Huerta RJC Valderrama VSS SD

FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL
“Aplicación de herramientas del Lean Manufacturing para incrementar

la productividad en la línea de cocido en LA CHIMBOTANA S.A.C. -
2020”
TESIS PARA OBTENER EL TÍTULO PROFESIONAL DE:

Ingeniero Industrial
AUTORES:
Huerta Rivera, Juan Carlos (ORCID: 0000-0002-2716-430X)
Valderrama Valerio, Solange Sharis (ORCID: 0000-0003-3624-8123)
ASESOR:
Ing. Chucuya Huallpachoque, Roberto Carlos (ORCID: 0000-0001-9175-5545)
LÍNEA DE INVESTIGACIÓN:
Gestión empresarial y productiva
CHIMBOTE – PERÚ
2020
Dedicatoria
A Dios por darnos luz, salud, sabiduría y

fuerzas durante el proceso de nuestra
formación profesional.
A nuestros padres, por su esfuerzo,

motivación y dedicación, son ellos nuestra
fortaleza para el logro de nuestras metas.
ii
Agradecimiento
A Dios por darnos vida, por estar con

nosotros incondicionalemente.
A nuestros padres por su constante

apoyo, sus consejos, su infinito amor y por
haber confiado en nosotros.
Y a nuestros maestros por brindarnos sus

conocimientos tanto en la teoría como en
la práctica, es gracias a ellos el aumento
del amor por nuestra carrera.
iii
Índice de contenidos
RESUMEN…………………………..…………………………………………...….…..viii
ABSTRACT………………………..………………………………….…………….…….ix
I. INTRODUCCIÓN ............................................................................................. 1
II. MARCO TEÓRICO .......................................................................................... 4
III. METODOLOGÍA ............................................................................................ 12
3.1. Tipo y diseño de investigación ................................................................ 12
3.2. Variables y operacionalización ................................................................ 12
3.3. Población, muestra y muestreo ............................................................... 13
3.4. Técnicas e instrumentos de recolección de datos ................................... 13
3.5. Procedimientos ....................................................................................... 15
3.6. Métodos de análisis de datos .................................................................. 16
3.7. Aspectos éticos ....................................................................................... 17
IV. RESULTADOS .............................................................................................. 18
V. DISCUSIÓN ................................................................................................... 44
VI. CONCLUSIONES .......................................................................................... 48
VII. RECOMENDACIONES .................................................................................. 49
REFERENCIAS .................................................................................................... 50
ANEXOS .............................................................................................................. 57
iv
Índice de tablas
Tabla 1. Técnicas e instrumentos de recolección de datos.....................................13

Tabla 2. Método de análisis de datos......................................................................16
Tabla 3. Matriz de correlación................................................................................18
Tabla 4. Relación de criticidad de las causas que influyen en la productividad......19
Tabla 5. Productividad de mano de obra antes de la mejora...................................22
Tabla 6. Productividad de costo de mano de obra antes de la mejora.....................23
Tabla 7. Productividad de materia prima antes de la mejora...................................24
Tabla 8. Tabla de objetos observados con la tarjeta roja........................................26
Tabla 9. Checklist de la herramienta 5s´s...............................................................28
Tabla 10. Cálculo del mtbf y mttr en la semana inicial.............................................30
Tabla 11. Variación del tiempo de inactividad por paradas de máquina................ 31
Tabla 12. Cálculo del mtbf y mttr em la semana final..............................................32
Tabla 13. Cálculo del oee.......................................................................................33
Tabla 14. Productividad de mano de obra después de la mejora............................35
Tabla 15. Productividad de costo de mano de obra después de la mejora..............36
Tabla 16. Productividad de materia prima después de la mejora............................37
Tabla 17. Comparación de productividades ...........................................................38
Tabla 18. Prueba de normalidad para la productividad de mano de obra...............39
Tabla 19. Estadísticas de muestras para la productividad de mano de obra……..39
Tabla 20. Correlaciones de muestras para la productividad de mano de obra….....40
Tabla 21. Prueba de muestras para la productividad de mano de obra...................40
Tabla 22. Prueba de normalidad para la productividad de costo de mano de obra.41
Tabla 23. Estadísticas de muestras para el costo de mano de obra………...……...41
Tabla 24. Correlaciones de muestras para el costo de mano de obra………….…......42
Tabla 25. Prueba de muestras para la productividad de costo de mano de obra….42
Tabla 26. Prueba de normalidad para la productividad de materia prima….…......43
Tabla 27. Estadísticas de muestras para la productividad de materia prima………43
Tabla 28. Correlaciones de muestras para la productividad de materia prima.…...44
Tabla 29. Prueba de muestras para la productividad de materia prima…………...44
Tabla 30. Matriz de operacionalización de variables..............................................57
Tabla 31. Calificación del ing. Ruíz Gómez Percy John…………...…………...……62
v
Tabla 32. Calificación del ing. Pérez Felix Chias Elvis………...………………...…..62
Tabla 33. Calificación del ing. Canepa Montalvo Eric…….…………………..……...62
Tabla 34. Calificación total de expertos…..……...……………………..……..………62
Tabla 35. Escala de validez de instrumentos……..………………………..….……..62
Tabla 36. Datos de materia prima y mano de obra……..…...………....…….………70
Tabla 37. Datos del costo de materia prima antes de la mejora…....………..….…..73
Tabla 38. Productividad de mano de obra………………………………………….…76
Tabla 39. Productividad de costo de mano de obra...……………….…………….…78
Tabla 40. Productividad de materia prima…………………………………….….…..80
Tabla 41. Datos de materia prima y mano de obra después de la mejora……......96
Tabla 42. Datos de costo de mano de obra……………………..…………………....99
Tabla 43. Productividad de mano de obra después de la mejora ….……..…….…102
Tabla 44. Productividad de costo de mano de obra después de la mejora….…..104
Tabla 45. Productividad de materia prima después de la mejora….…..….…..…..106
vi
Índice de figuras
Figura 1. Esquema de diseño de investigación......................................................12
Figura 2. Diagrama de flujo de procedimiento........................................................15
Figura 3. Diagrama de ishikawa.............................................................................20
Figura 4. Value stream mapping............................................................................25
Figura 5. Nuevo value stream mapping..................................................................34
Figura 6. Digrama de operaciones.........................................................................63
vii
Resumen
El objetivo de la presente investigación fue determinar la influencia de la aplicación
de las herramientas del Lean Manufacturing para la mejora del proceso de la línea
de cocido de LA CHIMBOTANA S.A.C. Se tomó como población la productividad
de la línea de cocido. La muestra estuvo representada por la productividad del
producto de filete de caballa. El tipo de muestreo utilizado fue No Probabilístico. El
diseño de investigación es Pre Experimental. Las técnicas de recolección de datos
usadas fueron la entrevista y el análisis documental, por otro lado, los instrumentos
empleados fueron el DOP, cuestionario, matriz de correlación, diagrama de pareto
e Ishikawa, VSM, 5S´s y el TPM. Antes de la aplicación de las herramientas las
productividades de mano de obra, costo de mano de obra y materia prima en
promedio eran 0.618, 0.052 y 52.518 respectivamente. Después de la aplicación de
dichas herramientas incremento las productividades: 8.18%, 21.10% y 2.69%
respectivamente. Para el análisis de datos se utilizó la T de student. Por lo
mencionado se puede decir que la aplicación de las herramientas del Lean
Manufacturing mejoró el proceso productivo de la línea de cocido de LA
CHIMBOTANA S.A.C.
Palabras Clave: Lean Manufacturing, Productividades, línea de cocido.
viii
Abstract
The objective of this research was to determine the influence of the application of
Lean Manufacturing tools to improve the process of the cooking line of LA
CHIMBOTANA S.A.C. The productivity of the cooking line was taken as population.
The sample was represented by the productivity of the mackerel fillet product. The
type of sampling used was Non-Probabilistic. The research design is Pre
Experimental. The data collection techniques used were the interview and the
documentary analysis, on the other hand, the instruments used were the PDO,
questionnaire, correlation matrix, pareto and Ishikawa diagram, VSM, 5S's and the
TPM. Before the application of the tools, the productivity of labor, labor cost and raw
material on average were 0.618, 0.052 and 52.518 respectively. After the application
of these tools, productivity increased: 8.18%, 21.10% and 2.69% respectively.
Student's T was used for data analysis. Based on the aforementioned, it can be said
that the application of Lean Manufacturing tools improved the production process of
the LA CHIMBOTANA S.A.C. cooking line.
Keywords: Lean Manufacturing, Productivities, cooking line.
ix
I. INTRODUCCIÓN
El actual estudio fue de vital importancia para la pesquera LA CHIMBOTANA

