Artículo

26 de octubre de 2026

Implementación del indicador OEE en una fábrica de muebles

Andressa Pereira de Castro Massardi; Karina Tonelli Silveira Dias

DOI: 10.22167/2675-6528-202600564

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La eficiencia operativa es crucial para el rendimiento industrial, influyendo directamente en la competitividad del mercado. Este estudio tuvo como objetivo estructurar e implementar el indicador Overall Equipment Effectiveness (OEE) en una fábrica de muebles, utilizando el ciclo de vida de proyectos para conducir la iniciativa de forma organizada. La investigación adoptó el enfoque de investigación-acción, con participación directa de la investigadora en las etapas de iniciación, planificación, ejecución y cierre del proyecto. Para garantizar que la utilización del indicador se reflejara en la mejora de la entrega de producción según lo planificado, se definió la forma de recolección de datos y la metodología para su tratamiento en la rutina. Los resultados indicaron que la aplicación de las fases del ciclo de vida de proyectos aumentó la fiabilidad de los datos, elevó el compromiso de los equipos y permitió identificar pérdidas productivas no medidas anteriormente. Se observó un aumento del 11,75% en el indicador OEE y una mejora significativa en la entrega de producción. Se concluyó que la formalización de la implementación del OEE como un proyecto promovió la integración entre áreas, la estandarización de procesos y la sostenibilidad de su utilización en la gestión de los procesos productivos.

Palabras clave: Ciclo de vida; Eficiencia operacional; Gestión de proyectos; Mejora continua; Producción industrial.

1. Introducción

El entorno industrial contemporáneo se caracteriza por una intensa competitividad, que exige de las organizaciones la adopción de sistemas estructurados de medición del desempeño. Dichos sistemas son cruciales para apoyar el control y mejorar continuamente los procesos productivos (Kaplan; Norton, 1997). En este contexto, la sostenibilidad de los resultados organizacionales depende intrínsecamente de una gestión sistemática de la rutina, que se basa en el monitoreo riguroso de indicadores, la comparación con metas preestablecidas y la actuación proactiva sobre las desviaciones identificadas en el proceso (Falconi, 2013).

Ante esta necesidad apremiante, el indicador “Overall Equipment Effectiveness” (OEE) se ha consolidado como una herramienta ampliamente utilizada para evaluar el desempeño operativo de los equipos. Su aplicación permite identificar y cuantificar las diversas pérdidas que impactan negativamente el proceso productivo (Busso, 2012). El OEE surgió en el contexto del “Total Productive Maintenance” (TPM) y fue concebido para analizar la eficiencia global de los equipos, considerando las pérdidas relacionadas con tres dimensiones fundamentales de la operación (Nakajima, 1988).

Las tres dimensiones del OEE son la disponibilidad, el rendimiento y la calidad. La disponibilidad se refiere a la proporción entre el tiempo en que el equipo estuvo efectivamente productivo y el tiempo en que estuvo apto para operar, abarcando pérdidas asociadas a paradas, ya sean planificadas o no. El rendimiento, por su parte, evalúa el ritmo de producción, comparando la operación real con el tiempo estándar establecido por la ingeniería de procesos e identificando reducciones de velocidad. La calidad mide la proporción de productos conformes, considerando las pérdidas derivadas de desperdicios y retrabajos (Chirardia, 2004). Este enfoque integrado ofrece una visión holística de la eficiencia productiva.

La complejidad inherente a la implementación del OEE exige una gestión estructurada para que el indicador se incorpore efectivamente a la rutina productiva. En este sentido, tratarlo como un proyecto organizacional es el enfoque más adecuado. Los proyectos son mecanismos esenciales que las organizaciones utilizan para posibilitar cambios y alcanzar objetivos estratégicos específicos (Vargas, 2016). La gestión de proyectos, por lo tanto, implica la planificación detallada, el control de recursos y la coordinación sistemática de las actividades a lo largo de su ejecución, con el fin de garantizar el logro de los resultados propuestos (Kerzner, 2017).

