Propuesta de mejora para reducir mermas en la fabricación de tecnopor a base de poliestireno en una pyme del sector plásticos, a través de Mantenimiento Preventivo, Sensores IoT y Poka Yoke

Abstract

La presente investigación aborda el problema del excesivo porcentaje de mermas (19.87%) en una PYME dedicada a la fabricación de tecnopor a base de la materia prima de poliestireno. Este indicador supera la brecha técnica del sector (15%) y, en consecuencia, genera pérdidas económicas significativas. El análisis (marzo de 2024 - marzo de 2025) identificó que las causas principales son fallas en las máquinas de compresión y corte.

El exceso de mermas se debe a temperatura excesiva en la bloquera, la falta de precisión de la cortadora por sus vibraciones, la disponibilidad de la bloquera y los mantenimientos realizados al año. Por lo tanto, se propuso un modelo de mejora utilizando TPM, enfocado en mantenimiento preventivo, sensores IoT y Poka Yoke. Para ello, el TPM se utilizó para reestructurar el plan de mantenimiento. Al mismo tiempo, los sensores IoT se implementaron para monitorear en tiempo real la temperatura y la vibración. Finalmente, la metodología Poka Yoke, mediante un dispositivo Raspberry Pi, se usó para detectar irregularidades y prevenir errores.

Finalmente, el resultado de la prueba piloto (mayo 2025 – octubre 2025) demostró que el porcentaje de mermas se redujo de 19.87% a 9.18%. Asimismo, los indicadores clave de máquina mejoraron: el OEE de la bloquera aumentó de 54.30% a 73.61% y el CPK de la cortadora subió de 1.04 a 1.36. Adicionalmente, la disponibilidad se incrementó a 86,10% y el tiempo entre fallos (MTBF) se incrementó a 514.33 minutos. En conclusión, el proyecto se validó como viable técnica y económicamente.

This research addresses the problem of the excessive percentage of waste (19.87%) in an SME dedicated to the manufacture of technopor based on the raw material of polystyrene. This indicator overcomes the technical gap in the sector (15%) and, consequently, generates significant economic losses. The analysis (March 2024 - March 2025) identified that the main causes are failures in compression and cutting machines.

The excess of waste is due to the excessive temperature in the block machine, the lack of precision of the cutter due to its vibrations, and the availability and maintenance of the block machine throughout the year. Therefore, an improvement model utilizing TPM was proposed, focusing on preventive maintenance, IoT sensors, and Poka-Yoke. To this end, TPM was used to restructure the maintenance plan. At the same time, IoT sensors were implemented to monitor temperature and vibration in real time. Finally, the Poka Yoke methodology, using a Raspberry Pi device, was used to detect irregularities and prevent errors.

The results of the pilot test (May 2025 – October 2025) showed that the percentage of waste was reduced from 19.87% to 9.18%. Likewise, key machine indicators improved: the OEE of the block machine increased from 54.30% to 73.61% and the CPK of the cutter rose from 1.04 to 1.36. Additionally, availability increased to 86.10%, and the mean time between failures (MTBF) increased to 514.33 minutes. In conclusion, the project was validated as technically and economically viable.