S.A.C., porque ayudó a incrementar la productividad en la línea de cocido y la
reducción de desperdicios. El interés radicó en la necesidad de mejorar los
procesos de producción dentro de la empresa, debido a que el retraso, las paradas
inesperadas y los tiempos muertos eran efecto de no aplicar un modelo óptimo de
trabajo. Por ello, mediante el Lean Manufacturing se buscó lograr mejoras continuas
dentro de la planta para así poder equilibrar los diferentes procesos de producción.
En definitiva, gracias a la aplicación de las herramientas, se consiguió simplificar
las actividades que no agregaban valor al producto, de tal forma que posibilitó
incrementar la productividad y aumentar la rentabilidad.
En el entorno mundial, las compañías buscan superarse y lograr sus metas debido
a que en las particularidades que rige el mercado de hoy en día, la productividad
es la que marca la desigualdad entre el éxito y la decepción de un sistema
productivo (Rojas, Grajales y Valencia, 2017, p.119). Es así que, según Rojas y
Gisbert (2017, p. 118) con la implementación de las herramientas de manufactura
esbelta se busca lograr mejoras continuas en cualquier tipo de organización
eliminando principalmente aquellas actividades improductivas. Además, Borges,
Freitas y Souza (2015, p. 129) demostraron que con la metodología de Lean
Manufacturing se logra diseñar y equilibrar los procesos productivos otorgándoles
una configuración optima y criterios de confiabilidad.
Por otra parte, para naciones como Japón y Alemania, el Lean Manufacturing es
una metodología muy necesaria, porque a través de esta han obtenido buenos
resultados como producto de su aplicación (Alefari, Salonitis y Xu, 2017, p. 759).
Se debe tener en cuenta que la gerencia es un elemento decisivo para conseguir
el aumento de la productividad en un sistema esbelto, a través del compromiso de
disciplina y uso de técnicas lean para conseguir oportunidades de mejora (Dutta y
Banerjee,2014, p.34). No obstante, para el logro de un mejor resultado en el sector
pesquero peruano no solo basta con un crecimiento en cuanto a las cantidades de
empresas dedicadas a la producción de conservas, sino que es necesario la
optimización de sus procesos a través de la implementación de metodologías que
ayuden a reducir la pérdida de la materia prima, reducir tiempos y por lo tanto
también costos (Gleeson et al., 2019, p. 642).
1
A propósito, en Chimbote las pocas plantas que han quedado vigentes hasta el
momento presentan problemas debido a sus procesos productivos lentos. Por ello,
es vital implementar nuevos métodos y sistemas que ayuden a optimizar los
procesos, que disminuyan tanto los costos como los tiempos predeterminados para
la producción, y aumenten la calidad del producto (Salonitis y Tsinopoulos, 2016,
p.194). Este es el caso de la pesquera “LA CHIMBOTANA S.A.C.” situada en Av.
los pescadores Mz. D Lt. 5 1A - zona industrial Gran Trapecio. Es una empresa
industrial dedicada a elaborar harina y conservas de pescado de buena calidad.
Además, dispone de dos líneas de producción: línea de crudo y cocido, en donde
se aprovechan los recursos marinos como: caballa, anchoveta, bonito y pota.
Por otro lado, la CHIMBOTANA S.A.C., está en la búsqueda de lograr una mejora
en su productividad para así generar un producto con requerimientos agregados en
el cliente, implantando herramientas factibles con el fin de lograr la excelencia
industrial en conjunto con la mejora continua. Específicamente en la línea de cocido
se aprecia el uso excesivo de tiempos de procesamiento, como resultado de la mala
ejecución de los procesos y que a su vez generan altos costos. Inclusive, otros
problemas detectados en la línea fueron: Las constantes paradas en el proceso
ocasionadas por las selladoras y las fajas de transporte de las latas, el ambiente
desordenado y sucio en ciertas áreas del proceso.
Así mismo, es preciso mencionar que las paradas durante el proceso productivo
son ocasionadas mayormente por errores humanos, en el caso de las fajas se
puede evidenciar que la velocidad de la faja de la mesa N°1 es mayor a la de la faja
ubicada en el exhauster N°1, esto provoca que las latas al ingresar al exhauster
salgan disparadas; en cuánto a las selladoras, se producen paradas cuando el
trabajador a cargo de la adición del líquido no se percata y deja pasar latas
volteadas y de igual manera el operario responsable de la selladora no se da cuenta
de ese hecho y deja pasar los envases, produciéndose así un atoramiento
inmediato de la máquina, causando un retraso y una pérdida de tiempo .
Del mismo modo, existen problemas en el almacén de producto terminado en donde
se pudo evidenciar abolladuras en las latas. Tambien, se apreció un alto grado de
desorden provocando que se entreguen los despachos con tardanza, además de
una constante confusión entre los productos, este problema es producido porque el
almacén no se encuentra correctamente seccionado, un almacén debería tener un
2
área de limpieza de envases, un área de etiquetado y un área de productos listos
para despacho. De seguir así, se evidenciarán desperdicios, transportes
inadecuados, tiempo de espera en la producción por lo que la productividad se verá
afectada; por ende, la empresa presentará falta de competitividad en el mercado.
Por lo descrito anteriormente, el problema de investigación que se planteó fue:
¿En qué medida la aplicación de herramientas del Lean Manufacturing
incrementará la productividad en la línea de cocido en LA CHIMBOTANA S.A.C. -
2020?
El actual estudio, se justifica, socialmente, ya que al incrementar la productividad la
empresa es más rentable, demostrando de esta forma el seguir apostando por el
crecimiento de la empresa, generando más puestos de trabajo y consolidándose
en el mercado. A su vez, se enuncia una justificación medio ambiental, debido a
que se logró disminuir los desperdicios de la materia prima, permitiendo así reducir
todo el desecho orgánico que va al medio ambiente. Por último, se justifica
económicamente, en vista de que la utilización de las herramientas de manufactura
esbelta ayudó a la empresa a reducir aquellos tiempos que eran producto del pobre
sistema con el que contaban, mayormente esto se debía a que no estaban
aprovechando todos sus recursos al máximo dando, así como resultados costos
elevados que reducen la rentabilidad de la organización.
Como objetivo general se sostiene: Aplicar las herramientas del Lean
Manufacturing para incrementar la productividad en la línea de cocido en LA
CHIMBOTANA S.A.C. - 2020. Como objetivos específicos se plantearon: Efectuar
un diagnóstico del estado actual en la línea de cocido en LA CHIMBOTANA S.A.C.
- 2020, determinar la productividad antes de aplicar las herramientas del Lean
Manufacturing en la línea de cocido en LA CHIMBOTANA S.A.C. - 2020, aplicar las
herramientas de Lean Manufacturing en la línea de cocido en LA CHIMBOTANA
S.A.C. - 2020, determinar la productividad después de aplicar las herramientas del
Lean Manufacturing en la línea de cocido en LA CHIMBOTANA S.A.C. - 2020 y
comparar la productividad antes y después de aplicar las herramientas del Lean
Manufacturing en la línea de cocido en LA CHIMBOTANA S.A.C. - 2020.
Por consiguiente, se planteó la siguiente hipótesis: la aplicación de herramientas
de Lean Manufacturing incrementará la productividad en la línea de cocido en LA
CHIMBOTANA S.A.C. - 2020.
3
II. MARCO TEÓRICO
En el actual trabajo de investigación, se cita como trabajos previos a Quesada,
María y Arrieta, Juan (2019), en su artículo denominado “Implementation of Lean
Manufacturing techniques in the bakery industry in Medellin”, sostuvieron como
objetivo principal evaluar el nivel de accionamiento de las técnicas de Lean
Manufacturing en las micros y pequeñas empresas en Medellín. Obteniendo como
resultado que, para el diagnóstico y seguimiento de la implementación se realizó
un cuestionario al jefe de producción, el cual incluía 9 técnicas y una variable de
administración que sirve de guía para mejorar las condiciones actuales de
productividad. Además, los resultados muestran que las prácticas lean
sobresalientes fueron: PokaYope, Kaizen y visual Factory. El autor concluye que,
con lo implementado las organizaciones deben aumentar las ventas al menos
139.20%, la cual genera mayor rentabilidad de dichas empresas.
Así mismo, Ikhasan et al. (2018), en su artículo denominado “Lean Manufacturing
analysis to reduce waste on production process of fan products”, indicaron que su
objetivo principal fue aminorar el nivel de desperdicio originado en la fase de
producción, las actividades sin valor agregado y limitar el tiempo total de entrega
por medio de las herramientas de Mapeo de flujo de valor. Obteniendo como
resultado que, según la investigación realizada detalladamente, no existe
actividades de valor agregado en la producción de un ventilador de 647.94 minutos
de duración de entrega total de 725.68 minutos. El autor concluye que, la eficiencia
del proceso de producción del ventilador sigue siendo bajo al 11%. Por ello, se hizo
reparaciones mostrando una reducción en el tiempo de entrega, donde se
transformó en 340.9 minutos y la eficacia del proceso es mayor en un 24%.
Por otro lado, Klimecka, Dorota (2017), en su artículo denominado “Value Stream
Mapping as Lean Production tool to improve the production process organization –
case study in packaging manufacturing”, indicaron que su objetivo fundamental fue
perfeccionar el proceso de producción aplicando las herramientas de Lean
Manufacturing. Logrando como consecuencia que, mediante del mapa del estado
actual (CSM) y el Value Stream Mapping (VSM), se pudo designar 5 áreas de
mejora, las cuales minimizaron las pérdidas básicas de movimientos innecesarios,
almacenamiento excesivo y por último las demoras. La autora concluye que, con el
accionamiento de dichas herramientas, se logró aminorar el número de productos
4
no conformes, acortar el tiempo en los procesos e incrementar el porcentaje
respecto a las operaciones que generan un valor agregado en el proceso.
De igual manera, Rodríguez, Anderson (2016), en tu tesis titulado “Propuesta de
mejora de la gestión de producción de conserva de anchoveta en crudo en el área
de corte y eviscerado, basada en Lean Manufacturing para reducir los costos
unitarios en la empresa Inversiones Generales del Mar S.A.C., Chimbote, 2015”
sostuvo como objetivo primordial disminuir los costos unitarios de producción de
conservas empleando herramientas de la filosofía esbelta. Consiguiendo en efecto
que, se hiciera una muestra formando parte de las áreas de proceso productivo y
los registros de costos de fabricación de los años 2014 y 2015. Concluyendo que,
luego de la utilización de las herramientas de la manufactura esbelta el costo
unitario se acorto de S/. 2,97 soles a un monto de S/.2,83 soles, reflejando un 4,71%
de mejora en el proceso y una disminución en su costo de elaboración.
A su vez, Kaneku (2019), en su artículo titulado “Applying Lean Manufacturing
principles to reduce waste and improve process in a manufacturer: A research study
in Peru”, sostuvieron como objetivo principal aplicar la metodología de fabricación
ajustada para disminuir el desperdicio. Obteniendo como resultado que, para lograr
los propósitos establecidos se descartaron los materiales que no se emplearon en
la fabricación de productos, normalizaron los procesos productivos reduciendo el
6% de desperdicio generado al cortar las placas de acero inoxidable, además se
implementó el mantenimiento preventivo disminuyendo los defectos en la máquina
de corte y doblado. Los autores concluyen que, se logró una reducción del 13% de
los costos de fabricación y una reducción de los tiempos de procesamiento.
Además, Neves (2018), en su artículo titulado “Implementing Lean Tools in the
Manufacturing Process of Trimmings Products” sostuvo como objetivo principal
reconocer problemas y hallar soluciones a través de una combinación de ciclo
PDCA (Plan-Do-Check-Act), Las herramientas Shitzuke), 5S (Seiri, Seiton, Seiso,
Seiketsu y 5W2H (5 Whys + 2 How’s). Obteniendo como resultado que, al
implementarse en un programa de mejora continua se llega a estandarizar los
procesos, garantizando ganancias reales en productos con un valor agregado. Los
autores concluyen que, se llevó a cabo las herramientas y se comprobaron los
resultados, señalando un impacto significativo en el proceso de producción de
Weaving, con beneficios del 10% en el tiempo útil por parte del operador.
5
También, Larco, Claudia (2018), en su tesis titulada “Propuesta de aplicación de
herramientas de Lean Manufacturing para incrementar la rentabilidad de la línea de
producción de harina de pescado de la pesquera Hayduk S.A - Sede Malabrigo”
sostuvo como objetivo principal el progreso de la proposición de la utilización de las
herramientas de manufactura esbelta para incrementar la utilidad en la línea de
producción de harina de pescado. Obteniendo como resultado que, para el
progreso de la investigación se ejecutó un diagnóstico en las diferentes áreas de la
empresa, permitiendo tener un enfoque general y encontrándose los problemas que
se presentan en la empresa. La autora concluye que, se consiguió proyectar la
propuesta implementando los indicadores de rentabilidad que son el VAN, TIR, B/C
e influyendo positivamente en el crecimiento económico.
Por otro lado, Ruiz, Javier (2016), en su tesis titulada “Implementación de la
metodología Lean Manufacturing a una cadena de producción Agroalimentaria”,
sostuvo como objetivo principal aplicar las metodologías de la filosofía de
manufactura esbelta en una red de producción de espárrago verde. Obteniendo
como resultado que, por volumen, de los diversos productos elaborados, se
selecciona como proceso el de espárragos verdes como objeto de mejorar el
proceso, para ello se empleó herramientas como el TPM, el VSM, el ciclo PDCA, el
SMED y las 5s. El autor concluye que, la herramienta más eficaz en su trabajo de
investigación fue la metodología 5S debido a que le dio mejores resultados a la
empresa en un menor plazo, además de presentar resultados tangibles y
cuantificables, como por ejemplo el decrecimiento de los tiempos del proceso.
De la misma forma, Namuche (2015), en su tesis titulada “Aplicación de Lean
Manufacturing para aumentar la productividad de la materia prima en el área de
producción de una empresa esparraguera para el año 2016”, sostuvo como objetivo
primordial, implementar técnicas de manufactura esbelta para el crecimiento de la
productividad. Obteniendo como resultado que, para el diagnóstico y seguimiento
se realizó un estudio a través de la observación directa, el cual arrojó paradas en
las maquinas, retrasos, tiempos muertos y sobre stock. Además, se utilizó las
herramientas del lean, las cuales son 5s, TAKT TIME, OEE y SMED. Los autores
concluyen que, la productividad aumentó en un 5% y se logró la disminución del
tiempo de ciclo, paradas correctivas y preventivas, días de inventario y cajas
defectuosas, lo cual disminuye los tiempos de producción.
6
Por último, Espinoza et al. (2015), en su artículo denominado “Manufactura esbelta
aplicada a una línea de producción de una empresa galletera”, sostuvo como
objetivo primordial, aminorar la cantidad de desperdicios o residuos existentes en
la línea de producción. Obteniendo como resultados que, bajo la utilización del Lean
Manufacturing, empleando específicamente la herramienta del Mapa de flujo de
valor (VSM), se logró reducir el promedio semanal de desperdicios de un 63 mil a
una cantidad de 42 mil kilos de este, esto se representa en 33% de mejora en el
proceso. De igual manera, se mejoró el indicador de limpieza y orden de 3.84 a un
4.03. Los autores concluyen que, la implementación de la filosofía de Lean
Manufacturing, consiguió mejorar las líneas de producción y una mayor limpieza y
orden en la línea.
En cuanto a las teorías relacionadas al tema, se realizaron una serie de
investigaciones sobre aquellas definiciones que están vitalmente ligadas al
presente estudio, esto con el objetivo de disponer de un soporte teórico. La
necesidad del desarrollo de este trabajo surge de la realidad de las empresas que
actualmente no aplican las herramientas del Lean Manufacturing y en efecto se
obtienen procesos lentos que resultan ser más costoso. Es así que, la primera
variable a analizar será el Lean Manufacturing debido a que actualmente las
diferentes empresas emprenden esfuerzos para incrementar su grado de eficiencia
en la actividad que desarrollan. Así mismo, Vargas, Muratalla y Jiménez (2016, p.
1), en su artículo hacen mención que las diferentes empresas a nivel mundial están
adoptando esta metodología, logrando sus objetivos planteados y conduciéndose
a una mejor posición en el mercado y un incremento en la productividad.
Para Hernández y Vizán (2013, p. 10) El Lean Manufacturing es una metodología
de trabajo centrada en el uso óptimo del proceso productivo, enfocándose en
identificar y eliminar cualquier desperdicio, definido como aquellas operaciones que
utilizan mayores recursos de los necesarios. Los despilfarros en el sistema son el
periodo de demora, defectos, demasía en tiempo de procesamiento y
sobreproducción. Además, el Lean Manufacturing busca un método de
mejoramiento y optimización de producción encaminando en establecer y descartar
todo tipo de desechos a través de la utilización de herramientas como son las 5s,
SMED, VSM, TPM, técnica de calidad y Kanban. Así mismo, Madariaga (2013,
p.13) menciona que el Lean Manufacturing es una metodología de mejora continua
7
que otorga perfeccionar el proceso productivo solificándose en reconocer y
acentuar todo tipo de despilfarro que se encuentren concurrentes en el proceso.
Del mismo modo, la filosofía esbelta se define como modelo de gestión que toma
en cuenta ciertas herramientas basadas en el valor agregado y en las personas,
buscando la manera de optimizar y mejorar un sistema de producción, teniendo en
cuenta que las máquinas adecuadas y el diseño apropiado se elijan y planifiquen
desde el principio, porque de esta forma van a poder ser integrados para fabricar
productos de forma eficiente, sin excesos o mermas (Madariaga, 2013, p.9). A su
vez, el mencionado autor describe que es primordial el liderazgo encargado de la
gestión de la organización con la finalidad de tener una relación de confianza entre
la compañía y todo el personal. Además, esta metodología no busca destituir a las
personas de su trabajo, sino que busca trabajar en conjunto para eliminar los
despilfarros detectados en el proceso de producción (p.26).
Se define como despilfarros aquellas actividades que no generan valor, existen 7
tipos de despilfarros, las cuales se especifican seguidamente: el primero hace
referencia al despilfarro por sobreproducción: es el efecto de fabricar más cantidad
de lo necesario; segundo por el periodo de espera: es el tiempo perdido como efecto
de un proceso incompetente; tercero el referente al proceso: es realizar algo de
manera no óptima; cuarto el derroche por el excesivo inventarios: presenta de forma
más clara el despilfarro porque oculta ineficiencias y problemas críticos; quinto por
defecto: los errores de producción; sexto por transporte: es el resultado de la
manipulación o movimiento de material innecesario; y finalmente, por movimientos
(Tejada, 2011, p.3). Cabe mencionar, que todo el procedimiento del área de trabajo
de una empresa debe estar diseñado para disminuir gradualmente los despilfarros
(Hernández y Vizán, 2013, p.22).
Desde otro contexto, para Cavazos, Máynez y Valles (2018, p. 3) la filosofía esbelta
puede pensarse como una estrategia de producción, en la que engloba ciertas
herramientas administrativas, cuyo objetivo primordial es apoyar a simplificar o
suprimir todas aquellas operaciones que no generen valor a un producto y a los
procesos, aminorando toda clases de desperdicio y optimizando los procesos en
un ambiente de respeto al trabajador. Además, es vital tener en cuenta que la
aplicación de las herramientas del Lean Manufacturing trae consigo una serie de
beneficios para toda organización que la implementa en sus diferentes procesos de
8
producción, entre las cuales destacan: Reducción de los costos de elaboración,
reducción de inventarios, reducción de tiempo de entrega, mano de obra calificada,
mejor calidad del producto, mayor eficiencia de los equipos ocupados y por último,
disminución de los siete tipos de muda que existen (Hernández y Vizán, 2013,
p.25).
Por otra parte, según Vinicius et. al (2016, p. 151) la herramienta Kaizen es la
palabra japonesa con significado de mejora, que es contextualizada como cadena
de tareas a realizar por equipos de trabajo con la finalidad de incrementar mejoras
en los sistemas productivos existentes, repercutiendo en beneficio de la
productividad de la compañía. Además, para Atehortua y Restrepo (2010, p. 59) el
kaizen cuenta con tres fases: planeación, implementación y seguimiento. En la fase
de planeación, se efectúa un diagnóstico o línea base con el propósito de reconocer
el estado actual de la empresa, para ello, es necesario aplicar la herramienta del
value stream mapping. Luego, en la fase de implementación, se ejecutan ciertas
herramientas con éxito a nivel industrial, como: 5s, Mantenimiento productivo total,
Smed, entre otras. Por último, la tercera fase que es de seguimiento, está
relacionado con revisar y mantener el resultado obtenido como producto de las dos
fases anteriores.
Desde otra perspectiva, la manufactura esbelta es realizada en la práctica por
técnicas que en el intervalo del tiempo han sido implementadas con éxito en los
diferentes sectores productivos, entre las cuales destacan: el Value Stream
Mapping, que es un método de fabricación que utiliza símbolos y flechas para
señalar y perfeccionar el flujo de material e información solicitada para realizar un
producto o servicio. Además, está ligada a la reducción del Lead Time e inventarios
(Madariaga, 2013, p.228). Tambien expresa que mediante esta herramienta se
podrá determinar el número de actividades totales y los tiempos de ciclo por cada
una de ellas (Keun y Yoon, 2016, p. 390). Incluso, Azizi y Manoharan (2015, p. 155)
mencionan que el VSM en la actualidad es empleado para mejorar la productividad
mediante la determinación de procedimientos más sintetizados y la creación de un
flujo eficiente para disminuir residuos y desperdicios en el proceso.
En otro sentido, según lo expresado por Arango, Alzate y Zapata (2011, p. 170) la
metodología TPM (Mantenimiento productivo total) es una metodología de
mantenimiento cuyo fin es suprimir las pérdidas en producción debido al estado de
9
los equipos. Además, se centra en programas de mantenimiento de equipos para
lograr la optimización de la eficiencia. Todo lo mencionado supone: cero tiempos
muertos, cero averías, cero defectos debido al mal estado de los equipos y, por
último, sin pérdidas de rendimiento. Del mismo modo, Shen (2015, p. 427)
establece como objetivo alargar la vida útil del equipo a través del mantenimiento
preventivo y la reducción de las fallas y paradas mediante el mantenimiento
autónomo. No obstante, Marín y Martínez (2013, p. 829) muestran una serie de
etapas con el fin de obtener mejores resultados, estas etapas son: preparación,
implementación preliminar, implementación y finalmente la estabilización.
Así mismo, es fundamental tener en cuenta dos importantes indicadores de
mantenimiento, los cuales son: tiempo medio entre fallas (MTFB), el cual es el
tiempo medio entre cada ocurrencia de una parada específica por fallo o avería de
un proceso, máquina o sistema de producción. Entre tanto, el tiempo medio para
reparar (MTTR), es el tiempo medio de reparación, es otras palabras, representa el
tiempo medio necesario para resolver los fallos y reparar el activo (máquina) que
sufrió una avería, devolviéndole las condiciones normales de funcionamiento
(Shen,2015, p. 427). De otra forma, el OEE es un indicador de rendimiento que
permite competir en el mercado con el fin de evitar pérdida (Ahire y Relkar, 2012,
p. 3). Inclusive, estima el resultado de la utilización del TPM en las diversas
empresas permitiendo el aumento del rendimiento y disminución de las fallas en los
equipos (Serna et al. 2012, p.166).
De otro modo, Pérez y Quintero (2017, p. 414) expresan que los objetivos de las
5´S son reducir los lead-times en la producción de servicios y bienes, mejorando
los tiempos de carga y minimizar tiempos muertos del proceso. La fórmula se
encuentra conformada por la variación del porcentaje de la clasificación 5s inicial y
la clasificación 5s final. Así mimo, según Hernández y Vizán (2013), esta técnica se
encuentra conformado por 5 principios, los cuales son términos japoneses: Seiri,
que consiste en conservar lo que realmente se necesita. Seiton, basado en ordenar
las piezas para que sean encontradas con facilidad. Seiso, relacionado a la
eliminación de todo aquello que no se necesite mediante una previa verificación.
Seiketsu, que consiste en mantener los puntos anteriores con el empleo de señales
y visualización. Shitsuke, cuyo fin es poner en hábito el uso de los procedimientos
normalizados y asumir la aplicación estandarizada (34-41).
10
En cuanto a la otra variable de la actual investigación, se considera a la
productividad, definida como: “la coherencia entre la cantidad de productos
alcanzados en el proceso productivo y la cantidad de recursos empleados”.
Además, la productividad se calcula por la fracción compuesto por los efectos
obtenidos y los medios utilizados. Los efectos obtenidos puedan cuantificarse en
unidades producidas, o en rentabilidad, mientras tanto, los medios utilizados
pueden calcularse por número de trabajadores, tiempo total utilizado, horas
máquinas, entre otros (Gutiérrez, 2014, p.21). Además, para Krajewski, Ritzman y
Malhotra (2013, p.12), mencionan que la productividad es el nivel de rendimiento
con el que se utilizan los recursos para lograr cumplir con los objetivos planteados.
El propósito es producir bienes a un costo mínimo, mediante la utilización eficiente
de los recursos, tales como: materiales, maquinaria y personal.
No obstante, muchas organizaciones han tomado como herramienta la medición de
la productividad para incrementar la rentabilidad, comunicar las direcciones futuras
y asignar recursos limitados, puesto que la productividad representa el enlace entre
el valor generado y los insumos empleados en su producción (Phusavat, 2015,
p.24). A su vez, es de conocimiento que los diferentes países enfrentan un reto
claro: agrandar la productividad con miras a progresar con mayor eficacia. Por ello,
es fundamental que las empresas lleven sus procesos controlados y
estandarizados con el fin de obtener una mayor producción y en efecto, incrementar
el nivel de productividad (Nwanya, Udofia y Ajayi, 2017, p.3).
Por otro lado, según Krajewski, Ritzman y malhotra (2013, p.13), la productividad
se mide mediante: Productividad de mano de obra; considerada como un recurso
activo que se requiere en un proceso de transformación y determina el tiempo de
duración del mismo, en otras palabras, es el índice de la producción por persona u
hora trabajada. Por lo tanto, la productividad de mano de obra se determinará
mediante la división de las cajas producidas y las horas hombre empleadas. Del
mismo modo, el costo de mano de obra se define como la relación de cajas
producidas entre el costo de horas hombres. De otra manera, se tiene a la
productividad de materia prima; la cual tiene relación con la producción obtenida y
los recursos empleados, en este caso la materia prima empleada para el proceso
de producción. En definitiva, la productividad se materia prima está representado
por la cantidad de cajas producidas y la materia prima empleada (TM de caballa).
11
III. METODOLOGÍA
3.1. Tipo y diseño de investigación
La actual investigación fue de tipo aplicada, según lo expresado por Behar (2010,
p.20) porque consiste en comparar la teoría con el contexto real. Además, es el
estudio, análisis y aplicación de la investigación a la problemática determinada, en
eventos y atributos precisos. Por tal razón, mediante las herramientas del Lean
Manufacturing se proporcionaron soluciones a los problemas existentes de la
pesquera, de modo que permitió aumentar la productividad en la línea de cocido en
LA CHIMBOTANA S.A.C. En otro sentido, Un diseño pre-experimental para Baena
(2012, p.51) se trata del análisis de las consecuencias de un proceso (Lean
manufacturing) al cual fue sujeto a un grupo delimitado (Línea de cocido de LA
CHIMBOTANA S.A.C). En dicho escenario (Productividad) constituye el efecto del
mencionado tratamiento. Por lo tanto, la investigación fue pre-experimental, puesto
que existió un control minucioso de la variable independiente, llevando a cabo una
pre-prueba y un post-prueba después de administrar el estímulo.
𝐗 𝟏 : Herramientas del Lean Manufacturing

G 𝐎𝟏 𝐎𝟐
G: Línea de cocido de LA CHIMBOTANA S.A.C.
𝐎𝟏 : Productividad antes de aplicar las herramientas de Lean Manufacturing.
𝐗 𝟏 : Herramientas del Lean Manufacturing.
𝐎𝟐 : Productividad después de aplicar las herramientas de Lean Manufacturing.
Figura 1. Esquema del diseño de investigación

Fuente: Elaboración propia.
3.2. Variables y operacionalización

Para el actual estudio se considera como variable independiente - cuantitativa a
Lean Manufacturing. Entre tanto, como variable dependiente - cuantitativa se
sostiene a la productividad (Ver anexo 3).
12
3.3. Población, muestra y muestreo
Para Behar (2010, p.26), puntualiza que la población es un conglomerado
constituido por una cifra delimitado o incierta de componentes (personas, objetivos,
procesos, entre otros) que coinciden en propiedades generales a un objeto en
análisis. Por lo expresado anteriormente, la población estuvo representada por la
productividad de la línea de cocido de la pesquera LA CHIMBOTANA S.A.C.,
además, como criterio de inclusión se sostendrá a las productividades de la línea
de cocido en un período de 15 días por mes, pues ahí se analizó a la empresa
conforme la data que se obtuvo. No obstante, como criterio de exclusión se
consideraron aquellos factores que no influyen en la productividad.
En otro sentido, la muestra es un subgrupo perteneciente a una población y
representativo de la misma. Por ello, se considerará como muestra al producto de
filete de caballa en aceite vegetal y su productividad en un periodo de 4 meses de
pre test y con 4 meses de post test de LA CHIMBOTANA S.A.C. Así mismo, el
muestreo no probabilístico por conveniencia es un método cuantitativo en la que
los investigadores escogen a los eventos que están aptos para ser estudiados
(Behar, 2010, p.45). Por lo tanto, el muestreo del presente estudio fue no
probabilístico por conveniencia. Por último, la unidad de análisis estuvo
representado por la línea de cocido.
3.4. Técnicas e instrumentos de recolección de datos
Tabla 1. Técnicas e instrumentos de recolección de datos
Variable Técnica Instrumento Fuente / Información
Independiente: Línea de cocido de la