La gestión de proyectos se estructura en grupos de procesos que guían la conducción de las actividades a lo largo del ciclo de vida del proyecto. Estos grupos comprenden las fases de iniciación, planificación, ejecución y cierre, según lo descrito por el “Project Management Institute” (PMI, 2017). Esta estructura proporciona un conjunto de prácticas, técnicas y herramientas que son fundamentales para ayudar en la planificación y conducción de iniciativas orientadas a la mejora organizacional (Gomes, 2006), asegurando un enfoque metodológico y consistente.

Otro factor crítico para el éxito de cualquier proyecto es la gestión de los interesados. La identificación y el compromiso proactivo de las personas que pueden influir o ser impactadas por el proyecto son fundamentales para garantizar la alineación organizacional y el apoyo necesario para la implementación de los cambios propuestos (PMI, 2017). En el contexto específico de la implementación del OEE, este aspecto cobra aún más relevancia, ya que contribuye significativamente a la integración entre el área productiva y los diversos sectores de apoyo, promoviendo la colaboración y minimizando resistencias.

La medición del desempeño, desde una perspectiva más amplia, se comprende como la cuantificación de la eficiencia y la eficacia de las acciones organizacionales. Desempeña un papel crucial al orientar comportamientos y apoyar la implementación de estrategias empresariales (Neely et al., 1995). Desde esta óptica, el uso de indicadores en la toma de decisiones trasciende la simple disponibilidad de datos, exigiendo la adopción de métodos que orienten su análisis y aplicación. Entre estos métodos, destaca el ciclo PDCA (“Plan, Do, Check, Act”), que posibilita transformar información en acciones de mejora, contribuyendo a decisiones más consistentes y al perfeccionamiento continuo de los procesos (Deming, 1986).

A pesar de la innegable importancia de los indicadores de desempeño para la gestión industrial, muchas empresas aún enfrentan dificultades en la obtención de datos confiables y en la utilización eficaz de esta información para fundamentar la toma de decisiones. En diversos casos, este problema se manifiesta en la discrepancia entre la producción planificada y la producción efectivamente realizada. Esta brecha práctica indica una ineficiencia que compromete la competitividad y la capacidad de respuesta de la organización.

Ante este escenario, una empresa con baja adherencia entre lo planificado y lo realizado decidió implementar el indicador OEE como forma de comprender las pérdidas del proceso productivo y, consecuentemente, mejorar su desempeño. Así, este trabajo tiene como objetivo estructurar la implementación del indicador OEE en un proceso productivo, utilizando un enfoque basado en gestión de proyectos, con base en el ciclo de vida del proyecto, buscando garantizar su utilización de forma consistente y sostenible a lo largo del tiempo.

2. Material y Métodos

El presente estudio se caracterizó como una investigación de naturaleza aplicada y explicativa, buscando solucionar un problema práctico en un entorno organizacional específico e identificar los factores que contribuyen a un determinado fenómeno (Cervo et al., 2007). La investigación se llevó a cabo en una industria del sector del mueble, ubicada en la Zona da Mata mineira.

Se adoptó la investigación-acción como delineamiento metodológico, con participación directa de la investigadora en la realidad investigada y en el proceso de cambio (Gil, 2008; Thiollent, 2011). Este enfoque permitió la realización de intervenciones planificadas y la implementación activa de las acciones propuestas, estructuradas con base en las prácticas de gestión de proyectos.

Se empleó un enfoque de métodos mixtos (Creswell, 2010). La vertiente cuantitativa se centró en el análisis de la Efectividad General de los Equipos (OEE) de las once máquinas seleccionadas y del índice de cumplimiento del plan de producción, comparando resultados antes y después de la implementación. El enfoque cualitativo se basó en la observación participante, registros de reuniones de proyecto y grupos PDCA, y percepciones de los involucrados.

Para organizar las etapas del proyecto, se elaboró una Estructura de Desglose del Trabajo (EDT/WBS), que permitió descomponer el alcance en niveles jerárquicos, facilitando la planificación, la ejecución y el control de las actividades (Kerzner, 2017). El proyecto siguió las fases de iniciación, planificación, ejecución y cierre, según lo delineado por el Project Management Institute (PMI, 2017).

