UNIVERSIDAD DE CUENCA - Repositorio Digital de la...
Transcript of UNIVERSIDAD DE CUENCA - Repositorio Digital de la...
UNIVERSIDAD DE CUENCA
1 María Gabriela Altamirano Cárdenas
RESUMEN: La tesis fue realizada en Plantaciones Malima Cia. Ltda. en el área de poscosecha,
esta consta de las siguientes etapas: Clasificación en Verde, Proceso de Apertura,
Clasificación en Blanco y Empaque en Cuartos Fríos; en cada etapa se realiza un
levantamiento de procesos en sus diferentes variedades de flor que se procesa, estas
pertenecen a la familia Gypsophila¹ y se denominan Million Stars y Cassiopeia.
El mayor número de trabajadores que la poscosecha demanda son Clasificación en
Verde y Clasificación en Blanco, la determinación del número de personas necesarias y
las horas que debemos programar para cumplir un pedido, dependerá del volumen de
producción y de las variables involucradas que son: Grado del Tallo, la Jornada de
Trabajo, la Curva de Aprendizaje y los Problemas de Plagas y Enfermedades.
Una de variables principales es la curva de aprendizaje la cual fue obtenida a través de
la determinación del tiempo estándar en sus diferentes grados y diferenciando la
presencia o ausencia de plagas o enfermedades; se realiza mediante un estudio por
cronometro y una comparación de los datos obtenidos con datos históricos y curvas de
aprendizaje actuales utilizadas por la empresa.
Las variables obtenidas mediante el análisis se relacionan entre sí mediante matrices
en las que se ligan las mismas con datos de entrada de producción, jornada de trabajo
y problemas de plagas o enfermedades, esta interrelación nos dará una respuesta para
la toma de decisiones del recurso mano de obra; el software se realizo en el programa
Excel 2007.
PALABRAS CLAVE: Gypsophila¹.- Pertenecientes a la familia Caryophyllaceae, son plantas herbáceas
caducas o perennes.
Million Stars.- Flor de relleno perteneciente a la Gypsophila.
Cassiopeia.- Flor de relleno perteneciente a la Gypsophila
UNIVERSIDAD DE CUENCA
2 María Gabriela Altamirano Cárdenas
ABSTRACT OF THESIS:
The thesis was conducted in Malima Plantations Co. Ltd. in the postharvest area, this involves
the following stages: Classification in green, Opening Process, Classification in white,
Packaging in Cold Rooms. Each stage involves a survey of processes in its different varieties of
flowers that are processed. These belong to the family denominated Gypsophila and they are
called Million Stars and Cassiopeia.
The largest number of workers that postharvest demanded is in classification and post
classification. Determining the number of people required and the necessary hours to
accomplish the demand will depend on the volume of production and the variables involved that
are: Grade Stem, Labor Day, the Learning Curve and Pest Problems.
One of the most important variables is the learning curve which was obtained by determining
the standard time in different degrees and taking into account the presence or absence of pests
or diseases. It is performed by a comparison with timer and a study comparing the data with
historical data and current learning curves used by the company.
The variables obtained by analysis are related by matrices which bind them with production
inputs, working hours, pest or disease. This relationship will give us an answer for taking
decision about hand work. The software was made in Excel 2007.
KEYWORDS: Gypsophila. ¹ - Belonging to the family Caryophyllaceae, are deciduous or perennial
herbaceous plants.
Million Stars. - Filler flower belonging to the Gypsophila.
Cassiopeia. - Filler flower belonging to the Gypsophila.
