PREDICCIÓN DEL NÚMERO DE PAROS DE PRODUCCIÓN EN LÍNEAS DE ENSAMBLE

Autores/as

  • Gilberto Orrantia-Daniel Tecnológico Nacional de México/I. T. Hermosillo
  • Jaime Sánchez-Leal Tecnológico Nacional de México/I. T. Ciudad Juárez
  • Jorge de la Riva-Rodríguez Tecnológico Nacional de México/I. T. Ciudad Juárez
  • Manuel Rodríguez-Medina Tecnológico Nacional de México/I. T. Ciudad Juárez
  • Rosa María Reyes-Martínez Tecnológico Nacional de México/I. T. Ciudad Juárez

DOI:

https://doi.org/10.36790/epistemus.v13i26.93

Palabras clave:

Líneas de ensamble, prueba chi-cuadrada, distribución multinomial, paro de línea

Resumen

Es presentada una metodología para evaluar la condición actual y predecir la causa de inactividad de líneas de ensamble realizando un análisis del número de paros de producción. Es investigado el comportamiento de los paros por causa y por tipo de estación de trabajo, para así orientar a una mejor toma de decisiones. Los datos recolectados fueron la estación que provoca el paro de línea, su causa y el número de paros. Los cálculos obtenidos fueron las probabilidades de las causas de paro, aplicando la prueba de bondad de ajuste chi-cuadrada. En base a la distribución multinomial, fueron presentados modelos para predecir las causas de los próximos “m” paros de la línea. Además, uno de los principales hallazgos fue que los paros debidos a los operadores son el 61.37% de todos los paros, por lo que es recomendado maximizar las habilidades y conocimientos de los operadores.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

A. Simboli, R. Taddeo and A. Morgante, “Value and Wastes in Manufacturing. An Overview and a New Perspective Based on Eco-Efficiency”, Administrative Sciences, vol. 4, nº 3, p. 173–191, 4 July 2014. DOI: https://doi.org/10.3390/admsci4030173

S. Shingo, A Study of the Toyota Production System. From an Industrial Engineering Viewpoint, Cambridge, MA: Productivity Press, 1989.

B. W. Niebel y A. Freivalds, Ingeniería Industrial. Métodos, estándares y diseño del trabajo, Duodécima ed., México, D.F.: McGraw Hill, 2009.

M. L. Pinedo, Planning and Scheduling in Manufacturing and Services, Second edition ed., New York, NY: Springer Science+Business Media, LLC, 2009. DOI: https://doi.org/10.1007/978-1-4419-0910-7_4

X. Gu, S. Lee, X. Liang, M. Garcellano, M. Diederichs and J. Ni, “Hidden maintenance opportunities in discrete and complex production lines”, Expert Systems with Applications, vol. 40, nº 11, p. 4353–4361, 1 September 2013. DOI: https://doi.org/10.1016/j.eswa.2013.01.016

P. H. Tsarouhas, “Classification and calculation of primary failure modes in bread productionline”, Reliability Engineering and System Safety, Vol 94., p. 551–557, 2009. DOI: https://doi.org/10.1016/j.ress.2008.06.014

J. Sánchez Leal, Estadística, Primera ed., Ciudad Juárez, Chihuahua: Taller Editorial del Instituto Tecnológico de Ciudad Juárez, 2001.

A. Hayter, Probability and Statistics for Engineers and Scientists, Fourth ed., Boston, Massachusetts: Cengage, 2012.

P. Pallmann y L. A. Hothorn, “Analysis of means: a generalized approach using R”, Journal of Applied Statistics, vol. 43, nº 8, p. 1541–1560, 2016. DOI: https://doi.org/10.1080/02664763.2015.1117584

Descargas

Publicado

2019-06-30

Cómo citar

Orrantia-Daniel, G., Sánchez-Leal, J., Riva-Rodríguez, J., Rodríguez-Medina, M., & Reyes-Martínez, R. M. (2019). PREDICCIÓN DEL NÚMERO DE PAROS DE PRODUCCIÓN EN LÍNEAS DE ENSAMBLE. EPISTEMUS, 13(26), 29–35. https://doi.org/10.36790/epistemus.v13i26.93

Número

Sección

Investigación

Métrica

Artículos similares

1 2 3 4 5 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.