En la fase de iniciación, se formalizó la necesidad de implementar el OEE en máquinas de mayor impacto en la entrega de producción. Las partes interesadas fueron identificadas en una reunión con la dirección de la fábrica (calidad, mantenimiento, PCP), utilizando la técnica de “brainstorming” (PMI, 2017). Se identificaron riesgos como la baja experiencia de los operadores y datos no confiables como insumos para la planificación.

La fase de planificación implicó la definición de actividades, recursos, plazos y responsabilidades (Maximiano, 2014). Se seleccionó el software “Syneco Production” para la recolección automática de datos del OEE, instalando dispositivos de conteo (sensores) en las once máquinas, conectados a una red industrial. El sistema se ejecutó en servidores para almacenar, tratar y calcular automáticamente los indicadores.

Se definió el ciclo PDCA como método de trabajo para el tratamiento y análisis de los resultados, incorporándolo a la rutina de la fábrica para la mejora continua (Deming, 1986; Ishikawa, 1993). Se elaboró un cronograma detallado, con estimación de duración y definición de responsables, verificado semanalmente en reuniones con la dirección de la fábrica.

La fase de ejecución consistió en la implementación del sistema de monitoreo del OEE en las máquinas seleccionadas. Se incluyó la instalación y parametrización de los sensores, la configuración del software y la capacitación de los operadores. La conexión de las máquinas al software “Syneco” fue la primera actividad de esta etapa (Kerzner, 2017).

Paralelamente, los operadores registraban en el sistema las justificaciones de las paradas. Las paralizaciones se clasificaron en categorías como correctivas mecánicas, eléctricas, pausas programadas, setup, falta de material y ajustes operacionales. Los datos eran consolidados diariamente por el sistema, que realizaba el cálculo del OEE a partir de sus tres componentes: disponibilidad, rendimiento y calidad.

El análisis de los datos se realizó en reuniones semanales con la participación de las áreas de producción, mantenimiento y calidad. En estos encuentros, las desviaciones identificadas se trataron mediante el ciclo PDCA, con definición de acciones y seguimiento de los resultados. La fase de cierre contempló la consolidación de los resultados, la evaluación del desempeño y el registro de las lecciones aprendidas (Maximiano, 2014).

Se establecieron directrices para la incorporación del seguimiento del indicador a la rutina operativa, con el objetivo de garantizar la continuidad del monitoreo y apoyar la toma de decisiones. Las lecciones aprendidas, los desafíos y los factores de éxito se registraron para futuras expansiones del monitoreo a otras máquinas de la fábrica.

3. Resultados y Discusión

La implementación del indicador Overall Equipment Effectiveness (OEE) en la fábrica de muebles proporcionó una visibilidad mejorada sobre el desempeño productivo, revelando oportunidades significativas de mejora. Este escenario fue particularmente relevante debido a la etapa inicial de las operaciones de la planta y a la experiencia aún limitada de los operadores. El análisis detallado de los resultados demostró que la estructuración de la iniciativa a través de las diferentes fases del ciclo de vida de proyectos contribuyó de manera decisiva a la implantación eficaz del OEE, permitiendo que el proyecto se ejecutara en un período relativamente corto y con estricta adherencia al cronograma previamente establecido. Este enfoque sistemático, según lo preconizado por el Project Management Institute (PMI, 2017), fue fundamental para el éxito de la iniciativa.

Inicio

En la fase de iniciación, el análisis de los riesgos identificados reveló que los factores humanos tenían un peso tan relevante como los aspectos técnicos del proyecto. La poca experiencia de los operadores, aliada a una resistencia inicial a los cambios en la rutina de trabajo, indicó que la implantación de indicadores de desempeño trasciende la mera adopción de tecnología, dependiendo crucialmente de factores culturales y conductuales. Esta percepción se alinea con la visión de Kerzner (2017), quien enfatiza la relación directa entre el éxito de un proyecto y la alineación de las partes interesadas, así como la gestión eficaz de sus expectativas a lo largo de todo el proceso de implementación.