UNIVERSIDAD DE CUENCA
3 María Gabriela Altamirano Cárdenas
INDICE
AGRADECIMIENTOS
DEDICATORIA
INDICE
CAPITULO I
1.1 PLANTACIONES MALIMA CIA. LTDA.
1.2 MISION, VISION.
1.3 POLITICAS
1.4 ANALISIS FODA
1.4.1 FORTALEZAS
1.4.2 OPORTUNIDADES
1.4.3 DEBILIDADES
1.4.4 AMENAZAS
1.5 PRODUCTOS
1.5.1 GYPSOPHILA
1.5.1.1 MILLION STARS
1.5.1.2 CASSIOPEIA
1.5.1.3 DIFERENCIA ENTRE MILLION STARS Y CASSIOPEIA
1.5.2 HYPERICUM
1.5.2.1 HYPERICUM CONDOR GREEN
1.5.2.2 HYPERICUM RED BARON
1.6 MERCADO
UNIVERSIDAD DE CUENCA
4 María Gabriela Altamirano Cárdenas
1.6.1 MARCAS
1.7 DESCRIPCIÓN DE LOS DEPARTAMENTOS DE LA EMPRESA
1.7.1 DEPARTAMENTO DE PRODUCCIÓN
1.7.1.1 ÁREA DE PROPAGACIÓN
1.7.1.2 ÁREA DE SIEMBRA
1.7.1.3 ÁREA DE COSECHA
1.7.1.4 ÁREA DE POSCOSECHA
1.7.2 DEPARTAMENTO DE RECURSOS HUMANOS
1.7.3 DEPARTAMENTO DE VENTAS
1.7.4 DEPARTAMENTO ADMINISTRATIVO
1.7.5 DEPARTAMENTO DE SISTEMAS
1.7.6 DEPARTAMENTO DE MANTENIMIENTO
1.7.7 DEPARTAMENTO DE GESTIÓN Y CONTROL DE LA CALIDAD
1.7.8 DEPARTAMENTO FINANCIERO
1.7.9 DEPARTAMENTO DE COMPRAS
1.7.10 DEPARTAMENTO DE SEGURIDAD INDUSTRIAL Y
MEDIOAMBIENTE
CAPITULO II
DESCRIPCIÓN DEL ÁREA DE POSCOSECHA
2.1 POSCOSECHA DE GYPSOPHILA
2.1.1 CLASIFICACIÓN EN VERDE
2.1.2 PROCESO DE APERTURA
UNIVERSIDAD DE CUENCA
5 María Gabriela Altamirano Cárdenas
2.1.3 CLASIFICACIÓN EN BLANCO
2.1.4 EMPAQUE EN CUARTOS FRÍOS
2.2 DIAGRAMAS DE FLUJO DE LOS PROCESOS
2.2.1 MILLION STARS
2.2.1.1 MILLION STARS
2.2.1.2 PROCESO DE APERTURA
2.2.1.3 CLASIFICACIÓN EN BLANCO
2.2.1.4 EMPAQUE EN CUARTO FRÍOS
2.2.1.4.1 CUARTO 2
2.2.1.4.2 CUARTO 3/5 Y 4
2.2.1.4.3 CUARTO 6
2.2.2 CASSIOPEIA
2.2.2.1 CLASIFICACIÓN EN VERDE
2.2.2.2 APERTURA
2.2.2.3 PESADO EN BLANCO
CAPITULO III
VARIABLES QUE INTERVIENEN EN EL REQUERIMIENTO DE MANO DE OBRA
3.1 INTRODUCCIÓN
3.2 GRADO DEL TALLO
3.2.1 DESCRIPCIÓN
3.2.2 CARACTERÍSTICAS
3.2.3 ANÁLISIS
UNIVERSIDAD DE CUENCA
6 María Gabriela Altamirano Cárdenas
3.3 JORNADA DE TRABAJO
3.3.1 DESCRIPCIÓN
3.3.2 ANÁLISIS
3.4 CURVA DE APRENDIZAJE
3.4.1 DESCRIPCIÓN
3.4.2 APLICACIONES DE LA CURVA DE APRENDIZAJE
3.4.3 ANÁLISIS
3.5 PROBLEMAS DE PLAGAS O ENFERMEDADES
3.5.1 DESCRIPCIÓN
3.5.2 PLAGAS
3.5.2.1 MOSCA BLANCA (TRIALEURODES VAPORARIUM)
3.5.2.2 MINADOR DE LA HOJA (LIRIOMYZA TRIFOLII)
3.5.2.3 GUSANOS AÉREOS (HELIOTHIS ARMIGUERA, SPODOPTERA
SP.,ETC)
3.5.2.4 GUSANOS DE SUELO (AGRIOTES LINEATUS, AGROTIS SPP.)
3.5.2.5 THRIPS (FRANKLINIELLA OCCIDENTALIS)
3.5.2.6 PULGONES (MYZUS SP. Y OTROS)
3.5.2.7 ARAÑA ROJA (TETRANYCHUS URTICAE)
3.5.3 ENFERMEDADES
3.5.3.1 RHIZOCTONIA SOLANI
3.5.3.2 OIDIO (ERYSIPHAE SP.)
3.5.3.3 PODREDUMBRES BASALES (BOTRYTIS SP. Y SCLEROTINIA
SP.)
