recomienda darles capacitaciones a los operarios sobre la utilización de

herramientas estadísticas como diseño de experimentos, paretos, gráficos de

control, temas de calidad y mejora continua. Uno de los puntos del sistema es la

capacitación del personal; esto permitirá que el sistema funcione de una mejor

manera.

• Se le recomienda, a la organización, implementar lo más pronto posible el

procedimiento para muestreo de aceptacion para materias primas, especialmente

para los ingresos de la pasta de tomate, ya que actualmente no se está cumpliendo

con las especificaciones, siendo así una fuente de variablilidad para los proceso.

162

7 Abreviaturas y Acrónimos

AMEF: Análisis de modo y efecto de fallas

ASQ: American Society for Quality (Sociedad Americana para la Calidad)

CEP: Controles Estadísticos de Procesos

Cp: Índice de capacidad potencial

CRQS: Costumer Relevant Quality Standards (Estándares de Calidad Relevantes para los

Consumidores)

EI: Especificación inferior

ES: Especificación superior

HALB: Producto en proceso

Incidente D: Desviación en las características de calidad de los productos detectados dentro

de la planta

LATAN: Empresas de Unilever en países de Centroamérica y el Caribe

LC: Límite central

LCI: Límite de control inferior

LCS: Límite de control superior

MASOFRI: Plantas de Mayonesa, Salsas Oscuras y Frijoles

PACK: Material de empaque

pH: medida de acidez o alcalinidad

ROH: Materia prima

SCEP: Sistema de control estadístico de procesos.

SIPOC: Suppliers, Inputs, Procees, Outputs, Customers (Proveedores, Entradas, Proceso,

Salidas, Consumidores)

SKU: Storage Keeping Unit (Unidades de mantenimiento de stock)

TIM: Technology innovation management (Gestión de la innovación tecnológica)

UL: Unilever planta Belén

WCM: Word Class Manufacturing (Manufactura de Clase Mundial)

163

8 Glosario

• Doy pack: “Bolsas elaboradas con tres selles tipo estrella y fuelle de fondo que le

permite una correcta exhibición vertical, manteniéndose en pie. Ofrece una barrera

contras gases, humedad y grasas. Ideales para la conservación cereales, granolas,

cafés y diferentes alimentos” (Enlaces Quimicos S.A.S, 2018)

• Eficacia: Grado en que ese realizan las actividades planificadas y se alcanzan los

resultados planificados. (INTECO, 2005).

• Eficiencia: Relación entre el resultado alcanzado y los recursos utilizados (INTECO,

2005).

• Muestreo: “Es un conjunto de métodos y procedimientos estadísticos destinados a

la selección de una o más muestras es la técnica seguida para elegir muestras. El

objetivo principal de un diseño de muestreo es proporcionar procedimientos para la

selección de muestras que sean representativas de la población en estudio” (INEI,

2006).

164

9 Bibliografía

Aberdeen Group Inc. (2006). Lean Benchmark Report. Boston, Massachusetts.

Alfaro, A. (26 de mayo de 2017). Desperdicio de materia prima. (S. Luna, & B. Rojas,

Entrevistadores)

Alfaro, A. (5 de Julio de 2017). Ingreso de materia prima. (S. Luna, & B. Rojas,

Entrevistadores)

Arce, T. (28 de febrero de 2017). Incidentes D. (S. Luna, & B. Rojas, Entrevistadores)

Bravo, J., & Orejuela, P. (2012). Aproximación a la medición del impacto del Backorder en

sistemas de manufactura flexible.

Chapman, S. (2006). Sistemas de planificación y control de la producción. Mexico: Pearson

Education.

Clements, J. A. (1989). Process Capability Calculations for Non-Normal Distributions.

Quality Progress, 95-100.

Enlaces Químicos S.A.S. (7 de julio de 2018). Bolsas para empaques al vacío. Obtenido de

http://www.bolsasparavacio.com/about

Ferreri, N., & Quaglino, M. (2011). PROPIEDADES DISTRIBUCIONALES DE INDICES DE

CAPACIDAD DE PROCESOS BAJO DISTRIBUCIONES NO NORMALES.

Investigaciones en la Facultad" de Ciencias Económicas y Estadística.

Frazelle, E. H. (2002). Supply Chain Strategy. McGraw Hill.

García Vázquez, J. (2002). Sistemas de Planificación y Control de la Producción. Colombia.

García, C. (6 de agosto de 2018). Análisis de pruebas estadísticas. (S. Luna, & B. Rojas,

Entrevistadores)

Gonzalez, L., & Gonzalez, J. (24 de noviembre de 2016). Problemática de desperdicio. (S.

Luna, & B. Rojas, Entrevistadores)

Gutiérrez, H., & De la Vara, R. (2009). Control Estadístico de Calidad y Seis Sigma. México:

McGRAW-HILL.

Hidalgo, H. (2017). Fuerza de sellado. (S. Luna, & B. Rojas, Entrevistadores)

Hopp, W., & Spearman, M. (2011). Factory Physics: Foundations of Manufacturing

Management. Ilinois: Waveland Press .

INTECO, I. d. (2005). Sistemas de gestión de la calidad - Fundamentos y vocabulario INTE

ISO 9000:2005. INTECO.

Jagdeep, S., & Harwinder, S. (2014). Performance Enhancement of Manufacturing Unit

Using Six Sigma DMAIC Approach. Springer India.

Korkusuz, D. (2011). Process Capability Analysis for Non-normal Processes with Lower

Specification Limits. Gothenburg, Suecia: Chalmers University of Technology.

165

Martínez, M. (2014). Implementación de herramientas de WCM en una empresa de

logística. Universidad Nacional de Córdoba.

Martínez, M., & Garza, J. (2013). Reducción de costos asociados a los desperdicios de un

producto perteneciente a una empresa manufacturera. México: UANL.

Montgomery, D. C. (2009). Introduction to Statistical Quality Control. United States of

America: John Wiley & Sons, Inc.

Morales, J. (2007). Aplicación de Seis Sigma en la mejora del desempeño en el consumo

de combustible. México.

Morales, J. (2017). Aplicación de la metodología Seis Sigma. México.

Ocampo, J., & Pavón, A. (2012). Integrando la Metodología DMAIC de Seis Sigma con la

Simulación de Eventos Discretos en Flexsim. Building Infrastructure by Fostering

Engineering Collaboration, Efficient and Effective Integration and Innovative (pág.

3). Panama: Latin American and Caribbean Conference for Engineering and

Technology.

Pulido, H. G. (2009). Control Estadístico de Calidad y Seis Sigma. México DF: Mc Graw Hill.

Rodríguez, A. (20 de noviembre de 2016). Crecimiento de negocio. (S. Luna, & B. Rojas,

Entrevistadores)

Salmerón, E. (7 de marzo de 2016). Variables de control, (S. Luna, & B. Rojas,

Entrevistadores)

UL. (2016). Procedimiento para verificar el sellado utilizando prensa neumática. Belén:

Unilever.

Valverde, M. F. (17 de noviembre de 2016). Disposición final de desperdicio. (S. Luna, & B.

Rojas, Entrevistadores)

Vásquez, M. (2017). Especificación de pasta de tomate. (S. Luna, & B. Rojas,

Entrevistadores)

Vollman, Berry, & Whybark. (2005). Planeación y Control de la producción. México:

McGraw-Hill.

Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probabilidad y estadística para

ingeniería y ciencias. México: Pearson Educación.

166

9 Apéndice

Apéndice 1. Clasificación de desperdicio en Salsas

Línea PACK HALB ROE

S1 € 34.866,12 € 39.341,16 € 20.000,00

S2 € 51.630,84 € 49.199,43 € 17.934,00

S3 € 47.746,98 € 63.243,41 € 5.000,00

S4 € 58.728,43 € 74.294,36 € 34.967,00

S5 € 52.033,18 € 87.435,25 € 17.982,00

S6 € 44.314,12 € 70.626,66 € 4.356,00

S7 € 51.516,26 € 94.330,22 € 2.059,53

S8 € 49.134,53 € 78.389,08 € 19.653,00

S9 € 43.186,09 € 109.569,03 € 21.963,00

Total € 433.156,56 € 666.428,60 € 143.914,53

% 35% 54% 12%

Apéndice 2. Costo de Incidentes D

Etiquetas de fila Suma de Costo Porcentaje de incidentes

S8 ₡3.288.190,50 5.453,05 €

S2 ₡1.581.196,30 2.622,22 €

S3 ₡1.563.710,53 2.593,22 €

S4 ₡1.373.028,50 2.277,00 €

S5 ₡1.183.983,46 1.963,49 €

S7 ₡284.615,00 472,00 €

S1 ₡239.517,92 397,21 €

S9 ₡55.009,88 91,23 €

S6 ₡20.318,00 33,69 €

Total, general ₡9.589.570,09 15.903,10 €

167

Apéndice 3. Resultados de evaluación de la guía INTE/ISO 11462

OBJETIVOS DEL CEP Y LA

ORGANIZACIÓN

Cumple Observaciones

5.1 Objetivos del CEP Si No Parcialmente

Se tiene un objetivo general por parte de la

organización

X El objetivo de la organización es disminuir el desperdicio

y las pérdidas económicas

Se tiene objetivos específicos X Se tienen objetivos específicos para la mejora de la

organización

5.2 Justificación Financiera Si No Parcialmente

Se tienen identificados los costos de desecho,

inspección, reproceso, reparo de equipo,

tiempo muerto e interrupciones

X Si se tienen identificados todos los costos, existe un

equipo que busca reducir el desperdicio

Cantidad de trabajos perdidos por clientes

insatisfechos

X Se lleva un control de reclamos de manera mensual y el

costo asociado

5.3 Organización CEP Si No Parcialmente

Se cuenta con un equipo de trabajo para CEP X Actualmente no se cuenta con un equipo de trabajo,

cada departamento trabaja por separado

6 CONDICIONES PARA EL CEP

6.1 Gestión de soporte Si No Parcialmente

Se realizan actividades de la mejora continua

al proceso

X Si se realizan proyectos de mejora, se corre una matriz

de manera semestral con las pérdidas que se deben

atacar

Se llevan registros de las desviaciones y

puntos fuera de control

X Si se registra, pero no se controla

El manejo de datos es el adecuado para la

toma de decisiones del proceso

X A pesar de que se anotan los datos los registros no son

confiables ya que muchas veces no se anotan las

desviaciones en el proceso

Existe un responsable de la coordinación del

CEP

X No porque actualmente no existe un control estadístico

de proceso

6.2 Comprensión de las herramientas y métodos

del CEP

El personal está comprometido con las

herramientas y métodos del CEP

X El personal no conoce del control estadístico de

proceso, pero se está comenzando a capacitar

La formación y habilidades de los empleados

son apropiadas a las funciones de trabajo y la

interacción con el proceso

X No, no se tiene perfil de puestos.

168

7 ELEMENTOS DE UN SISTEMA DE CONTROL ESTADÍSTICO DE PROCESOS

7.1 Plan de control Si No Parcialmente

Se cuenta con un diagrama de flujo X En los planes HACCP se encuentran los diagramas de

flujo del proceso

Se tienen establecidas las entradas y salidas

del proceso

X En los planes HACCP se encuentran los diagramas de

flujo del proceso

Están claros los puntos de medición del

proceso

X Se tienen claros los puntos críticos de control en los

planes HACCP, pero no se sabe si eso es todo lo que

se debe medir

Se tienen los límites del proceso establecidos X Los define innovación y desarrollo

Se tienen establecidos los parámetros del

proceso

X Algunos parámetros de procesos están claros, pero no

se sabe si los que están definidos son todos los

parámetros

Se tiene claro los parámetros que son eficaces

para medir, donde, cuando y como obtenerlos

X No todos los parámetros son claros, algunos de ellos no

se pueden medir

Se tiene claro que parámetros se pueden

medir solamente como atributos, o no son

medibles.

X No se tiene claro

Se tiene claro los planes de acción para

situaciones fuera de control, correcciones,

acciones correctivas y las responsabilidades

de la acción

X Solamente para los puntos críticos de control definidos

en los HACCP

7.2 Definición de metas y límites de proceso Si No Parcialmente

Los valores metas o limites operacionales son

cuantificados

X Si son cuantificados, pero no se analizan

Los valores metas y/o limites operacionales

son evaluados respecto a las necesidades del

cliente

X No porque RyR crea las especificaciones, pero no con

las características de calidad

Se tienen identificados los problemas que

afectan las metas y los límites de control

X No se tiene claro que es lo que provoca la variabilidad

en el proceso y los defectos de calidad

7.3 Evaluación y el control del sistema de

medición

Si No Parcialmente

Se evalúa si la incertidumbre del sistema de

medición es adecuada (discriminación,

exactitud, repetibilidad, precisión,

reproducibilidad, linealidad, estabilidad)

X En algunos casos si se tiene claro, pero muchas veces

por falta de recursos se utilizan los equipos que se

tienen

Se tienen claros los criterios de aceptación de

la incertidumbre del sistema de medición

X No se tiene claro

Se verifica periódicamente la calibración del

sistema de medición

X Si son calibrados todos los éxitos de manera externa

una vez al año, y se hace una verificación una vez al

año

Se documentan las condiciones que requieren

verificación periódica.

X Si todas las calibraciones se documentan

169

Se conservan los datos históricos de los

resultados de las mediciones tomadas antes

de la calibración y se analizan para ajustar los

intervalos de calibración

X Si se guardan los certificados de calibración de todos

los equipos

7.4 Instrucciones de trabajo documentadas Si No Parcialmente

Se cuenta con procedimientos documentados

para los procesos de producción, medición,

inspección, ensayo y mantenimiento

X x Si existen procedimientos e instructivos para cada

proceso

Se cuenta con procedimientos para:

a) definir el proceso X SOP

b) operación, seguimiento y control del

proceso

X Procedimientos para los puntos críticos de control

definidos en HACCP

c) detección de deficiencia en las entradas,

variables de control y salidas del proceso

X Procedimientos para los puntos críticos de control

definidos en HACCP

d) reaccionar a las condiciones fuera de

control

X Procedimientos para los puntos críticos de control

definidos en HACCP

e) solucionar distorsión en el proceso X No se cuenta con procedimientos

Se revisa periódicamente las instrucciones de

trabajo para la adecuación y la comprensión

del personal

X No se revisan periódicamente

7.5 Formación y participación del personal en la

toma de datos

Si No Parcialmente

Se cuenta con un plan e instrucciones para la

obtención de datos

X Solamente se cuenta con instructivos de cada cuanto

tiempo se debe tomar los datos, pero no se cumple al

cien por ciento

Se cuenta con un procedimiento para el

muestreo, recolección, interpretación y

acciones a tomar con los datos

X No se tiene

Se cuenta con diferentes controles, equipos y

software para la obtención de datos del

proceso

X Si se tiene el equipo adecuado para poder llevar el

control estadístico del proceso

Se evalúa la capacidad del sistema de

medición y su capacidad con respecto al

sistema para el control del proceso

X No se realiza

Se identifican, preparan y conservan los

registros de datos del proceso

X Se conservan los registros, pero no se utilizan los datos

en ellos

7.6 Obtención y registro de los datos del proceso Si No Parcialmente

El sistema permite la utilización de datos

históricos para identificar las causas de

variación asignables al proceso

X Se tiene datos históricos, pero no son confiables

Se tiene documentación de las decisiones de

muestreo (tamaño de muestra, f frecuencia,

responsabilidad del muestreo,

X No se cuenta

170

Se audita periódicamente el mantenimiento

del sistema

X No hay sistema de control estadístico de proceso

7.7 Trazabilidad e identificación de la secuencia

de producción

Si No Parcialmente

Se cuenta con una clara identificación de la

secuencia del producto o salida de proceso

X Si

Se cuenta con un sistema documental de

desviaciones para identificar causas

asignables a la variación

X Se anota en registros, pero no se analiza

Se cuenta con contramuestras para garantizar

las salidas del proceso

X Se guardan dos contramuestras de cada lote de

producción

7.8 Evaluación del desempeño del proveedor Si No Parcialmente

Se cuenta con un sistema que permita evaluar

el desempeño de los proveedores

X Si se evalúa a los proveedores periódicamente

Se evalúa la capacidad de los procesos del

proveedor

X Se está implementando

7.9 Sistema de control de proceso Si No Parcialmente

Se cuenta con un plan del control y sus

sistemas de soporte para la colección y

grabación de datos

X Se anotan algunos datos, pero no existe un sistema

digital o programa para la recolección o análisis de

datos

Se cuenta con análisis si un parámetro está

fuera de sus límites del control (éstos pueden

ser estadísticos, algorítmico, o modelo-

basado) o si es indeseable los patrones se

detectan, tomando una acción correctiva

X No existe ningún sistema que grafique o identifique

puntos fuera de control en los procesos.

7.10 Resultados de variabilidad Si No Parcialmente

Se evalúa la distribución de los datos X No se comprueba la normalidad de los datos que se

recolectan

Se identifican las relaciones entre los

parámetros de proceso, los parámetros del

producto del en-proceso

X No se tiene claro cuales parámetros de procesos

afectan los parámetros de producto

Se certifican las personas, las máquinas y los

materiales

X Los equipos son calibrados y verificados, los materiales

son recibidos con certificados de calidad si no cumple

se rechazan. Pero el personal no se encuentra

capacitado en algunos aspectos por completo como lo

es el CEP.