Observación Formato de evaluación de
Lean 5s pesquera LA
directa
Manufacturing (Tabla 9) CHIMBOTANA S.A.C
Formato de productividad
de mano de obra
(Anexo 8 – Tabla 38)
Formato de productividad Área de producción de la
Dependiente:
Análisis de datos de costo de mano de obra pesquera LA
Productividad (Anexo 8 - Tabla 39) CHIMBOTANA S.A.C
Formato de productividad
de materia prima
(Anexo 8 – Tabla 40)
Fuente: Elaboración propia
13
Respecto a la validez, según lo dicho por Baena (2012), “Es el hecho de que una
prueba sea de tal manera concebida, elaborada y aplicada y que mida lo se que
propone medir” (p.65). Por este motivo, para validar los instrumentos de recolección
de datos se empleó el mecanismo de juicio de expertos, mediante el cual tres
ingenieros especialistas en el tema de investigación se encargaron de verificar y
validar la información para que así la aplicación sea significativa (Ver anexo 4).
Luego, se realizó una escala de validez para establecer su nivel de aplicabilidad.
Por otro parte, para Albarran y Vivas (2014), la confiabilidad es un instrumento de
medición se refiere al grado de precisión o exactitud de la medida, en el sentido de
que si aplicamos repetidamente el instrumento mismo sujeto u objeto produce
iguales resultados. Por ello, los instrumentos utilizados para este estudio y que es
propio de los autores, fueron ponderados a partir de criterios de validez, con el
propósito de establecer un nivel de aplicabilidad de los instrumentos. Lograndose
obtener un porcentaje de 93.33% en los que se aplicaran al estudio.
14
3.5. Procedimientos
Lean
Manufacturing
¿Qué método
de análisis en la
investigación?
Análisis cuantitativo
Diagrama de Diagrama de Diagrama de

Cuestionario operaciones Ishikawa
operaciones
¿Cómo se
diagnosticó el
estado actual
(línea cocido)?
Se detalló el Determinó las causas
Se determinó la operación más crítica de la
proceso productivo raíces de la baja
línea de cocido
de la línea de productividad
cocido
Se registró la información para

determinar los indicadores de
¿Cómo se la productividad
determinó la
productividad?
Fomato de productividad Se determinó los

de M.O; C.M.O y M.P indicadores de
productividad inicial
¿Cómo se DOP
aplicó las
herramientas Aplicación del VSM
del Lean Balance de matera
Manufacturing?
Tarjeta roja
Aplicación de las 5S
Check List
MTBF
Aplicación del
Mantenimiento MTTR
productivo Total
OEE
Se comparó la productividad
inicial y final
Incrementó la
productividad
Figura 2. Diagrama de flujo de procedimiento 15

3.6. Métodos de análisis de datos
Tabla 2. Métodos de análisis de datos
Objetivo específico Técnica Instrumento Resultado
Diagrama de operaciones Se detallaron las

Análisis
operaciones de la línea
descriptivos (Anexo 5) de cocido.
Cuestionario
Entrevista
Realizar un diagnóstico (Anexo 6)
de la situación actual
Matriz de correlación
en la línea de cocido en Se determinaron los
LA CHIMBOTANA (Tabla 3) inconvenientes que
Análisis de
S.A.C. - 2020. influyen en la
frecuencias Diagrama de Pareto problemática de la
pesquera.
(Tabla 4)
Análisis de Diagrama de Ishikawa

causa y raíz (Figura 3)
Determinar la
productividad antes de
Formato de medición de Se determinó la
aplicar las
los índices de la productividad antes de
herramientas del Lean Análisis de
productividad inicial aplicar las
Manufacturing en la datos
herramientas del Lean
línea de cocido en LA (Tabla 5, 6 y 7) Manufacturing.
CHIMBOTANA S.A.C.
- 2020.
Mapa de flujo de valor
(Figura 4)
Aplicar las
Se aplicó las
herramientas de Lean Evaluación de las 5S´s herramientas del Lean
Manufacturing en la Recolección de
(Tabla 9) Manufacturing para
línea de cocido en LA datos
lograr la mejora del
CHIMBOTANA S.A.C.
Mantenimiento productivo proceso productivo.
- 2020.
total
(Tabla 10, 12 y 13)
Determinar la
productividad después
Formato de medición de Se determinó el estado
de aplicar las
índices de la del proceso productivo
herramientas del Lean Análisis de
productividad final después de aplicar las
Manufacturing en la datos
línea de cocido en LA (Tabla 14,15 y 16) Manufacturing.
CHIMBOTANA S.A.C.
- 2020.
16
Comparación de Permitió determinar el
Comparar la
Estadística productividad porcentaje de
productividad antes y
descriptiva incremento de la
después de aplicar las (Tabla 17) productividad
Manufacturing en la
Permitió determinar el
línea de cocido en LA
CHIMBOTANA S.A.C. nivel de significancia
Estadística
- 2020. Prueba T de la diferencia entre la
inferencial
productividad inicial y
final
3.7. Aspectos éticos

De acuerdo con el código de ética de investigación de la Universidad César Vallejo
se espera cumplir con los artículos estipulados de la Resolución de Consejo
Universitario N°0126-2017/UCV. Por lo tanto, existe un compromiso de legitimizar
los resultados y garantizar la veracidad de los datos proporcionados por la empresa
LA CHIMBOTANA S.A.C. Por ello, es importante considerar el artículo 4º, búsqueda
de bienestar, se resalta que, para la realización de los trabajos de campo,
específicamente para la recolección de datos, no se atentará ni provocará actos
que afecten de manera negativa al medio ambiente. Así mismo, conforme al artículo
6º, basado en la honestidad, los autores se comprometen a respetar los derechos
de propiedad intelectual de otros investigadores, en vista de que la información de
otros estudios, así como fuentes de teorías que se emplearán serán referenciados
para probar su origen. También, en conformidad al artículo 7º, rigor científico, los
autores se comprometen a respetar la identidad de las personas que se
involucrarán en el estudio, así como la veracidad de los resultados que se
obtendrán. Además, se utilizarán datos veraces y auténticos. Igualmente, acorde al
artículo 14º, publicación de las investigaciones, los autores otorgan el
consentimiento para la publicación de los resultados una vez concluida la
investigación, cumpliendo con la normatividad y política editorial del medio donde
se publicará. Finalmente, conforme al artículo 15º, política antiplagio, los autores
evitaron cualquier tipo de plagio, puesto que el código de ética de la Universidad
César Vallejo, promueve la originalidad de las investigaciones y para ello se
realizará la evaluación de los trabajos de investigación mediante el programa
turnitin, a través del cual, permitió detectar las coincidencias con otras fuentes de
consulta.
17
IV. RESULTADOS
4.1. Diagnóstico situacional de la línea de cocido
Para el desarrollo de este objetivo se emplearon cuatro instrumentos, siendo el
primero el diagrama de operaciones (Anexo 5), en donde se pudo vizualizar todas
las etapas del proceso productivo del producto filete de caballa en aceite vegetal.
Luego, a través de un cuestionario aplicado al jefe de producción (Anexo 6) y los
formatos (Anexo 7) proporcionados por el área de producción, se pudieron
identificar aquellos problemas más frecuentes en el proceso productivo de la línea
de cocido, dentro de ellos se encontraron: paradas en el proceso, desperdicio de
materia prima, paradas por falla de maquinarias, deficiente ejecución de los
procesos, mala distribución del almacén de producto terminado, alto grado de
desorden, falta de inspección, pescado mal cocinado y la falta de metodologías.
Con los resultados obtenidos del cuestionario se hizo una matriz de correlación
(Tabla 3), a partir de allí se determinaron cuales fueron aquellos problemas que
causaban un impacto mayor dentro del proceso productivo, todas fueron
mencionadas con anterioridad, y acumularon un total de 41 puntos, siendo la
deficiente ejecución de los procesos el problema mayor de la empresa en esta
línea, los datos obtenidos por la matriz de correlación fueron llevados a un diagrama
de Pareto y sucesivamente se realizó un diagrama de Ishikawa (Figura 3).
Tabla 3. Matriz de correlación
C C C C C C C C C C
CAUSAS Frecuencias
1 2 3 4 5 6 7 8 9 10
Maquinaria antigua C1 0 0 1 0 1 0 0 1 0 3
Falta de inspección C2 0 0 1 1 0 1 1 1 0 5
Estrés del personal C3 0 0 0 1 0 0 0 0 0 1
Pescado mal cocinado C4 1 0 0 0 1 1 0 0 0 3
Alto grado de desorden C5 0 1 1 0 0 1 0 1 1 5
Desperdicio de materia prima C6 1 0 0 1 0 1 0 1 0 4
Deficiente ejecución de los
C7 0 1 0 1 1 1 1 1 1 7
procesos
Falta de metodologías C8 0 1 0 0 1 1 1 1 1 6
Paradas C9 1 1 0 1 0 0 1 0 0 4
Inadecuada distribución del C
0 0 0 0 1 0 1 1 0 3
almacén de PP.TT 10
41
VALORES
0 No hay relación entre las causas
1 Si hay relación entre las causas
18
Como se puede evidenciar en la tabla 3, todas las causas fueron evaluadas
individualmente, el objetivo de esta matriz fue determinar la relación que existía
entre una causa y otra, para así finalmente darles una frecuencia a cada una, una
mayor frecuencia para alguna de las causas significa que esta tenía una mayor
relación o coherencia con las otras.
Así mismo, según los datos obtenidos por esta matriz se determinó que el mayor
problema de la línea de cocido se encuentra en la deficiente ejecución de los
procesos con una frecuencia de 7, seguido de la falta de metodologías con una
frecuencia de 6 y el alto grado de desorden con una frecuencia de 5.
Posteriormete, se procedió a realizar una tabla de frecuencias, con el propósito de

determinar los factores que afectan más a la línea de cocido, tal y como se detalla
en la siguiente tabla:
Tabla 4. Relación de criticidad de las causas que influyen en la productividad

Frecuencia
Código Frecuencias Total% % acumulado 80-20
Acumulada
C7 7 7 17% 17% 80
C8 6 13 16% 33% 80
C5 5 18 12% 45% 80
C2 5 23 12% 57% 80
C6 4 27 10% 67% 80
C9 4 31 10% 77% 80
C1 3 34 7% 84% 80
C4 3 37 7% 91% 80
C10 3 40 7% 98% 80
C3 1 41 2% 100% 80
Total 41
Fuente: Tabla 3
En la tabla 4, se muestran las causas que representan el 77% de las causas triviales
que generan un impacto en la productividad debido a los diversos problemas
existentes que hay en el área de la línea de cocido.
19
Métodos Mano de Obra
Falta de inspección
Error del personal
Desorden en las áreas Muchas horas de trabajo

del proceso Estrés por el exceso de
trabajo
Tiempo improductivo
Falta de metodologías E
Constantes paradas DEFICIENTE

EJECUCIÓN DE
LOS PROCESOS
EN LA LÍNEA DE
Atracones de COCIDO
Pérdida de la M.P
máquina
Pescado mal
cocinado
Maquinaria Antigua
Caídas de la
materia prima Errores humanos
Materiales Maquinaria
Figura 3. Diagrama de Ishikawa

20
Una vez determinado las causas más resaltantes, se procedió a elaborar el
diagrama de Ishikawa (figura 3), donde se pasó a centrar en “M” de métodos; por
lo tanto, surgió la búsqueda de la utilización de las herramientas de la manufactura
esbelta como: VSM, 5s y MTP, de tal forma que pemita incrementar la
productividad, dando solución a la problematíca existente en la línea de cocido.
Como se aprecia en la figura 3, se realizó el diagrama de Ishikawa en donde se
logró determinar las causas del problema denominado deficiente ejecución de los
procesos. Dentro de estas causas se encontraron los errores del personal, que
fueron provocados por el exceso de trabajo y el estrés que produce este a su ves.
Tambien, se identificó el desorden en las áreas de trabajo y la falta de metodologías
que impedían el flujo correcto del proceso, generando paradas y tiempos
improductivos por parte del personal, las máquinas antiguas del mismo modo
representaban parte de la problemática puesto que frecuentemente existían
atracones que resultaban en pérdidas de materia primas e insumos. En definitiva,
las etapas seleccionadas para este estudio fueron las de corte y/o fileteo, envasado
y sellado puesto que en estas áreas es en donde se concentra un gran flujo de
personal y en donde se da la mayor incidencia de los problemas, dentro de los
cuales se detectaron atracones en la máquina selladora, pérdida de materia prima,
caída de trabajadores al mismo nivel debido a los pisos sucios y desorden en las
diversas áreas.
4.2. Productividad antes de la aplicación del Lean Manufacturing
Para hallar la productividad de la línea de cocido antes de la aplicación del Lean
Manufacturing se utilizaron datos recolectados del área de producción (Anexo 8),
con ellos, se elaboraron tres formatos para la medición de los índices de
productividad, las productividades halladas fueron las de mano de obra, costo de
mano de obra y de materia prima. Se recolectaron datos durante un periodo de
cuatro meses, los cuales comprenden noviembre-diciembre del año 2019 y enero-
febrero del 2020, para ello se tomaron los datos de 15 días por cada uno de estos
meses en donde se produjo filete de caballa en envases de ½ libra en aceite
vegetal, para finalemente obtener una productividad promedio por cada índice de
productividad. Tal y como se detalla en las siguientes tablas:
21
Tabla 5. Productividad de mano de obra antes de la mejora
Productividad
Días de Variación
Mes – Año Promedio
producción porcentual
(cajas - H-H)
Noviembre
15 0.623 0.0 %
2019
Diciembre
15 0.607 -2.6%
2019
Enero 2020 15 0.603 -0.7%
Febrero 2020 15 0.638 5.8%
Productividad promedio 0.618
Fuente: Anexo 8 – Tabla 26

Para la obtener los índices de productividad de mano de obra de los cuatro meses
antes de la aplicación de las herramientas de Lean Manufacturing, se hizo uso de
los datos de producción diaria, expresado en cajas producidas, el personal y las
horas de trabajo, tal y como se expresa en la tabla 26 (Anexo 8).
Según lo observado en la tabla, la mayor variación de productividades se ubicó
entre los meses de enero y febrero, siendo un incremento del 5.1%.
22
Tabla 6. Productividad del costo de mano de obra antes de la mejora
Productividad
Días de Variación
Mes – Año Promedio
(cajas/ s/.)
Noviembre
15 0.052 0.0%
2019
Diciembre
15 0.052 0.0%
2019
Enero 2020 15 0.051 -1.9%
Febrero 2020 15 0.052 2.0%

A través de los datos de producción diaria, expresado en cajas producidas; y el
costo que representa la mano de obra, extraído de los datos del número de
trabajadores, las horas de producción y el costo por hora; se obtuvo la productividad
del costo de mano de obra. Así como se muestra de forma detallada en la tabla 27
(Anexo 8).
Con respecto a las variaciones de las productividades, tal y como se puede
observar en la tabla, hubo una caída del 1.9% entre los meses de diciembre y enero
y luego incrementó en un 2% hacia febrero.
23
Tabla 7. Productividad de materia prima antes de la mejora
Productividad
Días de Variación
Mes Promedio
(cajas - TM)
Noviembre
15 52.69 0.0%
2019
Diciembre
15 52.53 -0.3%
2019
Enero 2020 15 52.25 -0.5%
Febrero 2020 15 52.59 0.7%

Para hallar el índice de productividad de materia prima antes de la aplicación de la
metodología del Lean Manufacturing se utilizaron los datos de producción diaria y
el total de materia prima recepcionada, caballa expresada en toneladas. Todos
estos datos fueron extraídos del área de producción y se encuentran plasmados en
la tabla 28 (Anexo 8).
En promedio, la empresa manejaba una productividad de 53 cajas por tonelada de
materia prima. Según la tabla, el punto más bajo de productividad fue en el mes de
enero con 52.25 cajas por tonelada de caballa para luego incrementar en un 0.7%
hacia el mes de febrero.
4.3. Aplicación de las herramientas del Lean Manufacturing
La primera herramienta aplicada fue el Value Stream Mapping, sirve para hallar
aquellas operaciones que agregan valor e identificarlas por sobre aquellas que no
lo hacen, para su ejecución se hizo uso del DOP de la línea de cocido y de un
balance de materia (Anexo 9).
24
Figura 4. Value Stream Mapping
En el gráfico anterior se pudo observar que las operaciones de fileteo, envasado y

sellado son las que poseen tiempos de ciclo mayores, con respecto a las otras,
siendo 0.25 min/caja, 0.39 min/caja y 0.38 min/caja respectivamente, además son
las actividades con mayor flujo de personal, es por estas razones que se decidió
que fueran estas las áreas en donde se aplicasen las herramientas del Lean
Manufacturing.
La segunda herramienta utilizada fue las 5S´s, la aplicación de esta herramienta
tuvo como objetivo determinar el estado inicial de las operaciones estudiadas para
después compararlas con el estado final mediante un checklist. El periodo para la
aplicación de esta herramienta fue de dos meses, según el cronograma (Anexo 10),
la primera etapa de esta herramienta se denomina “Eliminar”, a través de tarjetas
rojas (Anexo 11) se buscó aquellos materiales, equipos e instrumentos que debían
ser eliminados, reparados o reubicados, fue el diagrama de flujo (Anexo 12) el que
permitió tomar estas decisiones. La segunda etapa denominada “Ordenar”, aquí se
elaboró una lista para todos aquellos objetos, equipos o instrumentos que fueron
encontrados con las tarjetas rojas y ya sea que fueron reubicados, reparados o
25
eliminados debe constar en la lista, así mismo se colocó el área donde fueron
encontrados, la fecha y la acción sugerida.
Tabla 8. Objetos observados con las tarjetas rojas
Área
Producto,
N° donde Área de Acción a Fecha de
equipo o
tarjeta fue destino ejecutar cumplimiento
material
hallado
Contenedores
01 Bandejas rotas Fileteo Eliminar 10/06/2020
de desechos
Materiales de
02 limpieza de Fileteo Envasado Reubicar 10/06/2020
otras áreas
Almacén de
Productos de
03 Envasado productos de Reubicar 10/06/2020
limpieza
limpieza
Materiales de
04 limpieza de Sellado Envasado Reubicar 12/06/2020
otras áreas
Balanza
05 Envasado Mantenimiento Reparar 16/06/2020
desequilibrada
Carros de
transporte de
06 Sellado Mantenimiento Reparar 16/06/2020
conserva en
mal estado
Materiales de
07 limpieza en Sellado Mantenimiento Eliminar 18/06/2020
mal estado
Para la ejecución de la tercera y cuarta etapa, denominadas “Limpieza” e “Higiene

y visualización” respectivamente, se aplicó un cuestionario a los operarios
encargados de las tres áreas de estudio (Anexo 13). Según los resultados
26
obtenidos se indicaba que, a favor de la empresa, esta sí contaba con productos y
materiales de limpieza, pero en su contra, estos productos y materiales no se
encontraban debidamente identificados y/o en zonas estratégicas, produciéndose
así pérdidas de tiempo, ya que el personal encargado de asegurar la limpieza y el
orden tenía que buscar los productos que muchas veces eran dejados en otras
áreas. Es aquí donde se da la sugerencia de la colocación de percheros en las
áreas de fileteo, envasado y sellado (Anexo 14), estos percheros fueron colocados
con el fin de asegurar la limpieza y orden permanente de las áreas, además se
sugirió que los productos de limpieza tenían que estar debidamente rotulados
(Anexo 10) para así hacer más fácil la actividad de buscarlos.
Para la quinta y última etapa denominada “Disciplina” se aplicó un checklist, en
donde el objetivo fue la comparación entre la clasificación 5S´s inicial, tomada de
los resultados durante la semana 1, y la clasificación 5S´s final, tomada de los
resultados de la semana 8, y así con los resultados obtenidos poder determinar si
hubo un incremento o una reducción. Para el llenado del checklist se estableció
puntajes del 0 al 5, es decir, si se llenaba algún casillero con el puntaje 0 este
indicaba que aún no existía implementación de la metodología, como por ejemplo
en la semana 1 (semana inicial), si se puntuaba con 1, esto indicaba que el
cumplimiento se estaba realizando en un 20%, si se puntuaba con 2, esto equivalía
a un 40%, en el caso de que fuese 3 el puntaje, se interpretaba como un
cumplimiento del criterio en un 60%, si se hablase de un puntaje de 4, esto
correspondía a un 80% del cumplimiento del criterio y finalmente si el puntaje fuese
5, se interpretaba como un cumplimiento del criterio casi en su totalidad, o en un
95%.
27
Tabla 9. Checklist para la aplicación de la metodología 5S´s
Sem Sem Sem Sem Sem Sem Sem Sem