UNIVERSIDAD DE CUENCA
7 María Gabriela Altamirano Cárdenas
3.5.3.4 PHYTOPHTORA
3.5.4 ANÁLISIS
CAPITULO IV
TIEMPOS ESTANDAR VS TIEMPOS REALES
4.1 INTRODUCCION
4.2 MEDICIÓN DEL TRABAJO
4.2.1 DIVISIÓN DE LA OPERACIÓN EN ELEMENTOS
4.2.2 CICLO DE TRABAJO
4.2.3 HOJA DE CRONOMETRAJE
4.2.3.1 HOJA DE CRONOMETRAJE MILLION STARS
4.2.3.2 HOJA DE CRONOMETRAJE CASSIOPEIA
4.2.4 TOMA DE TIEMPOS
4.2.4.1 TIEMPO OBSERVADO
4.2.4.1.1 TIEMPO OBSERVADO MILLION STARS CON PLAGAS Y
ENFERMEDADES
4.2.4.1.2 TIEMPO OBSERVADO MILLION STARS SIN PLAGAS Y
ENFERMEDADES
4.2.4.1.3 TIEMPO OBSERVADO CASSIOPEIA
4.2.4.2 TIEMPO NORMAL
4.2.4.2.1 CALIFICACIÓN
4.2.4.2.1.1 TIEMPO NORMAL MILLION STARS CON PLAGAS Y
ENFERMEDADES
UNIVERSIDAD DE CUENCA
8 María Gabriela Altamirano Cárdenas
4.2.4.2.1.2 TIEMPO NORMAL MILLION STARS SIN PLAGAS Y
ENFERMEDADES
4.2.4.2.1.3 TIEMPO NORMAL CASSIOPEIA
4.2.4.3 TIEMPO ESTÁNDAR
4.2.4.3.1 SUPLEMENTOS
4.2.4.3.1.1 TIEMPO ESTÁNDAR MILLION STARS CON PLAGAS Y
ENFERMEDADES
4.2.4.3.1.2 TIEMPO ESTÁNDAR MILLION STARS SIN PLAGAS Y
ENFERMEDADES
4.2.4.3.1.3 TIEMPO ESTÁNDAR CASSIOPEIA
4.3 CURVAS DE APRENDIZAJE OBTENIDAS
4.3.1 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE CON SUS
RESPECTIVAS CURVAS ACTUALES
4.3.1.1 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE
OBTENIDAS DE MILLION STARS CON PLAGA VS LA CURVA DE
APRENDIZAJE ACTUAL
4.3.1.2 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE OBTENIDA
DE MILLION STARS SIN PLAGA VS LA CURVA DE
APRENDIZAJE ACTUAL
4.3.1.3 COMPARACIÓN DE LA CURVA DE APRENDIZAJE OBTENIDA
DE CASSIOPEIA VS LA CURVA DE APRENDIZAJE ACTUAL
4.3.2 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS
CON LOS TIEMPOS PROMEDIO SEGÚN DATOS HISTORICOS
UNIVERSIDAD DE CUENCA
9 María Gabriela Altamirano Cárdenas
4.3.2.1 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS DE
MILLION STARS CON LOS TIEMPOS PROMEDIO SEGÚN
DATOS HISTORICOS
4.3.2.2 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS DE
CASSIOPEA CON LOS TIEMPOS PROMEDIO SEGÚN DATOS
HISTORICOS
4.4 CONCLUSIONES DE LA COMPARACION
CAPITULO V
INTERELACION SINERGICA DE LAS VARIABLES
5.1 INTRODUCCIÓN
5.2 EFECTO COMBINADO DE LAS VARIABLES
5.2.1 GRADO DEL TALLO Y JORNADA DE TRABAJO
5.2.2 GRADO DE TALLO Y CURVA DE APRENDIZAJE
5.2.3 GRADO DE TALLO Y PROBLEMA DE PLAGAS O
ENFERMEDADES
5.2.4 JORNADA DE TRABAJO Y CURVA DE APRENDIZAJE
5.2.5 JORNADA DE TRABAJO Y PROBLEMA DE PLAGAS Y
ENFERMEDADES
5.2.6 CURVA DE APRENDIZAJE Y PROBLEMAS DE PLAGAS Y
ENFERMEDADES
5.3 INTERRELACIÓN DE LAS VARIABLES
5.4 MODELACIÓN MATEMÁTICA
5.5 MEJORA UTILIZACIÓN
5.5.1 SALA EN BLANCO
UNIVERSIDAD DE CUENCA
10 María Gabriela Altamirano Cárdenas
5.5.1.1 CALCULO PARA LAS PESADORAS DE CASSIOPEIA
5.5.1.2 CALCULO PARA LAS CLASIFICADORES Y REVISADORAS DE
MILLION STARS
5.5.1.3 EXTRACCION DE PESADORAS DE CASSIOPEIA Y
REVISADORAS DE MILLION STARS
5.5.1.3.1 EXTRACCION DE PESADORAS DE CASSIOPEIA Y
REVISADORAS DE MILLION STARS MEDIANTE UN
ESCOJITAMIENTO
5.5.1.3.2 EXTRACCION DE PESADORAS DE CASSIOPEIA Y
REVISADORAS DE MILLION STARS MEDIANTE ALEATORIO
5.5.2 SALA EN VERDE
5.5.3 APERTURA
5.5.4 EMPAQUE
5.6 MATRIZ ADICIONALES
CAPITULO VI
ALGORITMO PARA LA TOMA DE DECISIONES
6.1 DISEÑO DE TOMA DE DECISIONES
6.2 CASOS
6.2.1 CASO DE DECISIÓN DE HORAS EXTRAS
6.2.1.1 APERTURA
6.2.1.2 SALA EN BLANCO
6.2.1.3 SALA EN VERDE
6.2.1.4 EMPAQUE
UNIVERSIDAD DE CUENCA
11 María Gabriela Altamirano Cárdenas
6.2.2 CASO PRESTAR PERSONAL
CAPITULO VII
CONCLUSIONES Y RECOMENDACIONES
7.1 CONCLUSIONES
7.2 RECOMENDACIONES .
UNIVERSIDAD DE CUENCA