Durante esta etapa inicial, se implementaron acciones estratégicas para identificar y alinear a las partes interesadas involucradas en el proyecto. Se realizaron reuniones con los gerentes para establecer el alcance, definir las necesidades primarias y asegurar la alineación en cuanto al uso de la información generada por el OEE. El área de mantenimiento se involucró desde el principio mediante alineaciones periódicas, asegurando el soporte técnico necesario para los equipos. Adicionalmente, se estableció una comunicación continua con las áreas de Planificación y Control de la Producción (PCP) y Calidad, facilitando el seguimiento de los datos y apoyando tanto la planificación de la producción como el control de los estándares del proceso.

La identificación de los interesados y sus estrategias de compromiso fueron cruciales para el avance del proyecto. Los gerentes, con alto nivel de influencia e interés, fueron involucrados directamente en las discusiones sobre infraestructura y utilización de los datos. Los operadores, con influencia media y alto interés, recibieron capacitación y comunicación frecuente. El PCP y la Calidad, ambos con alto interés, tuvieron los datos recopilados compartidos para apoyar sus respectivas funciones. Estas acciones contribuyeron significativamente al alineamiento interdepartamental y a la organización de las etapas subsecuentes del proyecto, minimizando resistencias e incertidumbres (Maximiano, 2014).

Se observó que los equipos que estuvieron involucrados desde el inicio del proyecto demostraron menor resistencia durante la fase de implementación. Este comportamiento refuerza la importancia del compromiso temprano de los stakeholders, tal como lo destaca el PMI (2017) como un factor crítico de éxito en proyectos. La necesidad de mantener una comunicación constante entre las diversas áreas también se mostró esencial, evidenciando la relevancia de la integración entre los involucrados para mitigar incertidumbres y gestionar riesgos a lo largo del ciclo de vida del proyecto, según la perspectiva de Maximiano (2014) sobre la gestión de proyectos.

Planificación

La fase de planificación implicó la definición detallada de las actividades, la asignación de recursos, el establecimiento de plazos y la asignación de responsabilidades, delineando las directrices para la ejecución del proyecto (Maximiano, 2014). En esta etapa, las acciones necesarias para la implementación del indicador OEE fueron cuidadosamente organizadas, con el objetivo de garantizar un control más riguroso y un alineamiento efectivo entre todas las áreas involucradas. La elección de las 11 máquinas más críticas para el monitoreo fue un punto estratégico, concentrando los esfuerzos en los equipos que ejercían mayor impacto en el desempeño productivo de la fábrica.

La priorización de las máquinas más críticas resultó ser una decisión acertada, ya que permitió enfocar los recursos en los puntos de mayor impacto en el rendimiento productivo. Se observó que la mayor parte de las pérdidas se concentraba en un número reducido de equipos, lo que está en consonancia con el principio de priorización de problemas, ampliamente discutido en la literatura de calidad por autores como Falconi (2013). Este enfoque optimizó el uso de los recursos y dirigió las acciones de mejora hacia donde tendrían el mayor efecto sobre la eficiencia global de la fábrica, maximizando el retorno de la inversión en el proyecto.

La definición de la infraestructura de recopilación de datos también evidenció la complejidad inherente a la digitalización del entorno industrial. La incorporación de tecnologías digitales en la industria, como señaló Schwab (2016), no se limita únicamente a inversiones en sistemas, sino que exige adaptaciones profundas en los procesos y en la cultura organizacional. El proceso de recopilación y cálculo del OEE, utilizando el software “Syneco Production”, se inicia con dispositivos de conteo y sensores instalados en las máquinas, que transmiten datos a una red de comunicación industrial. Estos datos son luego procesados para calcular el OEE y presentados en dashboards para su monitoreo.