Descripción Criterio de Evaluación y Puntuación 5S’s
1 2 3 4 5 6 7 8
Se cuenta solo con lo necesario para trabajar a simple vista. 3 3 3 3 2 4 4 5

No se ven cosas o materiales en otras áreas o lugares diferentes a
3 2 3 3 3 3 3 5
su lugar asignado.
Seleccionar
Los pasillos están libres de objetos. 3 3 3 3 3 3 3 4
Se pude saber cuáles son los objetos necesarios en el área. 3 2 4 4 4 4 5 5
Es fácil y rápido encontrar lo que se busca. 3 2 3 3 3 3 4 4
Las áreas están debidamente identificadas. 5 5 5 5 5 5 5 5
Los equipos y utensilios están en su lugar asignado. 3 3 3 3 3 2 3 4
Es posible localizar cualquier objeto rápidamente (30 seg). 3 2 3 3 2 3 4 3
Ordenar
Los botes de basura están en el lugar designado para éstos. 5 5 4 5 5 5 5 5
Existen lugares marcados para todo el material que entra o sale. 5 5 5 5 5 5 5 5
Los pasillos están debidamente señalados. 5 5 5 5 5 5 5 5
Los pasillos se encuentran limpios. 2 2 3 3 3 3 4 4
Los pisos se encuentran limpios. 3 3 3 3 3 2 3 4
Las mesas de trabajo se encuentran limpias. 3 3 3 4 4 4 5 5
Limpiar Los lavaderos de manos se encuentran limpios y cuentan con
3 3 3 2 2 3 3 3
jabón líquido.
Las máquinas se encuentran visiblemente limpias. 3 2 2 2 3 2 3 3
El área en general luce limpia y segura. 3 3 3 3 3 4 3 4
28
Un programa de limpieza se conoce, está presente y se lleva a
4 4 4 4 4 4 4 4
cabo.
Se cuenta con el equipo de limpieza completo y es fácil de
3 3 3 3 4 4 5 5
obtener.
Se tienen estándares de colores bien identificados y conocidos. 5 5 5 5 5 5 5 5
Existen letreros para identificar las áreas. 5 5 5 5 5 5 5 5
Estandarizar Existen letreros para identificar los materiales de limpieza. 0 0 5 5 5 5 5 5
Las áreas/equipos de alto riesgo se encuentran identificados. 5 5 5 5 5 5 5 5
Todos en el área conocen las 5´s y las practican cotidianamente. 0 2 2 2 2 3 3 3
Se mantienen los procedimientos establecidos. 0 2 2 2 2 2 2 3
Disciplina Se realizan capacitaciones al personal sobre los principios de las
0 0 4 4 4 4 4 4
5S´s.
Total 62% 61% 72% 72% 72% 75% 81% 86%
La clasificación de las 5S´s inicial, en la semana 1, fue del 62%, lo que indicaba que se cumplían moderadamente los criterios
evaluados, mientras que la clasificación de las 5S´s final, en la semana 8, fue del 86%, con ello se concluía que hubo un incremento
entre los resultados de ambas semanas. El porcentaje de variación fue del 40%.
En la primera semana se puede observar un porcentaje bajo puesto que aún no se habían producido cambios, ni se habían
implementado las herramientas, caso contrario a lo que sucedía en la semana final en donde incluso ya se había capacitado a los
trabajadores de la empresa.
29
La tercera y última herramienta aplicada fue el mantenimiento productivo total, a
través de la aplicación de la fórmula de la eficiencia global de los equipos (OEE), el
periodo para la aplicación de esta herramienta fue de dos meses, según el
cronograma (Anexo 15). Como primera actividad se tuvo que calcular el tiempo
medio entre fallas (MTBF) y el tiempo medio para reparar (MTTR), para hallar estos
índices se tuvo que recolectar datos de tiempos de procesamiento (Anexo 16), la
máquina escogida para el estudio fue la selladora de la línea N°1, debido a que era
la que mayor incidencia mostraba según los reportes (Anexo 17).
Tabla 10. Cálculo del MTBF y MTTR para la semana inicial
D1 D2 D3 D4
Tiempo de funcionamiento
300 309 315 350
(min.)
Promedio
Tiempo de inactividad (min.) 150 210 150 208
Número de paradas (fallas) 6 7 6 8
MTBF (min./falla) 25.00 14.14 27.50 17.75 21.10
MTTR (min./falla) 25.00 30.00 25.00 26.00 26.50

Se calculó el MTBF y el MTTR para la semana inicial, con el fin de determinar estos
valores y luego poder compararlos con los resultados de la semana final. Según lo
observado en la tabla 10, el tiempo medio entre fallas en promedio fue de 21.10, lo
que significaba que transcurrían 21 minutos antes de producirse una falla. Mientras
que el tiempo medio para reparar fue de 26.50 minutos en promedio, que era lo que
duraba cada parada. Es a partir de estos resultados que se comprobó que si
existían problemas en la máquina de sellado N°1, el tiempo para reparar era mayor
al tiempo medio entre fallas, esto se debía básicamente a las constantes paradas.
Entonces, en conjunto con el operador de la máquina selladora, se analizó cuáles
eran aquellos tipos de paradas que afectaban a la máquina y a su vez se hizo un
formato de mantenimiento autónomo (Anexo 18) para reducir dichas paradas. Tal
análisis consta en la siguiente tabla:
30
Tabla 11. Porcentaje de variación del tiempo de inactividad por paradas
Semana 1 Semana 8 % de
variación
Tiempo Tiempo del tiempo
Tipos de Paradas Número Número perdido
para para
de de por
reparar reparar
paradas paradas paradas de
(min.) (min)
máquina
Caídas de
4 110 2 48 -56%
cierre
Desbarniza
5 128 3 76 -41%
do
Por
defectos Patinaje 1 25 1 23 -8%
en el
producto Sello Falso 1 25 0 0 -100%
Abolladuras 1 26 2 52 100%
Sello
0 0 0 0 0%
Afilado
Desajuste
del sistema
4 101 1 23 -77%
automático
de tapas
Fallas en
los pernos
1 26 0 0 -100%
de la
estrella
Por Fallas en
defectos 5 135 2 45 -67%
las rulinas
de
máquina Falla en el
4 123 1 24 -80%
mandril
Mal
colocado de
1 19 0 0 -100%
la
plataforma
Fallas en el
sistema 0 0 0 0 0%
eléctrico
Total 27 718 12 291
31
La mayor parte de los porcentajes de varición observados en la tabla 11 mostraron
una reducción de los tiempos incativos por paradas, se debe a que a partir de la
semana 4 empezó a utilizarse el formato de mantenimiento autónomo, que tenía
por finalidad la reducción de las paradas de máquina. En la semana inicial el mayor
problema de la máquina selladora se encontraba en el desbarnizado del envase,
que era causado por el mal ajuste de máquina, hacia la semana final, se logró
reducir en un 41% este tipo de fallas, de la misma forma con las caídas de cierre
estas pudieron reducirse en un 56%.
Tabla 12. Cálculo del MTBF y MTTR para la semana final
D1 D2 D3 D4
Tiempo de funcionamiento
320 302 330 310
(min.)
Promedio
Tiempo de inactividad (min.) 75 100 72 44
Número de paradas (fallas) 3 4 3 2
MTBF (min./falla) 81.67 50.50 86.00 133.00 87.79
MTTR (min./falla) 25.00 25.00 24.00 22.00 24.00

El objetivo para la semana final era reducir el tiempo medio para reparar y que esto
a su vez genere un mayor tiempo entre fallas, según los datos de la tabla 12, el
tiempo medio entre fallas en promedio (MTBF) fue de 87.79 minutos, que
comparado con el resultado de la semana inicial es mayor, con lo cuál se infiere
que existe una menor cantidad de paradas debido a que estas son inversamente
proporcionales, es decir, si hubiese una mayor cantidad de paradas, como pasaba
en la semana inicial, el tiempo medio entre fallas sería menor.
La tercera actividad para la aplicación de esta herramienta fue el cálculo de la
eficiencia global del equipo (OEE), esta fórmula fue aplicada durante 8 semanas,
tal y como quedó programado en el cronograma. Se determinó la eficiencia global
desde la semana 1 hasta la semana 8 con el objetivo de hallar en cuánto variaba la
eficiencia de semana a semana.
32
Tabla 13. Cálculo de las OEE durante las 8 semanas de aplicación de la herramienta
Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 Sem 6 Sem 7 Sem 8
Dias trabajados 4 4 5 4 3 5 3 4
Tiempo Operativo (min.) 1274 1580 1810 1480 1040 1745 1090 1262
Calibración de
máquina por
Tiempo de parada de 106 230 270 220 140 220 105 140
preparación maquinaria
de máquina (min.)
(min.)
Aplicación de
0 0 0 100 75 125 75 100
Mant. Autónomo
Tiempo Disponible Total (min.) 1992 2348 2562 1974 1346 2257 1350 1525
Tiempo de Ciclo (min/caja) 0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.3
Cantidad de Cajas Producidas 4021 4353 5161 4281 3125 5243 3169 4115
Cantidad Cajas Scrap 29 31 39 27 20 36 22 26
% Disponibilidad 63.96% 67.29% 70.65% 80.04% 82.84% 82.85% 86.30% 89.31%
% Desempeño 87.41% 72.15% 74.44% 71.35% 74.70% 75.26% 74.86% 82.19%
% Calidad 99.28% 99.29% 99.24% 99.37% 99.36% 99.31% 99.31% 99.37%
OEE 55.50% 48.20% 52.19% 56.75% 61.48% 61.93% 64.15% 72.94%
33
La eficiencia global de la primera semana fue de 55.50%, según la tabla de valores
del OEE (Anexo 19) se interepretó como inaceptable y como consecuencia se
tenían importantes pérdidas económicas, por otro lado, la eficiencia de la semana
8 fue de 72.94% que según tabla indicaba que para ese entonces la empresa aún
tenía pérdidas económicas, pero era aceptable puesto que aún se estaba en
proceso de mejora. La variación de eficiencias entre la semana inicial y final fue del
31%, que se consideró como un incremento moderado.
La última actividad para la aplicación de las herramientas del Lean Manufacturing
fue la elaboración de un nuevo Value Stream Mapping.
Figura 5. Nuevo Value Stream Mapping

El área de fileteo contaba con un tiempo de ciclo de 0.25 min/caja, mientras que el
nuevo tiempo de ciclo de dicha área es 0.22 min/ caja, lo que indica que se redujo
en 30 minutos el tiempo de procesamiento. El tiempo de ciclo del área de envasado
era de 0.39 min/caja, el tiempo de ciclo actual es de 0.35 min/caja, con lo cual se
redujeron 40 minutos del tiempo total de la producción diaria. Finalmente, el área
de sellado contaba con un tiempo de ciclo de 0.38 min/caja, después de la
implementación de las herramientas del Lean Manufacturing obtuvo un tiempo de
ciclo de 0.33 min/caja, con lo que se redujo el tiempo de producción en 48 minutos.
34
4.4. Productividad después de aplicar las herramientas del Lean
Manufacturing
Para determinar las nuevas productividades se tomaron los datos de 15 días de
producción de filete de caballa en aceite vegetal (Anexo 20)
Tabla 14. Productividad de mano de obra después de la mejora
Productividad
Días de Variación
Mes Promedio
(cajas - H-H)
Agosto 15 0.686 0.0 %
Septiembre 15 0.679 -1.0%
Octubre 15 0.651 -4.1%
Noviembre 15 0.658 1.0%

Para la obtener los índices de productividad de mano de obra después de la
aplicación de las herramientas de Lean Manufacturing, se hizo uso de los datos de
producción diaria, expresado en cajas producidas, el personal y las horas de
trabajo, tal y como se expresa en las tablas de producción (Anexo 20).
Según lo observado en la tabla 14, la productividad durante el mes de septiembre
fue de 0.679 luego cayó en 4.1% hacia el mes de octubre, aquí sucede la mayor
caída en productividades.
35
Tabla 15. Productividad de costo de mano de obra después de la mejora
Productividad
Días de Variación
Mes Promedio
(cajas/ s/.)
Agosto 15 0.063 0.0 %
Octubre 15 0.063 0.3%
Noviembre 15 0.063 0.7%

A través de los datos de producción diaria, expresado en cajas producidas; y el
costo que representa la mano de obra, extraído de los datos del número de
trabajadores, las horas de producción y el costo por hora; se obtuvo la productividad
del costo de mano de obra. Así como se muestra de forma detallada en la tabla de
producción (Anexo 20).
Tal y como se puede observar en la tabla 15, hubo una caída del 0.3% entre los
meses de agosto y septiembre, para luego vuelve a incrementar en un 0.3% hacia
el mes de octubre.
36
Tabla 16. Productividad de materia prima después de la mejora
Productividad
Días de Variación
Mes Promedio
(cajas - TM)
Agosto 15 53.71 0.0 %
Octubre 15 54.07 0.9%
Noviembre 15 54.37 0.6%

Después de la aplicación de la metodología del Lean Manufacturing, la empresa
manejaba una productividad de 54 cajas por tonelada de materia prima en
promedio. Según la tabla, el punto más bajo de productividad fue en el mes de
septiembre con 53.57 cajas/ toneladas de pescado.
4.5. Comparación de productividades antes y después de la aplicación de las
herramientas
Se tomaron los datos de las productividades promedio antes de la aplicación de las
herramientas y después de su aplicación, con la finalidad de obtener el porcentaje
de variación y a su vez determinar si estos índices de productividad aumentaron o
decayeron.
37
Tabla 17. Comparación de productividades antes y después de la aplicación del Lean Manufacturing
Antes de la Después de la
% de
aplicación del Lean aplicación del Lean
Variación
Manufacturing Manufacturing
Productividad de
mano de obra en 0.618 0.669 8.18%
promedio
Productividad de
costo de mano de 0.052 0.063 21.10%
obra en promedio
Productividad de
materia prima en 52.518 53.929 2.69%
promedio
Fuente: Tablas 5, 6, 7, 14, 15 y 16
En todos los índices se pudo observar un incremento, el mayor de ellos fue en la
productividad de costo de mano de obra en donde el incremento fue del 21.10%, la
razón principal para la obtención de este resultado se basa en la reducción de horas
de trabajo del personal jornal que al trabajar menos horas incurrían en un menor
costo para la empresa, la reducción de horas de trabajo se logró a partir de la
aplicación de la herramienta del mantenimiento productivo total. Con un incremento
del 8.18% la productividad de mano de obra se colocó en el segundo lugar en
cuanto al crecimiento de productividades, en primera instancia el problema general
de la conservera era la deficiente ejecución de los procesos que no permitían lograr
la óptima utilización de los recursos, solía pasar que el personal a través de sus
errores hacía que toda la línea se viese afectada y por lo tanto la cantidad de cajas
que producían por hora también. Finalmente, la productividad de materia prima
mostró un incremento del 2.69%, uno de los problemas que anteriormente aquejaba
a la organización era la pérdida de materia prima, que en su mayoría era provocada
por la falta de higiene y limpieza en las áreas, actualmente la empresa se encuentra
produciendo en promedio 54 cajas de producto terminado por cada tonelada de
pescado, lo que vendría a ser 1 caja más por tonelada que antes.
Para la contrastación de la hipótesis se analizaron los datos de la productividad de
mano de obra utilizando la prueba t a través del programa IMB SPSS, antes de
comparar dichos datos de productividad se tuvo que realizar una prueba de
normalidad, que debido a la cantidad de datos (n>50) se utilizó la de Kolmogorov-
Smimov. En la siguiente tabla se podrá observar los resultados:
38
Tabla 18. Prueba de normalidad para la productividad de mano de obra
Kolmogorov-Smirnova
Estadístico gl Sig.
Productividad antes (Mano de

,073 60 ,200
Obra)
Productividad después (Mano de

,119 60 ,134
Obra)
Fuente: IMB SPSS

La teoría expresa que el valor de significancia debe ser mayor a 0.05 para que se
acepte la hipótesis nula, tal y como ebservamos en la tabla 18 ambos valores de
significancia son mayores al 0.05 con lo que se puede interpretar que ambos datos
de productividad provienen de una distribución normal, por lo tanto, tienen un
comportamiento paramétrico.
Se contó con una hipótesis nula (H0): No hay varianza en los datos y una hipótesis
alternativa (H1): Existe una diferencia entre los datos. El nivel de confianza fue del
95% y el margen de error del 5%. En las siguientes tablas se mostrará la
comparación de las productividades de mano de obra tanto antes como después
de la aplicación del Lean Manufacturing.
Tabla 19. Estadísticas de muestras emparejadas para la productividad de mano de obra
Desviación Media de error