12 María Gabriela Altamirano Cárdenas
UNIVERSIDAD DE CUENCA
13 María Gabriela Altamirano Cárdenas
UNIVERSIDAD DE CUENCA
FACULTAD DE CIENCIAS QUIMICAS
ESCUELA DE INGENIERÍA INDUSTRIAL
TESIS PREVIA A LA OBTENCION DEL TITULO DE INGENIERA INDUSTRIAL
TEMA DE TESIS: ELABORACIÓN DE UN PROGRAMA INFORMÁTICO PARA LA TOMA
DE DECISIONES DEL REQUERIMIENTO DE MANO DE OBRA EN EL
ÁREA DE POSCOSECHA PERTENECIENTE A PLANTACIONES MALIMA
CIA.LTDA.
AUTOR: MARÍA GABRIELA ALTAMIRANO
DIRECTOR: ING. JAMES ARIAS
FECHA: 25 DE JUNIO DEL 2012
UNIVERSIDAD DE CUENCA
14 María Gabriela Altamirano Cárdenas
AGRADECIMIENTOS
Mis más sinceros agradecimientos al Ing. James Arias quien fue la base fundamental
para la realización de mi tesis, y su incondicional ayuda a lo largo de la realización de
este trabajo.
DEDICATORIA
A mis padres por hacer de mí su reflejo,
por estar a mi lado ayudándome a alcanzar las estrellas
por más lejanas que estén. Los amo con mi vida.
A mis hermanos por su apoyo.
A mi abuelita por ser el ángel de mi guarda,
mi vida y mi aliento, en donde estés gracias.
.
UNIVERSIDAD DE CUENCA
15 María Gabriela Altamirano Cárdenas
CAPITULO I
DESCRIPCIÓN DE LA EMPRESA
1.1 PLANTACIONES MALIMA CIA. LTDA.
Malima es un productor y exportador de flores en Ecuador, y una de las empresas más
importantes del país. Proporciona productos de alta calidad y consistencia asegurando siempre
la satisfacción del cliente en todo el mundo.
Plantaciones Malima Cía. Ltda. Es una empresa que nace en el año de 1990, la misma que
cuenta con 100 hectáreas de cultivo aproximadamente, y dispone de tres fincas ubicadas 2 en
Paute (Monjashuayco, San Juan Pamba), y una en Yunguilla (Floralicia), cuenta con una fuerza
de trabajo de casi 1000 personas, en las tres fincas.
1.2 MISIÓN, VISIÓN.
MISIÓN. 1
Producir flores frescas cortadas, y comercializarlas en los mercados internacionales, en un
entorno de respeto a la comunidad y al medio ambiente, con alta tecnología y calidad, para
proveer satisfacción al cliente, bienestar a los empleados y beneficios a sus accionistas.
VISIÓN.2
Ser una empresa líder en la producción y comercialización de flores frescas cortadas, con
participación creciente en los mercados internacionales masivos y de mayoristas, interviniendo
en la distribución y contando con personal altamente comprometido y capacitado.
1.3 POLÍTICAS. 3
POLÍTICA DE LA CALIDAD.
Plantaciones Malima C. Ltda. se compromete a proveer flores frescas y de la mejor calidad
para satisfacer permanentemente las necesidades de los clientes y lo hace mediante:
1-2-3-4 Plantaciones Malima Cia. Ltda.
UNIVERSIDAD DE CUENCA
16 María Gabriela Altamirano Cárdenas
• Tecnologías avanzadas de producción.
• Grupo humano competente y motivado.
• Respeto al medio ambiente y apoyo a la comunidad.
• Mejoramiento e innovación continúa de los procesos y productos.
POLITICA DE MEDIO AMBIENTE, SEGURIDAD Y SALUD
Plantaciones Malima Cia. Ltda. está plenamente consciente de la responsabilidad que tiene con
sus empleados, trabajadores y con la comunidad en todas sus actividades. Por tal razón la
Dirección de la Empresa se compromete a:
1. Usar los criterios de Buenas Prácticas Agrícolas y tomarlas como guía para sus
programas ambientes, de salud y seguridad.
2. Prevenir y reducir toda forma de contaminación y riesgos en seguridad y salud que
pueda darse como resultado de sus actividades.
3. Ser miembro responsable de la sociedad, comprometiéndose en el mejoramiento
continuo del Medio Ambiente, la seguridad y la salud de sus empleados y trabajadores.