Se determina la capacidad del proceso y su

funcionamiento

X Se analiza la capacidad de los procesos solamente

cuando se necesita realizar alguna investigación, pero

se utilizan registros históricos.

7.11 Comunicación de los resultados Si No Parcialmente

Se comunican los resultados a todos los

involucrados en el CEP

X Como no existe un equipo de CEP como tal, las

investigaciones que se realizan no son comunicadas

171

Apéndice 4. Curso grama analítico de operación

Diagrama #1 Hoja#1 de 1

Actual Propuesto

6

1

0

1

3

11

1 Descargar materia prima *

2 Revisar certificados y factura *

Al descargar los materiales se

debe revisar que el certificado

este bien

3 Colocar materiales en el pasillo *

4 Llevar vegetales a cámara de refrigeración *

5 Revisar lotes y cantidades recibidas *

Se debe revisar que los lotes

estén de acuerdo con el

certificado

6 Verificar pesos e integridad *

Se debe revisar que los pesos y la

integridad de los materiales

estén bien

7 Realizar pruebas a los materiales *

8 Notificar conformidad *

9 Ingresar materiales al sistema *

10 Colocar materiales en Racks *

11 Liberar materiales para la utilización *

Cursograma Analítico Operación

Operación: Recepción de materia prima

Almacenamiento Método: Actual

Resumen

Operación

Transporte

Fecha: 19/05/2017

Actividad

Demora

Inspección

Total

Símbolo

Código Descripción Observación

Diagrama #1 Hoja#1 de 1

Actual Propuesto

3

1

0

1

1

6

1 Llenar solicitud *

2 Solicitar material *

3

Colocar material en el pasillo para

la revisión *

4 Revisar material *

5 Firmar hoja de despacho *

6

Mover material a líneas de

empaque *

Código Descripción

Símbolo

Observación

Fecha: 19/05/2017 Total

InspecciónMétodo: Actual

Almacenamiento

Demora

Transporte

Operación Operación: Despacho de materia prima

Actividad

Resumen

Cursograma Analítico Operación

Ingresar material a bodega MP

Revisar certificado de calidad y

factura Descargar material

Colocar material en pasillos

Revisar lotes y cantidades recibidas

Enviar vegetales a cámara de

refrigeración

Verificar pesos e integridad

Conformidad Notificar las cantidades recibidas

Verificar la conformidad por

parte del controlador

Ingresar material al sistema (MIGO)

Colocar material en Racks

Notificar al proveedor las discrepancias

Si

No

Notificar a calidad ( caso de vegetales

y queso)

Realizar pruebas (cocción/o

microbiología)

Liberar material ( SAP)

Conformidad

Notificar rechazo a la bodega

Notificar al almacén la libre utilización del

material

Despachar material de empaque

Llenar plantillas de solicitud de materiales

Solicitar materiales a pantografista

Colocar en pasillos materiales para la

revisión Revisar materiales

Firmar hoja de pedido de material

Retirar material a producción

Despachar material a granel

Revisar plan de producción

Pesar ingredientesEtiquetar

productos pesados Colocar producto

pesado en góndola Llenar hoja de

registroRetirar el material

Despachar vegetales

Revisar plan de producción

Pesar vegetales

Llevar vegetales a área de

ingredientes mayores

Ingredientes mayores

Asignar receta a cada línea

Dar aviso al cuarto de análisis para

cocción

Cocción

Asignar receta a cada línea

Secuenciar la dosificación

Dosificar agua y aceite

Abrir vacíos Cerrar válvulas Cocinar Sacar muestras de

Boula Realizar análisis Registrar análisis

Enviar producto a la línea de empaque

Colocar bin de tomate y pasta de

tomate en extractor

Agregar vegetales en carritos ( un

carrito por línea)

Empaque

Colocar laminado en la línea

Ajustar laminado y fotoceldas

Ajustar temperaturas de

mordazas

Ajustar presión de dosificación

Dosificar producto Sellar “Doypacks”Empacar

“Doypacks”

172

Diagrama #1 Hoja#1 de 1

Actual Propuesto

4

1

0

1

0

6

1 Revisar plan de producción *

2 Pesar ingredientes *

3 Etiquetar productos pesados *

4 Colocar ingredientes pesados en góndolas *

5 Llenar hojas de despacho *

6 Retirar materiales al área de cocción *

Código Descripción

Símbolo

Observación

Fecha: 19/05/2017 Total

InspecciónMétodo: Actual

Almacenamiento

Demora

Transporte

Operación Operación: Despacho de materia prima

Actividad

Resumen

Cursograma Analítico Operación

Diagrama #1 Hoja#1 de 1

Actual Propuesto

16

0

0

0

1

17

1 Colocar bines de tomate en el extractor *

2 Ajustar parámetros del extractor *

Se deben ajustar los parámetros

del extractor son variables de

proceso

3 Pasar tomate a tanque pulmón *

4 Tomar temperatura de vegetales *

5 Agregar vegetales a los carritos *

6 Asignar receta a cada línea *

7 Dar aviso para succión de ingredientes *

8 Secuenciar dosificación *

9 Dosificar agua y aceite *

10 Ajustar parámetros de cocción *

Se deben ajustar las temperaturas

de cocción y el tiempo

11 Abrir vacíos *

12 Cerrar válvulas *

13 Cocinar *

14 Sacar muestras para análisis *

15 Realizar análisis físico químicos del producto *

Antes de pasar a la línea por

especificaciones de calidad se debe

evaluar pH, acidez, consistencia,

cloruros y brix

16 Registrar análisis * Para todos los "batches"

17 Enviar producto a línea de empaque *

Código Descripción

Símbolo

Observación

Fecha: 19/05/2017 Total

InspecciónMétodo: Actual

Almacenamiento

Demora

Transporte

Operación Operación: Premezclado y cocción

Actividad

Resumen

Cursograma Analítico Operación

173

Diagrama #1 Hoja#1 de 1

Actual Propuesto

8

0

0

0

4

12

1 Colocar laminado en la linea *

2 Ajustar laminado *

3 Ajustar parametros de la maquina *

Se deben de ajustar todas las

variables de la maquina antes

de iniciar

4 Tomar temperaturas de mordazas *

Cada arranque se debe tomar

las temperaturas

5 Dosificar producto *

6 Pesar producto * Cada 10 minutos

7 Realizar prueba de prensa neumatica * Cada 20 minutos

8 Llenar registros *

9 Pasar producto por tunel de enfriamiento *

10 Empacar *

11 Realizar muestreo de calidad *

Una vez empacado el producto

se evaluan mediante muestreo

todas las caracteristicas fisicas

de calidad relevantes del

producto

12 Entarimar *

Código Descripción

Símbolo

Observación

Fecha: 19/05/2017 Total

InspecciónMétodo: Actual

Almacenamiento

Demora

Transporte

Operación Operación: Premezclado y cocción

Actividad

Resumen

Cursograma Analítico Operación

174

Apéndice 5. Muestreo de densidad

Fecha Hora Densidad (kg/m³) Flujo (kg/min)