Media N
estándar estándar
Productividad antes
,61796 60 ,036022 ,004650
(Mano de Obra)
Par 1
Productividad después
,66851 60 ,059106 ,007631
(Mano de Obra)
Fuente: IMB SPSS

Se analizaron 60 datos para cada productividad, se puede observar que hay un
incremento en las medias de las productividades.
39
Tabla 20. Correlaciones de muestras emparejadas para la productividad de mano de obra
N Correlación Sig.
Productividad antes (Mano de

Par 1 Obra) & Productividad 60 ,144 ,273
Fuente: IMBdespués
SPSS (Mano de Obra)
Fuente: IMB SPSS
Tabla 21. Prueba de muestras emparejadas para la productividad de mano de obra
Diferencias emparejadas
95% de intervalo
Media
Desviación de confianza de t gl Sig.
Media de error
estándar la diferencia
estándar
Inferior Superior
Productividad
antes (Mano
de Obra) -
Par -
Productividad -,051 ,0646 ,0083 -,0672 -,0338 59 ,000
1 6,1
después
(Mano de
Obra)
Fuente: IMB SPSS
La teoría muestra que el valor de significancia o p debe ser menor a 0.05 (p<0.05),
si esto sucede se acepta la hipótesis alternativa. Para este caso el valor de
significancia es de 0,001 que viene siendo menor al establecido por la teoría, por
ende, se rechaza la hipótesis nula y se acepta la alternativa que expresa que sí
hubo diferencias entre los datos de la productividad de mano de obra antes y
después de la metodología aplicada.
Para el análisis de los datos de costo de mano de obra se hizo primero una prueba
de normalidad para determinar si dichos datos provenían de una distribución normal
o no provenían de esta, nuevamamente los datos observados fueron mayores a 50
por lo tanto se utilizó la prueba de kolmogorov.
40
Tabla 22. Prueba de normalidad para la productividad de costo mano de obra
Kolmogorov-Smirnova
Productividad Antes (Costo de MO) ,069 60 ,200
Productividad Después (Costo de

,179 60 ,114
MO)
Fuente: IMB SPSS

Los valores de significancia son mayores a 0.05 por lo tanto se acepta la hipótesis
nula, por ello se interpreta que ambas productividades, antes y después de la
aplicación del Lean, provienen de una distribución normal y tienen un
comportamiento paramétrico. En las siguientes 3 tablas se mostrarán las
estadísticas de la comparación del costo de mano de obra antes y después del
Lean Manufacturing.
Tabla 23. Estadísticas de muestras emparejadas para la productividad de costo de mano de obra

Media N
estándar estándar
Par 1
Productividad Antes
,05174 60 ,000970 ,000125
(Costo de MO)
Productividad Después
,06267 60 ,001520 ,000196
(Costo de MO)
Fuente: IMB SPSS

Según lo observado en la tabla 23 la media de la productividad del costo de mano
de obra antes de la metología es 0,517 mientras que la media de la productividad
de costo de mano de obra después del Lean Manufacturing es de 0,067. Se puede
observar claramente un incremento entre dichos valores. Además, en la tabla
podemos observar que los datos estudiados fueron 60 por cada variable.
41
Tabla 24. Correlaciones de muestras emparejadas para la productividad de costo de mano de obra
N Correlación Sig.
Productividad Antes (Costo

Par 1 de MO) & Productividad 60 -,096 ,468
Después (Costo de MO)
Fuente: IMB SPSS

Tabla 25. Prueba de muestras emparejadas para la productividad de costo de mano de obra
95% de intervalo
Media
de confianza de Si
Desviación de error t gl
Media la diferencia g.
estándar estánda
r Inferio Superio
r r
Productivid
ad Antes
(Costo de
Par MO) - ,0
-,011 ,001 ,0002 -,0114 -,0104 -45,04 59
1 Productivid 00
ad Después
(Costo de
MO)
Fuente: IMB SPSS
Según la tabla 25 el valor de significancia para las productividades de costo de

mano de obra es 0,001. Por lo tanto, se rechaza la hipótesis nula y se acepta la
hipótesis alternativa, esto se puede interpretar como que sí existe diferencias entre
los datos de la productividad antes y la productividad despúes de la aplicación del
Lean Manufacturing.
Finalmente se realiza la prueba de normalidad para la productividad de materia
prima, con esto se busca determinar si los datos provienen de una distribución
normal o por lo contrario entonces tendrían procedencia no paramétrica, una vez
más debido a que se cuentan con más de 50 datos se utilizará la prueba de
kolmogorov-Smirnov.
42
Tabla 26. Prueba de normalidad para la productividad de materia prima
Kolmogorov-Smirnova
Productividad Antes (Materia Prima) ,129 60 ,105
Productividad Después (Materia

,088 60 ,200
Prima)
Fuente: IMB SPSS

Según la tabla 26 ambos valores de significancia son mayores a 0.05 por lo tanto
se acepta la hipótesis nula, dicha hipótesis propone que ambos valores provienen
de una distribución normal.
Tabla 27. Estadísticas de muestras emparejadas para la productividad de materia prima

Media N
estándar estándar
Productividad Antes
Fuente: IMB SPSS 52,57753 60 1,014713 ,130999
(Materia Prima)
Par 1
Productividad Después
53,96212 60 1,171069 ,151184
(Materia Prima)
Fuente: IMB SPSS
43
Tabla 28. Correlaciones de muestras emparejadas para la productividad de materia prima
N Correlación Sig.
Productividad Antes (Materia

Par 1 Prima) & Productividad 60 -,169 ,198
Después (MAteria Prima)
Fuente: IMB SPSS

Tabla 29. Prueba de muestras emparejadas para la productividad de materia prima
95% de intervalo
Media
Desviación de confianza de t gl Sig.
Media de error
estándar la diferencia
estándar
Inferior Superior
Productividad
Antes
(Materia
Par Prima) - -
-1,38 1,673 ,216 -1,816 -,952 59 ,000
1 Productividad 6,4
Después
(Materia
Prima)
Fuente: IMB SPSS

Según los resultados de la tabla 29 el valor de significancia para las productividades
de materia prima es 0,001. Por lo tanto, se rechaza la hipótesis nula y se acepta la
hipótesis alternativa que expresa que sí existen diferencias en los datos.
A partir de todos los resultados obtenidos por el IBM SPSS se puede decir que la
aplicación de las herramientas del Lean Manufacturing si favorecieron al proceso
productivo de la línea de cocido de LA CHIMBOTANA S.A.C.
44
V. DISCUSIÓN
Al realizar el diagnótico de la línea de cocido de la conservera LA CHIMBOTANA
S.A.C se identificó que uno de los problemas más grandes de la organización se
encontraba en la deficiente ejecución de los procesos, con esto se concuerda
plenamente con lo expresado por Madariaga (2013, p.13) que menciona que para
poder perfeccionar el proceso productivo es necesario reconocer y acentuar todo
tipo de despilfarro que se encuentren concurrentes en el proceso.
Se hallaron las productividades de mano de obra, costo de mano de obra y materia
prima antes de la aplicación de las herramientas del Lean Manufacturing, los
valores obtenidos fueron 0.618, 0.052 y 52.518 respectivamente, esto se hizo con
el fin de obtener el valor de dichas variables y poder compararlas con los resultados
que se obtendrían después de la aplicación del Lean, tal y como lo mencionan los
autores Krajewski, Ritzman y Malhotra (2013, p.12), conocer la productividad es
conocer el nivel de rendimiento con el que se utilizan los recursos para lograr
cumplir con los objetivos planteados. El propósito para toda organización debe ser
producir bienes a un costo mínimo, mediante la utilización eficiente de los recursos,
tales como: materiales, maquinaria y personal.
A través de la aplicación de la primera herramienta, el value stream mapping, se
pudo determinar que las áreas con los mayores tiempos de procesamiento eran el
corte y/o fileteo, envasado y sellado con tiempos de 0.25 min/caja, 0.39 min/caja y
0.38 min/caja respectivamente, con estos resultados se concuerda con la autora
Klimecka (2017) que durante su investigación pudo designar 5 áreas de mejora, las
cuales minimizaron las pérdidas básicas de movimientos innecesarios,
almacenamiento excesivo y por último las demoras, todas estas reflejados en los
tiempos de procesamiento, esta información ciertamente coincide con lo expresado
por los autores Azizi y Manoharan (2015, p. 155) que mencionan que el VSM es
empleado para mejorar la productividad mediante la determinación de
procedimientos más sintetizados y la creación de un flujo eficiente para disminuir
residuos y desperdicios de tiempos.
Siguiendo la línea de la investigación, la segunda herramienta aplicada fue las 5S´s,
durante esta investigación a través de las tarjetas rojas se logró determinar cuales
eran aquellos materiales o equipos que debían ser reubicados, reparados o
eliminados de la zona donde se encontraban, también se aplicó un checklist para
45
determinar la variación entre la clasificación 5S´s inicial que fue de 62% y la
clasificación 5S´s final que fue de 86%, resultando así un incremento del 40%.
Estos resultados se lograron con la implementación de percheros en las tres áreas
de estudio, en estos percheros deben estar colocados los artículos de limpieza tales
como la escoba, el escobillón, el jalador de agua y el recogedor, también se
rotualaron estos espacios designados para los artículos de limpieza, todo ello se
hizo con la finalidad de no perder tiempo en la búsqueda de dichos materiales y
poder mantener el orden y limpieza requerido en el área de trabajo. Con los
resultados obtenidos de esta herramienta se concuerda con el autor Ruiz (2016)
que expresa que esta herramienta es la más eficaz puesto que le dio los mejores
resultados a la empresa en un menor plazo, además de presentar resultados
tangibles y cuantificables, como por ejemplo el decrecimiento de los tiempos del
proceso. Por otro lado, para el refuerzo de estas conclusiones se cuenta con lo
emitido por Perez y Quintero (2017, p. 414) que expresan que los objetivos de las
5´S son reducir los lead-times en la producción de servicios y bienes, mejorando
los tiempos de carga y minimizando los tiempos muertos del proceso.
Con respecto a la herramienta del Mantenimiento productivo total (TPM) se calculó
el tiempo medio entre fallas (MTBF) y el tiempo medio para reparar (MTTR) durante
la primera semana, cuando aún no se implementaban las metodologías, y durante
la semana final, cuando ya se había finalizado la implementación de metodologías.
Con respecto al MTBF, durante la semana inicial se obtuvo un promedio de 21.10
minutos mientras que la para la semana final se obtuvo un promedio de 87.79
minutos, con esto se observa en claro incremento en dicho valor y se concuerda
con la teoría de Marín y Martínez (2013, p. 829) donde expresan que un incremento
en el valor obtenido en el tiempo medio entre fallas (MTBF) es consecuencia de
una reducción de paradas y por lo tanto se entiende como una mejora. Por otro
lado, se tiene el MTTR, que en otras palabras para la presente investigación vendría
a ser el tiempo promedio para reparar, durante la semana inicial fue de 26.50
minutos en promedio y para la semana final 24.00 minutos. Finalmente se calculó
la eficiencia global del equipo (OEE), para ello se tomaron los datos de la máquina
selladora que presentaba una mayor cantidad de fallas durante el proceso, el OEE
durante la primera semana fue del 56% mientras que para la semana final fue del
73% resultando así en un incremento del 31% entre ambas eficiencias. Tal y como
46
lo dicen los autores Ahire y Relkar (2012, p. 3) el OEE es un indicador de
rendimiento que permite competir en el mercado con el fin de evitar pérdidas, por
lo tanto, con los resultados extraídos de la investigación se puede interpretar que
la empresa aún tiene pérdidas económicas, pero es aceptable puesto que se está
en proceso de mejora.
El incremento de la eficiencia global de los equipos (OEE) se logró a través de la
aplicación del mantenimiento autónomo, se hizo un formato en el que se habían
designado actividades a realizar en las máquinas selladoras, dichas actividades
debían hacerse antes de iniciar el proceso y tomaba un tiempo de 25 minutos en
promedio, el cumplimiento de este formato fue fundamental para la investigación
puesto que gran parte de los excesos en los tiempos de producción eran a causa
del área de sellado, de la máquina selladora N°1 en específico. Las fallas antes de
la implementación de este mantenimiento eran alrededor de 27 semanalmente,
para la semana final se manejaba un promedio de 12 paradas semanales, todo lo
expresado coincide con Marín y Martínez (2013, p. 829) que establecen que el
mantenimiento autónomo es el adecuado para lograr la reducción de las fallas y
paradas para alargar la vida útil del mismo, como bien explican, la finalidad del uso
de esta herramienta es detectar y atacar con prontitud las anormalidades de la
máquina/equipo.
Al finalizar la aplicación de las herramientas del Lean Manufacturing se procedió a
emplear nuevamente el Value Stream Mapping (VSM) en donde se reflejaron los
nuevos tiempos de procesamiento para las etapas de fileteo, envasado y sellado
siendo 0.22 min/caja, 0.35 min/caja y 0.33 min/caja respectivamente y acumulando
un tiempo total de 1.88 min/caja en toda la línea, mientras que el tiempo acumulado
de toda la línea del primer Value Stream Mapping aplicado fue de 2.07 min/caja
entonces se puede concluir que se redujo el tiempo de procesamiento en 0.19
min/caja. Asímismo el autor Ikhasan (2018) a través del uso de la herramienta del
VSM obtuvo como resultado que antes de la aplicación de la metodología la
producción de un ventilador le tomaba a la empresa un promedio de 725.68
minutos, después de la aplicación de las herramientas manejaban un promedio de
647.94 minutos por cada ventilador, finalmente concluye que la eficiencia del
proceso de producción del ventilador aumentó en 11%. Por los resultados obtenidos
se concuerda con Klimecka (2013, p. 228) que en su teoría explica que mediante
47
esta herramienta se podrá determinar el número de actividades totales y los
tiempos de ciclo por cada una de ellas, con la finalidad de reducir el tiempo de
aquellas que generen tiempos de procesamiento más altos.
Se calcularon las tres productividades antes y después de la aplicación de las
herramientas del Lean Manufacturing y se obtuvieron los siguientes resultados: se
incrementó en un 8.18% la productividad de mano de obra, se incrementó en un
21.10% la productividad de costo de mano de obra y se incrementó en un 2.69% la
productividad de materia prima. En todos los índices se pudo observar un
incremento, el mayor de ellos fue en la productividad de costo de mano de obra, la
razón principal para la obtención de este resultado se basa en la reducción de horas
de trabajo del personal jornal que al trabajar menos horas incurrían en un menor
costo para la empresa, la productividad de mano de obra se colocó en el segundo
lugar en cuanto al crecimiento de productividades, en primera instancia el problema
general de la conservera era la deficiente ejecución de los procesos que no
permitían lograr la óptima utilización de los recursos, solía pasar que el personal a
través de sus errores hacía que toda la línea se viese afectada y por lo tanto la
cantidad de cajas que producían por hora también. Finalmente, fue la productividad
de materia prima la que mostró el crecimiento más bajo de las 3 productividades,
uno de los problemas que anteriormente aquejaba a la organización era la pérdida
de materia prima, que en su mayoría era provocada por la falta de higiene y limpieza
en las áreas, actualmente la empresa se encuentra produciendo en promedio 54
cajas de producto terminado por cada tonelada de pescado, lo que vendría a ser 1
caja más por tonelada que antes. Para Namuche (2015) en su investigación
encontró que los resultados obtenidos también fueron positivos puesto que la
productividad aumentó en un 5% y se logró la disminución del tiempo de ciclo,
paradas correctivas y preventivas, días de inventario y cajas defectuosas. Los
resultados de ambas investigaciones coinciden plenamente con lo expresado por
los autores Krajewski y Ritzman (2013, p.13) que señalan la importancia que existe
en que una empresa conozca el valor de sus índices de productividad, pero es
mucho más importante aún buscar la forma de elevar estos índices con el fin de
conseguir una rentabilidad adecuada, por otro lado, también mencionan que el
cálculo de los índices de produtividad permite detectar errores y áreas de mejora.
48
VI. CONCLUSIONES
1. Con respecto al diagnótico realizado se concluye que los problemas más
grandes de la línea son la deficiente ejecución de los procesos, falta de
metodologías y alto grado de desorden.
2. Las productividades de mano de obra, costo de mano de obra y materia
prima obtenidas antes de la aplicación de las herramientas del Lean
Manufacturing eran 0.618, 0.052 y 52.52 respectivamente.
3. La aplicación del Value Stream Mapping (VSM) mostró que los tiempos de
ciclo más elevados pertenecían a las áreas de fileteo, envasado y sellado
siendo 0.25 min/caja, 0.39 min/caja y 0.38 min/caja respectivamente, dichas
áreas fueron las elegidas para la investigación. La metodología de las 5S´s
se calculó mediante la aplicación de un checklist en donde se obtuvo una
clasificación 5S´s inicial de 62% y una clasificación final de 86%,
observandose así un incremento del 40%. Para la ejecución de la tercera
herramienta se utilizó el cálculo de la eficiencia global del equipo (OEE), de
donde se extrajo que el OEE para la semana inicial era de 56% mientras que
para la semana final fue de 73%, dicho valor indicaba que la empresa aún
tenía pérdidas económicas, pero estas eran aceptables puesto que se
encontraba en proceso de mejora.
4. Después de la aplicación de las herramientas del Lean Manufacturing la
productividad de mano de obra en promedio fue de 0.669, la productividad
de costo de mano de obra en promedio fue de 0.063 y la productividad de
materia prima fue de 53.93.
5. La variación porcentual para los 3 indicadores de productividad quedó
expresada de la siguiente manera: la productividad de mano de obra
incrementó en un 8.18%, la productividad de costo de mano de obra
incrementó en un 21.10% y finalmente la productividad de materia prima
incrementó en un 2.69%.
49
VII. RECOMENDACIONES
Siguiendo los lineamientos planteados en la investigación realizada en la
conservera LA CHIMBOTANA S.A.C se hacen las siguientes recomendaciones:
 Todos los integrantes de la empresa, desde la gerencia hasta los trajadores de
jornal, deben comprometerse a seguir cumpliendo todo lo implementado a fin de
consevar las mejoras obtenidas y que estas logren establecerse a largo plazo.
 El jefe de producción debe encargarse de la capacitación del personal en temas
de limpieza, higiene, orden dentro de las áreas y mantenimiento adecuado para
máquinas y equipos.
 El jefe del área de aseguramiento de la calidad debe establecer cada cuanto
tiempo el checklist debe ser aplicado, puesto que esta herramienta ayuda en el
control y monitoreo de la limpieza e higiene de las áreas, si el indicador se
encuentre por debajo de promedio dicho checklist les permitirá tomar decisiones
y ejecutar las acciones necesarias.
 Los técnicos del área de calidad deben asegurarse de que todos los
colaboradores de la empresa cumplan con los objetivos de las metodologías
implementadas, que se basan en evitar los desperdicos de materia prima, la
reducción de tiempos de procesamiento y el aumento de la rentabilidad, así se
prodá asegurar una mayor productividad.
 El operador de las máquinas selladoras debe cumplir con el llenado diario del
formato de mantenimiento autónomo.
50
REFERENCIAS
AHIRE, Chandrajit y RELKAR, Anand. Correlating failure mode efecct analysis
(FMEA) & Overall equipment effectiveness (OEE). Revista Elvesier [en línea]. Junio
2012. [Fecha de consulta: 30 de abril de 2020].
ISSN: 1877-7058
ALEFARI, Mudhafar, SALONITIS, Konstantinos y XU, Yuchun. The role of
leadership in implementing lean manufacturing. Revista Elvesier [en línea]. Marzo
ISSN: 2212-8271
APLICACIÓN de lean manufacturing para aumentar la productividad de la materia
prima en el área de producción de una empresa esparraguera para el año 2016 por
Namuche Huamanchumo [et al]. Tesis (Licenciados en Ingeniería Industrial).
Trujillo: Universidad Nacional de Trujillo, 2015.
Disponible en http://dspace.unitru.edu.pe/handle/UNITRU/9990
APPLYING Lean Manufacturing principles to reduce waste and improve process in
a manufacturer: A research study in Peru by Kaneku Orbegozo [et al]. IopScience
[en línea]. Octubre 2019 [Fecha de consulta: 24 de abril de 2020].
Disponible en https://iopscience.iop.org/article/10.1088/1757
ISSN: 012-020
ARANGO, Martín, ALZATE, Juan y ZAPATA, Julián. TPM implementatio impacto
on companies competitivity in the Medellin metropolitan and Antioquia eastern
region. Dyna. [en línea]. vol 12. mayo 2011. [Fecha de consulta: 10 de abril de
2020].
Disponible en http://www.scielo.org.co/pdf/dyna/v79n172/a19v79n172.pdf
ISSN: 0012-7353
ATEHORTUA, Yeison y RESTREPO, Jorge. Kaizen: un caso de estudio. Scientia
et Technica. [En línea]. Vol 1. Agosto 2010. [Fecha de consulta: 19 de abril de 2020].
Disponible en https://www.academia.edu/17445062/Dialnet_Kaizen_Un_Caso
ISSN: 0122-1701
AZIZI, Amir y MANOHARAN, Thulasi. Desisning a future value stream mapping to
reduce lead SMED. Revista Elsevier. [en línea]. vol 2. Febrero 2015. [Fecha de
consulta: 20 de abril de 2020].
Disponible en https://www.sciencedirect.com/science/article/pii/S23519789100281
51
ISSN: 2351-9789
BAENA, Guillermina. Metodología de la investigación. 3era ed. México: Editorial
Patria, 2017. 157 pp.
ISBN: 9786077447481
BEHAR, Daniel. Metodología de la investigación. México: Editorial Shalom, 2008.
94 pp.
ISBN: 9789592127837
BORGES, Rui, FREITAS, Filipa y SOUZA, Inés. Application of Lean Manufacturing
tolos in the Food and Beverage Industries 10 (3): 120-130. Octubre 2015.
ISSN: 0718-2724
CAVAZOS, Judith, MÁYNEZ, Aurora y VALLES, Leticia. Kaizen events:
Assessment of their impact in the socio-technical system of a Mexican Company.
Revista Javeriana. [en línea]. Vol. 22, n.o 1. Julio 2018. [Fecha de consulta: 18 de
abril de 2020].
Disponible en http://www.scielo.org.co/pdf/inun/v22n1/0123-2126-01-00097.pdf
ISSN: 0123-2126
DUTTA, Amit y BANERJEE, Sneha. Review of lean manufacturing issues and
challenges in manufacturing process. Revista INR BM, 2(4): 27-26, abril 2014.
ISSN: 2347-4572
GUTIÉRREZ, Humberto. Calidad total y productividad. 4.ª ed. México: McGraw Hill,
2014. 363 pp.
ISBN: 9786071503152
HERNÁNDEZ, Juan y VIZÁN, Antonio. Lean manufacturing: conceptos, técnicas e
implantación. Madrid: Fundación EOI, 2013. 178 pp.
ISBN: 9788415061403
INTRODUCTION of lean manufacturing philosophy by kaizen event by Vinicius
Kojima [et al]. Independent journal of management and production. [en línea]. Vol
7, n.o 1. 2016 [Fecha de consulta: 12 de abril de 2020].
Disponible en https://www.researchgate.net/publication/296618859
ISSN: 2236-269X
IMPLEMENTING Lean Tools in the Manufacturing Process of Trimmings Products
by Neves [et al]. ScienceDirect [en línea]. Febrero 2018 [Fecha de consulta: 24 de
abril de 2020].
52
Disponible en https://reader.elsevier.com/reader/sd/pii/S235197891831237X?toke
ISSN: 2351-9789
IMPROVING manufacturing productivity by combining cognitive engineering and
lean-six sigma methods by Gleeson Frank [et al]. Revista Elsevier, 81:614-646,
marzo 2019.
ISSN: 2212-8271
KEUN, Bong y YOON, Tom. Improving it process management through value
stream mapping approach. Journal of information systems and technology
management. [en línea]. vol 13, n.o 3. Diciembre 2016. [Fecha de consulta: 18 de
abril de 2020].
Disponible en https://www.scielo.br/scielo.php?script=sci_arttext&pid=S1807-
ISSN: 1807-1775
KLIMECKA, Dotora. Value stream mapping as lean production tool to improve the
production process organization – case study in packaging manufacturing.
ResearchGate [en línea]. Diciembre 2017 [Fecha de consulta: 24 de abril de 2020].
Disponible en https://www.researchgate.net/publication/323271603_Value_stream
ISSN: 2353-7779
KRAJEWSKI, Lee, RITZMAN, Larry y MALHOTRA, Manoj. Administración de
operaciones: Procesos y cadena de valor. México: Pearson Educación, 2013. 728
pp.
ISBN: 9789702612179
LARCO Huamán, Claudia. Propuesta de aplicación de herramientas de Lean
Manufacturing para incrementar la rentabilidad de la línea de producción de harina
de pescado de la pesquera Hayduk S.A. sede Malabrigo. Tesis (Bachiller en
Ingeniería Industrial). Trujillo: Universidad Privada del Norte, 2018. 165 pp.
Disponible en https://repositorio.upn.edu.pe/bitstream/handle/11537/13383/Larco%
LEAN manufacturing analysis to reduce waste on production process of fan
products by Ikhsan Siregar [et al]. ResearchGate [en línea]. Febrero 2018 [Fecha
de consulta: 24 de abril de 2020].
Disponible en https://www.researchgate.net/publication/323273144_Lean_manuf
ISSN: 012-004
MADARIAGA, Francisco. Lean manufacturing: Exposición adaptada la fabricación
repetitiva de familias de productos mediante procesos discretos, 2013. 330 pp.
53
ISBN: 9788468628158
MANUFACTURA esbelta aplicada a una línea de producción de una empresa
galletera por Espinoza Salazar [et al]. El Buzón de Pacionili [en línea]. Octubre 2016
[Fecha de consulta: 29 de abril de 2020].
Disponible en https://www.itson.mx/publicaciones/pacioli/Documents/no74/
ISSN: 1758-5874
MARÍN, Juan y MARTÍNEZ, Rafael. Barreras y facilitadores de la implantación del
TPM. Intangible capital. [en línea]. vol. 9, n.o 3. Julio 2013. [Fecha de consulta: 23
de abril de 2020].
Disponible en https://www.redalyc.org/pdf/549/54928893011.pdf
ISSN: 1697-9818
NWANYA, Shinwe, UDOFIA, Juan y AJAYI, Oluseyi.Optimization of machine
downtime in the plastic manufacturing. Cogent Engineering. [en línea]. Febrero-
mayo 2017. [Fecha de consulta: 17 de abril de 2020].
Disponible en https://www.tandfonline.com/doi/pdf/10.1080/23311916.1335444
ISSN: 1335-4445
PÉREZ, Valeria y QUINTERO, Lewis. Metodología dinámica para la
implementación de 5 s en el área de producción de las organizaciones. Revista
ciencias estratégicas. [en línea]. Julio – diciembre 2017. [Fecha de consulta: 23 de
abril de 2020].
Disponible en file:///C:/Users/susan/Downloads/8014-16323-1-SM.pdf
ISSN: 2390-0024
PHUSAVAT, Kongkiti. Productivity management in an organization: Measurement
and analysis. Tailandia: ToKnowPress, 2015. 216 pp.
ISBN: 9789616914048
QUEZADA, Maria, ARRIETA, Juan. Implementation of lean manufacturing
techniques in the bakery industry in Medellin. Scielo. [en línea]. vol 26, n.°2. Mayo
Disponible en https://doi.org/10.1590/0104-530X-2505-19
ISSN: 1806-9649
RODRIGUEZ, Andrade, Anderson. Propuesta de mejora de la gestión de
producción de conserva de anchoveta en crudo en el área de corte y eviscerado,
basada en lean manufacturing para reducir los costos unitarios en la empresa
54
Inversiones Generales del Mar S.A.C., Chimbote, 2015. Tesis (Bachiller en
Ingeniería Industrial). Trujillo: Universidad Privada del Norte, 2016. 263 pp.
Disponible en https://repositorio.upn.edu.pe/bitstream/handle/11537/10379/
ROJAS, Anggela y GISBERT, Víctor. Lean Manufacturing: Tools to improve
productivity in businesses. Revista 3C Empresa, pensamiento y pensamiento
críticos [en línea]. Diciembre 2017. [Fecha de consulta: 15 de abril de 2020].
Disponible en https://www.3ciencias.com/wp-content/uploads/2018/01/art_14.pdf
ISSN: 2254-3376
ROJAS, David, GRAJALES, Mariana y VALENCIA, Elena. Lean construction – LC
bajo pensamiento Lean. Revista Ingenierías: Universidad de Medellín, 16(30): 115-
128, junio 2017
ISSN: 1692-3324
RUIZ Cobos, Javier. Implementación de la metodología lean manufacturing a una
cadena de producción Agroalimentaria. Tesis (Magíster en Ingeniería Aeronáutica).
Sevilla: Escuela Técnica Superior de Ingeniería, 2016. 97 pp.
Disponible en https://www.bibling.us.es/wp-content/uploads
SALONITIS, Konstantinos y TSINOPOULOS, Christos. Drivers and Barriers of Lean
Implementation in the greek manufacturing sector. Revista Elsevier, 57:189-194,
noviembre 2016.
ISSN: 2212-8271
SHEN, Carlos. Discussion on key successful factor of TPM in enterprises. Journal
of applied Research and Technology. Revista Journal of Applied Research and
Technology 13(3): 425-427, 2015.
Disponible en http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S1665-
ISSN: 1665-6423
TEJADA, Anne. Mejoras de Lean Manufacturing en los sistemas productivos.
Revista ciencia y sociedad. [en línea]. vol 1, n.o 2, abril – junio 2011. [Fecha de
consulta: 13 de abril de 2020].
ISSN: 0378-7680
TPM implementation companies competitivity in the Medellin metropolitan and
antioquia´s eastern region Colombia by Serna Arango [et al], 79 (172): 164-170,
abril 2012.
55
ISSN: 0012-7353
VARGAS, José, MURATALLA, Gabriela y JIMÉNEZ, María. Lean Manufacturing
¿una herramienta de mejora de un sistema de producción? Ingeniería Industrial.
Actualidad y nuevas tendencias. [en línea]. Mayo 2016. [Fecha de consulta: 10 de
abril de 2020].
ISSN: 1856-8327
56
ANEXOS
Anexo 3. Matriz de operacionalización de variables
Tabla 30. Matriz de operacionalización de variables
Variable
Definición Escala de
de Definición operacional Dimensión Indicador
conceptual medición
estudio
Es una Para implementar las % de frecuencia de causas específicas