4. Minimizar el impacto ambiental, optimizando todas sus operaciones y utilizando de la
mejor manera los recursos naturales.
5. Conducir las operaciones de manera que se cumplan las leyes y reglamentaciones
vigentes sobre protección ambiental, seguridad y salud en el trabajo.
6. Entrenar y orientar a todos los empleados y trabajadores a fin de que, colaborando con
los propósitos y postulados de la empresa tomen conciencia de la importancia de los
programas de protección ambiental, salud y seguridad ocupacional.
1.4 ANÁLISIS FODA
MATRIZ FODA 4 1.4.1 FORTALEZAS
• Buen posicionamiento del mercado.
• Know-how del negocio: producción, comercialización y distribución. 4 Plantaciones Malima Cia. Ltda.
UNIVERSIDAD DE CUENCA
17 María Gabriela Altamirano Cárdenas
• Conocimiento y experiencia del mercado EEUU, Canadá, Japón y Europa.
• Equipo de funcionarios competente y comprometido.
• Trayectoria y Experiencia.
• Infraestructura existente: propagación en el campo, salas, cuartos fríos, oficinas.
• Solidez financiera.
• Poder de negociación con clientes y proveedores.
• Excelente relación e imagen con la comunidad.
• Relación cercana con la base de clientes.
• Liderazgo en innovación.
• Prestación de servicios sociales, tales como médico y guardería (en Paute).
• Servicios de comunicación interna y externa.
• Capacidad de diversificar cultivos.
• Actitud de las personas frente al trabajo.
• Cercanía a la ciudad.
• Flota de camiones refrigerados propia la distribución de productos.
• Liderazgo y reputación para captar personal.
• Especialización.
1.4.2. OPORTUNIDADES
• Aranceles.
• Aumento de las importaciones.
• Maximizar e incrementar rentabilidad canalizando ventas hacia el mercado masivo y
mayorista.
• Alta capacidad de consumo de productos suntuarios en los países en los que
comercializamos.
• Incursión a nuevos mercados.
• Acceso a tecnología.
• Mayor acceso de proveedores internacionales de nuevas variedades.
UNIVERSIDAD DE CUENCA
18 María Gabriela Altamirano Cárdenas
1.4.3. DEBILIDADES
• Rotación de Personal.
• Distancia a los aeropuertos internacionales.
• Alta dependencia de la mano de obra.
• Realización de labores en horarios no convencionales.
• Especialización en productos específicos.
1.4.4. AMENAZAS
• Migración a la ciudad y fuera del país (carencia de mano de obra).
• Altos costos de fletes aéreos.
• Incremento en el costo de los servicios públicos.
• Acuerdos económicos de países competidores.
• Inestabilidad política, económica y social.
• Falta de políticas gubernamentales reales de apoyo a la producción.
• Variación climática.
• Negocio basado en confianza.
• Competencia.
1.5 PRODUCTOS 5
Plantaciones Malima Cia. Ltda. Produce dos clases de flores: Gypsophila e Hypericum.
1.5.1 GYPSOPHILA
Las variedades gypsophila que se produce son: Million Stars y Cassiopeia.
1.5.1.1. MILLION STARS
Es el producto principal de Malima, es una variedad Gypsophila de origen mediterráneo
procedente de Israel, y ocupa actualmente el 88% de la producción. 5 www.malima.net
UNIVERSIDAD DE CUENCA
19 María Gabriela Altamirano Cárdenas
1.5.1.2. CASSIOPEIA
Es el primer producto de la tercera generación de la familia de Gypsophila. Cassiopeia es una
flor hermosa que se caracteriza por tener una estructura perfecta de taza, tallos gruesos y ser
muy florecida, esta ocupa actualmente el 12% de la producción.
1.5.1.3. DIFERENCIA ENTRE MILLION STARS Y CASSIOPEIA
El tamaño del bulbo y la estructura de cada variedad puede ser determinada por las siguientes
imágenes.
UNIVERSIDAD DE CUENCA
20 María Gabriela Altamirano Cárdenas
1.5.2. HYPERICUM
Las variedades hypericum que se produce son: Condor Green y Red Baron.
1.5.2.1. HYPERICUM CONDOR GREEN
Condor Green se destaca como la variedad hypericum más valorados en todo el mercado y
Malima se ha concedido la exclusividad en todo el mundo de obtener en su cultivo y
comercialización.
UNIVERSIDAD DE CUENCA
21 María Gabriela Altamirano Cárdenas
1.5.2.2. HYPERICUM RED BARON
Red Baron es otra variedad Hypericum de gran valor, que se caracteriza por su voluminoso
tamaño de las bayas, color rojo vivo y la estructura del tallo fuerte.
