El OEE se ha estado gestionando a nivel global desde la década de los años 80 a pesar de que su creación se desarrolló a finales de los 60’s por Seichii Nakajima. Junto con este indicador llegó TPM (Total Productive Maintenance, por sus siglas en inglés), que ha sido clave fundamental en la gestión de Operaciones de Excelencia. La estructura del OEE está formada por 3 elementos bien conocidos por todos nosotros: Disponibilidad, Rendimiento y Calidad. En su cálculo se usan simples operaciones aritméticas, como división, multiplicación y resta. Al contrario de una auditoría al Sistema de Gestión, con él puedes identificar pérdidas importantes que impactan la rentabilidad de tu planta. Finalmente, el OEE ha sido inamovible desde su creación, quedando como uno de los vestigios más importante para medir el desempeño en una operación de manufactura.
Clasificación convencional del OEE
La unidad de medición es porcentaje y se definen 4 clasificaciones para establecer el desempeño operativo, que van desde procesos con baja competitividad (<65%) hasta aquellos definidos como Excelencia Operacional (≥95%).
En la manufactura, el objetivo está enfocado en obtener una operación confiable a un 85% en OEE y a este desempeño se le conoce como “Clase Mundial”.
Clase mundial
La clase mundial consiste en una serie de prácticas, criterios y resultados consistentes, inmersos en modelos de administración bien dimensionados y desarrollados con base en una planeación estratégica.
Calidad de la evaluación
El apartado 9.1.3 “Análisis y evaluación” del requisito 9.1 de la norma ISO 9001:2015 define el hecho de contar con prácticas que aseguren resultados confiables para el seguimiento y la medición del o los procesos involucrados.
La evaluación del OEE consta generalmente de 3 pilares: Datos, Instrumento y la Ejecución de la Medición. Cada uno de ellos son fundamentales para emitir una decisión confiable, ya que están asociados a los errores tipo I (asumir que cumples con el OEE objetivo cuando no lo logras) y II (asumir que no cumples con el OEE cuando sí lo haces).
Siendo el OEE una medición tan importante, ¿es necesaria su validación?
Calidad de datos
Actualmente tenemos 2 maneras de recolectar la información: vía manual o su descarga desde la nube. Independientemente del tipo de recolección, los datos presentan 4 características:
Variedad: datos de tiempo perdido planeado, no planeado, por producto, turno, línea, operador, etc.
Volumen: cantidad de datos recolectada (depende del tipo de captura).
Velocidad: en la que se genera la información.
Veracidad: confiabilidad de la información.
La definición sobre el tipo de datos que se requiere para evaluar una operación es fundamental, ya que no sólo hablamos de tiempo perdido, sino también de fenómenos mecánicos, físicos y químicos durante la transformación y su flujo en la cadena de valor.
Calidad de los instrumentos
Hablando de instrumentos de medición, éstos requieren calibraciones y una serie de consideraciones para que el error de medición sea el mínimo.
Pero, ¿qué pasa cuando hablamos de OEE? Validar un software es factible usando plataformas específicas o un Análisis de Linealidad, mientras que las operaciones aritméticas fueron desarrolladas a través de la historia, por lo que el error de estimación es mínimo.
Calidad en la ejecución
Cuando hablamos de medidor nos referimos al operador que realiza la medición, para este caso hay varias metodologías para medir la repetibilidad y reproducibilidad de la misma.
Hablando específicamente de los conceptos y la clasificación de los tiempos muertos, existe el Análisis de Acuerdos por Atributo para establecer que los paros estén comprendidos y homologados por los operadores con el objetivo de reducir el error para evitar que se carguen como “Pérdidas de Velocidad”, que representan una caja negra.
Propuestas para validar el OEE
Como ya sabemos, la medición es importante en la toma de decisiones que, incluso la norma ISO, Lean, DMAIC, TPM, WCM, TQM (World Class Manufacture y Total Quality Management, por sus siglas en inglés), entre otros, definen en su estructura la importancia de contar con una plataforma sólida de datos, pero al mismo tiempo la validación de los kpis (key performance indicators, por sus siglas en inglés) no está del todo clara.