metodología de herramientas de la filosofía Razón
(Diagrama de Pareto)
mejora continua esbelta, en primer lugar, se
que otorga realizará un diagnóstico con el 𝑫𝟏 :Diagnóstico
Independiente: Lean Manufacturing
Análisis de causas raíces

perfeccionar el propósito de reconocer los Nominal
proceso productivo procesos que presentan (Diagrama de Ishikawa)
concentrándose en deficiencias dentro de la línea
reconocer y de cocido. Luego se emplearán Value Stream Mapping
acentuar todo tipo las fases del método Kaizen,
de desperdicios siendo la primera fase 𝑫𝟐 :Planeación Nominal
presentes en el planeación, en donde se Nro. de actividades
proceso utilizará la herramienta del
(Madariaga, 2013, Value Stream Mapping con el Tiempos de ciclo
p.13). fin de tener una visión global de
los procesos de la empresa. En
Metodología 5S
la segunda fase, se aplicarán
herramientas de 𝑫𝟑 :Implementación % 5𝑠 𝑓𝑖𝑛𝑎𝑙 − % 5𝑠 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 Razón
implementación que inicia con Δ5S =
% 5𝑠 𝑖𝑛𝑖𝑐𝑖𝑎𝑙
la aplicación de las 5S y finaliza
con la utilización del
mantenimiento productivo total. Mantenimiento productivo total
Por último, en la tercera etapa
se realizará un seguimiento, Tiempo medio entre fallas
para lo cual se efectuará un 𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑀𝑇𝐵𝐹 =
nuevo Value Stream Mapping 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠
con la finalidad de visualizar los Tiempo medio para reparar
cambios efectuados como 𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑎𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
producto de la aplicación. 𝑀𝑇𝑇𝑅 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠
Eficacia global de equipo
OEE= Disponibilidad.Eficiencia. Calidad
Value Stream Mapping (evaluación)

𝑫𝟒 : Seguimiento Nominal
Nº de actividades
Tiempo de ciclo
Es la relación entre La productividad de mano de

la cantidad de obra expresa la cantidad de Cajas producidas
productos P (M. 0) =
producción (cajas producidas) Horas − Hombre
obtenidos en el
Dependiente: Productividad
realizada por una cuadrilla 𝑫𝟏 : Productividad de

proceso productivo Razón
y la cantidad de definida, en un intervalo de mano de obra
recursos tiempo establecido. Además,
se determinará el costo de Cajas producidas
empleados. P (C. M. 0) =
Además, la mano de obra mediante su Costo de mano de obra
productividad se valor en soles. En otro sentido,
calcula por la la productividad de materia
fracción formada
prima está representada por la
por los efectos
cantidad de cajas producidas Cajas producidas
obtenidos y los 𝑫𝟐 :Productividad de P(M. P) = Razón
medios utilizados (producción) y la materia prima materia prima Materia prima (TM de caballal)
(Gutiérrez, 2014, empleada para obtener dicha
p.21). producción.
Anexo 4. Validación de instrumentos
Tabla 31. Calificación del Ing. Ruíz Gómez Percy John
Criterio de validez Deficiente Aceptable Bueno Excelente Total parcial

Congruencia de ítems 1 2 3 4 4
Amplitud del contenido 1 2 3 4 3
Redacción de ítems 1 2 3 4 4
Claridad y precisión 1 2 3 4 4
Pertinencia 1 2 3 4 4
Total 19
Tabla 32. Calificación del Ing. Pérez Felix Chias Elvis

Total 20
Tabla 33. Calificación del Ing. Canepa Montalvo Eric

Total 17

Tabla 34. Calificación total de expertos
Experto Calificación de validez Calificación (%)

Ruíz Gómez Percy John 19 95%
Pérez Felix Chias Elvis 20 100%
Canepa Montalvo Eric 17 85%
Calificación 18.67 93.33%
Tabla 35. Escala de validez de instrumentos

Escala Indicador
0,0 – 0,53 Validez nula
0,54 – 0,59 Validez baja
0,60 – 0,65 Válida
0,66 – 0,71 Muy válida
0,72 – 0,99 Excelente validez
1 Validez perfecta
Fuente: Oseda y Ramírez, 2011, p. 154.
Anexo 5. Diagrama de operaciones del proceso
DIAGRAMA DE OPERACIONES DEL PROCESO

Línea: cocido Parte: Fecha: 15 / 05 / 2020 _
Producto: filete de caballa de ½ libra en aceite vegetal Operario(s): Hoja Nro. 1 de 2
Elaborado por: J. Huerta y S. Valderrama A. Cruz Método: x Actual
A. Melendez x
Tipo: Operario Material Máquina Propuesto
Recepción de
Recepción Pescado Jurel
insumos (Aceite
de envases
vegetal, sal yodada)
180 min Recepcionar la materia

1-1
prima 18 TN.
Vapor
60 min 2 Cocinar
min
3 Enfriar
Desinfectar 360 min 4 Filetear

50 min 5
envases
Viseras
480 min 6 Envasar

300 min 7 Preparar líquido de
gobierno
Adicionar Líquido
300 min 8
de Gobierno
Vapor
300 min 9 Exhauster

DIAGRAMA DE OPERACIONES DEL PROCESO
Línea: cocido Parte: Fecha: 15 / 05 / 2020 _
Proceso: filete de caballa de ½ libra en aceite vegetal Operario(s): Hoja Nro. 2 de 2
Elaborado por: J. Huerta y S. Valderrama A. Cruz Método: x Actual
Tipo: Operario Material Máquina A. Melendez Propuesto
300 min 10-2 Sellar
300 min
11 Lavar envases
Vapor
480 min 12-3 Esterilizar
Seleccionar y
400 min 13 empacar
480 min 14 Etiquetar
Conserva de caballa de ½
libra en Aceite Vegetal
RESUMEN
Actividad Cantidad Tiempo (min.)
11 3030
3 960
TOTAL 14 3990
Figura 6. Digrama de operaciones

Fuente: Área de producción de la empresa
Anexo 6. Cuestionario aplicado al jefe de producción
Anexo 7. Formatos para hallar los problemas más frecuentes de la línea
Anexo 8. Datos de producción y tablas de productividades
Tabla 36. Datos de materia prima y mano de obra
MATERIA PERSONAL DE
PRODUCCIÓN HORAS DE PERSONAL PERSONAL DE JORNALEROS JORNALEROS N° DE
AÑO MES DÍA PRIMA CALIDAD Y
(CAJAS) PRODUCCIÓN DE FILETEO ENVASADO (SELLADO) (RECEPCIÓN) OPERARIOS
(CABALLA) OPERARIOS
1 30 1620 12 135 20 20 20 10 205
2 26 1420 11 138 22 20 20 10 210
4 20 1008 8 135 19 19 17 10 200
5 23 1200 11 132 20 19 19 10 200
6 21 1050 9 140 21 20 17 10 208
7 24 1302 11 120 15 18 15 10 178
NOVIEMBRE
12 19 1000 8 138 19 19 18 10 204