1.6 MERCADO
La industria florícola del país es una actividad muy importante que se lleva a cabo desde 1974,
con el pasar de los años se ha consolidado en el mercado norteamericano y el europeo, lo cual
ha contribuido a generar empleo.
Las flores son consideradas el primer producto no tradicional de exportación y el cuarto en
importancia por los ingresos generados.
Las provincias con mayor crecimiento productivo en flores durante los últimos años han sido
Pichincha, Cotopaxi y Azuay.
Aparte de las rosas, las gypsophilas son una de las variedades de flores preferidas en el
extranjero, estas flores son consideradas flores de relleno por su colorido, calidad, volumen y
apertura, sirven para decorar o hacer sobresalir otras flores, de las que el Ecuador es el mayor
productor y exportador del mundo.
La actual demanda mundial de flores cortadas se concentra principalmente en tres regiones:
Europa Occidental, América del Norte y Japón.
UNIVERSIDAD DE CUENCA
22 María Gabriela Altamirano Cárdenas
Europa representa el 70 % y Estados Unidos el 21 % de la importación mundial de flores
respectivamente. Le siguen a Estados Unidos, Alemania y Reino Unido, también importan
flores de corte Francia, Japón y Holanda, pero este último importa y realiza re-exportación,
principalmente en Europa.
1.6.1. MARCAS
Sobre la base del enfoque de mercado y la especialización, se han desarrollado dos marcas
diferentes.
El logotipo de la empresa y la inicial, que se utiliza para la comercialización de las flores en
mercados de Norteamérica: Estados Unidos y Canadá.
El logo amarillo-azul-rojo (Malima Ecuador), que es la marca para la comercialización de las
flores en la Unión Europea y los mercados asiáticos.
UNIVERSIDAD DE CUENCA
23 María Gabriela Altamirano Cárdenas
1.7. DESCRIPCIÓN DE LOS DEPARTAMENTOS DE LA EMPRESA
1.7.1. DEPARTAMENTO DE PRODUCCIÓN:
Considerado quizá el departamento más importante ya que formula y desarrolla los métodos
más adecuados para la producción de flores, al suministrar y coordinar: mano de obra, equipo,
instalaciones, materiales, y herramientas requeridas. Esta departamento empieza desde la
propagación de las flores hasta el despacho de las mismas, a continuación se describe cada
área de producción.
1.7.1.1. ÁREA DE PROPAGACIÓN
Las zonas de propagación constituyen uno de los centros fundamentales ya que de la misma
depende el desarrollo de la flor.
La gypsophila es propagada a partir de esqueje, en cada método se utilizan fragmentos
similares de retoños jóvenes, a los cuales se les aplica una hormona de enraizamiento y se los
siembra y cuida con condiciones especiales para su optimo desarrollo.
1.7.1.2. ÁREA DE SIEMBRA
Esquejes de unos 4 centímetros de longitud se introducen en el suelo, separados entre sí de 18
a 25 centímetros, para evitar que las plantas se enreden entre si y mantener en lo posible su
tallo recto.
UNIVERSIDAD DE CUENCA
24 María Gabriela Altamirano Cárdenas
1.7.1.3. ÁREA DE COSECHA
Esta fase se realiza cuando se tenga el punto de apertura adecuado (1, 3, 5 o 10 flores
abiertas), se procede a obtener la flor a partir de un corte en su tallo.
1.7.1.4. ÁREA DE POSCOSECHA
A medida que se cosechan los tallos se procede a la hidratación con una solución STS para
alargar la duración del producto, posteriormente se realiza una apertura artificial la misma que
dura algunos días, luego se procede a clasificar los tallos de flores para lo cual se toma en
cuenta características como la longitud, volumen y grado.
Por último se confeccionan los paquetes los mismos que se conservan en una cámara fría para
luego ser embalados para su exportación.
1.7.2. DEPARTAMENTO DE RECURSOS HUMANOS
El objetivo del Departamento de Recursos Humanos obtener y conservar un grupo humano de
trabajo cuyas características vayan de acuerdo con los objetivos de la empresa, este
departamento se ocupa del reclutamiento, la selección del personal, contratación, inducción,
capacitación, sea este funcionario, ejecutivo, empleado u obrero.
El objetivo básico que persigue la función de Recursos Humanos con estas tareas es alinear
las políticas de RRHH con la estrategia de la organización.
1.7.3. DEPARTAMENTO DE VENTAS
Este es un departamento prioritario, ya que a través de su buena gestión la empresa puede
vender su producto al exterior.
1.7.4. DEPARTAMENTO ADMINISTRATIVO
Este departamento es el encargado del manejo de acciones sincronizadas en diferentes niveles
para alcanzar los objetivos planteados por la empresa, da soporte a las áreas técnicas,
convirtiéndole en un órgano fundamental para el cumplimiento de las metas organizacionales.