12/4/2017 7:50 1,119 171,41

12/4/2017 8:10 1,1183 171,85

12/4/2017 8:30 1,1169 171,43

12/4/2017 9:20 1,1172 170,95

12/4/2017 9:45 1,1182 171,65

12/4/2017 10:50 1,1175 171,45

12/4/2017 11:15 1,116 171,94

12/4/2017 11:50 1,1176 171,83

12/4/2017 12:30 1,1184 171,81

12/4/2017 12:40 1,1167 171,23

12/4/2017 13:45 1,1184 170,89

12/4/2017 14:05 1,1167 170,43

12/4/2017 14:35 1,1191 171,57

12/4/2017 15:00 1,1156 171,74

12/4/2017 15:20 1,1184 171,46

12/4/2017 15:55 1,1179 171,95

12/4/2017 16:20 1,1173 172,11

12/4/2017 16:40 1,1174 172,55

12/4/2017 17:10 1,1186 171,34

12/4/2017 17:25 1,1183 171,78

12/4/2017 17:55 1,1164 171,34

12/4/2017 18:30 1,1158 171,32

12/4/2017 18:40 1,1167 171,78

12/4/2017 19:33 1,1163 171,54

12/4/2017 19:45 1,1178 171,32

12/4/2017 20:00 1,1161 171,67

12/4/2017 20:20 1,1172 171,45

12/4/2017 20:45 1,1175 171,96

12/4/2017 21:00 1,1179 171,31

12/4/2017 21:10 1,1164 171,86

175

Apéndice 6. Muestreo de grados brix de pasta de tomate

Fecha Número de BIN BRIX INICIAL BRIX FINAL CANTIDAD DE AGUA

14/04/2017 3 33 28 199,93

14/04/2017 5 33,2 28,1 207,06

14/04/2017 8 33,6 27,8 220,45

14/04/2017 11 33,4 27,7 214,36

14/04/2017 23 33,7 28,2 223,57

14/04/2017 24 33,6 27,6 220,98

14/04/2017 30 33,9 28,3 230,63

14/04/2017 32 33,4 27,6 214,14

14/04/2017 36 33,6 28,3 221,133

14/04/2017 38 33,7 27,8 223,41

14/04/2017 40 33,4 28,3 213,63

14/04/2017 44 33,6 27,7 220,22

14/04/2017 45 33,4 27,9 214,36

15/04/2017 1 33,6 28,3 221,39

15/04/2017 3 33,7 27,9 223,87

15/04/2017 4 33,6 28,1 219,69

15/04/2017 5 32,8 28,1 194,23

15/04/2017 10 33,4 28,1 214,36

15/04/2017 13 33,6 28 220,22

15/04/2017 17 33,1 28 203,87

15/04/2017 18 33,4 28,1 213,78

15/04/2017 20 33 28 200,34

15/04/2017 30 32,7 28 190,89

15/04/2017 31 33 28,1 200,27

15/04/2017 36 33 28 200,75

15/04/2017 42 33,4 28 212,02

15/04/2017 47 32,8 28,1 193,83

15/04/2017 53 33 28,1 201,3

15/04/2017 57 32,7 28 190,7

16/04/2017 6 33,1 28,2 204,01

16/04/2017 7 32,8 28 194,36

16/04/2017 8 33,4 28 214

16/04/2017 12 32,9 28,1 197,13

16/04/2017 19 33,2 28 207,81

16/04/2017 20 33,4 28,1 214,07

16/04/2017 23 32,8 28 193,03

16/04/2017 31 33 28,1 200,96

16/04/2017 33 33,4 28 214,44

16/04/2017 34 33,7 27,8 224,1

16/04/2017 35 33,8 28,2 227,66

16/04/2017 45 33,7 27,8 224,64

16/04/2017 46 33,4 27,9 214,73

16/04/2017 50 33,6 27,7 220,22

176

Apéndice 7. Muestreo de temperatura de mordazas para laminado trilámina

Mordaza inferior Mordaza vertical

Dia Hora Panel Medida 1 Medida 2 Hora Panel Medida 1 Medida 2

21/6/2017 6:50 195 189 189,1 6:50 200 186,1 186,3

21/6/2017 8:24 195 187 187 8:24 199,9 194,3 194,3

21/6/2017 9:15 194 189,5 189,5 9:15 199,9 187 187

21/6/2017 10:02 195 185,4 185,4 10:02 200 190 190,2

21/6/2017 12:35 195 188 188,1 12:35 200 184 183,7

22/6/2017 9:15 195 189,1 189,2 9:15 200 186,7 186,9

22/6/2017 11:38 195 187 187 11:38 199,9 189,3 189,3

22/6/2017 12:05 194 188 188 12:05 199,9 190 190

22/6/2017 12:52 195 188,6 188,6 12:52 199,9 186,4 186,4

22/6/2017 13:35 195 189,3 189,3 13:35 200 185,7 185,7

21/6/2017 14:18 195 187,6 187,6 14:18 200 186,2 186,2

21/6/2017 15:10 195 186,5 186,5 15:10 200 188 188

21/6/2017 16:22 195 190,4 190,4 16:22 200 186,3 186,3

21/6/2017 16:50 195 190 189 16:50 200 186,7 186,5

21/6/2017 17:15 194 187 187 17:15 200 189,4 189,4

22/6/2017 19:14 194 187,1 187,1 19:14 200 187,5 187,5

22/6/2017 19:57 195 186,9 186,9 19:57 199 188,3 188,3

22/6/2017 20:16 195 190,2 190,2 20:16 199,9 190,1 190,1

22/6/2017 21:05 195 187,6 187,6 21:05 200 187,5 187,5

22/6/2017 21:46 195 187,2 187,2 21:46 199,9 189,3 189,3

22/6/2017 22:10 195 188,1 188 22:10 200 185,3 185,3

22/6/2017 22:45 195 184,3 184,3 22:45 200 186,8 186,8

22/6/2017 23:20 195 186,2 186,2 23:20 200 184,3 184,1

22/6/2017 1:05 195 187,3 187,3 1:05 200 187,1 187,1

22/6/2017 1:37 195 189,2 189,2 1:37 200 186,6 186,6

22/6/2017 2:24 195 188,7 188,5 2:24 200 186,3 186,3

22/6/2017 3:08 195 187,6 187,6 3:08 200 189,4 189,2

22/6/2017 4:20 195 188,5 188,5 4:20 200 184,5 184,5

22/6/2017 5:03 195 186,4 186,4 5:03 200 187,1 187,1

22/6/2017 5:45 195 187,9 187,9 5:45 200 188,1 188,1

177

Apéndice 8. Muestreo de temperatura de mordazas para laminado tetralámina

Mordaza inferior Mordaza vertical

Dia Hora Panel

Medida

1 Medida 2 Dia Panel Medida 1 Medida 2

21/6/2017 6:40 200 190,2 190,2 21/6/2017 210 194,2 194,1

21/6/2017 8:14 200 191,4 191,4 21/6/2017 209 195 194,8

21/6/2017 9:05 200 189,3 189,3 21/6/2017 210 192,3 192,3

21/6/2017 9:50 200 191,2 191,2 21/6/2017 210,2 195,6 195,6

21/6/2017 12:25 200 190,0 190,0 21/6/2017 210 196,5 196,5

22/6/2017 9:25 200 192,0 192,0 22/6/2017 210 195,3 195,3

22/6/2017 11:28 200 191,0 191,0 22/6/2017 210 194,3 194,3

22/6/2017 11:50 200 189,3 189,3 22/6/2017 210 194,2 194,2

22/6/2017 12:42 200 188,8 188,8 22/6/2017 210 194,3 194,2

22/6/2017 13:25 200 191,3 191,3 22/6/2017 210 195,6 195,6

21/6/2017 14:08 200 192,5 192,3 21/6/2017 210 196,1 196,1

21/6/2017 15:00 200 191,5 191,5 21/6/2017 210 190,3 190,3

21/6/2017 16:12 200 191,8 191,8 21/6/2017 199 191,5 191,5

21/6/2017 16:40 200 189,3 189,3 21/6/2017 210 195,7 195,7

21/6/2017 17:05 200 187,4 187,4 21/6/2017 210 194,6 194,6

22/6/2017 19:04 200 190,1 190,1 22/6/2017 210 196,9 197

22/6/2017 19:47 200 191,2 191,2 22/6/2017 210 196,3 196,3

22/6/2017 20:16 200 190,2 190,2 22/6/2017 210 197,1 197,1

22/6/2017 20:50 200 187,6 187,6 22/6/2017 210 196,4 196,4

22/6/2017 21:36 200 188,6 188,6 22/6/2017 210 194,6 194,6

22/6/2017 22:00 200 189,3 189,3 22/6/2017 210 196,7 196,7

22/6/2017 22:35 200 187,5 187,5 22/6/2017 210 198,1 198,1

22/6/2017 23:10 200 186,2 186,2 22/6/2017 210 196,3 196,3

22/6/2017 1:00 200 188,5 188,5 22/6/2017 211 196,3 196,3

22/6/2017 1:27 200 191,3 191,3 22/6/2017 210 196 196

22/6/2017 2:14 200 192,0 192,2 22/6/2017 210 194 194

22/6/2017 3:00 200 186,5 186,5 22/6/2017 210 194,5 194,5

22/6/2017 4:10 200 185,8 185,8 22/6/2017 210 194 194

22/6/2017 4:45 200 187,9 187,9 22/6/2017 210 195,6 195,6

22/6/2017 5:35 200 189,0 189,0 22/6/2017 210 198,2 198,2

178

Apéndice 9. Muestreo de temperaturas de todas las mordazas

Fecha Hora

Inferior

trasera

Inferior

delantera Vertical 1 Vertical 2 Vertical 3 Vertical 4

Superior

trasera

28/6/2017 8:10

184,5 183,1 188,2 190,1 204,5 205,8 170

183,4 182,7 188,2 190,3 203,2 204,5 170,3

183,3 182,9 188,1 190,5 203,5 204,8 170,3

183,2 182,5 188,1 190,6 203,7 205 169,6

183,1 182,4 188,2 190,2 203,5 204,8 169,6

28/6/2017 9:15

183,6 182,9 190,8 192,8 199,7 201 173,2

185,7 185,4 190,7 192,5 199,9 201,2 173,5

185,1 184,2 190,7 192,7 199,3 200,6 173,1

185,8 185,1 190,7 192,3 199,8 201,1 172,7

185,2 184,5 187,2 189,2 200 201,3 173,7

28/6/2017 10:20

183,5 182,6 188,3 190,3 197,7 199 176,6

183,4 182,5 185,2 187,2 197,6 198,9 176,8

183,2 182,5 185,4 187,4 197,5 198,8 176,9

183,5 182,1 185,2 187,2 197,7 199 176,8

183,6 182,9 185,5 187,5 197,4 202,1 176,5

28/6/2017 11:15

178,4 177,4 185,3 187,2 196,6 202,4 169,7

186,1 185,4 185,3 187,3 196,4 202,3 169,4

186,3 185,6 185,3 187,5 196,7 202,5 169,7

186,2 185,4 185,3 187,3 196,5 202,3 169,6

186,3 185,6 185,3 187,1 196,6 197,9 169,3

28/6/2017 12:00

182,4 181,7 187,5 189,5 198,6 199,9 168,5

182,2 181,5 187,2 189,2 198,5 199,8 168,6

182,5 181,8 187,1 189,1 198,5 199,8 168,4

182,3 181,6 187,4 189,5 198,1 199,4 168,6

182,6 181,9 187,4 189,4 198,9 200,2 168,8

28/6/2017 12:15

185,2 184,5 186,4 188,8 201,6 202,9 173,7

181,8 181,1 186,2 188,2 201,8 203,1 174,3

181,2 180,5 186,3 188,3 201,7 203 174,8

181,5 180,8 186,3 188,1 201,9 203,2 174,5

181,1 180,4 186,2 188,2 201,5 202,8 174,5

28/6/2017 13:30

178,3 177,6 185,2 187,7 198,7 200 175,9

178,2 177,5 185,4 187,4 198,5 199,8 175,8

178,1 177,4 185,2 187,2 198,1 199,4 176

178,3 177,6 185,5 187,5 198,3 199,6 175,4

178,2 177,5 185,3 187,3 198,6 199,9 175,6

28/6/2017 14:05

186,4 185,7 187,4 189,6 201,5 202,8 169,9

186,3 185,6 187,4 189,4 201,2 202,5 170,1

186,7 186 187,3 189,3 201,1 202,4 170

186,2 185,5 187,4 189,4 201,4 202,7 172,1

179

186,3 185,6 187,7 189,7 201,9 203,2 172,2

28/6/2017 14:35

181,1 180,6 190,1 192,1 201,4 202,7 172,8

181,2 180,5 190,4 192,4 202 203,3 172,6

181,5 180,8 190,6 192,6 201,1 202,4 172,7

181,9 181,2 190,5 192,5 201,5 202,8 169,7

181,7 181,7 190,7 192,7 201,3 202,6 169,9

28/6/2017 15:20

190,2 189,5 185 187 201,4 202,7 171,8

190,3 189,6 185,1 187,1 202 203,3 171,7

190,1 189,4 185,2 187,3 201,3 202,6 171,9

190,4 189,7 185,1 187,1 201,9 203,2 171,8

190,6 189,9 185,2 187,2 201,9 203,2 171,8

28/6/2017 16:10

185,3 184,6 186 188 200,5 201,8 172,8

185,2 184,5 186,2 188,8 200,4 201,7 173

185,1 184,4 186,3 188,3 200,2 201,5 172,9

185,3 184,6 186,2 188,2 200,3 201,6 172,8

185,2 184,5 186,1 188,1 200,3 201,6 172,7

28/6/2017 16:50

191,6 190,9 189,2 191,1 196,2 197,5 168,9

191,3 190,6 189,2 191,3 196,3 197,6 168,7

191,1 190,4 189,2 191,2 196,5 197,8 169

191,3 190,6 189,2 191,2 196,1 197,4 168,8

191,2 190,5 189,2 191,2 196,4 197,7 168,9

28/6/2017 17:20

180,1 179,4 182,6 184,6 199,7 201 170,9

180,5 179,8 182,3 184,3 199,6 200,9 170,8

180,1 179,4 182,6 184,6 199,3 200,6 170,9

180,7 180 182,6 184,6 199,1 200,4 171,2

180,5 179,8 182,5 184,5 199,5 200,8 171,2

29/6/2017 3:00

183,6 182,9 192,8 194,8 196,4 197,7 166,7

183,8 183,1 193,1 195,1 196,6 197,9 166,6

183,2 182,5 193,2 195,2 196,3 197,6 166,7

183,3 182,6 193,5 195,5 196,5 197,8 166,6

183,4 182,7 193,2 195,2 197,5 198,8 166,6

29/6/2017 3:35

186,9 186,2 183,2 185,2 200,4 201,7 173,9

186,4 185,7 183,2 185,2 204,7 206 174,1

186,6 185,9 183,1 185,1 204,5 205,8 174

186,5 185,8 183,2 185,2 204,6 205,9 174,2

186,4 185,7 183,1 185,1 204,3 205,6 174,2

29/6/2017 4:20

188,7 188 184,1 186,1 198,5 199,8 172,9

188,2 187,5 184,5 186,5 198,3 199,6 173

188,3 187,6 184,3 186,3 198,5 199,8 172,9

188,1 187,4 184,4 186,4 197,4 198,7 173,3

188,2 187,5 184,4 186,4 197,6 198,9 173,2

29/6/2017 4:30

181,5 180,8 191,5 193,5 199,5 200,8 173,1

189,2 188,5 191,5 193,5 199,7 201 173,8

180

189,3 188,6 191,4 193,4 199,6 200,9 174,2

189,1 188,4 191,2 193,1 199,2 200,5 174,3

189,9 189,2 191,2 193,2 199,5 200,8 174,2

29/6/2017 4:50

184,7 184 188,3 190,3 195,4 196,7 172,1

184,5 183,8 188,4 190,5 195,3 196,6 171,9

184,4 183,7 188,4 190,4 195,5 196,8 171,8

184,3 183,6 188,3 190,3 195,7 197 172

184,1 183,4 190,2 192,2 195,3 196,6 171,8

29/6/2017 5:30

185,2 184,5 187,1 189,1 200,3 201,6 172,7

185,3 184,6 187,3 189,3 200,7 202 172,7

185,8 185,1 187,1 189,1 200,6 201,9 173,1

185,2 184,5 187,2 189,2 200,5 201,8 172,6

185,3 184,6 186,2 188,7 200,4 201,7 172,7

29/6/2017 5:50

183,1 182,4 189,2 191,2 197,3 198,6 172,2

183,2 182,5 189,3 191,3 197,2 198,5 171,9

183 182,3 189,5 191,5 197,4 198,7 171,8

183,4 182,7 189,4 191,4 197,3 198,6 171,9

183,1 182,4 189,3 191,3 197,2 198,5 171,9

Fecha Hora

Inferior

trasera

Inferior

delantera Vertical 1 Vertical 2 Vertical 3 Vertical 4

Superior

trasera

28/6/2017 8:20

168,4 170,2 175,2 167 181,2 185,4 151,2

168,3 170,3 175,1 167,1 185,3 185,9 151,1

168,4 170,1 175,2 167,2 185,3 185,6 151,5

168,2 170,3 175,5 167,1 185,4 186 150,8

168,1 170,1 175,2 167,2 185,3 185,5 150,3

28/6/2017 9:30

166,4 174,2 170,2 171,2 180,5 180,7 154,3

166,5 174,2 170,2 171,2 180,7 180,9 154,7

166,4 174,3 170,1 171,1 180,1 180,3 154,9

166,3 174,5 170,1 171,1 180,6 180,8 154,5

166,4 174,3 170,2 171,2 180,3 180,5 154,2

28/6/2017 10:50

165,4 165,1 170,3 175,3 179,3 179,5 158,1

165,3 165,3 170,4 175,3 179,1 179,3 158

165,2 165,2 170,4 175,4 179,5 179,7 158,1

165,1 165,1 170,3 175,3 178,2 178,4 158

164,2 164,2 172,2 175,3 178,4 178,6 158

28/6/2017 11:15

163,1 163,1 172,8 174,3 178,5 178,7 149,9

163,2 167,4 172,7 174,3 178,4 178,6 150,1

163,1 167,6 172,7 174,5 178,3 178,5 149,9

163,9 167,4 172,7 174,3 178,5 178,7 150

163,7 167,4 169,2 174,3 178,2 178,4 151

28/6/2017 12:20

168,9 165,6 169,1 170,4 180,3 180,5 149,7

168,4 165,4 169,3 170,4 180,2 181 149,8

168,7 165,2 169,1 170,3 180,4 181,1 149,9

181

168,5 165,2 169,2 170,4 180,3 180,5 149,8

168,4 165,6 168,2 167,2 180,3 180,5 149,9

28/6/2017 12:35

167,2 171,3 168,4 167,4 177,4 177,6 154,9

167,3 171,4 168,2 167,2 177,2 177,4 155,5

167,8 171,3 168,3 167,3 177,5 177,7 155,4

167,2 171,5 168,3 168,3 177,3 177,5 155,5

167,3 171,2 168,2 172,2 177,4 177,6 155,4

28/6/2017 13:50

165,1 166,2 170,2 172,8 181,3 181,5 157

165,2 166,3 170,3 172,7 181,5 181,7 157,3

165 167 170,2 172,7 181,4 181,6 157,2

165,4 166,4 170,4 172,7 181,3 181,5 157

165,3 166,5 170,3 170,4 181,2 181,4 157

28/6/2017 14:25

167,7 165,6 167,2 170,4 179,4 179,6 146,3

167,3 165,2 167,4 170,3 179,3 179,5 146,9

167,8 166,1 167,2 170,3 179,4 179,6 146,8

167,2 165,2 167,5 170,3 179,7 179,9 146,9

167,2 166,1 167,3 172,2 179,7 179,9 147,2

28/6/2017 14:35

163,2 168,2 171,2 172,8 178 178,3 152

163,2 168,1 171,3 172,7 178 178,2 151,8

163,2 168,3 171,5 172,7 178 179,1 151,9

163,1 168,1 171,4 172,7 178 178,7 150,9

163,2 168,2 171,3 169,3 178 178,2 151,1

28/6/2017 15:40

171,2 169,5 169,4 169,1 182,4 182,6 153

171,3 169,3 169,4 169,2 182,6 182,8 152,9

171,1 169,4 169,3 168,2 182,5 182,7 153,1

171,2 169,5 169,4 168,4 182,7 182,5 153

171,3 160,3 169,7 168,2 182,7 182,9 153

28/6/2017 16:30

170,7 170,2 164,6 168,3 175,2 175,4 154

170,2 170,2 164,3 168,3 175,1 175,3 154,2

170,3 170,3 164,6 168,2 175,2 175,4 154,1

170,1 170,1 164,6 168,2 175,1 175,5 154

170,2 170,2 164,5 170,3 175,1 175,3 153,9

28/6/2017 16:50

165,6 167,1 172,1 170,2 179,5 179,7 150,1

165,3 167,2 172,4 170,4 174,2 174,4 149,9

165,2 167,6 172,6 170,3 174,2 174,4 150,2

165,3 167,2 172,5 170,3 174,1 174,3 150

165,2 167,3 172,7 167,4 174,2 174,4 150,1

28/6/2017 17:00

162,1 164,1 165,2 167,2 174,5 174,7 152,1

162,5 164,6 165,2 167,5 182,2 182,7 152

162,1 164,1 165,1 167,3 182,2 182,4 152,1

162,7 164,1 165,2 167,4 182,2 182,3 152,4

162,5 173,5 165,1 171,3 182,2 182,4 152,4

29/6/2017 3:15 167,3 173,6 167 171,5 182,2 182,4 147,9

182

167,1 173,3 167,1 171,4 177,2 177,4 147,8

167,1 173,2 167,2 171,3 177,4 177,6 147,9

167,3 173,3 167,1 171,2 177,2 177,4 147,8

167,2 173,2 167,2 169,4 177,3 177,3 147,8

29/6/2017 3:50

172,2 170,5 166,1 169,3 178,3 178,5 155,1

172,3 170,7 166,5 169,4 182,2 182,4 155,3

172,1 170,1 166,3 169,7 182,8 183,1 155,2

172,4 170,8 166,4 169,7 182,7 183 155,4

172,6 170,6 166,4 168 182,7 182,8 155,4

29/6/2017 4:45

160,4 163,4 168 168 182,7 182,9 150,9

160,2 162,2 168,2 168 180,4 180,7 151

160,3 163,3 168,3 168 180,4 180,6 151

160,2 163,2 168,2 168 180,3 180,3 150,9

160,4 163,4 168,1 172,4 180,3 180,7 150,9

29/6/2017 5:00

168,4 168,4 173,5 172,6 180,3 180,5 154,9

168,3 168,3 173,5 172,5 182,2 182,4 155

168,2 168,2 173,4 172,7 182,8 183 155,4

168,4 168,4 173,2 172,7 182,7 182,9 155,5

168,1 168,1 173,2 165,2 182,7 182,5 155,4

29/6/2017 5:30

160,2 171,2 169,5 165,1 182,7 182,9 153,3

160,2 171,3 169,2 165,2 177 177,2 153,1

160,1 171,1 169,1 165,1 177,1 177,3 153

160,3 171,2 169,4 165,1 177,2 177,4 153,2

160,2 171,3 169,4 169,5 177,1 177,3 153

29/6/2017 5:30

164,4 160,4 171,2 164,2 177,2 177,4 153,9

164,2 160,2 171,2 164,2 181,2 181,5 153,9

164,5 160,5 171,2 164,1 181,2 181,4 154,3

164,3 160,3 171,2 164,2 181,1 181,7 153,8

164,2 160,2 171,2 164,5 181,1 181,3 153,9

29/6/2017 6:00

165,6 175,1 167,3 172,2 185,3 185,5 153,4

165,4 175,2 167,3 172,2 184,3 184,8 153,1

165,2 175 167,3 172,2 184,3 184,5 153

165,2 175,4 167,3 172,2 184,5 184,7 153,1

165,6 175,3 167,3 172,2 184,3 184,5 153,1

183

Análisis de capacidad laminado Trilamina.

Apéndice 10. Análisis de capacidad Mordaza inferior trasera

184

Apéndice 11. Mordaza Inferior delantera

185

Apéndice 12. Mordaza vertical 1

Vertical 1

Pe

rce

nt

180175170165160

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,238

169,4

StDev 2,725

N 100

AD 0,473

P-Value

Probability Plot of Vertical 1Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,427362

StDev (O v erall) 2,73218

LSL 130

Target *

USL 260

Sample Mean 169,436

Potential (Within) C apability

O v erall C apability

Pp 7,93

PPL 4,81

PPU 11,05

Ppk 4,81

C pm

C p

*

50,70

C PL 30,76

C PU 70,64

C pk 30,76

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 1

225216207198189180171162

LSL USL

Process Data

Sample N 100

StDev (Within) 0,427362

StDev (O v erall) 2,73218

LSL 180

Target *

USL 225

Sample Mean 169,436

Potential (Within) C apability

O v erall C apability

Pp 2,75

PPL -1,29

PPU 6,78

Ppk -1,29

C pm

C p

*

17,55

C PL -8,24

C PU 43,34

C pk -8,24

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999944,80

PPM > USL 0,00

PPM Total 999944,80

Within

Overall

Process Capability of Vertical 1

Sample

Sa

mp

le M

ea

n

191715131197531

175,0

172,5

170,0

167,5

165,0

__X=169,44

LC L=168,86

UC L=170,01

Sample

Sa

mp

le R

an

ge

191715131197531

4

3

2

1

0

_R=0,994

UC L=2,102

LC L=0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

11

1

1

Xbar-R Chart of Vertical 1

186

Apéndice 13. Mordaza Vertical 2

Vertical 2

Pe

rce

nt

180175170165160

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,051

169,9

StDev 2,874

N 100

AD 0,744

P-Value

Probability Plot of Vertical 2Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 1,35745

StDev (O v erall) 2,88085

LSL 130

Target *

USL 260

Sample Mean 169,947

Potential (Within) C apability

O v erall C apability

Pp 7,52

PPL 4,62

PPU 10,42

Ppk 4,62

C pm

C p

*

15,96

C PL 9,81

C PU 22,11

C pk 9,81

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 2

224216208200192184176168

LSL USL

Process Data

Sample N 100

StDev (Within) 1,35745

StDev (O v erall) 2,88085

LSL 180

Target *

USL 225

Sample Mean 169,947

Potential (Within) C apability

O v erall C apability

Pp 2,60

PPL -1,16

PPU 6,37

Ppk -1,16

C pm

C p

*

5,53

C PL -2,47

C PU 13,52

C pk -2,47

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999758,13

PPM > USL 0,00

PPM Total 999758,13

Within

Overall

Process Capability of Vertical 2

Sample

Sa

mp

le M

ea

n

191715131197531

175,0

172,5

170,0

167,5

165,0

__X=169,95

UC L=171,77

LC L=168,13

Sample

Sa

mp

le R

an

ge

191715131197531

8

6

4

2

0

_R=3,157

UC L=6,676

LC L=0

1

1

1

11

1

1

1

1

Xbar-R Chart of Vertical 2

187

Apéndice 14. Mordaza Vertical 3

Vertical 3

Pe

rce

nt

190185180175170

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,072

179,9

StDev 2,837

N 100

AD 0,683

P-Value

Probability Plot of Vertical 3Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 1,45092