13 20 1050 8 135 22 16 19 10 202
16 19 1020 8 133 20 16 19 10 198
2019
18 23.2 1200 9 140 18 16 16 10 200

19 21 1100 8 137 19 19 20 10 205
21 27 1450 11 136 20 19 18 10 203
22 28 1520 12 129 21 20 19 10 199
23 22.8 1200 11 115 20 19 18 10 182
26 23.5 1220 11 135 21 20 18 10 204
2 26 1420 11 128 19 20 18 10 195
3 24 1300 11 132 21 19 17 10 199
DICIEMBRE
4 19 1000 8 136 20 18 20 10 204

6 19 1010 9 127 19 20 19 10 195
7 19 1003 8 140 20 17 19 10 206
10 18.8 1000 8 128 20 21 21 10 200
11 19 1005 8 130 22 20 20 10 202
14 23.2 1200 10 127 20 21 21 10 199
17 21 1100 9 135 18 20 20 10 203
18 20 1020 8 134 18 18 20 10 200
19 23 1200 11 130 21 19 20 10 200
20 20 1020 9 135 20 18 21 10 204
21 20 1005 8 128 19 19 20 10 196
26 19 1000 8 127 19 19 20 10 195
27 19.6 1032 9 128 19 19 20 10 196
1 23 1200 10 128 19 20 20 10 197
2 20 1020 9 129 20 20 18 10 197
4 21 1100 9 132 20 18 20 10 200
7 20 1052 9 135 20 20 19 10 204
8 20 1050 9 126 18 20 20 10 194
9 23.4 1200 10 134 21 20 20 10 205
10 20 1020 8 134 19 18 20 10 201
ENERO
14 21 1100 9 139 19 20 19 10 207

2020
16 20 1020 8 135 20 19 20 10 204

17 19 1003 8 135 20 19 20 10 204
18 19 1001 8 130 20 20 18 10 198
22 19 1009 8 130 19 20 20 10 199
23 21 1100 9 135 20 16 20 10 201
24 21 1130 10 135 18 19 20 10 202
25 23 1200 10 135 20 20 19 10 204
3 21 1100 8 130 19 21 20 10 200
4 21.5 1120 9 138 17 20 20 10 205
FEBRERO
5 19 1005 8 127 21 20 20 10 198

6 28.7 1500 12 115 20 20 20 10 185
11 19 1012 8 133 19 20 20 10 202
12 20 1020 8 135 20 20 20 10 205
14 20 1040 8 140 20 20 20 10 210
15 19 1001 8 138 20 20 20 10 208
19 19 1000 7 131 18 17 19 10 195
20 23 1200 9 130 18 15 17 10 190
24 19 1010 9 130 20 20 20 10 200
25 21 1100 9 130 20 20 20 10 200
27 20 1050 8 132 20 20 20 10 202
28 19 1009 8 127 20 20 20 10 197
29 23.1 1203 10 129 21 20 19 10 199
Fuente: Área de producción de LA CHIMBOTANA S.A.C
Tabla 37. Datos del costo de materia prima
PAGO PERSONAL PAGO PERSONAL DE PAGO PERSONAL DE

PAGO PERSONAL DE ENVASE ENVASE
DE FILETE ENVASE
PAGO
AÑO MES DÍA PAGO PAGO
N° N° N° PAGO TOTAL N° PAGO TOTAL TOTAL (S/.)
TOTAL TOTAL
FILETEROS ENVASADORES OPERARIOS (S/.) JORNALEROS (S/.)
(S/.) (S/.)
1 12 701.3 135 229.5 20 1140 40 310744.0 312814.8

2 11 1402.5 138 459.0 20 156020 42 285961.2 443842.7
4 8 2805.0 135 918.0 17 94095 38 183578.0 281396.0
5 11 3506.3 132 1147.5 19 125229 39 224351.4 354234.2
6 9 4207.5 140 1377.0 17 98022 41 206336.6 309943.1
7 11 4908.8 120 1606.5 15 107280 33 205992.6 319787.9
NOVIEMBRE
12 8 8415.0 138 2754.0 18 98838 38 182118.8 292125.8

13 8 9116.3 135 2983.5 19 109554 38 191238.8 312892.6
16 8 11220.0 133 3672.0 19 106419 36 175989.6 297300.6
18 9 12622.5 140 4131.0 16 105456 34 195588.4 317797.9
2019
19 8 13323.8 137 4360.5 20 120820 38 200358.8 338863.1

21 11 14726.3 136 4819.5 18 143388 39 271151.4 434085.2
22 12 15427.5 129 5049.0 19 158669 41 298832.6 477978.1
23 11 16128.8 115 5278.5 18 118638 39 224351.4 364396.7
26 11 18232.5 135 5967.0 18 120618 41 239792.6 384610.1
2 11 1402.5 128 459.0 18 140418 39 265535.4 407814.9
3 11 2103.8 132 688.5 17 121397 40 249304.0 373493.3
DICIEMBRE
4 8 2805.0 136 918.0 20 109820 38 182118.8 295661.8

6 9 4207.5 127 1377.0 19 105374 39 188783.4 299741.9
7 8 4908.8 140 1606.5 19 104642.5 37 177859.0 289016.8
10 8 7012.5 128 2295.0 21 115311 41 196496.6 321115.1
11 8 7713.8 130 2524.5 20 110370 42 202297.2 322905.5
14 10 9817.5 127 3213.0 21 138411 41 235856.6 387298.1
17 9 11921.3 135 3901.5 20 120820 38 200358.8 337001.6
18 8 12622.5 134 4131.0 20 112020 36 175989.6 304763.1
19 11 13323.8 130 4360.5 20 131820 40 230104.0 379608.3
20 9 14025.0 135 4590.0 21 117621 38 185766.8 322002.8
21 8 14726.3 128 4819.5 20 110370 38 183030.8 312946.6
26 8 18232.5 127 5967.0 20 109820 38 182118.8 316138.3
27 9 18933.8 128 6196.5 20 113340 38 187955.6 326425.9
1 10 701.3 128 229.5 20 131820 39 224351.4 357102.2
2 9 1402.5 129 459.0 18 100818 40 195544.0 298223.5
4 9 2805.0 132 918.0 20 120820 38 200358.8 324901.8
7 9 4908.8 135 1606.5 19 109763 40 201688.0 317966.3
8 9 5610.0 126 1836.0 20 115320 38 191238.8 314004.8
9 10 6311.3 134 2065.5 20 131820 41 235856.6 376053.4
10 8 7012.5 134 2295.0 20 112020 37 180878.2 302205.7
ENERO
14 9 9817.5 139 3213.0 19 114779 39 205631.4 333440.9

2020
16 8 11220.0 135 3672.0 20 112020 39 190655.4 317567.4

17 8 11921.3 135 3901.5 20 110150 39 187473.0 313445.8
18 8 12622.5 130 4131.0 18 98937 40 191896.0 307586.5
22 8 15427.5 130 5049.0 20 110810 39 188596.2 319882.7
23 9 16128.8 135 5278.5 20 120820 36 189813.6 332040.9
24 10 16830.0 135 5508.0 20 124120 37 200414.2 346872.2
25 10 17531.3 135 5737.5 19 125229 40 230104.0 378601.8
3 8 2103.8 130 688.5 20 120820 40 210904.0 334516.3
4 9 2805.0 138 918.0 20 123020 37 198638.2 325381.2
5 8 3506.3 127 1147.5 20 110370 41 197480.6 312504.4
6 12 4207.5 115 1377.0 20 164820 40 287704.0 458108.5
11 8 7713.8 133 2524.5 20 111140 39 189157.8 310536.1
12 8 8415.0 135 2754.0 20 112020 40 195544.0 318733.0
14 8 9817.5 140 3213.0 20 114220 40 199384.0 326634.5
FEBRERO
15 8 10518.8 138 3442.5 20 109930 40 191896.0 315787.3

19 7 13323.8 131 4360.5 19 104329 35 167741.0 289754.3
20 9 14025.0 130 4590.0 17 112047 33 189835.8 320497.8
24 9 16830.0 130 5508.0 20 110920 40 193624.0 326882.0
25 9 17531.3 130 5737.5 20 120820 40 210904.0 354992.8
27 8 18933.8 132 6196.5 20 115320 40 201304.0 341754.3
28 8 19635.0 127 6426.0 20 110810 40 193432.0 330303.0
29 10 20336.3 129 6655.5 19 125542.5 41 236447.0 388981.3

Tabla 38. Productividad de mano de obra antes de la aplicación de la metodología
Producción Nº de Tiempo Productividad Productividad

Mes Día
(cajas) operarios (h) (cajas - H-H) promedio
1 1620 205 12 0.659
2 1420 210 11 0.615
4 1008 200 8 0.630
5 1200 200 11 0.545
6 1050 208 9 0.561
7 1302 178 11 0.665
Nov- 12 1000 204 8 0.613
2019 13 1050 202 8 0.650 0.623
16 1020 198 8 0.644
18 1200 200 9 0.667
19 1100 205 8 0.671
21 1450 203 11 0.649
22 1520 199 12 0.637
23 1200 182 11 0.599
26 1220 204 11 0.544
2 1420 195 11 0.662
3 1300 199 11 0.594
4 1000 204 8 0.613
6 1010 195 9 0.575
7 1003 206 8 0.609
10 1000 200 8 0.625
11 1005 202 8 0.622
Dic-
14 1200 199 10 0.603 0.607
2019
17 1100 203 9 0.602
18 1020 200 8 0.638
19 1200 200 11 0.545
20 1020 204 9 0.556
21 1005 196 8 0.641
26 1000 195 8 0.641
27 1032 196 9 0.585
1 1200 197 10 0.609
2 1020 197 9 0.575
4 1100 200 9 0.611
7 1052 204 9 0.573
8 1050 194 9 0.601
9 1200 205 10 0.585
10 1020 201 8 0.634
Ene- 14 1100 207 9 0.590
2020 16 1020 204 8 0.625 0.603
17 1003 204 8 0.615
18 1001 198 8 0.632
22 1009 199 8 0.634
23 1100 201 9 0.608
24 1130 202 10 0.559
25 1200 204 10 0.588
3 1100 200 8 0.688
4 1120 205 9 0.607
5 1005 198 8 0.634
6 1500 185 12 0.676
11 1012 202 8 0.626
12 1020 205 8 0.622
14 1040 210 8 0.619
Feb-
15 1001 208 8 0.602 0.638
2020
19 1000 195 7 0.733
20 1200 190 9 0.702
24 1010 200 9 0.561
25 1100 200 9 0.611
27 1050 202 8 0.650
28 1009 197 8 0.640
29 1203 199 10 0.605
Fuente: Tabla 23
Tabla 39. Productividad de costo de mano de obra antes de la metodología
Costo
de
Mes Día mano
(cajas) operarios (h) (cajas – S/.) promedio
de obra
(S/.)
1 1620 205 12 30500.5 0.053
2 1420 210 11 26530.5 0.054
4 1008 200 8 20081.0 0.050
5 1200 200 11 23647.5 0.051
6 1050 208 9 21275.4 0.049
7 1302 178 11 24351.2 0.053
Nov- 12 1000 204 8 19181.3 0.052
2019 13 1050 202 8 20050.0 0.052 0.052
16 1020 198 8 19119.3 0.053
18 1200 200 9 23144.0 0.052
19 1100 205 8 21104.8 0.052
21 1450 203 11 27325.1 0.053
22 1520 199 12 28588.8 0.053
23 1200 182 11 23415.9 0.051
26 1220 204 11 24112.8 0.051
2 1420 195 11 26439.7 0.054
3 1300 199 11 24487.4 0.053
4 1000 204 8 19212.3 0.052
6 1010 195 9 19485.5 0.052
7 1003 206 8 19150.3 0.052
10 1000 200 8 19150.1 0.052
11 1005 202 8 19274.3 0.052
Dic-
23758.6 0.051 0.052
2019 14 1200 199 10
17 1100 203 9 21382.8 0.051
18 1020 200 8 20143.0 0.051
19 1200 200 11 23692.9 0.051
20 1020 204 9 20416.2 0.050
21 1005 196 8 20174.0 0.050
26 1000 195 8 19243.3 0.052
27 1032 196 9 20043.9 0.051
1 1200 197 10 23491.3 0.051
2 1020 197 9 20380.4 0.050
4 1100 200 9 21311.2 0.052
7 1052 204 9 20416.2 0.052
8 1050 194 9 20452.0 0.051
9 1200 205 10 23863.6 0.050
Ene- 10 1020 201 8 20143.0 0.051
2020 14 1100 207 9 21347.0 0.052
16 1020 204 8 20174.0 0.051
17 1003 204 8 19243.3 0.052
0.051
18 1001 198 8 19212.3 0.052
22 1009 199 8 19274.3 0.052
23 1100 201 9 21239.6 0.052
24 1130 202 10 21589.2 0.052
25 1200 204 10 23450.7 0.051
3 1100 200 8 21166.8 0.052
4 1120 205 9 21848.1 0.051
5 1005 198 8 19274.3 0.052
6 1500 185 12 29290.5 0.051
11 1012 202 8 19274.3 0.053
12 1020 205 8 20205.0 0.050
14 1040 210 8 20205.0 0.051
Feb-
15 1001 208 8 19274.3 0.052 0.052
2020
19 1000 195 7 18922.5 0.053
20 1200 190 9 22957.9 0.052
24 1010 200 9 19521.3 0.052
25 1100 200 9 21382.8 0.051
27 1050 202 8 20205.0 0.052
28 1009 197 8 19274.3 0.052
29 1203 199 10 23543.7 0.051
Fuente: Tabla 4
Tabla 40. Productividad de materia prima antes de la aplicación de la metodología
Producción TM Productividad Productividad

Mes Día
(cajas) (Caballa) (cajas - TM) promedio
1 1620 30 54
2 1420 26 55
4 1008 20 50
5 1200 23 52
6 1050 21 50
7 1302 24 54
Nov- 12 1000 19 53
2019 13 1050 20 53 53
16 1020 19 54
18 1200 23.2 52
19 1100 21 52
21 1450 27 54
22 1520 28 54
23 1200 22.8 53
26 1220 23.5 52
2 1420 26 55
3 1300 24 54
4 1000 19 53
6 1010 19 53
7 1003 19 53
10 1000 18.8 53
11 1005 19 53
Dic-
14 1200 23.2 52 52
2019
17 1100 21 52
18 1020 20 51
19 1200 23 52
20 1020 20 51
21 1005 20 50
26 1000 19 53
27 1032 19.6 53
1 1200 23 52
2 1020 20 51
4 1100 21 52
7 1052 20 53
8 1050 20 53
9 1200 23.4 51
10 1020 20 51
Ene- 14 1100 21 52
2020 16 1020 20 51
17 1003 19 53 52
18 1001 19 53
22 1009 19 53
23 1100 21 52
24 1130 21 54
25 1200 23 52
3 1100 21 52
4 1120 21.5 52
5 1005 19 53
6 1500 28.7 52
11 1012 19 53
12 1020 20 51
14 1040 20 52
Feb-
15 1001 19 53 52
2020
19 1000 19 53
20 1200 23 52
24 1010 19 53
25 1100 21 52
27 1050 20 53
28 1009 19 53
29 1203 23.1 52
Fuente: Tabla 23
Anexo 9. Balance de materia del proceso de filete de caballa en aceite vegetal
Anexo 10. Cronograma para la aplicación de la herramienta de las 5S´s
Anexo 11. Tarjeta roja
Anexo 12. Diagrama de flujo para la toma de decisiones
Anexo 13. Cuestionario aplicado a los operarios de las áreas de estudio
Anexo 14. Colocación de percheros y rotulación de materiales y productos de
limpieza
ANTES DE LA APLICACIÓN DE LA
TERCERA Y CUARTA “S”
DESPUÉS DE LA APLICACIÓN DE
LA TERCERA Y CUARTA “S”
Anexo 15. Cronograma para la aplicación de la herramienta del mantenimiento productivo total
Anexo 16. Datos de producción en base al tiempo
Paradas
Tiempo
Tiempo perdido Mantenimi Tiempo Tiempo
Cajas Calibración Tiempo de
Merma total de Cantidad por ento operativo disponible
Mes Semana Día produc de inactividad
(cajas) sellado de paradas autónomo semanal semanal
idas máquina (min)
(min) paradas en (min.) (min.) (min.)
(min.)
promedio
(min)
1 1002 7 300 6 25 50 0 150
semana 2 1004 8 309 7 30 65 0 210
1274 1992
1 3 1015 7 315 6 25 60 0 150
5 1000 7 350 8 26 70 0 208
9 1118 9 420 8 26 65 0 208
semana 10 1070 8 390 8 25 50 0 200
1580 2348
2 12 1105 7 410 7 30 65 0 210
13 1060 7 360 6 25 50 0 150
Junio 15 1020 7 430 7 25 55 0 175
17 1060 8 380 5 25 60 0 125
semana
18 1050 7 360 6 30 50 0 180 1810 2562
3
19 1030 9 340 5 28 50 0 140
20 1001 8 300 6 22 55 0 132
24 1024 7 320 6 20 50 25 120
semana 25 1100 5 400 7 22 60 25 154
1480 1974
4 26 1090 8 360 5 24 55 25 120
27 1067 7 400 5 20 55 25 100
2 1020 7 330 5 22 50 25 110
semana
Julio 3 1060 6 360 4 24 40 25 96 1040 1346
5
4 1045 7 350 5 20 50 25 100
6 1013 8 315 4 21 40 25 84
7 1015 7 320 5 23 55 25 115
semana
9 1120 6 400 5 25 50 25 125 1745 2257
6
10 1055 8 360 4 26 35 25 104
11 1040 7 350 4 21 40 25 84
14 1035 6 350 4 25 40 25 100
semana
15 1050 7 360 4 22 35 25 88 1090 1350
7
17 1084 9 380 3 24 30 25 72
20 1040 7 320 3 25 35 25 75
semana 21 1000 6 302 4 20 45 25 80
1262 1525
8 23 1050 7 330 3 24 30 25 72
24 1025 6 310 2 18 30 25 36
Fuente: Área de producción de la CHIMBOTANA S.A.C
Anexo 17. Reporte de falla de la máquina selladora
Anexo 18. Formato de mantenimiento autónomo
Anexo 19. Tabla de valores del OEE
% OEE Calificativo Consecuencias
Importantes pérdidas económicas.

OEE < 65% Inaceptable
Baja competitividad.
Pérdidas económicas. Aceptable sólo

65% < OEE < 75% Regular
si se está en proceso de mejora.
Ligeras pérdidas económicas.

75% < OEE < 85% Aceptable
Competitividad ligeramente baja.
Buena competitividad. Entrada en

85% < OEE < 95% Buena
valores de clases mundial.
OEE > 95% Excelente Competitividad excelente.