UNIVERSIDAD DE CUENCA
25 María Gabriela Altamirano Cárdenas
1.7.5. DEPARTAMENTO DE SISTEMAS
El departamento de sistemas administra los sistemas operativos y da soporte a los usuarios de
los computadores centrales y corporativos, su principal objetivo es garantizar la continuidad del
funcionamiento de las maquinas y del software al máximo rendimiento, así como también
facilitar la utilización de las mismas a cada departamento que lo necesite.
Cabe recalcar que este departamento está encargado directamente de las redes de
comunicación tanto internas como externas a la organización.
1.7.6. DEPARTAMENTO DE MANTENIMIENTO
Este departamento permite tener la calidad, seguridad, capacidad y rentabilidad necesaria para
producir las flores, ya que tiene la responsabilidad de mantener en buenas condiciones, la
maquinaria y herramienta, equipo de trabajo, lo cual permite un mejor desenvolvimiento y
seguridad evitando en parte riesgos en el área laboral. Realiza los planes de mantenimiento
preventivo, predictivo y correctivo dependiendo de la necesidad a los equipos e instalaciones.
1.7.7. DEPARTAMENTO DE GESTIÓN Y CONTROL DE LA CALIDAD
Departamento encargado de principal característica para la correcta y total satisfacción del
cliente, la calidad, asi como también la mejora continua a través de un control de la misma en
cada área de la empresa, para de esta manera detectar la presencia de errores y corregirlos
inmediatamente.
1.7.8. DEPARTAMENTO FINANCIERO
La empresa trabaja con base en constantes movimientos de dinero, razón por la cual este
departamento es el encargado de la obtención de fondos y del suministro del capital que se
utiliza para el correcto funcionamiento de cada uno de los departamentos. Su objetivo principal
es aprovechar de la mejor manera los recursos financieros.
1.7.9. DEPARTAMENTO DE COMPRAS
El departamento de compras es el encargado de realizar las adquisiciones necesarias para
todos los departamentos de la empresa, teniendo en cuenta el mejor precio, la calidad y
cantidad requerida para en el momento.
UNIVERSIDAD DE CUENCA
26 María Gabriela Altamirano Cárdenas
1.7.9. DEPARTAMENTO DE SEGURIDAD INDUSTRIAL Y MEDIOAMBIENTE
Dentro de Malima estos departamentos están juntos ya que los mismos se destinan al
bienestar de las personas y de comunidad:
La seguridad orientada a garantizar las mejores condiciones personales y materiales de trabajo
para mantener un buen nivel de salud de los empleados, y el medioambiente encargado de
utilizar de la mejor manera los recursos naturales y minimizar el impacto ambiental.
1.8. ORGANIGRAMA GENERAL
En base al organigrama se trabajara en el departamento de producción en donde se encuentra
ubicada la poscosecha.
UNIVERSIDAD DE CUENCA
27 María Gabriela Altamirano Cárdenas
CAPITULO II
DESCRIPCIÓN DEL ÁREA DE POSCOSECHA
2.1 POSCOSECHA DE GYPSOPHILA
La poscosecha es el proceso posterior a la cosecha, como su nombre lo indica, el proceso de
la poscosecha de Million Stars es diferente a la de Cassiopeia, debido a su estructura física.
La poscosecha es un proceso muy importante, ya que del tratamiento que se le dé a las
panículas de gypsophila depende el tiempo de vida en florero, en la poscosecha se realiza el
proceso principal para la obtención de la calidad de la flor.
Esta cumple con varios procesos clave, agrupados de la siguiente manera.
El proceso de la poscosecha inicia cuando llegan las flores cosechadas del campo, estas se
cosechan cuando existen de 5 a 10 flores abiertas, luego se coloca en mallas de 60 tallos que
corresponde a la Million Stars y de 40 tallos para la Cassiopeia. Estas mallas son entregadas
por los cocheros de flor cosechada a la poscosecha.
La poscosecha inicia cuando llega la flor cosechada y esta termina cuando se despachan las
cajas para su exportación, por lo que el programa va a abarcar toda esta área la cual demanda
la mayor cantidad de mano de obra dentro de la plantación.
A continuación se detalla el proceso de la poscosecha en cada una de las etapas y sus
correspondientes DPO en los cuales consta los puestos de trabajo, los mismos que deseamos
manejar de una mejor manera con el software.
UNIVERSIDAD DE CUENCA
28 María Gabriela Altamirano Cárdenas
2.1.1 CLASIFICACIÓN EN VERDE
Una vez que se recibe la flor se procede a abrir la malla y acomodar la flor para no tener
inconvenientes en el proceso de apertura, luego se clasifica a la flor de acuerdo a su peso y
después se monitorea las plagas y enfermedades, con el fin de llevar un control preventivo de
éstas, las panículas de gypsophila deben ser introducidas en una solución hidratante.
Este proceso de hidratación STS se realiza con una solución que contiene tiosulfato de plata
(silver thiosulphate, STS), para minimizar el efecto producido en gypsophila por causa del
etileno.
