Improvement model applying time series, TPM and SMED to reduce waste in a timber company in the peruvian jungle

Abstract

The objective of this study is to analyze the issue of waste generation in the sawn wood production process, impacting the costs and efficiency of the sawmill. The company reported a waste generation rate of 9.55%, while the standard is 7%, resulting in a loss of $96,383: Raw material expiration (67.3%), production downtime (27.5%), and other uncontrollable factors (5.2%). To reduce the impact of the problem, we applied Demand Forecasting, SMED, and Preventive TPM techniques, which led to a 15% reduction in waste. Demand forecasting helps us study the behavior of monthly sales and identify the time series model that the data follows month by month, specifically simple and triple exponential smoothing for this case study. This way, we estimate the future, helping us reduce losses from excess inventory, as we would process reasonable quantities plus a safety stock to cover uncertainty. Additionally, for species that produce nearly constant quantities annually, the statistical demand tool was used to determine what portion of the market we cover and what portion we do not, depending on how much we produce. This allows us to make decisions regarding the quantity to produce, taking into account the uncertainty embedded in the model through statistics. These results were validated using the Arena simulator for the company’s current model and the proposed model. The investment for the proposed model would be USD 16,467, and the financial analysis shows that the project is profitable, as the IRR (54%) is higher than the WACC (8.8%), in addition to having a positive NPV. It can be concluded that the proposed model has a positive impact on the company’s outcomes.

El objetivo de este estudio es analizar el problema de la generación de merma en el proceso de producción de madera aserrada, impactando los costos y la eficiencia del aserradero. La empresa presentó un 9,55% de generación de merma, mientras que la estándar es del 7%, lo que conlleva una pérdida de $ 96.383: Caducidad de materia prima (67,3%) y pérdida de tiempo de producción (27,5%) y otros factores no controlables. (5,2%). Para reducir el impacto del problema, utilizamos técnicas de Pronóstico de la Demanda, SMED y TPM Preventivo, lo que resultó en una reducción de merma en un 15%. El pronóstico de la demanda nos ayuda a estudiar el comportamiento de las ventas mensuales, a descubrir el modelo de series de tiempo que sigue los datos mes a mes, para el caso de estudio, suavizamiento exponencial simple y triple. De esta manera estimamos el futuro, ayudándonos a reducir las pérdidas por exceso de existencias, ya que procesaríamos cantidades razonables más un stock de seguridad para cubrir la incertidumbre. Asimismo, para las especies que anualmente producen cantidades casi constantes, se decidió utilizar la herramienta estadística de demanda pretendiendo saber qué parte del mercado cubrimos y qué parte no cubrimos dependiendo de cuánto producimos, de esta manera podemos tomar decisiones respecto a la cantidad a producir considerando la incertidumbre puesta en el modelo a través de la estadística. Estos resultados fueron validados utilizando el simulador Arena para el modelo actual de la empresa y el modelo propuesto. La inversión para el modelo propuesto sería de 16,467 USD, y el análisis financiero muestra que el proyecto es rentable, ya que la TIR (54%) es mayor que el COK (8.8%), además de tener un VAN positivo. Se puede concluir que el modelo propuesto tiene un impacto positivo en los resultados de la empresa.