La confiabilidad de los datos es un aspecto crucial, y la instalación inadecuada de sensores o el conteo incorrecto de piezas podrían comprometer significativamente el cálculo del indicador. Por esta razón, durante la planificación, se definió meticulosamente el posicionamiento de cada sensor, teniendo en cuenta las particularidades operativas de cada máquina. Esta etapa resaltó la importancia de conducir la implementación del indicador OEE basándose en el ciclo de vida de proyectos, permitiendo anticipar y mitigar problemas que podrían surgir si el mapeo y la configuración no fueran detallados y precisos, garantizando la integridad de la información.

La adopción del ciclo PDCA (Plan, Do, Check, Act) como base para el tratamiento y análisis de los datos demostró ser una metodología adecuada y eficaz. Según Deming (1986), la mejora continua de los procesos depende de ciclos sucesivos de planificación, ejecución, verificación y acción. La integración entre el monitoreo del OEE y la aplicación del PDCA posibilitó transformar los datos brutos en acciones estructuradas de mejora. El ciclo PDCA se utilizó para organizar las acciones en grupos multifuncionales, involucrando a gerentes, operadores y áreas de apoyo, permitiendo la definición de metas, la ejecución de las actividades, la verificación de los resultados y la realización de ajustes necesarios, promoviendo un control sistemático y la identificación estructurada de problemas (Ishikawa, 1993).

Con base en esta planificación detallada, se elaboró un cronograma que estimó la duración de las actividades y definió a los responsables, contribuyendo a la organización y al control de la implementación del proyecto. Este cronograma se revisó semanalmente en reuniones con la dirección de la fábrica y los responsables de las acciones, garantizando que el proyecto se mantuviera en el camino correcto y que cualquier desviación se identificara y corrigiera de inmediato. Esta práctica de seguimiento continuo fue esencial para mantener la alineación y la comunicación entre los equipos, asegurando la fluidez y la eficacia de la ejecución de las etapas subsecuentes.

Ejecución

La fase de ejecución del proyecto consistió en la implementación del sistema de monitoreo del indicador OEE en las máquinas previamente seleccionadas. Esto incluyó la instalación y parametrización de los sensores, la configuración del software “Syneco Production” y la capacitación de los operadores para la utilización correcta de la herramienta. La conexión de las máquinas al software fue la primera actividad, estableciendo la base tecnológica para la recolección automática de datos. Esta etapa inicial fue crucial para transformar la planificación en realidad operacional, conforme a los principios de gestión de proyectos delineados por Kerzner (2017), que enfatiza la coordinación de recursos y el cumplimiento de las entregas.

Durante la implementación, se constató que la ejecución técnica representó solo una parte del desafío, siendo la adaptación de la rutina operativa un factor igualmente crítico. Inicialmente, se identificaron inconsistencias en los datos recopilados, lo que exigió pruebas y ajustes técnicos en las máquinas, especialmente en lo relacionado con el posicionamiento de los sensores y la adaptación a las condiciones específicas de operación. La variabilidad del proceso productivo demandó alteraciones en la lógica de recopilación de datos, demostrando que la implementación de soluciones en entornos industriales requiere flexibilidad y capacidad de adaptación, un punto enfatizado por Kerzner (2017) sobre la gestión de proyectos en contextos dinámicos.

Se observó una resistencia por parte de los operadores en cuanto al registro correcto de las paradas, especialmente en períodos de alta demanda productiva, donde la prioridad era la ejecución de las actividades en detrimento de la recopilación de información. Este comportamiento evidenció un conflicto entre la operación y la disciplina de registro de datos, impactando temporalmente la consistencia de los análisis. La resistencia al cambio es un fenómeno común en procesos de transformación organizacional, como señala Kotter (1997), exigiendo una actuación proactiva del liderazgo para involucrar a los equipos y superar los desafíos culturales inherentes a la implementación de nuevas prácticas.