Anexo 20. Datos de producción y tablas de productividades
Tabla 41. Datos de materia prima y mano de obra
PERSONAL
MATERIA PERSONAL
PRODUCCIÓN HORAS DE PERSONAL JORNALEROS JORNALEROS DE CALIDAD N° DE
MES DÍA PRIMA DE
(CAJAS) PRODUCCIÓN DE FILETEO (SELLADO) (RECEPCIÓN) Y OPERARIOS
(CABALLA) ENVASADO
OPERARIOS
3 21 1130 10 130 20 19 19 10 198
4 20 1070 8 130 20 20 19 10 199
6 20 1061 8 129 20 20 20 10 199
7 18 998 7 127 20 20 20 10 197
10 22 1202 11 126 20 20 19 10 195
11 25 1350 12 121 20 20 19 10 190
1000 7 130 20 19 18 10 197
AGOSTO
12 18
13 20 1050 8 130 20 19 19 10 198
14 20 1030 8 130 20 18 18 10 196
15 19 1015 8 134 20 19 18 10 201
18 18 991 7 135 20 18 19 10 202
19 20 1052 8 134 20 18 20 10 202
20 20 1050 8 130 20 18 20 10 198
24 21 1128 9 126 20 19 20 10 195
25 24 1304 12 130 19 20 20 10 199
1 21 1128 9 129 20 19 19 10 197
2 20 1016 8 130 20 20 18 10 198
SEPTIEMBRE
3 18 999 8 129 20 20 18 10 197

4 19 1010 8 128 19 20 19 10 196
7 19 1013 8 134 20 20 19 10 203
9 18 1000 7 133 20 20 20 10 203
10 20 1065 8 134 20 19 20 10 203
11 25 1358 12 130 20 19 20 10 199
12 21 1132 9 131 20 19 19 10 199
14 24 1308 11 130 19 20 21 10 200
16 26 1390 12 130 19 18 20 10 197
17 20 1040 8 129 19 18 21 10 197
18 21 1141 8 129 20 19 19 10 197
19 21 1136 9 130 20 19 20 10 199
21 20 1032 8 130 20 20 19 10 199
1 19 1020 8 130 19 20 20 10 199
2 20 1130 8 129 19 19 19 10 196
3 20 1055 9 130 20 20 19 10 199
5 21 1130 9 127 19 20 19 10 195
6 20 1060 10 125 19 20 19 10 193
8 25 1351 9 122 19 19 19 10 189
OCTUBRE
10 18 997 12 130 20 20 20 10 200

12 21 1131 7 128 20 20 19 10 197
13 20 1040 10 129 20 18 19 10 196
14 18 998 9 134 19 18 18 10 199
15 18 995 7 125 19 19 18 10 191
17 20 1042 8 130 19 18 18 10 195
19 22 1200 9 132 20 19 19 10 200
22 21 1130 11 125 20 19 19 10 193
23 23 1260 10 129 19 18 19 10 195
2 20 1020 9 128 19 19 19 10 195
NOVIEMB
3 20 1071 9 130 20 19 19 10 198

RE
4 20 1070 8 132 20 20 20 10 202

5 20 1061 8 130 20 20 20 10 200
7 22 1059 11 129 20 20 19 10 198
9 25 1230 12 128 20 19 19 10 196
11 18 1360 7 129 19 20 19 10 197
12 18 1001 8 135 20 19 19 10 203
13 19 998 8 129 20 20 20 10 199
17 19 1025 8 130 20 19 18 10 197
19 18 1017 7 133 20 18 19 10 200
20 21 999 10 130 20 19 20 10 199
21 21 1135 10 130 19 18 20 10 197
22 21 1130 10 128 20 19 19 10 196
23 24 1132 12 131 19 20 20 10 200
Tabla 42. Datos de costo de mano de obra
PAGO PERSONAL DE PAGO PERSONAL DE PAGO PERSONAL DE
PAGO PERSONAL JORNAL
FILETE ENVASE CALIDAD Y OPERARIOS PAGO
MES DÍA PAGO PAGO PAGO PAGO TOTAL
N° N°
N° TOTAL N° TOTAL TOTAL TOTAL (S/.)
OPERARIOS JORNALEROS
FILETEROS (S/.) ENVASADORES (S/.) (S/.) (S/.)
3 130 12048.8 20 4217.1 10 460 38 1542.8 18268.6
4 130 11475.0 20 4016.3 10 350 39 1209.0 17050.3
6 129 11475.0 20 4016.3 10 350 40 1240.0 17081.3
7 127 10327.5 20 3614.6 10 295 40 1048.0 15285.1
10 126 12622.5 20 4417.9 10 515 39 1770.6 19326.0
11 121 14343.8 20 5020.3 10 570 39 1957.8 21891.9
12 130 10327.5 20 3614.6 10 295 37 969.4 15206.5
AGOSTO 13 130 11475.0 20 4016.3 10 350 38 1178.0 17019.3
14 130 11475.0 20 4016.3 10 350 36 1116.0 16957.3
15 134 10901.3 20 3815.4 10 350 37 1147.0 16213.7
18 135 10327.5 20 3614.6 10 295 37 969.4 15206.5
19 134 11475.0 20 4016.3 10 350 38 1178.0 17019.3
20 130 11475.0 20 4016.3 10 350 38 1178.0 17019.3
24 126 12048.8 20 4217.1 10 405 39 1396.2 18067.0
25 130 13770.0 19 4819.5 10 570 40 2008.0 21167.5
1 129 12048.8 20 4217.1 10 405 38 1360.4 18031.2
2 130 11475.0 20 4016.3 10 350 38 1178.0 17019.3
3 129 10327.5 20 3614.6 10 350 38 1178.0 15470.1
4 128 10901.3 19 3815.4 10 350 39 1209.0 16275.7
7 134 10901.3 20 3815.4 10 350 39 1209.0 16275.7
9 133 10327.5 20 3614.6 10 295 40 1048.0 15285.1
10 134 11475.0 20 4016.3 10 350 39 1209.0 17050.3
SEPTIEMBR
E 11 130 14343.8 20 5020.3 10 570 39 1957.8 21891.9
12 131 12048.8 20 4217.1 10 405 38 1360.4 18031.2
14 130 13770.0 19 4819.5 10 515 41 1861.4 20965.9
16 130 14917.5 19 5221.1 10 570 38 1907.6 22616.2
17 129 11475.0 19 4016.3 10 350 39 1209.0 17050.3
18 129 12048.8 20 4217.1 10 350 38 1178.0 17793.8
19 130 12048.8 20 4217.1 10 405 39 1396.2 18067.0
21 130 11475.0 20 4016.3 10 350 39 1209.0 17050.3
1 130 10901.3 19 3815.4 10 350 40 1240.0 16306.7
2 129 11475.0 19 4016.3 10 405 38 1360.4 17256.7
3 130 11475.0 20 4016.3 10 405 39 1396.2 17292.5
5 127 12048.8 19 4217.1 10 460 39 1583.4 18309.2
6 125 11475.0 19 4016.3 10 405 39 1396.2 17292.5
8 122 14343.8 19 5020.3 10 570 38 1907.6 21841.7
10 130 10327.5 20 3614.6 10 295 40 1048.0 15285.1
OCTUBRE 12 128 12048.8 20 4217.1 10 460 39 1583.4 18309.2
13 129 11475.0 20 4016.3 10 405 37 1324.6 17220.9
14 134 10327.5 19 3614.6 10 295 36 943.2 15180.3
15 125 10327.5 19 3614.6 10 350 37 1147.0 15439.1
17 130 11475.0 19 4016.3 10 405 36 1288.8 17185.1
19 132 12622.5 20 4417.9 10 515 38 1725.2 19280.6
22 125 12048.8 20 4217.1 10 460 38 1542.8 18268.6
23 129 13196.3 19 4618.7 10 515 37 1679.8 20009.7
2 128 11475.0 19 4016.3 10 405 38 1360.4 17256.7
3 130 11475.0 20 4016.3 10 405 38 1360.4 17256.7
4 132 11475.0 20 4016.3 10 350 40 1240.0 17081.3
5 130 11475.0 20 4016.3 10 350 40 1240.0 17081.3
7 129 12622.5 20 4417.9 10 515 39 1770.6 19326.0
9 128 14343.8 20 5020.3 10 570 38 1907.6 21841.7
11 129 10327.5 19 3614.6 10 295 39 1021.8 15258.9
12 135 10327.5 20 3614.6 10 350 38 1178.0 15470.1
NOVIEMBRE
13 129 10901.3 20 3815.4 10 350 40 1240.0 16306.7
17 130 10901.3 20 3815.4 10 350 37 1147.0 16213.7
19 133 10327.5 20 3614.6 10 295 37 969.4 15206.5
20 130 12048.8 20 4217.1 10 460 39 1583.4 18309.2
21 130 12048.8 19 4217.1 10 460 38 1542.8 18268.6
22 128 12048.8 20 4217.1 10 460 38 1542.8 18268.6
23 131 13770.0 19 4819.5 10 570 40 2008.0 21167.5
Tabla 43. Productividad de mano de obra después de la metodología

Mes Fecha
(cajas) operarios (h) (cajas - H-H) Promedio
3 1130 198 10 0.601
4 1070 199 8 0.717
6 1061 199 8 0.711
7 998 197 7 0.780
10 1202 195 11 0.588
11 1350 190 12 0.619
AGOSTO
12 1000 197 7 0.782

13 1050 198 8 0.708 0.686
14 1030 196 8 0.702
15 1015 201 8 0.673
18 991 202 7 0.754
19 1052 202 8 0.694
20 1050 198 8 0.708
24 1128 195 9 0.682
25 1304 199 12 0.570
1 1128 197 9 0.674
2 1016 198 8 0.685
3 999 197 8 0.677
4 1010 196 8 0.688
7 1013 203 8 0.665
SEPTIEMBRE
9 1000 203 7 0.757

10 1065 203 8 0.699
11 1358 199 12 0.594 0.679
12 1132 199 9 0.669
14 1308 200 11 0.623
16 1390 197 12 0.614
17 1040 197 8 0.705
18 1141 197 8 0.773
19 1136 199 9 0.672
21 1032 199 8 0.692
1 1020 199 8 0.684
2 1130 196 9 0.679
3 1055 199 9 0.624
OCTUBRE
5 1130 195 10 0.611

6 1060 193 9 0.648 0.651
8 1351 189 12 0.623
10 997 200 7 0.767
12 1131 197 10 0.605
13 1040 196 9 0.625
14 998 199 7 0.772
15 995 191 8 0.697
17 1042 195 9 0.630
19 1200 200 11 0.571
22 1130 193 10 0.617
23 1260 195 11 0.616
2 1071 195 9 0.647
3 1070 198 9 0.636
4 1061 202 8 0.700
5 1059 200 8 0.706
7 1230 198 11 0.592
NOVIEMBRE
9 1360 196 12 0.604

11 1001 197 7 0.783
12 998 203 8 0.655 0.658
13 1025 199 8 0.687
17 1017 197 8 0.689
19 999 200 7 0.768
20 1135 199 10 0.601
21 1130 197 10 0.604
22 1132 196 10 0.609
23 1355 200 12 0.589
Fuente: Tabla 32
Tabla 44. Productividad de costo de mano de obra después de la metodología

Mes Día S/
(cajas) operarios (h) (cajas - H-H) Promedio
3 1130 198 10 18268.6 0.062

4 1070 199 8 17050.3 0.063
6 1061 199 8 17081.3 0.062
7 998 197 7 15285.1 0.065
10 1202 195 11 19326.0 0.062
11 1350 190 12 21891.9 0.062
AGOSTO
12 1000 197 7 15206.5 0.066

13 1050 198 8 17019.3 0.062 0.063
14 1030 196 8 16957.3 0.061
15 1015 201 8 16213.7 0.063
18 991 202 7 15206.5 0.065
19 1052 202 8 17019.3 0.062
20 1050 198 8 17019.3 0.062
24 1128 195 9 18067.0 0.062
25 1304 199 12 21167.5 0.062
1 1128 197 9 18031.2 0.063
2 1016 198 8 17019.3 0.060
3 999 197 8 15470.1 0.065
4 1010 196 8 16275.7 0.062
7 1013 203 8 16275.7 0.062
15285.1 0.065
SEPTIEMBRE
9 1000 203 7
10 1065 203 8 17050.3 0.062
11 1358 199 12 21891.9 0.062 0.062
12 1132 199 9 18031.2 0.063
14 1308 200 11 20965.9 0.062
16 1390 197 12 22616.2 0.061
17 1040 197 8 17050.3 0.061
18 1141 197 8 17793.8 0.064
19 1136 199 9 18067.0 0.063
21 1032 199 8 16306.7 0.061
1 1020 199 8 17256.7 0.063
2 1130 196 9 17292.5 0.065
3 1055 199 9 18309.2 0.061
OCTUBRE
5 1130 195 10 17292.5 0.062

6 1060 193 9 21841.7 0.061 0.063
8 1351 189 12 15285.1 0.062
10 997 200 7 18309.2 0.065
12 1131 197 10 17220.9 0.062
13 1040 196 9 15180.3 0.060
14 998 199 7 15439.1 0.066
15 995 191 8 17185.1 0.064
17 1042 195 9 19280.6 0.061
19 1200 200 11 18268.6 0.062
22 1130 193 10 20009.7 0.062
23 1260 195 11 16306.7 0.063
2 1071 195 9 17256.7 0.062
3 1070 198 9 17256.7 0.062
4 1061 202 8 17081.3 0.062
5 1059 200 8 17081.3 0.062
7 1230 198 11 19326.0 0.064
9 1360 196 12 21841.7 0.062
NOVIEMBRE
11 1001 197 7 15258.9 0.066

12 998 203 8 15470.1 0.065 0.063
13 1025 199 8 16306.7 0.063
17 1017 197 8 16213.7 0.063
19 999 200 7 15206.5 0.066
20 1135 199 10 18309.2 0.062
21 1130 197 10 18268.6 0.062
22 1132 196 10 18268.6 0.062
23 1355 200 12 21167.5 0.064
Fuente: Tabla 33
Tabla 45. Productividad de materia prima después de la metodología
Producción TM Productividad Productividad

Mes Fecha
(cajas) (Caballa) (cajas - TM) Promedio
3 1130 21 53.81
4 1070 20 53.50
6 1061 20 53.05
7 998 18 55.44
10 1202 22 54.64
11 1350 25 54.00
AGOSTO
12 1000 18 55.56
13 1050 20 52.50 53.708
14 1030 20 51.50
15 1015 19 53.42
18 991 18 55.06
19 1052 20 52.60
20 1050 20 52.50
24 1128 21 53.71
25 1304 24 54.33
1 1128 21 53.71
2 1016 20 50.80
3 999 18 55.50
4 1010 19 53.16
7 1013 19 53.32
SEPTIEMBRE
9 1000 18 55.56
10 1065 20 53.25
11 1358 25 54.32 53.567
12 1132 21 53.90
14 1308 24 54.50
16 1390 26 53.46
17 1040 20 52.00
18 1141 21 54.33
19 1136 21 54.10
21 1032 20 51.60
1 1020 19 53.68
2 1130 20 56.50
3 1055 20 52.75
OCTUBRE
5 1130 21 53.81
6 1060 20 53.00 54.07
8 1351 25 54.04
10 997 18 55.39
12 1131 21 53.86
13 1040 20 52.00
14 998 18 55.44
15 995 18 55.28
17 1042 20 52.10
19 1200 22 54.55
22 1130 21 53.81
23 1260 23 54.78
2 1071 20 53.55
3 1070 20 53.50
4 1061 20 53.05
5 1059 20 52.95
7 1230 22 55.91
NOVIEMBRE
9 1360 25 54.40
11 1001 18 55.61
12 998 18 55.44 54.37
13 1025 19 53.95
17 1017 19 53.53
19 999 18 55.50
20 1135 21 54.05
21 1130 21 53.81
22 1132 21 53.90
23 1355 24 56.46
Fuente: Tabla 32

Huerta RJC Valderrama VSS SD

Cargado por

Copyright:

Formatos disponibles

Huerta RJC Valderrama VSS SD

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Huerta RJC Valderrama VSS SD

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

“Aplicación de herramientas del Lean Manufacturing para incrementar

TESIS PARA OBTENER EL TÍTULO PROFESIONAL DE:

A Dios por darnos luz, salud, sabiduría y

A nuestros padres, por su esfuerzo,

A Dios por darnos vida, por estar con

A nuestros padres por su constante

Y a nuestros maestros por brindarnos sus

Tabla 1. Técnicas e instrumentos de recolección de datos.....................................13

Keywords: Lean Manufacturing, Productivities, cooking line.

El actual estudio fue de vital importancia para la pesquera LA CHIMBOTANA

𝐗 𝟏 : Herramientas del Lean Manufacturing

Figura 1. Esquema del diseño de investigación

3.2. Variables y operacionalización

3.4. Técnicas e instrumentos de recolección de datos

Tabla 1. Técnicas e instrumentos de recolección de datos

Variable Técnica Instrumento Fuente / Información

Independiente: Línea de cocido de la

Diagrama de Diagrama de Diagrama de

Se registró la información para

Fomato de productividad Se determinó los

Figura 2. Diagrama de flujo de procedimiento 15

Objetivo específico Técnica Instrumento Resultado

Diagrama de operaciones Se detallaron las

Análisis de Diagrama de Ishikawa

Mapa de flujo de valor

(Tabla 10, 12 y 13)

Fuente: Elaboración propia

3.7. Aspectos éticos

Posteriormete, se procedió a realizar una tabla de frecuencias, con el propósito de

Tabla 4. Relación de criticidad de las causas que influyen en la productividad

Desorden en las áreas Muchas horas de trabajo

Constantes paradas DEFICIENTE

Figura 3. Diagrama de Ishikawa

Enero 2020 15 0.603 -0.7%

Febrero 2020 15 0.638 5.8%

Productividad promedio 0.618

Fuente: Anexo 8 – Tabla 26

Enero 2020 15 0.051 -1.9%

Febrero 2020 15 0.052 2.0%

Productividad promedio 0.052

Fuente: Anexo 8 – Tabla 27

Enero 2020 15 52.25 -0.5%

Febrero 2020 15 52.59 0.7%

Productividad promedio 52.52

Fuente: Anexo 8 – Tabla 28

En el gráfico anterior se pudo observar que las operaciones de fileteo, envasado y

Fuente: Elaboración propia

Para la ejecución de la tercera y cuarta etapa, denominadas “Limpieza” e “Higiene

Sem Sem Sem Sem Sem Sem Sem Sem

Se cuenta solo con lo necesario para trabajar a simple vista. 3 3 3 3 2 4 4 5

Número de paradas (fallas) 6 7 6 8

MTBF (min./falla) 25.00 14.14 27.50 17.75 21.10

MTTR (min./falla) 25.00 30.00 25.00 26.00 26.50

Fuente: Elaboración propia

Total 27 718 12 291

Fuente: Elaboración propia

Número de paradas (fallas) 3 4 3 2

MTBF (min./falla) 81.67 50.50 86.00 133.00 87.79