StDev (O v erall) 2,84378

LSL 130

Target *

USL 260

Sample Mean 179,921

Potential (Within) C apability

O v erall C apability

Pp 7,62

PPL 5,85

PPU 9,39

Ppk 5,85

C pm

C p

*

14,93

C PL 11,47

C PU 18,40

C pk 11,47

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 3

224217210203196189182175

LSL USL

Process Data

Sample N 100

StDev (Within) 1,45092

StDev (O v erall) 2,84378

LSL 180

Target *

USL 225

Sample Mean 179,921

Potential (Within) C apability

O v erall C apability

Pp 2,64

PPL -0,01

PPU 5,28

Ppk -0,01

C pm

C p

*

5,17

C PL -0,02

C PU 10,36

C pk -0,02

O bserv ed Performance

PPM < LSL 460000,00

PPM > USL 0,00

PPM Total 460000,00

Exp. Within Performance

PPM < LSL 521710,98

PPM > USL 0,00

PPM Total 521710,98

Exp. O v erall Performance

PPM < LSL 511081,18

PPM > USL 0,00

PPM Total 511081,18

Within

Overall

Process Capability of Vertical 3

Sample

Sa

mp

le M

ea

n

191715131197531

185,0

182,5

180,0

177,5

175,0

__X=179,92

UC L=181,87

LC L=177,97

Sample

Sa

mp

le R

an

ge

191715131197531

8

6

4

2

0

_R=3,375

UC L=7,136

LC L=0

1

1

11

1

1

1

1

Xbar-R Chart of Vertical 3

188

Apéndice 15. Mordaza Vertical 4

Vertical 4

Pe

rce

nt

190185180175170

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,158

180,2

StDev 2,895

N 100

AD 0,544

P-Value

Probability Plot of Vertical 4Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 1,40476

StDev (O v erall) 2,90277

LSL 130

Target *

USL 260

Sample Mean 180,2

Potential (Within) C apability

O v erall C apability

Pp 7,46

PPL 5,76

PPU 9,16

Ppk 5,76

C pm

C p

*

15,42

C PL 11,91

C PU 18,94

C pk 11,91

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 4

224217210203196189182175

LSL USL

Process Data

Sample N 100

StDev (Within) 1,40476

StDev (O v erall) 2,90277

LSL 180

Target *

USL 225

Sample Mean 180,2

Potential (Within) C apability

O v erall C apability

Pp 2,58

PPL 0,02

PPU 5,14

Ppk 0,02

C pm

C p

*

5,34

C PL 0,05

C PU 10,63

C pk 0,05

O bserv ed Performance

PPM < LSL 460000,00

PPM > USL 0,00

PPM Total 460000,00

Exp. Within Performance

PPM < LSL 443392,58

PPM > USL 0,00

PPM Total 443392,58

Exp. O v erall Performance

PPM < LSL 472534,74

PPM > USL 0,00

PPM Total 472534,74

Within

Overall

Process Capability of Vertical 4

Sample

Sa

mp

le M

ea

n

191715131197531

185,0

182,5

180,0

177,5

175,0

__X=180,2

UC L=182,08

LC L=178,32

Sample

Sa

mp

le R

an

ge

191715131197531

8

6

4

2

0

_R=3,267

UC L=6,909

LC L=0

1

1

11

1

1

1

1

Xbar-R Chart of Vertical 4

189

Apéndice 16. Mordaza Superior delantera

Superior delantera

Pe

rce

nt

162,5160,0157,5155,0152,5150,0147,5145,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,066

153,0

StDev 2,862

N 100

AD 0,698

P-Value

Probability Plot of Superior delanteraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,212085

StDev (O v erall) 2,86967

LSL 130

Target *

USL 260

Sample Mean 152,983

Potential (Within) C apability

O v erall C apability

Pp 7,55

PPL 2,67

PPU 12,43

Ppk 2,67

C pm

C p

*

102,16

C PL 36,12

C PU 168,20

C pk 36,12

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Superior delantera

220209198187176165154

LSL USL

Process Data

Sample N 100

StDev (Within) 0,212085

StDev (O v erall) 2,86967

LSL 180

Target *

USL 225

Sample Mean 152,983

Potential (Within) C apability

O v erall C apability

Pp 2,61

PPL -3,14

PPU 8,37

Ppk -3,14

C pm

C p

*

35,36

C PL -42,46

C PU 113,19

C pk -42,46

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Within

Overall

Process Capability of Superior delantera

Sample

Sa

mp

le M

ea

n

191715131197531

159

156

153

150

147

__X=152,98

UC L=153,27

LC L=152,70

Sample

Sa

mp

le R

an

ge

191715131197531

1,00

0,75

0,50

0,25

0,00

_R=0,493

UC L=1,043

LC L=0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

11

1

1

1

11

Xbar-R Chart of Superior delantera

190

Apéndice 17. Mordaza Superior trasera

Superior trasera

Pe

rce

nt

162,5160,0157,5155,0152,5150,0147,5145,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,110

152,7

StDev 2,874

N 100

AD 0,609

P-Value

Probability Plot of Superior traseraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,245613

StDev (O v erall) 2,8808

LSL 130

Target *

USL 260

Sample Mean 152,658

Potential (Within) C apability

O v erall C apability

Pp 7,52

PPL 2,62

PPU 12,42

Ppk 2,62

C pm

C p

*

88,21

C PL 30,75

C PU 145,68

C pk 30,75

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Superior trasera

220209198187176165154

LSL USL

Process Data

Sample N 100

StDev (Within) 0,245613

StDev (O v erall) 2,8808

LSL 180

Target *

USL 225

Sample Mean 152,658

Potential (Within) C apability

O v erall C apability

Pp 2,60

PPL -3,16

PPU 8,37

Ppk -3,16

C pm

C p

*

30,54

C PL -37,11

C PU 98,18

C pk -37,11

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Within

Overall

Process Capability of Superior trasera

Sample

Sa

mp

le M

ea

n

191715131197531

159

156

153

150

147

__X=152,66

UC L=152,99

LC L=152,33

Sample

Sa

mp

le R

an

ge

191715131197531

1,2

0,9

0,6

0,3

0,0

_R=0,571

UC L=1,208

LC L=0

11

1

1

1

1

1

1

1

1

1

1

1

1

1

11

1

1

1

Xbar-R Chart of Superior trasera

191

Análisis de capacidad laminado Tetralámina

Apéndice 18 Mordaza Inferior trasera

Inferior trasera

Perc

ent

185180175170165

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,066

174,7

StDev 3,320

N 100

AD 0,698

P-Value

Probability Plot of Inferior traseraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 1,21757

StDev (O v erall) 3,32807

LSL 130

Target *

USL 260

Sample Mean 174,679

Potential (Within) C apability

O v erall C apability

Pp 6,51

PPL 4,47

PPU 8,55

Ppk 4,47

C pm

C p

*

17,79

C PL 12,23

C PU 23,36

C pk 12,23

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Inferior trasera

224216208200192184176168

LSL USL

Process Data

Sample N 100

StDev (Within) 1,21757

StDev (O v erall) 3,32807

LSL 190

Target *

USL 225

Sample Mean 174,679

Potential (Within) C apability

O v erall C apability

Pp 1,75

PPL -1,53

PPU 5,04

Ppk -1,53

C pm

C p

*

4,79

C PL -4,19

C PU 13,78

C pk -4,19

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999997,92

PPM > USL 0,00

PPM Total 999997,92

Within

Overall

Process Capability of Inferior trasera

Sample

Sa

mp

le M

ea

n

191715131197531

180

175

170

__X=174,68

UC L=176,31

LC L=173,05

Sample

Sa

mp

le R

an

ge

191715131197531

8

6

4

2

0

_R=2,832

UC L=5,988

LC L=0

11

1

1

11

1

1

1

11

11

Xbar-R Chart of Inferior trasera

192

Apéndice 19. Mordaza Inferior delantera

Inferiro delantera

Perc

ent

185180175170165

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,058

174,0

StDev 3,324

N 100

AD 0,720

P-Value

Probability Plot of Inferiro delanteraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 1,23798

StDev (O v erall) 3,33194

LSL 130

Target *

USL 260

Sample Mean 173,971

Potential (Within) C apability

O v erall C apability

Pp 6,50

PPL 4,40

PPU 8,61

Ppk 4,40

C pm

C p

*

17,50

C PL 11,84

C PU 23,16

C pk 11,84

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Inferiro delantera

224216208200192184176168

LSL USL

Process Data

Sample N 100

StDev (Within) 1,23798

StDev (O v erall) 3,33194

LSL 190

Target *

USL 225

Sample Mean 173,971

Potential (Within) C apability

O v erall C apability

Pp 1,75

PPL -1,60

PPU 5,11

Ppk -1,60

C pm

C p

*

4,71

C PL -4,32

C PU 13,74

C pk -4,32

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999999,25

PPM > USL 0,00

PPM Total 999999,25

Within

Overall

Process Capability of Inferiro delantera

Sample

Sa

mp

le M

ea

n

191715131197531

180

175

170

__X=173,97

UC L=175,63

LC L=172,31

Sample

Sa

mp

le R

an

ge

191715131197531

8

6

4

2

0

_R=2,880

UC L=6,089

LC L=0

11

1

1

11

1

1

1

11

11

Xbar-R Chart of Inferiro delantera

193

Apéndice 20. Mordaza Vertical 1

Vertical 1

Perc

ent

187,5185,0182,5180,0177,5175,0172,5170,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,060

177,3

StDev 2,742

N 100

AD 0,716

P-Value

Probability Plot of Vertical 1Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,523649

StDev (O v erall) 2,74905

LSL 130

Target *

USL 260

Sample Mean 177,314

Potential (Within) C apability

O v erall C apability

Pp 7,88

PPL 5,74

PPU 10,03

Ppk 5,74

C pm

C p

*

41,38

C PL 30,12

C PU 52,63

C pk 30,12

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 1

224216208200192184176

LSL USL

Process Data

Sample N 100

StDev (Within) 0,523649

StDev (O v erall) 2,74905

LSL 190

Target *

USL 225

Sample Mean 177,314

Potential (Within) C apability

O v erall C apability

Pp 2,12

PPL -1,54

PPU 5,78

Ppk -1,54

C pm

C p

*

11,14

C PL -8,08

C PU 30,35

C pk -8,08

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999998,03

PPM > USL 0,00

PPM Total 999998,03

Within

Overall

Process Capability of Vertical 1

Sample

Sam

ple

Mea

n

191715131197531

183

180

177

174

171

__X=177,31

UC L=178,02

LC L=176,61

Sample

Sam

ple

Ran

ge

191715131197531

4

3

2

1

0

_R=1,218

UC L=2,575

LC L=0

11

1

1

1

1

1

1

1

1

1

1

1

11

1

1

1

1

Xbar-R Chart of Vertical 1

194

Apéndice 21. Mordaza Vertical 2

Vertical 2

Perc

ent

190185180175170

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,152

179,3

StDev 2,731

N 100

AD 0,551

P-Value

Probability Plot of Vertical 2Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,520565

StDev (O v erall) 2,73749

LSL 130

Target *

USL 260

Sample Mean 179,338

Potential (Within) C apability

O v erall C apability

Pp 7,91

PPL 6,01

PPU 9,82

Ppk 6,01

C pm

C p

*

41,62

C PL 31,59

C PU 51,65

C pk 31,59

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 2

224217210203196189182175

LSL USL

Process Data

Sample N 100

StDev (Within) 0,520565

StDev (O v erall) 2,73749

LSL 190

Target *

USL 225

Sample Mean 179,338

Potential (Within) C apability

O v erall C apability

Pp 2,13

PPL -1,30

PPU 5,56

Ppk -1,30

C pm

C p

*

11,21

C PL -6,83

C PU 29,24

C pk -6,83

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 999950,86

PPM > USL 0,00

PPM Total 999950,86

Within

Overall

Process Capability of Vertical 2

Sample

Sa

mp

le M

ea

n

191715131197531

185,0

182,5

180,0

177,5

175,0

__X=179,34

UC L=180,04

LC L=178,64

Sample

Sa

mp

le R

an

ge

191715131197531

4

3

2

1

0

_R=1,211

UC L=2,560

LC L=0

11

1

1

1

1

1

1

1

1

1

1

1

11

1

1

1

1

Xbar-R Chart of Vertical 2

195

Apéndice22. Mordaza Vertical 3

Vertical 3

Pe

rce

nt

198196194192190188186184182180

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,060

189,4

StDev 2,400

N 100

AD 0,715

P-Value

Probability Plot of Vertical 3Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,4989

StDev (O v erall) 2,40613

LSL 130

Target *

USL 260

Sample Mean 189,401

Potential (Within) C apability

O v erall C apability

Pp 9,00

PPL 8,23

PPU 9,78

Ppk 8,23

C pm

C p

*

43,43

C PL 39,69

C PU 47,17

C pk 39,69

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 3

222216210204198192186

LSL USL

Process Data

Sample N 100

StDev (Within) 0,4989

StDev (O v erall) 2,40613

LSL 190

Target *

USL 225

Sample Mean 189,401

Potential (Within) C apability

O v erall C apability

Pp 2,42

PPL -0,08

PPU 4,93

Ppk -0,08

C pm

C p

*

11,69

C PL -0,40

C PU 23,79

C pk -0,40

O bserv ed Performance

PPM < LSL 590000,00

PPM > USL 0,00

PPM Total 590000,00

Exp. Within Performance

PPM < LSL 885055,06

PPM > USL 0,00

PPM Total 885055,06

Exp. O v erall Performance

PPM < LSL 598299,25

PPM > USL 0,00

PPM Total 598299,25

Within

Overall

Process Capability of Vertical 3

Sample

Sa

mp

le M

ea

n

191715131197531

194

192

190

188

186

__X=189,401UC L=190,070

LC L=188,732

Sample

Sa

mp

le R

an

ge

191715131197531

4

3

2

1

0

_R=1,160

UC L=2,454

LC L=0

1

1

1

1

1

11

1

111

1

1

1

1

1

1

1

Xbar-R Chart of Vertical 3

196

Apéndice 23. Mordaza Vertical 4

Vertical 4

Pe

rce

nt

200,0197,5195,0192,5190,0187,5185,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,152

190,9

StDev 2,340

N 100

AD 0,552

P-Value

Probability Plot of Vertical 4Normal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,742316

StDev (O v erall) 2,34633

LSL 130

Target *

USL 260

Sample Mean 190,916

Potential (Within) C apability

O v erall C apability

Pp 9,23

PPL 8,65

PPU 9,81

Ppk 8,65

C pm

C p

*

29,19

C PL 27,35

C PU 31,02

C pk 27,35

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Vertical 4

222216210204198192186

LSL USL

Process Data

Sample N 100

StDev (Within) 0,742316

StDev (O v erall) 2,34633

LSL 190

Target *

USL 225

Sample Mean 190,916

Potential (Within) C apability

O v erall C apability

Pp 2,49

PPL 0,13

PPU 4,84

Ppk 0,13

C pm

C p

*

7,86

C PL 0,41

C PU 15,31

C pk 0,41

O bserv ed Performance

PPM < LSL 380000,00

PPM > USL 0,00

PPM Total 380000,00

Exp. Within Performance

PPM < LSL 108605,97

PPM > USL 0,00

PPM Total 108605,97

Exp. O v erall Performance

PPM < LSL 348121,38

PPM > USL 0,00

PPM Total 348121,38

Within

Overall

Process Capability of Vertical 4

Sample

Sa

mp

le M

ea

n

191715131197531

194

192

190

188

186

__X=190,916

UC L=191,912

LC L=189,920

Sample

Sa

mp

le R

an

ge

191715131197531

4

3

2

1

0

_R=1,727

UC L=3,651

LC L=0

1

1

1

1

11

111

1

1

11

1

11

Xbar-R Chart of Vertical 4

197

Apéndice 24. Mordaza Superior delantera

Superior delantera

Pe

rce

nt

170,0167,5165,0162,5160,0157,5155,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,079

162,1

StDev 2,537

N 100

AD 0,668

P-Value

Probability Plot of Superior delanteraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,233968

StDev (O v erall) 2,54354

LSL 130

Target *

USL 260

Sample Mean 162,059

Potential (Within) C apability

O v erall C apability

Pp 8,52

PPL 4,20

PPU 12,84

Ppk 4,20

C pm

C p

*

92,61

C PL 45,67

C PU 139,54

C pk 45,67

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Superior delantera

225216207198189180171162

LSL USL

Process Data

Sample N 100

StDev (Within) 0,499

StDev (O v erall) 2,47618

LSL 190

Target *

USL 225

Sample Mean 161,968

Potential (Within) C apability

O v erall C apability

Pp 2,36

PPL -3,77

PPU 8,49

Ppk -3,77

C pm

C p

*

11,69

C PL -18,73

C PU 42,11

C pk -18,73

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Within

Overall

Process Capability of Superior trasera

Sample

Sa

mp

le M

ea

n

191715131197531

166

164

162

160

158

__X=162,06

UC L=162,37

LC L=161,75

Sample

Sa

mp

le R

an

ge

191715131197531

1,2

0,9

0,6

0,3

0,0

_R=0,544

UC L=1,151

LC L=0

1

1

1

1

1

1

1

1

11

1

1

11

1

1

1

1

Xbar-R Chart of Superior delantera

198

Apéndice 25. Mordaza Superior trasera

Apéndice 12. Mordaza vertical 1

Superior trasera

Pe

rce

nt

170,0167,5165,0162,5160,0157,5155,0

99,9

99

95

90

80

7060504030

20

10

5

1

0,1

Mean

0,055

162,0

StDev 2,470

N 100

AD 0,729

P-Value

Probability Plot of Superior traseraNormal

255238221204187170153136

LSL USL

Process Data

Sample N 100

StDev (Within) 0,499

StDev (O v erall) 2,47618

LSL 130

Target *

USL 260

Sample Mean 161,968

Potential (Within) C apability

O v erall C apability

Pp 8,75

PPL 4,30

PPU 13,20

Ppk 4,30

C pm

C p

*

43,42

C PL 21,35

C PU 65,49

C pk 21,35

O bserv ed Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. Within Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Exp. O v erall Performance

PPM < LSL 0,00

PPM > USL 0,00

PPM Total 0,00

Within

Overall

Process Capability of Superior trasera

Sample

Sa

mp

le M

ea

n

191715131197531

166

164

162

160

158

__X=161,97

UC L=162,64

LC L=161,30

Sample

Sa

mp

le R

an

ge

191715131197531

3

2

1

0

_R=1,161

UC L=2,454

LC L=0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

Xbar-R Chart of Superior trasera

225216207198189180171162

LSL USL

Process Data

Sample N 100

StDev (Within) 0,499

StDev (O v erall) 2,47618

LSL 190

Target *

USL 225

Sample Mean 161,968

Potential (Within) C apability

O v erall C apability

Pp 2,36

PPL -3,77

PPU 8,49

Ppk -3,77

C pm

C p

*

11,69

C PL -18,73

C PU 42,11

C pk -18,73

O bserv ed Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. Within Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Exp. O v erall Performance

PPM < LSL 1000000,00

PPM > USL 0,00

PPM Total 1000000,00

Within

Overall

Process Capability of Superior trasera

199

Apéndice 26. Procedimiento cálculo de tamaño de muestra para variables

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 1 de 262

Revisión N° 1

Procedimiento cálculo de tamaño de muestra para variables Fecha última

revisión:

Fecha próxima

revisión:

Objetivo

Establecer lineamientos generales para el cálculo de tamaño de muestra de

variables continuas y distintas según la unidad de muestreo.

