General

El impacto del 'Tiempo de Preparación' (Setup)

En el corazón de la eficiencia operativa se encuentra una métrica a menudo subestimada: el Tiempo de Preparación o Setup Time. No es simplemente el tiempo que…

Por Muestreo del Trabajo ·
El impacto del 'Tiempo de Preparación' (Setup)

¿Qué es el Tiempo de Preparación y por qué es un KPI Crítico?

En el corazón de la eficiencia operativa se encuentra una métrica a menudo subestimada: el Tiempo de Preparación o Setup Time. No es simplemente el tiempo que tarda un operario en cambiar una herramienta. Es el pulso que marca la agilidad de una planta.

Operativamente, lo definimos como el intervalo exacto entre la última pieza buena producida de un lote y la primera pieza buena del siguiente. Este concepto, popularizado por la metodología SMED (Single Minute Exchange of Die) de Shigeo Shingo, es un pilar de la ingeniería de métodos moderna.

Desglosarlo es clave para mejorar. Distinguimos claramente entre:

  • Setup Externo: Tareas realizadas mientras la máquina aún opera (preparar herramientas, documentación). Son eliminables.
  • Setup Interno: Actividades que exigen la parada total de la máquina (desmontaje, montaje). Son minimizables.
  • Tiempo de Ajuste y Calibración: La puesta a punto tras el cambio. Se reduce con estandarización.

Entender esta taxonomía no es un ejercicio académico. Es el primer paso para convertir un KPI crítico —que puede devorar hasta un 35% de su tiempo productivo— en una ventaja competitiva. Herramientas como Cronometras permiten desglosar y cronometrar estas fases con precisión milésima, sentando la base para cualquier mejora.

El Costo Ocioso: Datos Reales del Mercado y Benchmarks por Sector

Los números no mienten. Estudios consolidados de Work Sampling (Muestreo del Trabajo) revelan una realidad impactante: en líneas de fabricación discreta con cambios frecuentes, entre el 15% y el 25% del tiempo total de un turno se pierde en tareas de preparación. En sectores de alta variabilidad, esta cifra puede ascender alarmantemente al 35%.

Este tiempo no es solo una "pausa operativa". Es un costo ocioso que impacta directamente en la competitividad. A continuación, un benchmark sectorial basado en datos empíricos:

Sector Setup Time Medio (% tiempo turno) Frecuencia Cambios/Día Impacto Negativo en OEE
Automoción Tier 1 18-22% 4-8 -12 a -18%
Alimentación y Bebidas 25-35% 8-15 -15 a -25%
Farmacéutico 15-20% 2-4 -8 a -15%
Electrónica 20-28% 6-12 -14 a -22%
Metal-Mecánica 12-18% 3-6 -10 a -15%
Plásticos/Inyección 20-30% 5-10 -15 a -22%

Fuente: Análisis de estudios publicados en revistas indexadas de ingeniería industrial.

La tabla muestra un patrón claro: a mayor frecuencia de cambios, mayor es el desafío. La industria de alimentación, por ejemplo, paga un peaje altísimo por su necesidad de flexibilidad. Diagnosticar este problema con rigor es el objetivo de especialistas como WorkSamp, cuyo enfoque en muestreo aleatorio permite capturar estos datos sin interferir en la operativa.

Cuantificando el Problema: Cómo el Setup Time Destruye el OEE

Para un Director de Operaciones, el lenguaje universal es el OEE (Overall Equipment Effectiveness). El Setup Time ataca directamente al factor más básico de esta tríada: la Disponibilidad.

La fórmula es clara:
OEE = Disponibilidad × Rendimiento × Calidad

Donde:
Disponibilidad = (Tiempo Planificado de Producción - Tiempo de Paradas) / Tiempo Planificado de Producción

El tiempo de setup es, por definición, una parada programada. Veamos su efecto con un ejemplo numérico real:

  • Turno: 480 minutos.
  • Pausas programadas: 30 minutos.
  • Tiempo Neto Disponible: 450 minutos.
  • Cambios de producto por turno: 5.
  • Tiempo de setup promedio actual: 18 minutos por cambio.
  • Setup total acumulado: 90 minutos.

Escenario A (Sin Gestión de Setup):
Disponibilidad = (450 - 90) / 450 = 80%

Escenario B (Con Gestión SMED aplicada):
Se logra reducir el setup a 6 minutos por cambio.
Setup total acumulado: 30 minutos.
Disponibilidad = (450 - 30) / 450 = 93.3%

Ganancia neta: +13.3 puntos porcentuales en Disponibilidad.

Este salto no es marginal. Trasladado a un OEE típico, podría significar pasar de un 65% a un 76%, un incremento que se traduce directamente en unidades producidas y en capacidad liberada. Plataformas de control como Induly son cruciales para monitorizar en tiempo real cómo estas mejoras afectan a la producción total.

Diagnóstico con Precisión Estadística: Work Sampling para Medir el Setup

Aquí es donde la ingeniería de métodos clásica se encuentra con la estadística inferencial moderna. No podemos mejorar lo que no medimos con fiabilidad. El cronometraje continuo es invasivo y puede alterar el comportamiento del operario (Efecto Hawthorne). La solución es el Work Sampling basado en la técnica de Tippett.