En este contexto, la actuación del liderazgo y la realización de capacitaciones fueron fundamentales para consolidar el uso del sistema de monitoreo. Con la madurez del equipo, se observó una mejora significativa en la calidad de los registros y una mayor adherencia a los procedimientos establecidos. Esta evolución resultó en la reducción de las paradas no justificadas, que cayeron de 995 en marzo a 87 en diciembre, indicando un aumento notable en la confiabilidad de la información. Este resultado refuerza la importancia de la disciplina operativa y la estandarización de los procesos para la efectividad de los sistemas de gestión, como discutido por Falconi (2013), y la relevancia de las técnicas de gestión de las partes interesadas.

Paralelamente, el ciclo PDCA se empleó como herramienta estructuradora para el tratamiento de las desviaciones identificadas. Su aplicación se llevó a cabo en las reuniones semanales de seguimiento del OEE, que involucraban a los equipos de producción, mantenimiento y calidad. Los datos recopilados por el software se analizaban al inicio de cada reunión, permitiendo la identificación de las principales pérdidas del período. A partir de estos análisis, se definían acciones correctivas, se asignaban a los responsables y se realizaba su seguimiento a lo largo de la semana siguiente, garantizando que los problemas se abordaran de forma sistemática y eficaz, promoviendo la mejora continua.

En las reuniones subsecuentes, se verificaban los resultados de las acciones implementadas, permitiendo evaluar la efectividad de las intervenciones y, cuando aplicable, la estandarización de las mejoras. A lo largo del período de implementación, se realizaron cuatro ciclos completos de PDCA. La evolución del indicador OEE, que aumentó de 48,58% en marzo a 60,33% en diciembre, con picos de 65,33% en noviembre, evidenció la efectividad de la aplicación del método. Este aumento de 11,75% en el indicador OEE demuestra que las desviaciones fueron identificadas y tratadas de forma estructurada, contribuyendo a la mejora de los procesos y al aumento de la eficiencia organizacional, según Deming (1986).

Para evaluar el rendimiento de la Eficiencia Global de los Equipamientos, se utiliza como referencia el concepto de OEE de clase mundial del 85%, un estándar ideal a ser alcanzado por las organizaciones (Silva, 2020). A pesar de la evolución observada en el indicador OEE, los resultados aún indican que el proceso productivo de la fábrica necesita continuidad en los trabajos de mejora. De esta forma, la fase de ejecución se caracterizó no solo por la implantación de la solución tecnológica, sino también por la aplicación estructurada de métodos de mejora continua y por la consolidación de nuevos patrones operativos, elementos fundamentales para el sostenimiento de los resultados a lo largo del tiempo.

Cierre

La fase de cierre del proyecto consistió en la finalización de las actividades, contemplando la consolidación de los resultados obtenidos, la evaluación del desempeño general y el registro de las lecciones aprendidas. Esta etapa es crucial para asegurar el cierre adecuado del proyecto y generar subsidios valiosos para futuras iniciativas (Maximiano, 2014). Los datos compilados en la fase de ejecución fueron asociados a la evolución del resultado de entrega de producción, permitiendo un análisis exhaustivo del impacto de la implementación del OEE en el desempeño operacional de la fábrica.

En los meses previos al monitoreo sistemático del indicador OEE, específicamente de enero a marzo, se observó una tendencia a la baja en el índice de entrega de producción, con valores que variaron del 78,97% en enero al 75,32% en marzo. A partir de abril, sin embargo, con la implementación y el seguimiento sistemático de la eficiencia de las máquinas, el índice de entrega de producción presentó una mejora consistente, alcanzando el 96,31% en octubre y el 92,05% en diciembre. Este aumento en la entrega de producción demuestra que la identificación y el tratamiento de los cuellos de botella del proceso, facilitados por el OEE, fueron eficaces para impulsar el rendimiento.

Se realizó una reunión de cierre con la participación de la dirección de todas las áreas involucradas para analizar los datos y validar las ganancias obtenidas. Tras este análisis, el proyecto de implementación del indicador OEE fue considerado efectivo en el proceso productivo de la fábrica. Las dificultades encontradas a lo largo del proceso se registraron en un documento específico, que servirá como referencia para consulta futura, permitiendo que el conocimiento adquirido sea capitalizado en nuevas iniciativas y en la expansión del monitoreo a otras máquinas de la fábrica, conforme a las directrices establecidas para la gestión continua.