Se pretende utilizar un muestreo sistemático, ya que, al ser procesos continuos,

este tipo de muestreo facilita la identificación de las muestras por medio de periodos

de tiempo entre ellas.

Alcance

Este procedimiento involucra al personal del departamento de Calidad encargado

de la toma de datos para el pre- muestreo de las variables bajo estudio, al personal

del área de producción en donde se tomarán las muestras.

Abreviaturas

n: tamaño de la muestra

N: tamaño de la población

Z: nivel de confianza

d: error

S: Desviación estándar (datos de pre-muestreo)

Definiciones

Población: colección de elementos a analizar.

Muestreo sistemático: muestreo donde se obtienen las muestras procedentes de

una población objeto con intervalos regulares de tiempo.

Muestreo aleatorio: muestreo en donde se obtienen las muestras de manera

aleatoria al azar de una población objeto.

200

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 2 de 262

Revisión N° 1

Procedimiento cálculo de tamaño de muestra para variables Fecha última

revisión:

Fecha próxima

revisión:

Responsabilidades

Son responsables de este procedimiento las personas encargadas de la toma de

muestras ya sean los operadores de la línea o personal del departamento de

calidad.

Descripcion del procedimiento

Para determinar el tamaño de muestra se debe:

1) Realizar un pre muestreo previo de la variable bajo estudio, el total de datos

debe ser mayor a 30 datos, dichos datos deben ser tomados de manera

independientes y aleatorios.

2) Para el calculo de tamaño de muestra se debe utilizar las siguientes

formulas

a) Para poblaciones infinitas ( cuando se desconoce el total de unidades de

observacion que integran o la poblacion es mayor a 10000)

𝑛 =𝑧2 ∗ 𝑠2

𝑑2

b) Para poblaciones finitas ( cuando se conoce el total de unidades de

observacion que la integran)

𝑛 =𝑁𝑍2𝑆2

𝑑2(𝑁 − 1) + 𝑍2𝑆2

Dónde:

n: tamaño de la muestra

N: tamaño de la población

Z: nivel de confianza

201

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 3 de 262

Revisión N° 1

Procedimiento cálculo de tamaño de muestra para variables Fecha última

revisión:

Fecha próxima

revisión:

Los niveles de confianza deseada para los muestreos son:

*Cuanto mayor nivel de confianza se desee mayor será el tamaño de muestra

d: error

*entre más precisión se desea más pequeño será el error y mayor el tamaño de muestra.

S: Desviación estándar (datos de pre-muestreo)

3) Sustituir los valores en la formula con los datos recolectados para obtener

el tamaño de muestra.

4) Al encontrar n para la variable bajo estudio el siguiente paso es estimar la

frecuencia de muestreo con la fórmula:

K= T/n

Donde las variables tienen unidades de tiempo

K: frecuencia

T: tiempo en minutos por turno

n: tamaño de muestra

De manera que se divide el número de minutos del turno de trabajo entre las

unidades a muestrear y se obtiene la frecuencia para la toma de datos.

Apéndice 27. Procedimiento para prueba de consistencia de Kétchup sin Homogenizar

202

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 1 de 262

Revisión N° 1

Procedimiento para prueba de consistencia de Kétchup sin

Homogenizar

Fecha última

revisión:

Fecha próxima

revisión:

Objetivo

Establecer lineamientos generales para realizar la prueba de consistencia en el

centro de análisis de salsas.

Alcance

Este procedimiento involucra al personal del departamento de Calidad encargado

de la revisión periódica de los datos y al departamento de producción involucrado

en la toma y análisis de la muestra.

Definiciones

Boula: Tanque en donde se da la cocción de las salsas.

Viscosímetro: Instrumento utilizado para medir la consistencia de los productos.

Responsabilidades

Son responsables de este procedimiento el personal del centro de análisis de

salsas, los cuales son los encargados de la toma de la muestra y análisis de

consistencia.

Instrumentos necesarios

• Viscosímetro

• Termómetro

• Cronometro

203

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 2 de 262

Revisión N° 1

Procedimiento para prueba de consistencia de Kétchup sin

Homogenizar

Fecha última

revisión:

Fecha próxima

revisión:

Descripcion del procedimiento

Para determinar la consistencia de la muestra se debe:

a) Se debe sacar la muestra del batche a analizar de la boula utilizando el

equipo de proteccion personal

b) Una vez tomada la muestra se debe medir la temperatura, para medir la

temperatura se debe :

• Introducir la espiga del termometro hasta la mitad del beaker con

producto, sin tocar las paredes y el fondo del beaker

• Dejar que la temperatura del termometro se estabilice y verificar que

el producto se encuentra a 92◦C, y repetir la medicion ( se deben

tomar dos veces la temperatura del producto).

Nota: si la muestra posee una temperatura mayor a los 92◦C se debe dejar enfriar

hasta llegar a 92C, si la muestra posee una temperatura menor a los 92◦C se debe

tomar una nueva muestra que cumpla la especificacion de 92◦C

c) Se debe ajusrar el viscosimetro de manera que este quede estable y con la

burbuja de agua en el centro

d) La muestra tomada debe ser colocada en el viscosimetro con una paleta,

de manera que el cajon quede completamente lleno de la muestra.

e) Se debe dejar correr por 30 segundos, para poder medir el tiempo es

necesario el uso de cronometro de manera que se pueda medir de manera

correcta el tiempo de la prueba.

f) El resultado de consistencia debe ser anotado en la tarjeta de análisis e

ingresados en SAP .

Si los resultados de consistencia no se encuentran dentro de especificacion se

debe:

1) Se debe sacar la muestra del batche a analizar de la boula utilizando el

equipo de proteccion personal

204

2) Una vez tomada la muestra se debe dejar enfriar la muestra hasta una

temperatura de 26 ◦C, para medir la temperatura se debe:

• Introducir la espiga del termometro hasta la mitad del beaker con

producto, sin tocar las paredes y el fondo del beaker.

• Dejar que la temperatura del termometro se estabilice y verificar que

el producto se encuentra a 26◦C, y repetir la medicion ( se deben

tomar dos veces la temperatura del producto).

3) Se debe ajusrar el viscosimetro de manera que este quede estable y con la

burbuja de agua en el centro

4) La muestra tomada debe ser colocada en el viscosimetro con una paleta,

de manera que el cajon quede completamente lleno de la muestra

5) La muestra tomada debe ser colocada en el viscosimetro y dejarla correr

por 15 segundos, para poder medir el tiempo es necesario el uso de

cronometro de manera que se pueda medir de manera correcta el tiempo

de la prueba.

6) El resultado de consistencia debe ser anotado en la tarjeta de análisis e

ingresados en SAP.

Si los resultados no se encuentran dentro de especificacion se debe llamar al

departamento de calidad para que verifique las variables críticas correspondientes.

Se debe ajustar 40 kg de pasta por cada cm que se desea disminuir de

consistencia

205

Apendice 28. Procedimiento para muestreo de aceptación

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 1 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

Objetivo

Establecer lineamientos generales para realizar muestreos de aceptación mediante el uso

de tablas militares, para la revisión de lotes de materia prima que ingresan a la bodega de

materia prima.

Alcance

Este procedimiento es aplicable a todas las materias primas y material de empaque que

ingresa a la organización

Definiciones

Tabla Military Standard: Consiste en un plan de muestreo que utiliza características como

tipo de muestreo, nivel de inspección, plan de inspección, tamaño del lote para definir el

número de unidades estadísticamente representativas que se deben muestrear y analizar

para asegurar la calidad del producto terminado con un AQL determinado.

AQL: Significa el nivel de calidad aceptable a partir del cual se establece la calidad final de

la producción.

Ac: indica la cantidad de muestras defectuosas aceptables en un lote.

Re: Indica la cantidad de muestras defectuosas a partir de las cuales se debe realizar un

muestreo del 100% del lote.

P (z): probabilidad de encontrar valores fuera de la especificación

206

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 2 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

Responsabilidades

Es responsabilidad del analista de materia prima aplicar el muestreo de aceptación cuando

sea necesario y analizar la cantidad de muestra seleccionadas para determinar si el

producto cumple con la especificación.

Descripcion del procedimiento

Para analizar los lotes de ingreso de materia prima se procederá a realizar un muestreo

estadístico, utilizando para ello la Tabla Military Standard, para ello se debe:

a) Definir el AQL a utilizar, para ello se debe de realizar un muestreo previo de

mínimo 30 datos y calcular el valor de P (z) para aquellas materias primas que no

tengan definido el valor de AQL.

Para calcular el valor de P (z) se utiliza la herramienta para el Sistema de CEP.

b) Existen tres niveles ordinarios de inspección, niveles I, II, y III, y otros cuatro

especiales, niveles S-1, S-2, S-3 y S-4, que se utilizan en caso de ensayos

destructivos o de inspecciones muy costosas. Estos niveles van en función de la

complejidad y la responsabilidad del producto. Cuanto más alto es el nivel, mayor

es el tamaño de la muestra y aumenta la discriminación del plan de muestreo. Por

lo tanto, si no se indica lo contrario se deberá utilizar el nivel de inspección II.

c) Existen tres niveles de muestreo distintos según haya sido la historia de los lotes

anteriores: Inspección Rigurosa, Inspección Normal, Inspección Reducida.

d) La inspección comienza en normal. Si cuatro de los 10 últimos lotes se han

rechazado debe pasarse a rigurosa. Si estando en rigurosa se aceptan 5 lotes

consecutivos, entonces debe pasarse a normal. Para pasar de normal a reducida es

necesario que 10 lotes consecutivos hayan sido aceptados, como se muestra en la

figura 1.

207

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 3 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

Figura 1. Diagrama de muestreo de aceptación

Muestreo normal

10 lotes

consecutivos sin

rechazo

Muestreo reducido

Muestreo riguroso

Lote rechazado

Cinco lotes

consecutivos sin

rechazo

No

Si

Si

No

Si

No

e) Una vez definido el AQL, el nivel de inspección y el tipo de inspección se debe

contabilizar la cantidad de materia que ingresa por lote.

f) Se debe utilizar la Tabla código de la letra (Tabla 1), en el nivel general de

inspección II la letra según el tamaño del lote.

g) Una vez seleccionada la letra se busca en la Tabla de Inspección normal (Ver

anexo # 2), donde se indicará según la letra la cantidad de muestras que se deben

seleccionar de manera aleatoria.

h) En la Tabla Inspección normal (Ver anexo # 1) según el AQL seleccionado se debe

determinar el nivel aceptable de productos defectuosos (Ac) y la cantidad productos

defectuosas por lo cual se rechaza el lote o se revisa al cien por ciento según lo

decida la organización (Re)

i) Una vez establecido el Ac y Re se procede a realizar la revisión del producto, si la

cantidad de producto defectuoso es igual o menor a cantidad especificada en Ac se

acepta el lote. Si la cantidad de producto defectuoso es mayor que Ac, pero menor

o igual a Re rechaza el lote.

208

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 4 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

Nota: El tipo de inspección cambiara según lo establecido en el apartado c)

del presente documento.

209

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 5 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

Plan de inspección normal

210

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 6 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

211

UNILEVER

Planta Belén – Costa Rica

Código del

Documento:

Página: 7 de 7

Revisión N° 1

Procedimiento para muestreo de aceptación Fecha última

revisión:

Fecha próxima

revisión:

212

Apendice 29. Manual de Usuario

Manual de usuario

Lo primero que debemos hacer es abrir el archivo del programa, con el nombre:

Herramienta para el control estadístico de procesos. Una vez abierto nos muestra la panta

de inicio, la cuál es la siguiente:

En la pantalla de inicio se pueden ver los módulos de la herramienta los cuales son los

siguientes:

1. Cálculo de tamaño de muestra

2. Análisis de normalidad

3. RyR

4. Gráficos de control

5. Exhibición llamativa

6. Análisis de causas de variación

También cuenta con un botón de color rojo para cerrar la aplicación.

Para ingresar a cada uno de los módulos basta con dar click en cada botón con el nombre

de las funciones, vamos a empezar explicando Cálculo de tamaño de muestra.

Tamaño de muestra

La función de este módulo es calcular el tamaño de muestra, este módulo permite que se

realicen los cálculos para facilitar el procedimiento “cálculo de tamaño de muestra para

variables”. Al ingresar al módulo de tamaño de muestra, se despliega la siguiente pantalla:

213

El objetivo de este módulo es calcular el tamaño de una muestra. La herramienta nos tira 2

resultados:

- Tamaño de muestra

- Frecuencia para la toma de datos

Los resultados vienen con los nombres, se pueden ver en la figura en la parte de que dice

resultados, en este caso bien 2 opciones de resultado para cada una, uno para población

finita y otro para población infinita.

El de poblaciones infinitas se utiliza cuando se desconoce el total de unidades de

observación que integran una población mayor a 10.000; mientras que poblaciones finitas

se usa cuándo sabemos el total de unidades que la integran.

Los datos se completan en la siguiente tabla:

En la parte de completar datos se deben llenar el cuadro que está en la imagen anterior,

para la “Z” y la “d” se llena con la siguiente tabla, según el nivel de confianza.

214

El “N”, se utiliza en caso de poblaciones finitas. Luego de esta información se ingresan los

datos de la muestra. Una vez que se ingresan todos los datos en la parte izquierda

automáticamente despliega los resultados.

Para este ejemplo se agregó el tamaño de muestra: 500, se utilizó 90% de confianza, por

lo tanto, se pone el Z de 1,645 y un d = 0,1 según los cuadros informativos; también se

ingresaron los datos de la muestra. En resultados el tamaño de muestra, en este caso se

utiliza el de población finita ya que se ingresó el N.

Podemos observar que la frecuencia está en 0, esto es porque no se ha ingresado el tiempo

que se tiene para tomar los datos, para saber la frecuencia se debe ingresar el tiempo en

horas para conocer la respuesta, que estará dada en horas.

En la parte izquierda se pueden ver dos botones, los cuales cumplen las siguientes

funciones:

- Menú: Nos regresa al menú inicial, dónde están todos los módulos.

- Limpiar datos: Borra todas las celdas que se ingresan valores.

215

- Imprimir área seleccionada: imprime en PDF el área que se seleccione.

Análisis de normalidad

La función principal de este módulo es el cálculo del estadístico Anderson Darling (AD) que

nos dice si los datos son normales. Cuando entramos al módulo de normalidad podemos

ver la siguiente pantalla.

Para realizar el estudio de normalidad sólo debemos ingresar los datos, el sistema aguanta

150 datos para hacer la prueba. Los datos se ingresan en esta tabla:

Podemos ver en celestre unos cuadros de información, los cuales son necesarios de llenar

para crear un registro de la prueba. Se debe completar la siguiente información:

- Producto: Consiste en el producto que se está produciendo.

- Proceso: Corresponde a la parte del proceso dónde está la variable crítica.

- Variable crítica: Variable que afecta el proceso.

216

- Variable de proceso: La variable que se va a probar si los datos son normales, la

variable que se está midiendo.

Además de esta información se debe ingresar en la parte superior del encabezado la fecha

en que se realiza la prueba, y el encargado, que sería la persona que realiza la prueba en

la herramienta.

Con esta información ya procedemos a el ingreso de los datos, cuando se ingresa los 150

datos la herramienta nos dará los resultados.

En esta imagen se puede ver en ejemplo de los resultados. La herramienta nos da los

siguientes resultados:

- Media, Moda, Mediana: Para que los datos sean normales estos resultados deben ser

iguales.