El fundamento es sólido: mediante observaciones instantáneas y aleatorias, se captura una "foto" de la actividad en ese microsegundo. Al acumular cientos de estas fotos, se obtiene una proporción que, gracias al Teorema del Límite Central, se aproxima a una distribución normal (Curva de Gauss), permitiendo hacer inferencias con un nivel de confianza predefinido.

El cálculo del tamaño de muestra (N) es fundamental. Usamos la fórmula para una distribución binomial:

N = (Z² × p × (1-p)) / E²

Donde:

  • Z: Valor Z para el nivel de confianza (1.96 para 95%).
  • p: Proporción estimada de tiempo de setup (ej. 0.20).
  • E: Margen de error aceptable (ej. 0.03).

Ejemplo práctico:
N = (1.96² × 0.20 × 0.80) / 0.03² = 683 observaciones mínimas.

Para robustez estadística, un ingeniero de planta programaría entre 700 y 750 observaciones distribuidas aleatoriamente a lo largo de varios turnos y días. Este método, ejecutado con herramientas como WorkSamp, proporciona un diagnóstico preciso, objetivo y libre del sesgo del observador.

Taxonomía MECE del Setup: Desglose para la Acción

Un diagnóstico preciso requiere categorizar todo el tiempo de setup de manera MECE (Mutually Exclusive, Collectively Exhaustive). Esta taxonomía, aplicada durante el estudio de Work Sampling, permite identificar con exactitud dónde están las mayores oportunidades de mejora.

Una estructura MECE típica para el Setup Time sería:

  • S1 - Preparación Externa (con máquina operativa): Búsqueda de herramientas, transporte de materiales, lectura de planos.
  • S2 - Desmontaje del Sistema Anterior: Retiro de utillaje, matrices, accesorios.
  • S3 - Limpieza de la Zona de Trabajo: Retiro de viruta, limpieza de mesas, purgado de líneas.
  • S4 - Montaje del Nuevo Sistema: Colocación y fijación del nuevo utillaje.
  • S5 - Ajuste y Calibración Inicial: Puesta a punto de parámetros (presión, temperatura, posición).
  • S6 - Verificación y Ajuste Fino: Producción de primeras piezas, medición, correcciones.
  • S7 - Esperas y Bloqueos Durante el Setup: Búsqueda de personal de apoyo, falta de grúa, documentación ausente.
  • O - Otras Actividades (excluible): Conversaciones ajenas, pausas no programadas.

Al clasificar cada observación aleatoria en estas categorías, se genera un diagrama de Pareto. Es común descubrir que S1 (Preparación Externa) y S7 (Esperas), que son las más fáciles de eliminar, representan entre el 30% y el 50% del tiempo total de setup. Atacarlas primero mediante estandarización y organización (método 5S) ofrece retornos rápidos y visibles.

Más Allá del OEE Tradicional: Wrench Time y Productividad Real

El impacto del Setup Time va más allá del OEE. Afecta al Wrench Time —el tiempo real que el operario o técnico dedica a trabajar directamente en el producto o máquina—. Un setup desorganizado y lleno de esperas (categoría S7) fragmenta el Wrench Time, reduciendo la productividad global y aumentando la fatiga.

Un estudio de Work Sampling bien ejecutado no solo mide el setup. Proporciona una radiografía completa de la jornada:

  • Porcentaje de Wrench Time (valor añadido).
  • Porcentaje de Tiempo de Setup.
  • Porcentaje de Esperas y Movimientos improductivos.
  • Porcentaje de Mantenimiento y actividades administrativas.

Esta visión integral permite calcular un OEE sin necesidad de sensores hardware en la máquina, basándose puramente en observación estadística. Es un diagnóstico de productividad no invasivo, rápido de implementar y con un coste significativamente menor que soluciones IoT completas. Es la especialidad de consultoría que se apoya en datos empíricos puros.

Conclusión: De la Medición a la Mejora Continua

El Tiempo de Preparación es un KPI crítico que actúa como palanca sobre la productividad industrial. Ignorarlo es aceptar pérdidas de disponibilidad del 15-35%, un lujo que ninguna operación competitiva puede permitirse.

La metodología de Work Sampling, fundamentada en la inferencia estadística y la técnica de Tippett, ofrece el diagnóstico de precisión necesario. Permite desglosar el problema con una taxonomía MECE, identificar los "golpes de efecto" (quick wins) y establecer una línea base objetiva para medir el éxito de iniciativas SMED.

Herramientas digitales modernas han democratizado el acceso a estos métodos. Desde plataformas de análisis de tiempos como Cronometras hasta soluciones especializadas en muestreo como WorkSamp, el camino para cuantificar y reducir el setup está al alcance de cualquier ingeniero de planta comprometido con la excelencia operativa.

El primer paso, como siempre, es medir. Porque en la ingeniería industrial, lo que no se mide con rigor estadístico, no se puede mejorar de verdad.

Recursos y Herramientas