En la bibliografía, al menos para validar el OEE, no existe una metodología ni una referencia que nos apoye ejecutar la medición.
Metodología
La metodología tiene como principio la relación lineal que existe entre la eficiencia y la producción, así como la plataforma de revisión dentro del Balanced Score Card a través de las tendencias.
Para realizar el estudio de validación, se tomaron datos reales de 2 operaciones correspondientes a 30 turnos productivos con la información de cada componente por separado y el cálculo del OEE correspondiente.
Posteriormente, se ejecutaron los siguientes análisis estadísticos para establecer la naturaleza de los datos, las correspondientes relaciones entre entradas y salidas, así como el análisis de la gestión de operaciones.
Resultados
Estudio de Normalidad
La naturaleza de los datos para OEE, Disponibilidad, Rendimiento y Calidad, mostraron falta de normalidad, con valores de p-value<0.05 (para que sea normal p-value > 0.05). Los datos muestran patrones de anormalidad asociados al forzado en la captura de datos.
Análisis de regresión lineal
El estudio establece que el OEE y las cajas producidas no tienen correspondencia, con una r-square de 35.9% (para que tenga relación r-square debe ser mayor a 50%), obteniéndose la siguiente ecuación:
OEE=0.4177 + 0.000247 cajas producidas.
Análisis de regresión múltiple
El estudio arroja que los 3 componentes tienen una relación de correspondencia con una r-square de 100%
-2.073 + 0.9112 Disponibilidad + 0.99411 Rendimiento + 1.167 Calidad
Correlación de Pearson
La correlación entre el OEE y sus componentes se pueden consultar en esta matriz donde se encuentra el coeficiente de correlación de Pearson (debe ser mayor a 60%) el pvalue.
Análisis y discusión de los resultados
Los resultados muestran varias oportunidades en la gestión básica de datos y del talento, así como en la correcta clasificación de paros, ya que en todos los casos las bases de datos presentaron patrones no normales (p-values <0.05), así como patrones de forzamiento en la captura de datos.
Por otro lado, los estudios de regresión y de correlación mostraron puntos importantes, ya que para el factor de Calidad no se mostró una relación fuerte (Pearson -0.166 y p-value 0.389).
La relación entre el OEE y el Rendimiento obtuvieron la mayor correlación y regresión, con un Pearson de 0.996, un p-value de 0.000 y un factor de regresión de 0.99.
Finalmente, la Disponibilidad no mostró relación con el OEE, el Rendimiento y la Calidad, ya que los valores de Pearson y p-value fueron muy bajos.
El estudio de validación es importante para conocer la confiabilidad de los datos y evitar excesos en el costo de conversión derivado de decisiones que no siempre están fundamentadas por datos confiables.
Es importante que normas como ISO 9001:2015 no sólo pidan evidencia de la gestión, sino la confiabilidad de la misma, ya que un cumplimiento no necesariamente garantiza la estandarización.
Incrementar la capacidad de análisis para los Equipos de Alto Desempeño para no sólo documentar, sino cuestionar sus plataformas ahora se hace mucho más crítico con la integración de tecnologías que fomenten el desarrollo del big data, ya que tener muchos pocos datos no dan certeza de que estemos tomando decisiones correctas.
Este tipo de análisis pueden apoyarnos a establecer cambios y, en este caso, a alertar cuando administraciones deban modificar sus planes estratégicos, con el objetivo de incrementar la rentabilidad de la operación y reducir costos de la sobre gestión, que en el mayor de los casos no es visto como desperdicio.
Existen muchos métodos, pero éstos son lo más prácticos y fáciles de implementar en una operación, el siguiente paso es aplicar el AAA a la gestión de nuestro OEE, lo cual estaré compartiendo en otra publicación.
Finalmente:
Tu inversión al medir tu OEE de manera confiable se verá reflejada en la productividad y rentabilidad de tus líneas; sin embargo, no contar con incertidumbre en tus datos no te retornará más que gastos en tu operación.