- AD: Este valor corresponde al estadístico Anderson Darling, el cuál va a ser el que se

le va a dar prioridad para decir que los datos son normales, para ello se hace una

prueba de hipótesis, que se puede ver en el cuadro azul de “información de la prueba”.

- Gráficos de probabilidad: El primero, para que los datos sean normales se busca que

los puntos sigan una línea diagonal, y en el segundo se busca que los datos formen

una campana. Para este ejemplo se ve que se cumple en los dos casos.

Está prueba cuenta con 2 botones:

- Limpiar datos: Borra todas las celdas dónde se ingresan valores.

- Imprimir área seleccionada. Este botón funciona para crear un respaldo de la prueba,

exportando un archivo PDF de los resultados. Para que funcione primero se debe

seleccionar el área que se va a imprimir. Para seleccionar el área se da click dónde se

217

quiere empezar a seleccionar, y sin soldar el click se arrastra por toda el área. En la

siguiente imagen se observa el área seleccionada.

En este caso se seleccionó el área que contiene los resultados de la prueba y la

información de la prueba: fecha, encargado, producto, proceso etc.

Una vez que tenemos el área seleccionada le damos click en el botón imprimir área

seleccionada.

Cuando damos click el sistema nos lanza la siguiente pantalla, dónde debemos ingresar

el nombre del archivo PDF, para este ejemplo le vamos a poner: prueba de normalidad,

seleccionamos la carpeta Prueba Herramienta, hacemos click en Abrir, y luego en

Guardar.

218

Si vamos a la carpeta, “Prueba Herramienta”, podemos ver que se encuentra el archivo

PDF con el nombre que le pusimos. Si abrimos el archivo podemos ver los resultados

de la prueba de normalidad en el documento PDF.

RyR

La función de este módulo es evaluar los instrumentos de medición mediante un estudio de

reproducibilidad y repetibilidad que son componentes de la precisión del instrumento. La

repetibilidad se refiere a la precisión o variabilidad de sus mediciones cuando se realizan

varias de ellas con el mismo instrumento en condiciones similares (mismo operador); la

reproducibilidad es la variabilidad de la medición con el mismo objeto, pero distintos

operadores.

Para realizar un RyR debemos ingresar al módulo del menú principal donde dice RyR y

entramos a la siguiente pantalla.

Primeramente, se debe definir cuantos operadores van a participar y cuantos ensayos se

van a realizar, la herramienta está hecha para poder hacer la prueba con tres operarios y

tres ensayos. Sin embargo, sí sólo se quiere hacer con dos operarios y dos ensayos que

se lo mínimo de la prueba se puede realizar, de igual manera harán los cálculos.

219

En la parte de arriba de toma de datos, se debe poner el responsable, el límite inferior de

los que se quiere medir y el límite superior, sin estos datos no se podrán hacer los cálculos

respectivos. De igual manera indicar el área, instrumento de medición y a fecha en que se

realiza la prueba.

Después se eso se puede proceder a llenar las mediciones que realizaron según los

operarios que hagan los experimentos, esto se llena en el siguiente cuadro.

Ya con los datos respectivamente ingresados, se ingresan los valores de las constantes en

el siguiente cuadro.

Para llenar estos datos se utilizan los cuadros de constantes que vienen a la par. La k1 se

llena de acuerdo con el número de ensayos que se realicen, si se utilizan dos ensayos, se

utiliza el de 4,56 y si son tres ensayos el de 3,05. Se realiza lo mismo con los operarios, y

con la constante D4.

El cuadro de mediciones corresponde a la cantidad de mediciones que se realizan por

ensayo, y los ensayos a la cantidad de ensayos.

A continuación, un ejemplo con los datos ya ingresados para ver los resultados.

220

Para este ejemplo se realizaron dos ensayos con tres operarios, para cada ensayo se toman

diez mediciones. Podemos ver en la parte de arriba que se ingresa el límite inferior y el

superior. Una vez que están todos los datos los resultados se pueden ver en el siguiente

cuadro.

Comparamos los resultados con la tabla del lado para saber cómo se encuentra el sistema de

medición. Para este ejemplo la repetibilidad es de 22,39, viendo el cuadro nos dice que el resultado

es marginalmente aceptable. La reproducibilidad es de 10,67 por lo que es bueno, aceptable. Y por

último el RyR, que son las dos variables juntas es de un 24,8 que es marginalmente aceptable.

El módulo también crea dos gráficos:

- Medición media de los operadores: Muestra el resultado de la medición de cada uno de

los operadores, para ver las diferencias entre ellos.

- Errores de cada operador: Este gráfico se realiza con los rangos de las medidas,

además traza una línea recta de la media de las mediciones. A continuación, las

gráficas de los ejemplos.

221

En el primer gráfico se puede observar que los tres operadores tienen mediciones muy

similares entre ellos, mientras que en el de los errores si se ven diferencias en cuanto al

operador C (color gris) ya que posee rangos más amplios lo cual se evidencia en el gráfico.

Análisis de capacidad. Gráficos de Control

En este módulo se pueden realizar varias funciones, entre ellos determinar si el proceso es

capaz de cumplir con las especificaciones, para ello calcula varios estadísticos, también

muestra los gráficos de control, que detecta cambios significativos en la media del proceso,

este módulo incluye el gráfico X de medias y el gráfico R de rangos. Sí entramos al módulo

Análisis de capacidad / Gráficos de control, el sistema abra la siguiente pantalla:

Este módulo está formado por:

- Información del proceso: área que cuenta con la información del proceso y la variable

que se quiere controlar, también la fecha y el encargado de realizar la prueba con la

herramienta. Esta información es de suma importancia para el registro de los

resultados.

- Información de resultados: Muestra la tabla con la cual se comparan los resultados para

saber el estado en que se encuentra el proceso.

222

-

- Ingreso de datos: es el área dónde se deben introducir los datos, primero se deben

ingresar los límites del proceso, y después se ingresan los datos recolectado, se debe

indicar la fecha en que fueron tomados los datos. A continuación, un ejemplo de los

datos completamente llenos, los 25 subgrupos de 5 datos.

- Resultados: Con los datos ingresados, el sistema no muestra los resultados, los cuales

son Cp, Cpk, Cpm, Pp, Ppk, P (z). Estos indicadores se comparan con la tabla de

información de resultados para conocer sobre el estado del proceso. También crea los

gráficos de control de medias (Gráfico X) y gráfico de control de rangos (Gráfico R).

A continuación, los resultados de los datos que se ingresaron.

223

En cuanto a los gráficos X y gráficos R, las líneas naranjas muestran los límites del proceso,

y la línea de verde la media del proceso. La línea de color celeste sería el comportamiento

de los datos, para este ejemplo podemos ver que todos los datos se encuentran bajo control

dentro de las especificaciones.

Este módulo cuenta con tres botones, los cuales son los mismos que los del módulo Análisis

de normalidad y cumplen la misma función.

Exhibición Llamativa

El último módulo se llama Exhibición Llamativa, la principal función de este módulo es

mostrar el comportamiento del estudio de capacidad y de los gráficos de control mes a mes.

También nos muestra los resultados de los principales indicadores para el sistema de

control estadístico.

Al abrir este módulo veremos la siguiente pantalla:

224

La pantalla contiene lo siguiente:

Información del sistema: Variable crítica, variable de proceso, producto, proceso y fecha.

Indicador razón de calidad: El cuál el encargado de utilizar la herramienta debe consultarlo

al área de calidad.

Indicadores de desperdicios: PACK, ROH y HALB, estos indicadores también se deben

consultar del área de calidad e ingresarlos en el cuadro, se debe pintar de verde el cuadro

si cumple con las metas de desperdicio y de rojo si no cumple.

Gráfica control de proceso: Este gráfico tiene como objetivo mostrar gráficamente el

resultado de los gráficos de control de manera mensual, para crear este gráfico se debe

llenar el cuadro resumen:

225

En este cuadro se ingresan los datos de la media promedio de los gráficos de control y el

rango promedio, estos valores se deben sacar de los resultados de los gráficos de control,

al final de los gráficos vienen estos resultados, los cuales se pueden ver en la siguiente

imagen en la parte inferior. También se deben anotar el total de puntos fuera de control, en

el caso de que existan.

La media del proceso es la media de los límites de especificación del proceso.

A continuación, un ejemplo de este módulo al ingresar los datos:

En el gráfico de control de proceso, cada línea significa lo siguiente:

- Líneas celestes: corresponde a la media más menos el rango.

- Línea naranja: media del proceso, según los límites de especificación.

- Línea azul oscuro: Media del proceso, según los resultados de los gráficos de control.

- Línea punteada negra: La distancia entre rangos.

En este gráfico se debe buscar que la línea azul este lo más cercana a la línea naranja, y

que la línea punteada negra sea lo más pequeño posible. Para el ejemplo anterior en el

mes de mayo fue el que se obtuvo mejores resultados.

Otro punto importante es que si la línea azul nos dice hacia dónde está descentrado el

proceso.

En este módulo se cuenta con tres botones, los cuales cumplen la misma función que en

los otros módulos.

Análisis de causas de variación

Este módulo es una continuación del módulo de capacidad, cuando los procesos no son

capaces de cumplir con las especificaciones y las fuentes de variación no se deben a

226

materia prima, equipos o mano de obra se deben revisar las variables críticas y los límites

de especificación.

Para ello se incluye la metodología de dos herramientas que son fáciles de usar, para que

quede el procedimiento. Cabe rescatar que parte de las funciones de Recursos Humanos

es el respaldo de competencias, por lo tanto, se debe dar respaldo a producción en los

temas de capacitación y adquisición de habilidades. Cómo recomendación sería buena

capacitar personal en diseño de experimentos.

Una vez que ingresamos al módulo de causa de variación nos va a salir la siguiente pantalla.

Aquí debemos seleccionar cuál método queremos usar, si entramos a Análisis de

componentes el sistema desplegará la siguiente pantalla:

Esta pantalla muestra el procedimiento necesario para realizar el método de Análisis de

Componentes, es una guía paso a paso.

227

Con el botón de atrás podemos devolvernos al menú de herramientas de causas de

variación, una vez en este menú podemos entrar a B vrs C, y el sistema nos desplegará la

siguiente pantalla:

Igual que el punto anterior, viene el procedimiento paso a paso de cómo realizar esta

herramienta.

Apéndice 30. Examen de evaluación del Sistema de CEP

228

229

Apéndice 31. Validación de especificaciones Tetralámina

Fecha HoraTemp Mordaza

inferior delantera

Temp Mordaza

Inferior trasera

Temp Mordaza

Vertical 1 trasera

Temp Mordaza

Vertical 1 delante

Temp Mordaza

Vertical 2 trasera

Temp Mordaza

Vertical 2 delante

Temp Mordaza

Superior delantera

Temp Mordaza

Superior trasera

Presion de

sellado

206,2 207,4 199,3 200,4 202,1 199,1 202,1 199,3 3,2

206,7 206,4 198,9 203,5 198,4 197,9 202,6 199,2 3,3

204,7 205,4 198,3 205,3 194,3 194,7 203,6 199,3 3,25

203,9 203,2 198,5 197,1 194,3 190,8 202,1 199,6

201,4 201,8 195,3 199,4 194,3 189,9 202,1 199,6

202,3 200,1 195,2 199,2 194,3 189,8 194,3 199,3 3,25

202,5 203,4 195,3 203,4 194,3 190,7 199,4 199,8 3,2

202,7 201,6 195,4 199,3 199,9 190,4 199,8 199,4 3,35

207,5 202,3 204,6 206,7 204,7 200,4 204,7 205,2

208 209,2 204,7 201,5 204,5 197,5 204,5 205,2

205,4 205,2 201,6 204,6 198,6 196,5 204,6 205,3 3,15

204,7 204,8 201,8 204,1 201,1 195,1 204,1 204,7 3,25

205,7 205,3 202,2 205,7 199,3 199,5 205,7 204,7 3,25

206,2 205,6 201,1 203,1 201,1 195,8 203,1 193,3

206,1 206,8 201,1 203,2 200,8 200,3 200,8 197,3

208 207,4 202,9 203,5 197,2 198,5 199 198,5 3,2

206,2 206,7 201,4 201,3 198,7 203,6 198 203,6 3,25

205,7 206,4 201,9 200,5 194,2 197,2 198,3 198,7 3,3

204,7 204,1 199,9 197,5 192,5 193,5 192,5 198,5

204 203,9 199,8 196,3 189,5 190,9 189,5 197,1

205,1 205,2 200,6 200,3 195,1 194,4 195,1 200,7 3,35

203,7 203,1 198,5 195,3 194,2 189,5 195,3 202,9 3,2

202,1 202,5 197,3 193,6 193,6 194,4 195,2 205,3 3,3

202,2 202,7 195,8 195,5 192,6 195,5 195,3 203,3

198,5 198,3 200,4 201,2 200,6 198,7 201,5 193,5

199,2 203,5 193,9 198,4 197,2 200,6 202 190,9 3,2

202,5 202,6 193,9 197,4 198,2 200,3 201,6 194,4 3,1

201,3 205,3 204,8 207,7 196,7 198,3 202,5 189,5 3,25

203,4 205,3 199,2 195,3 196,1 198,9 203,5 194,4

205,3 202,5 198,7 194,1 198,6 202,1 199,4 195,5

202,5 203,6 198,8 198,8 198,2 201,2 200,7 198,7 3,25

203,6 204,7 196,3 194,9 198,3 198,7 206,3 200,6 3,25

204,7 204,2 199,3 194,7 194,3 198,5 194,3 200,3 3,3

204,2 205,9 195,6 193,9 196,3 197,1 196,3 198,3

205,9 206,7 198,4 201,6 193,9 200,7 193,9 198,9

206,7 206,2 202,7 199,3 199,7 202,9 206,4 202,1 3,3

206,2 205,8 203,5 197,6 203,5 205,3 206,3 201,2 3,15

205,8 206,1 202,8 200,5 204,4 203,3 204,4 198,7 3,3

206,1 207,3 203,2 207,9 201,6 199,2 201,6 198,5

207,3 200,9 201,3 207,2 199,2 196,7 206,3 197,1

200,9 201,3 199,5 191,5 195,4 189,1 199,3 200,7 3,25

199,3 203,6 199,1 190,3 195,3 188,8 204,2 202,9 3,35

199,7 203,2 198,5 190,6 197,3 189,5 199,4 205,3 3,25

199,9 204,3 197,1 190,3 194,7 187,1 194,6 203,3

199,1 200,3 199,6 190,3 195,2 189,6 195,3 199,2

200,3 200,9 195,9 199,3 191,2 190,4 192,5 196,7 3,25

200,9 201,5 199,7 197,6 198,1 200,6 199 196,7 3,3

201,5 203,1 201,8 200,5 201,7 202,9 202,6 196,5 3,3

203,1 202,4 202,9 207,9 201,7 197,4 204,3 196,7

202,4 210,3 202,6 207,2 201,7 198,3 202,6 196,9

210,3 207,4 202,2 208,2 201,8 197,6 200,4 196,7 3,25

211,3 207,3 203,7 208,5 200,8 198,1 200,7 196,7 3,35

210,8 208,4 203,3 208,1 202,8 202,2 202,8 196,7 3,25

210,4 210,8 203,6 202,9 200,5 200,8 201,6 202,9

210,8 206 197,6 197,7 200,1 197,8 205,3 197,4

204,3 205,6 199,5 196,8 197,2 195,6 205,3 198,3 3,25

204,3 205,4 199,1 196,9 196,5 195,5 197,4 197,6 3,25

205,3 205 199,6 195,9 195,2 195,4 197,4 198,1 3,3

203,2 208,4 199,2 195,6 195,1 194,2 195,3 202,2

204,3 209,5 199,5 195,5 194,1 193,2 200,6 200,8

209,5 209,7 198,7 199,5 191,4 192,1 205,3 197,8 3,1

209,7 208,8 195,5 199,2 195,3 190,2 204,3 195,6 3,2

208,8 209,2 195,5 196,3 195,3 191,4 206,4 195,5 3,3

209,2 204,5 199,3 195,1 191,4 193,5 194,3 195,4

204,5 206,4 198,1 194,5 192,9 193,8 192,9 194,2

207,3 207,7 196,6 197,8 197,4 195,8 194,8 193,2 3,3

205,3 208,7 197,8 199,3 195,3 196,1 195,4 192,1 3,3

208,8 206,5 198,3 200,6 195,3 197,2 196,1 190,2 3,25

209,2 204,4 200,5 198,9 191,4 198,3 199,6 191,4

204,5 205,8 200,1 201,8 192,9 193,1 196,9 193,5

205,8 205,6 200,3 201,1 194,4 198,5 194,4 193,8 3,25

205,6 204,4 200,6 201,5 194,1 198,6 194,1 195,8 3,2

204,4 200 200,7 200,5 196,2 199,3 196,2 196,1 3,1

200 198,6 196,2 190,3 196,3 192,8 196,3 197,2

198,6 208,6 195,1 188,2 196,3 194,8 196,3 198,3

208,6 204,2 203,8 208,8 199,4 199,4 199,4 193,1 3,3

204,2 201,6 202,6 204,8 199,4 191,8 199,4 198,5 3,2

201,6 201,9 199,5 201,6 193,8 197,7 193,8 198,6 3,2

201,9 208,8 200,5 201,8 193,2 197,2 193,2 199,3

208,8 205,4 202,8 204,2 200,5 197,5 200,5 192,8

205,4 207 201,2 199,8 189,1 190,7 189,1 194,8 3,25

207 207,5 200,5 200,2 199,5 198,9 199,5 199,4 3,1

207,5 207,4 201,5 200,3 195,9 196,1 195,9 191,8 3,25

207,4 207,6 202,2 203,1 201,6 202,3 201,6 197,7

207,6 206,5 201,3 203,7 200,4 199,8 200,4 197,2

205,4 206,3 199,9 203,9 197,9 196,8 197,9 197,5 3,2

207 206,7 200,1 201,4 198,7 197,2 198,7 190,7 3,15

207,5 206,1 200,9 201,4 197,1 196,3 197,1 198,9 3,2

207,4 203,2 200,4 201,2 196,5 195,8 196,5 196,1

207,6 200,1 200,1 200,9 196,5 194,8 197,4 202,3

203,1 201,5 193,2 202,5 192,3 189,7 198,4 199,8 3,2

201,5 202,1 203,6 204,1 194,5 199,5 199,5 196,8 3,3

202,1 203,1 191,7 205,3 197,1 193,8 198,2 197,2 3,25

203,1 200,8 207,1 207,2 199,7 203,7 196,3 196,3

200,8 204,1 190,5 190,9 198,9 193,3 194,3 195,8

204,1 206,7 193,6 199,4 192,3 195,5 204,3 194,8 3,2

206,7 208,5 195,2 195,3 194,5 197,5 200,5 189,7 3,2

208,5 208,6 208,5 205,3 190,1 201,9 204,2 199,5 3,25

208,6 208,6 208,9 202,9 189,7 201,7 200,7 193,8

208,6 207,4 208,7 203,4 188,9 200,1 203,2 203,7

8/3/2018

10:13:11 a. m.

