Optimizing beverage manufacturing: integrating lean manufacturing and machine learning to enhance efficiency and reduce waste

Abstract

The alcoholic and non-alcoholic beverage manufacturing sector faces persistent challenges that directly impact operational efficiency and business profitability. Recurrent problems in the equipment and sub-optimal practices of operators generate significant waste and production delays. Previous studies have explored methodologies such as Six Sigma, Lean Manufacturing and Kaizen to address these challenges, highlighting tools such as VSM, 5S and SMED. The sector urgently needs to improve operator training, implement advanced monitoring and control technologies to reduce equipment failures. This study proposes a model that integrates Lean Manufacturing and Machine Learning to optimize the production process, reduce line change times and reduce the percentage of waste. Key results showed a significant improvement in production efficiency, with a 42.4% reduction in quality control time thanks to the 5s methodology and a reduction in waste through preventive controls. The implementation of SMED managed to increase production efficiency 33.3%. The academic and socio-economic impact of this research is considerable, as it provides a practical and applicable framework for improving productivity and competitiveness in the beverage industry. It also promotes economic sustainability by optimizing resource use and reducing costs. It is imperative that future research explores new directions for the integration of emerging technologies in the field of Lean Manufacturing, encouraging academics and professionals to continue innovating in the improvement of industrial processes.

El sector de fabricación de bebidas alcohólicas y no alcohólicas enfrenta desafíos persistentes que impactan directamente en la eficiencia operativa y la rentabilidad empresarial. Los problemas recurrentes en los equipos y las prácticas subóptimas de los operadores generan un desperdicio significativo y retrasos en la producción. Estudios previos han explorado metodologías como Six Sigma, Lean Manufacturing y Kaizen para abordar estos desafíos, destacando herramientas como VSM, 5S y SMED. El sector necesita con urgencia mejorar la capacitación de los operadores e implementar tecnologías avanzadas de monitoreo y control para reducir las fallas en los equipos. Este estudio propone un modelo que integra Lean Manufacturing y Machine Learning para optimizar el proceso de producción, reducir los tiempos de cambio en las líneas y disminuir el porcentaje de desperdicio. Los resultados clave mostraron una mejora significativa en la eficiencia de producción, con una reducción del 42.4% en el tiempo de control de calidad gracias a la metodología 5S y una disminución en el desperdicio mediante controles preventivos. La implementación de SMED logró aumentar la eficiencia de producción en un 33.3%. El impacto académico y socioeconómico de esta investigación es considerable, ya que proporciona un marco práctico y aplicable para mejorar la productividad y la competitividad en la industria de bebidas. Además, promueve la sostenibilidad económica al optimizar el uso de recursos y reducir costos. Es imperativo que futuras investigaciones exploren nuevas direcciones para la integración de tecnologías emergentes en el ámbito de Lean Manufacturing, incentivando a académicos y profesionales a seguir innovando en la mejora de los procesos industriales.