En resumen, la estructuración de la implementación del OEE como un proyecto, siguiendo el ciclo de vida de iniciación, planificación, ejecución y cierre, demostró ser un enfoque eficaz para mejorar la eficiencia operativa. Los resultados evidenciaron un aumento del 11,75% en el indicador OEE y una mejora significativa en la entrega de producción, impulsada por una mayor confiabilidad de los datos, el compromiso de los equipos y la identificación precisa de pérdidas productivas. Esta metodología no solo introdujo una herramienta de medición, sino que también promovió la integración entre áreas, la estandarización de procesos y la sostenibilidad de su uso en la gestión continua de la producción.

4. Conclusión

Este estudio buscó estructurar la implementación del indicador Overall Equipment Effectiveness (OEE) en una fábrica de muebles, utilizando el ciclo de vida de proyectos para garantizar su utilización consistente y sostenible. Se verificó que la aplicación de las fases del ciclo de vida de proyectos fue crucial para el éxito de la iniciativa, resultando en un aumento del 11,75% en el indicador OEE, que pasó del 48,58% al 60,33%. Paralelamente, se observó una mejora significativa en el índice de entrega de producción, que evolucionó del 75,32% al 92,05%, con picos del 96,31%. El enfoque sistemático permitió aumentar la confiabilidad de los datos, elevar el compromiso de los equipos e identificar pérdidas productivas que antes no se medían. La formalización de la implementación del OEE como un proyecto demostró ser una contribución práctica relevante, transformando la herramienta de medición en un instrumento de gestión operativa que promovió la integración entre las áreas, la estandarización de procesos y la sostenibilidad de su utilización en la rutina productiva.

A pesar de los resultados positivos, el estudio presenta algunas limitaciones. El proyecto se llevó a cabo en un entorno en fase inicial de estabilización operativa, lo que dificultó aislar el impacto del OEE de otros factores naturales de maduración del proceso productivo. Adicionalmente, la variación estacional en la demanda y en la mezcla de productos de la fábrica comprometió la comparación consistente entre los períodos analizados. Otra limitación reside en la aplicación en una única unidad productiva y en un conjunto específico de equipos, lo que restringe la generalización de los resultados a otros contextos industriales. El período de seguimiento, limitado a diez meses, no permitió evaluar los efectos a largo plazo sobre el desempeño operativo. Se sugiere, para estudios futuros, la expansión del monitoreo del OEE a otras máquinas de la fábrica y la realización de investigaciones longitudinales que evalúen el impacto del indicador en escenarios operativos más estables y por períodos más extensos, a fin de consolidar la comprensión sobre su sostenibilidad y generalización.

Referencias Bibliográficas

Busso, C.M. 2012. Análise da eficiência global de equipamentos (OEE) em sistemas produtivos. Dissertação (Mestrado em Engenharia de Produção), Universidade Federal de Santa Catarina, Florianópolis, SC, Brasil.

Chirardia, A. 2004. Utilização do indicador de eficiência global de equipamentos na gestão e melhoria contínua dos equipamentos: um estudo de caso na indústria automobilística. Dissertação (Mestrado em Engenharia de Produção), Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil.

Falconi, 2013 [Referência completa não encontrada no documento original]

Kaplan, R.S.; NORTON, D.P. 1997. The Balanced Scorecard: translating strategy into action. Boston, MA, USA: Harvard Business School Press.

Kerzner, H. 2017. Project management: a systems approach to planning, scheduling, and controlling. 12. ed. Hoboken, NJ, USA: John Wiley & Sons.

Nakajima, S. 1989. Introduction to TPM: total productive maintenance. Cambridge, MA, USA: Productivity Press.

Project Management Institute [PMI]. 2017. A guide to the project management

Vargas, R.V. 2016. Gerenciamento de projetos: estabelecendo diferenciais competitivos. 8. ed. Rio de Janeiro, RJ, Brasil: Brasport.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Gestión de Proyectos del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.