10:00:19 a. m.

10:39:00 a. m.

10:31:30 a. m.

10:29:09 a. m.

10:22:34 a. m.

10:18:12 a. m.

10:15:46 a. m.

10:44:54 a. m.

11:47:38 a. m.

11:40:22 a. m.

11:33:36 a. m.

11:24:09 a. m.

11:22:25 a. m.

11:16:33 a. m.

11:13:23 a. m.

11:05:53 a. m.

11:02:37 a. m.

10:55:46 a. m.

10:46:18 a. m.

230

Apéndice 32. Análisis de normalidad y capacidad para el laminado tetralámina.

Mordaza inferior delantera

Mordaza inferior trasera

Mordaza lateral 1

231

Mordaza lateral 2

Mordaza lateral 3

Mordaza lateral 4

232

Mordaza superior trasera

Mordaza superior delantera

Presión de sellado

233

Mordaza inferior trasera

Mordaza inferior delantera

Mordaza vertical 1

234

Mordaza vertical 2

Mordaza vertical 3

Mordaza vertical 4

235

Mordaza superior delantera

Mordaza superior trasera

Presión de sellado

236

Apéndice 33. Prueba de prensa neumática laminado tetralámina

# Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga # Muestra Hora de la muestra Fuga # Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga

1 10:02:00 a. m. No 26 10:18:00 a. m. No 51 10:48:00 a. m. No 76 10:43:00 a. m. No 101 11:42:00 a. m. No

2 10:02:00 a. m. No 27 10:18:00 a. m. No 52 10:48:00 a. m. No 77 10:43:00 a. m. No 102 11:42:00 a. m. No

3 10:02:00 a. m. No 28 10:18:00 a. m. No 53 10:48:00 a. m. No 78 10:43:00 a. m. No 103 11:42:00 a. m. No

4 10:04:00 a. m. No 29 10:18:00 a. m. No 54 10:48:00 a. m. No 79 10:43:00 a. m. No 104 11:42:00 a. m. No

5 10:04:00 a. m. No 30 10:23:00 a. m. No 55 10:52:00 a. m. No 80 11:12:00 a. m. No 105 11:42:00 a. m. No

6 10:05:00 a. m. No 31 10:23:00 a. m. No 56 10:52:00 a. m. No 81 11:12:00 a. m. No 106 11:46:00 a. m. No

7 10:05:00 a. m. No 32 10:23:00 a. m. No 57 10:52:00 a. m. No 82 11:15:00 a. m. No 107 11:46:00 a. m. No

8 10:08:00 a. m. No 33 10:23:00 a. m. No 58 10:52:00 a. m. No 83 11:15:00 a. m. No 108 11:46:00 a. m. No

9 10:08:00 a. m. No 34 10:26:00 a. m. No 59 10:52:00 a. m. No 84 11:21:00 a. m. No 109 11:46:00 a. m. No

10 10:08:00 a. m. No 35 10:26:00 a. m. No 60 10:52:00 a. m. No 85 11:21:00 a. m. No 110 11:46:00 a. m. No

11 10:08:00 a. m. No 36 10:31:00 a. m. No 61 10:59:00 a. m. No 86 11:21:00 a. m. No 111 11:46:00 a. m. No

12 10:10:00 a. m. No 37 10:31:00 a. m. No 62 10:59:00 a. m. No 87 11:21:00 a. m. No 112 11:53:00 a. m. No

13 10:10:00 a. m. No 38 10:31:00 a. m. No 63 10:59:00 a. m. No 88 11:21:00 a. m. No 113 11:53:00 a. m. No

14 10:10:00 a. m. No 39 10:33:00 a. m. No 64 11:05:00 a. m. No 89 11:21:00 a. m. No 114 11:53:00 a. m. No

15 10:11:00 a. m. No 40 10:33:00 a. m. No 65 11:05:00 a. m. No 90 11:24:00 a. m. No 115 11:53:00 a. m. No

16 10:11:00 a. m. No 41 10:33:00 a. m. No 66 11:07:00 a. m. No 91 11:24:00 a. m. No 116 11:53:00 a. m. No

17 10:11:00 a. m. No 42 10:34:00 a. m. No 67 11:07:00 a. m. No 92 11:24:00 a. m. No 117 11:53:00 a. m. No

18 10:11:00 a. m. No 43 10:34:00 a. m. No 68 11:07:00 a. m. No 93 11:24:00 a. m. No 118 11:53:00 a. m. No

19 10:15:00 a. m. No 44 10:34:00 a. m. No 69 11:07:00 a. m. No 94 11:32:00 a. m. No 119 11:57:00 a. m. No

20 10:15:00 a. m. No 45 10:34:00 a. m. No 70 11:07:00 a. m. No 95 11:32:00 a. m. No 120 11:57:00 a. m. No

21 10:15:00 a. m. No 46 10:40:00 a. m. No 71 11:12:00 a. m. No 96 11:32:00 a. m. No 121 11:57:00 a. m. No

22 10:16:00 a. m. No 47 10:40:00 a. m. No 72 11:12:00 a. m. No 97 11:35:00 a. m. No 122 11:57:00 a. m. No

23 10:16:00 a. m. No 48 10:40:00 a. m. No 73 11:12:00 a. m. No 98 11:35:00 a. m. No 123 11:57:00 a. m. No

24 10:16:00 a. m. No 49 10:40:00 a. m. No 74 11:12:00 a. m. No 99 11:35:00 a. m. No 124 11:57:00 a. m. No

25 10:18:00 a. m. No 50 10:40:00 a. m. No 75 11:12:00 a. m. No 100 11:40:00 a. m. No 125 11:57:00 a. m. No

237

Apéndice 34. Validación de especificaciones para laminado Tetralámina.

Fecha HoraTemp Mordaza

inferior delantera

Temp Mordaza

Inferior trasera

Temp Mordaza

Vertical 1 trasera

Temp Mordaza

Vertical 1 delante

Temp Mordaza

Vertical 2 trasera

Temp Mordaza

Vertical 2 delante

Temp Mordaza

Superior delantera

Temp Mordaza

Superior trasera

Presion de

sellado

206,3 207,6 203,1 205,3 202,2 199,6 203 202,1 2,95

207,5 206,7 200,7 197,3 201,4 199,6 202,8 202,1 2,9

205,5 206,3 205,3 197,2 199,2 199,6 202,7 196,3 3,05

204,4 203,9 200,1 203,2 199,3 199,6 202,7 201,2

201,8 202,5 203,2 207,3 198,3 199,6 202,6 201,2

203 200,6 197,3 197,3 195,1 195,9 202,9 201,2 2,85

202,7 203,8 199,4 198,2 194,6 192,3 202,2 200,1 3,05

203,2 201,7 199,9 197,2 199,3 194,1 202,5 204,3 2,85

208 202,7 205,5 203,2 195,6 193,2 202,7 201,4

208,6 210,1 205,4 195,3 198,3 193,2 202,7 202,8

206 206,1 204,9 205,3 195,3 193,2 202,1 205,9 3

205,1 205,1 202,7 204,3 205 195,8 204,7 205,1 2,85

206,1 206,2 204,3 201 200,3 199,6 202,4 205,5 2,9

206,7 205,9 202,9 206,4 203,3 196 203,8 200,2

206,3 207,7 199,3 204,1 200,9 200,5 201 197,5

208,9 207,7 203,8 203,9 197,7 198,6 199,4 199,1 2,9

206,7 207,6 197,7 202,2 199,5 203,9 199,9 204,2 3

206,6 206,6 202,6 201,2 195,1 198,1 199,7 199,3 2,9

205 204,4 205,1 198 192,6 194,2 199,7 198,6

204,9 204,2 198,4 197,2 190,2 191,1 199,2 197,5

205,3 205,5 201,3 200,9 195,2 194,7 199,8 201,1 3,1

204,2 203,4 199,3 196,1 194,3 190,1 195,6 203,3 2,85

202,2 203,2 197,9 194,1 194,4 194,7 195,9 205,9 2,95

202,3 202,8 196,1 196,3 193 196 196,2 203,7

198,6 198,7 203,6 201,9 201,4 199,6 202,2 194,3

201,3 203,4 198,4 198,9 205,5 201,4 202,8 198,3 3,1

202,1 202,7 194,8 196,1 198,3 200,7 202,4 197,9 2,9

203,1 201,5 199,5 207,8 200,9 203,2 203,4 194,2 3,05

205,4 200,1 199,7 195,4 195,3 201,2 203,8 195,2

203,3 202,7 199 194,7 199,3 203 200 195,7

203,3 204,2 205,1 199,1 198,5 201,3 200,9 199,6 2,95

204 205,1 197,2 195,6 199 203,2 207,1 201,5 3,1

205 204,5 199,7 195,4 194,7 202,4 198,9 200,5 3

205 206,1 203,1 194,3 196,9 197,7 197 198,9

206,7 206,9 198,8 202,2 194,4 201 199,1 199,3

207 209 196,3 205,6 200,6 203,4 204,3 202,5 2,95

206,6 208,4 202,3 204,3 204,4 203,1 202,4 201,7 3,1

206,1 206,2 203,1 202,2 205,2 201,2 201,2 199,5 3

206,8 207,9 206,9 202,8 202,2 199,6 202,3 198,8

208,1 206,4 204,1 206,2 200,1 197 204,5 197,9

201,8 203,4 197,6 199,7 195,6 196,8 199,5 198,3 2,9

208,9 201,8 203,3 195,1 196 197,1 204,9 203,1 2,9

207,1 200,8 198,8 194,3 197,5 196,7 200,3 191,3 2,85

202,4 202,5 199,3 196,9 195 198,8 194,9 203,7

205,2 200,5 196,3 196,1 195,7 190,5 196,2 199,7

200,9 206,6 196,4 192,2 191,8 190,9 193 197 2,95

201,5 208,9 200,4 197,9 198,2 201,4 199,1 197,6 2,85

202,1 209,9 196,3 200,9 202,6 203,4 203,4 197,1 3

203,9 204,9 203,2 203,6 202,1 197,6 204,6 196,9

202,8 206,6 205,3 201,7 202,3 198,9 203,2 197,5

207,5 212 206,3 202,6 202,6 197,8 200,9 197,2 3

204,6 211 202,1 205,4 198,4 198,2 200,9 196,8 3,1

208,1 211,2 206,3 208,2 203,4 202,3 203,5 197 2,9

206,8 211 203,9 203,6 195,3 201,1 201,7 203,5

208,1 206,4 198 198,1 200,4 198,5 205,7 198,2

206,3 206,4 198,3 197,7 197,7 195,9 206 198,8 2,9

206,4 205,8 199,6 197 196,8 195,7 198,3 197,7 2,9

206 205,3 196,3 196,5 196 195,8 198,2 198,3 2,95

205,5 208,7 205,1 196,2 195,4 194,9 195,9 203,1

208,9 210,2 197 196 194,4 193,7 200,7 201,5

207,8 210,6 197,5 194,4 191,9 192,4 205,8 198,4 2,95

206,1 208,9 203,5 198,9 196 197,5 204,4 196,1 3

208,1 209,9 199,2 197,4 195,7 191,9 206,8 196 3

205,3 204,9 203,9 198,7 191,8 194,3 199,7 195,9

205,1 206,6 201,9 195,1 193,5 194,2 198,4 195,1

207,3 208 200,8 197,9 195,7 195,9 199,7 193,6 3,05

208,2 209,2 198,5 199,7 196,2 196,8 196,2 196,7 3,05

209,3 207,3 201,6 200,8 196,9 197,5 196,3 195,4 3

207,3 205,2 196,7 199,8 200,3 198,7 200 191,5

205 202,4 195,9 202,6 197,7 193,7 197,5 198,7

206,6 199,4 203,9 201,3 195,3 199 198,3 194,1 2,95

205,7 198,4 203,2 201,9 194,7 199,1 197,9 196,3 2,95

205 200,3 199,7 200,7 196,5 199,4 199,6 196,5 2,8

200,7 201,3 201,3 190,5 196,8 192,9 196,4 197,5

198,7 209,4 203,6 188,8 197,1 195,7 196,9 199,2

209,5 204,8 201,6 206,2 200,1 199,7 200,1 193,5 3

204,3 201,7 201 205,6 199,6 192,5 199,6 199,2 2,9

201,8 202,5 202,1 202,4 194,2 198,1 194,5 198,9 2,75

202,4 209 202,8 202,5 193,4 197,7 193,9 199,5

209,2 205,8 202 204,3 201 197,9 200,6 193,7

206,3 207,2 196,3 199,9 189,9 190,8 199,3 195,7 3

207,7 208,4 202,5 200,7 199,9 199,1 199,7 200 2,9

205,1 207,6 201,8 201 196,8 196,2 196,5 192 2,9

205,1 208,4 204,9 203,6 201,9 202,9 202,4 198,6

208,4 207,2 200,8 204,3 200,9 200,7 200,5 197,4

207 206,4 204 204,4 198,2 197,2 198 198 2,95

207,1 207,6 204,5 202,3 199,4 198,1 198,9 203,2 2,95

206,8 207 199,3 202,1 197,3 196,9 197,4 199,5 3

206,7 203,6 201,5 201,8 196,8 196,3 196,7 196,8

203,5 200,9 203,8 201,4 197,4 195,5 198,1 202,4

200,8 202,2 199,4 202,8 194,9 189,9 199,3 199,9 3

201,7 202,7 198,9 204,4 199,9 200 199,8 197,1 3

202,7 203,8 203,8 205,8 198,3 194,1 198,4 197,5 3,1

203,6 201,5 202,2 208,1 189,6 203,9 197,2 196,5

201,6 205 197,4 194,3 189,7 193,5 194,9 196,1

204,2 198,3 194,4 195,3 192,8 195,9 204,4 195,1 3,05

206,8 201,3 195,9 195,6 195,1 198 200,6 189,9 3,05

207,9 199,2 208,8 202 196,3 202,1 204,8 200,1 2,9

209,3 201,5 209,2 201,3 198,3 201,8 201,6 194,2

205,3 201,5 209 200,4 189,1 201 203,4 203,8

13/3/2018

15:06:24 p. m.

14:02:17 p.m.

14:17:43 p. m.

14:23:31 p. m.

14:25:22 p. m.

14:29:42 p. m.

14:37:14 p. m.

14:41:17 p. m.

14:48:23 p. m.

14:53:04 p. m.

14:55:21 p. m.

15:02:37 p. m.

15:41:37 p. m.

15:51:36 p. m.

15:13:26 p. m.

15:14:47 p. m.

15:22:51 p. m.

15:25:09 p. m.

15:27:35 p. m.

15:38:42 p. m.

238

Apéndice 35. Análisis de normalidad y capacidad para laminado trilámina.

Mordaza inferior delantera

Mordaza inferior trasera

Mordaza vertical trasera

239

Mordaza vertical delantera

Mordaza vertical 2 trasera

Mordaza vertical 2 delantera

240

Mordaza superior delantera

Mordaza superior trasera

Presión de sellado

241

Mordaza superior trasera

Mordaza superior delantera

Mordaza lateral 1 trasera

242

Mordaza lateral 1 delantera

Mordaza lateral 2 trasera

Mordaza vertical 2 delantera

243

Mordaza superior delantera

Mordaza superior trasera

Presión de sellado

244

Apéndice 36. Muestreo de prensa neumática para laminado trilámina

# Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga # Muestra

Hora de la

muestra Fuga

1 14:06:00 p. m. No 26 14:19:00 p. m. No 51 14:44:00 p. m. No 76 15:11:00 p. m. No 101 15:27:00 p. m. No

2 14:06:00 p. m. No 27 14:19:00 p. m. No 52 14:44:00 p. m. No 77 15:11:00 p. m. No 102 15:27:00 p. m. No

3 14:06:00 p. m. No 28 14:21:00 p. m. No 53 14:44:00 p. m. No 78 15:11:00 p. m. No 103 15:30:00 p. m. No

4 14:06:00 p. m. No 29 14:21:00 p. m. No 54 14:47:00 p. m. No 79 15:11:00 p. m. No 104 15:30:00 p. m. No

5 14:08:00 p. m. No 30 14:21:00 p. m. No 55 14:47:00 p. m. No 80 15:11:00 p. m. No 105 15:30:00 p. m. No

6 14:08:00 p. m. No 31 14:27:00 p. m. No 56 14:47:00 p. m. No 81 15:11:00 p. m. No 106 15:34:00 p. m. No

7 14:08:00 p. m. No 32 14:27:00 p. m. No 57 14:47:00 p. m. No 82 15:13:00 p. m. No 107 15:34:00 p. m. No

8 14:08:00 p. m. No 33 14:27:00 p. m. No 58 14:47:00 p. m. No 83 15:13:00 p. m. No 108 15:34:00 p. m. No

9 14:06:00 p. m. No 34 14:29:00 p. m. No 59 14:47:00 p. m. No 84 15:13:00 p. m. No 109 15:34:00 p. m. No

10 14:11:00 p. m. No 35 14:29:00 p. m. No 60 14:55:00 p. m. No 85 15:13:00 p. m. No 110 15:48:00 p. m. No

11 14:11:00 p. m. No 36 14:29:00 p. m. No 61 14:55:00 p. m. No 86 15:13:00 p. m. No 111 15:48:00 p. m. No

12 14:11:00 p. m. No 37 14:29:00 p. m. No 62 14:55:00 p. m. No 87 15:15:00 p. m. No 112 15:48:00 p. m. No

13 14:11:00 p. m. No 38 14:33:00 p. m. No 63 14:55:00 p. m. No 88 15:15:00 p. m. No 113 15:48:00 p. m. No

14 14:08:00 p. m. No 39 14:33:00 p. m. No 64 14:55:00 p. m. No 89 15:15:00 p. m. No 114 15:50:00 p. m. No

15 14:08:00 p. m. No 40 14:33:00 p. m. No 65 14:55:00 p. m. No 90 15:15:00 p. m. No 115 15:50:00 p. m. No

16 14:08:00 p. m. No 41 14:33:00 p. m. No 66 14:55:00 p. m. No 91 15:19:00 p. m. No 116 15:50:00 p. m. No

17 14:08:00 p. m. No 42 14:33:00 p. m. No 67 15:01:00 p. m. No 92 15:19:00 p. m. No 117 15:57:00 p. m. No

18 14:08:00 p. m. No 43 14:33:00 p. m. No 68 15:01:00 p. m. No 93 15:19:00 p. m. No 118 15:57:00 p. m. No

19 14:08:00 p. m. No 44 14:38:00 p. m. No 69 15:01:00 p. m. No 94 15:19:00 p. m. No 119 15:57:00 p. m. No

20 14:16:00 p. m. No 45 14:38:00 p. m. No 70 15:07:00 p. m. No 95 15:19:00 p. m. No 120 15:57:00 p. m. No

21 14:16:00 p. m. No 46 14:38:00 p. m. No 71 15:07:00 p. m. No 96 15:22:00 p. m. No 121 15:58:00 p. m. No

22 14:16:00 p. m. No 47 14:38:00 p. m. No 72 15:07:00 p. m. No 97 15:22:00 p. m. No 122 15:58:00 p. m. No

23 14:16:00 p. m. No 48 14:38:00 p. m. No 73 15:07:00 p. m. No 98 15:27:00 p. m. No 123 15:58:00 p. m. No

24 14:16:00 p. m. No 49 14:38:00 p. m. No 74 15:07:00 p. m. No 99 15:27:00 p. m. No 124 15:58:00 p. m. No

25 14:16:00 p. m. No 50 14:38:00 p. m. No 75 15:07:00 p. m. No 100 15:27:00 p. m. No 125 15:58:00 p. m. No

245

Apéndice 37. Correcciones en los registros de temperatura de mordazas y análisis físico químico

Producto Turno ( X ).

1 2 3

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

HORA

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

HORA

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

HORA

HORA

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

Mordaza lateral 1

trasera

Morda superior

delantera

Mordaza superior

trasera

Presion de

sellado Observaciones

Morda inferior

delantera

Mordaza inferior

trasera

Mordaza lateral

1 delantera

Mordaza lateral

1 trasera

Mordaza lateral

2 trasera

HORA

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

An

ote

la

s

tem

pe

ra

tura

s a

qu

í

Instrucciones: el operario debe tomar cada 5 muestas cada hora.

HORA

Lín

ea:

Coordinador: Operador: Fecha:

_____/_____/______

Pesos de Unidades

UNILEVER

Planta Belén - Costa Rica

CÓDIGO DEL DOCUMENTO:

RG-QA-159

PÁGINA : 1 DE 2

REVISIÓN: # 8

REGISTRO

Control Estadístico de Procesos-CEP Area Salsitas

FECHA DE ÚLTIMA REVISIÓN:

26/09/2017

FECHA DE PRÓXIMA REVISIÓN:

26/09/2019

S 5

S 8

S 3

S 6

S 9

S 2S 1

S 4

S 7113 g 200 g 227 g106 g Otra:

246

Apéndice 37. Correcciones en los registros de temperatura de mordazas y análisis físico químico

(continuación)

247

10 Anexos

Anexo 1. Volumen de producción por área (enero 2016-diciembre 2016)

Línea Área Volumen de

producción

(toneladas)

Volumen total por área

(toneladas)

FR-1 (PR1) Frijoles 2023,898218 4258,1

FR2 (PR2) Frijoles 2234,227539

FS1 (PR8) Mayonesa 2811,77707 16154,2

FS2 (PR9) Mayonesa 259,1996

M1 (PR5) Mayonesa 3597,441103

M1 (PR5) Mayonesa 38,9712

M2 (PR6) Mayonesa 2410,8966

M3 (PR7) Mayonesa 7035,96192

S01 (PR3) Salsas oscuras 436,0457424 5807,5

SO2 (PR4) Salsas oscuras 5371,451688

HORIX (PR10) Salsas 1169,00064 31507,2

S1 (PR11) Salsas 3206,750592

S2 (PR12) Salsas 3483,560013

S3 (PR13) Salsas 3223,709568

S4 (PR14) Salsas 3092,10636

S5 (PR15) Salsas 2987,327856

S6 (PR16) Salsas 3244,794264

S7 (PR17) Salsas 3116,120072

S8 (PR18) Salsas 3203,794328

S9 (PR19) Salsas 261,442384

S9 (PR19) Salsas 4518,59135

Fuente: Unilever, 2016

248

Anexo 2. Variables del área de Salsas

Variable ¿Controlada? Tipo Variable ¿Controlada? Tipo Variable ¿Controlada? Tipo

°Brix tomate cubos Sí Control Tiempo de adición de pasta de tomate

No Verificación Temperatura mordaza lateral 2 delantera

Sí Control

Acidez Sí Control Tiempo de adición de vinagre

No Verificación Temperatura mordaza lateral 2 trasera

Sí Control

pH Sí Control Tiempo de adición tomate en cubos

No Verificación Temperatura mordaza superior delantera

Sí Control

Velocidad de bomba B3

No Seteo Tiempo de calentamiento Sí Verificación Temperatura mordaza superior trasera

Sí Control

Velocidad de agitación

No Seteo Tiempo de cocción No Control Temperatura producto terminado

No Verificación

Tiempo recirculación de tomate en cubos

No Seteo Tiempo de succión de ing. menores

No Verificación Tiempo de sellado ultrasónico

Sí Verificación

Presión tubería recirculación luego de bomba

No Verificación Apertura válvula vapor No Verificación Velocidad agitadora No Seteo

Acidez Sí Control Frecuencia bomba envío No Verificación Velocidad banda No Seteo

Brix de lote Sí Control Humedad empaque No Verificación Velocidad bomba No Seteo

Brix después de dilución

Sí Control Nivel de llenado de tolva No Verificación Velocidad de giro de raspador

No Seteo

PH Sí Control Peso doy pack Sí Control Tiempo de sellado ultrasónico

Sí Verificación

249

Presión de extracción

No Verificación Potencia/amplitud sonotrodo

Sí Seteo Velocidad agitadora No Seteo

Presión de salida No Verificación Presión aspersores No Verificación Velocidad banda No Seteo

Tiempo de extracción

No Seteo Presión de inyección aire tolva de llenado

No Control Velocidad bomba No Seteo

Velocidad de agitación

No Seteo Velocidad de giro de raspador

No Seteo

Velocidad de bomba

No Seteo Presión de salida No Verificación Flujo de vinagre No Verificación

Acidez Sí Control Presión de sellado ultrasónico

Sí Verificación pH Sí Control

Brix Sí Control Presión vapor en intercambiador

No Seteo Temperatura de cocción

Sí Control

Cloruros Sí Control Temperatura agua enfriamiento

No Seteo Temperatura del agua No Seteo

Consistencia Sí Control Temperatura de producto en intercambiador

Sí Control Tiempo de adición agua caliente

No Verificación

Flujo agua No Verificación Temperatura de producto en pulmón

No Control Tiempo de adición de aceite

No Verificación

Flujo de oleína No Verificación Temperatura de tolva Sí Control Temperatura mordaza fondo-delantera

Sí Control

Flujo de pasta de tomate

No Verificación Temperatura llenado boquillas

Sí Control Temperatura mordaza fondo-trasera

Sí Control

Flujo de tomate en cubos

No Verificación Temperatura mordaza lateral 1 trasera

Sí Control Temperatura mordaza lateral 1 delantera

Sí Control

Fuente: Unilever, 2016

250

Anexo 3. Reporte semanal de desperdicio

Fuente: Unilever, 2016

Anexo 4. Base de datos de desperdicio

Consec

Rechazo

Fecha de

RechazoMaterial Mes Cantidad UM

Costo total

(¢)Semana Auditor Área

174 10/7/2017 MODIFIED CORN STARCH 25KG Julio 200 kg ₡169.519,53 28

Fred

Cortes Salsitas

175 13/7/2017 BATCHE KET NATURAS HOMOGENIZADO Julio 850 kg ₡255.857,96 28

Fred

Cortes Mayonesa

176 14/7/2017 LECHE ENTERA EN POLVO Julio 8,74 kg ₡27.352,83 28

Fred

Cortes Cuarto de pesado

177 14/7/2017 MUSTARD SEASONING 387037 Julio 6,7 kg ₡58.327,53 28

Fred

Cortes Cuarto de pesado

178 17/7/2017 JUGO LIMON PASTEURIZADO Julio 16,5 kg ₡14.410,28 28

Alvaro

Alfaro Cámara de refrigeración

179 17/7/2017 CUC RET/FS MAY NATUR BEL HLMS/LIZ DASH Julio 495 kg ₡220.388,91 28

Jesus

Delgado Mayonesa

251

Anexo 5. Puntos críticos de control

Fuente: Planes HACCP, Unilever

252

Anexo 6. Ejemplo del programa de calibración

253

Anexo 7. Brix de ingreso de pasta de tomate

Lote

Brix de

pasta de

tomate Lote

Brix de

pasta de

tomate Lote

Brix de

pasta de

tomate Lote

Brix de

pasta de

tomate

1 33 2 31,8 3 32,8 4 33,8

1 33,2 2 33,7 3 33 4 33,7

1 33,6 2 33,6 3 32,7 4 33,4

1 33,4 2 30,6 3 33,1 4 33,6

1 33,7 2 33,4 3 32,8 4 33,7

1 32,5 2 33,6 3 33,4 5 33,8

1 31,6 2 33,1 3 32,9 5 33,6

1 30,6 2 33,4 3 33,2 5 33,6

1 33,6 2 33 4 33,4 5 33,9

1 33,7 2 32,7 4 32,8 5 33,7

2 33,4 3 33 4 33 5 33,7

2 33,6 3 33 4 33,4 5 33,8

2 33,4 3 33,4 4 33,7 5 33,4

254

Anexo 8. Capacitación en el Sistema de CEP

Anexo 9. Encuesta de uso de la herramienta.

Preguntas

Totalmente de

acuerdo De acuerdo En desacuerdo

¿Considera que el Sistema de Control Estadístico de Procesos

Considera todos los involucrados?

¿Considera que los roles y responsabilidades están claros para cada

uno de los departamentos?

¿La Herramienta para el Sistema de CEP es fácil de usar?

¿La Herramienta para el Sistema de CEP es accesible para todos los

involucrados en el Sistema?

¿La Herramienta permite obtener información valiosa para la

operación?

El Sistema de CEP se puede replicar a las otras áreas de la organización

(Frijoles, Mayonesa, Salsas Oscuras)

255

Anexo 10. Capacitación en método de muestro de materias primas

Anexo 11. Capacitación en procedimiento análisis de consistencia

256

Anexo 12. Capacitación del Sistema de CEP

Anexo 13. Cotización de MR consultores

Propuesta para consultoría, Unilever.

Mauricio Rodríguez consultoría, tiene el agrado de presentar el detalle de la propuesta para los

servicios de consultoría solicitados.

1. Detalles generales

Nombre del Cliente/Empresa: Unilever.

Contacto (s): Sofía Luna, Byron Rojas.

Dirección: Belén.

Nombre del Proyecto: Sistema de control estadístico de procesos.

2. La propuesta

La consultoría consiste en una asesoría y capacitación a la compañía, bajo la modalidad de trabajo

en equipo con un grupo de personas de diferentes profesiones y áreas (Calidad, Producción,

Mantenimiento y Recursos Humanos), con la cual se pretende explicar más a fondo el tema de

Control Estadístico de procesos. Para ello el equipo de trabajo debe reunirse una vez por semana

durante un mes para abarcar todos los temas de la capacitación. Mientras que el resto de los días

257

se trabajaría por objetivos, los cuales se fijarían dentro de las reuniones semanales que realizarían

los días que el equipo se reúna de forma presencial dentro de la compañía.

Como parte de la consultoría brindada, hay un compromiso de realizar todo tipo de

representaciones y herramientas:

- Importancia de control estadístico de procesos y beneficios.

- Diagrama SIPOC, Mapeo de procesos, Diagrama de Flujo.

- AMEF, diagrama Ishikawa, paretos.

- Causas de variación.

- Diseño de experimentos, B vrs C, Análisis de componentes, Análisis de Normalidad.

- Capacidad de procesos y gráficos de control.

La duración del proyecto se plantea de 4 semanas, con una sesión diaria de dos horas.

Por último, si se acepta esta propuesta la compañía debe comprometerse a cancelar mensualmente

el monto indicado por el consultor, esto como pago por dicha consultoría.

3. Propuesta Económica

La propuesta de consultoría expuesta tiene un costo de $600, los cuales deben ser cancelados

mediante transferencia electrónica o cualquier otro método de pago. El pago debe ser

estrictamente en la moneda solicitada. El precio de la propuesta puede variar de acuerdo con que,

si las condiciones laborales iniciales variaran, pero para la variación de precio y condiciones debe

haber una negociación previa entre el consultor y la empresa.

Nota: De acuerdo con la percepción económica de la empresa, el precio se podría negociar, pero para ello se deben

justificar bien las causas del por qué la propuesta no se ajusta al presupuesto.

258

Anexo 14. Cotización de Cámara de industrias

INTRODUCCIÓN A LA CALIDAD

OBJETIVOS:

Los participantes estarán en capacidad de comprender los principios fundamentales de la calidad,

así como de una estructura organizacional por procesos.

TEMARIO:

• ¿Qué es la calidad?

• Principios de la calidad

• ¿Qué es un sistema de gestión de calidad?

• Ciclo de Deming

• ¿Qué es la Gestión por Procesos?

• ¿Cuál es la importancia de la Gestión por Procesos?

• ¿Qué es un proceso?

• Metodología de aplicación de la Gestión por Procesos

INSTRUCTOR

Alina Solórzano: Licenciada en Ingeniería Industrial, UCR. Auditor Líder de sistemas de calidad

ISO 9001:2008. Socia consultora de la empresa CONSENSO. Ha impartido seminarios sobre

interpretación de la Norma INTE/ISO 9001:2015. Ha participado como Consultora Técnica en

exitosos proyectos de certificación y mejora de procesos en empresas tanto de manufactura y

servicios en Costa Rica, Centroamérica y el Caribe. Ha realizado múltiples auditorías externas

e internas de calidad ISO 9001 a empresas de diferentes ámbitos de productos y de servicios.

Fecha: 5, 12, 19 de febrero de 2018

Hora: 8:30 a.m. a 12:30 m.d.

Lugar: Sala de Capacitación, Cámara de Industrias de Costa Rica

Inversión: ¢100.000,00 asociados; ¢115.000,00 no asociados

Incluye: Refrigerio, material didáctico y certificado de participación

Inscripciones: Por el teléfono 2202-5600 extensiones 609, 611, 617, 662 ó 676, fax 2234-6089

O al correo electrónico: capacitacion@cicr.com

Dirección: 350 mts sur de la Fuente de la Hispanidad · San Pedro Montes de Oca, San José.