El etileno es un gas que se genera naturalmente de los tejidos vegetales, especialmente en
aquellos que son cortados o están perdiendo su integridad, en los frutos que están en proceso
de maduración y en algunas flores que están envejeciendo.
El etileno disminuya la longevidad de gypsophila y de algunas flores de verano causando
principios de senescencia de las flores (secado), caída o destrucción de los pétalos. Luego de
realizada la hidratación STS se procede a llevar las mallas a las salas de apertura.
2.1.2 PROCESO DE APERTURA.
Son invernaderos provistos del equipo, ambiente y soluciones adecuadas para recibir a la flor
durante el tiempo que necesita hasta obtener el porcentaje de apertura requerido (80% a 90%).
El tiempo de apertura depende de la temperatura a la que se encuentra el invernadero y este
varía entre 8 a 10 días.
2.1.3 CLASIFICACIÓN EN BLANCO
La clasificación de las panículas de gypsophila se la realiza cuando el punto de apertura es del
80% al 90% dependiendo del mercado, los tallos son llevados a las mesas de clasificación
donde se selecciona de acuerdo al tamaño grosor y peso, se nivelan las copas y se cortan a la
medida indicada, cuando el ramo esta completo se lo envuelve según el requerimiento de cada
cliente ya sea en capuchones o en papel periódico sin imprimir, para armar los ramos se retira
UNIVERSIDAD DE CUENCA
29 María Gabriela Altamirano Cárdenas
las hojas completamente cuando existe plagas en las hojas, y parcialmente cuando las plagas
tienen una incidencia mínima.
2.1.4 EMPAQUE EN CUARTOS FRÍOS
Luego de armar los ramos en la clasificación se los transporta al cuarto frio donde son
nuevamente hidratados, enfriados y almacenados hasta el momento de armar las cajas para su
exportación. Los ramos se colocan en las cajas, se coloca la tapa y el embalaje y la etiqueta
respectiva para luego almacenarlas hasta el momento de su entrega. El número de ramos por
caja depende del requerimiento del cliente.
2.2 DIAGRAMAS DE FLUJO DE LOS PROCESOS
2.2.1 MILLION STARS
2.2.1.1 CLASIFICACIÓN EN VERDE
UNIVERSIDAD DE CUENCA
30 María Gabriela Altamirano Cárdenas
UNIVERSIDAD DE CUENCA
31 María Gabriela Altamirano Cárdenas
2.2.1.2 PROCESO DE APERTURA.
2.2.1.3 CLASIFICACIÓN EN BLANCO
UNIVERSIDAD DE CUENCA
32 María Gabriela Altamirano Cárdenas
2
1
Colocar en la cuna23
Registrar las mallas entregadas
Colocar el paquete en la mesa
Quitar las ligas de la base de los tallos
Botar la malla negra en el piso
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Separar por calibres y longitud
Desahojar
Retirar laterales mas delgados
Verificar si existe daño mecánico
2 paquetes de ramos de flores abiertas
Distribuir los paquetes a las clasificadoras
Igualar copas
Ajustar 5 tallos
Coincidir con las marcas de la mesa
Alinear los tallos al filo de la mesa
Cortar las patas
Sostener los tallos juntos
Dar 3 vueltas alrededor de tallos
Coger una liga
Sacudir el ramo
PASADOR DE MALLAS
REGISTRADOR DE MALLAS
CLASIFICADOR
20
19
21
22
15
14
16
18
17
1
4
3
5
7
6
8
9
10
12
11
13
UNIVERSIDAD DE CUENCA
33 María Gabriela Altamirano Cárdenas
Colocar en la banda transportadora27
Poner en la balanza
Tomar un ramo de la banda transportadora
29
28
Ajustar peso
Pesar
31
30
Colocar en la banda transportadora
Colocar liga
33
32
Embochar
Tomar un ramo de la banda transportadora
35
34
Tomar el ramo al final de la banda
Colocar en la banda transportadora
37
36
Colocar en la cortadora38
Colocar en la cuna
Cortar
40
39
Llevar a los cuartos fríos
Tomar bonchs de la cuna
42
41
Tomar un ramo de la cuna24
Acumular 5 ramos
Revisar ramo
26
25REVISADORA
PESADORA
EMBONCHADOR
CORTADOR
PASADOR DE FLOR
UNIVERSIDAD DE CUENCA
34 María Gabriela Altamirano Cárdenas
2.2.1.4 EMPAQUE EN CUARTO FRÍOS
2.2.1.4.1 CUARTO 2.
Colocar bonchs en las proconas con collarin
Colocar en el precooling sin procona
LLevar al cuarto 3/5 para hidratación
Colocar en las proconas
Precooling
4 bonchs
1
3
2
5
4
PRECOOLING INICIAL
ALZADO DE PROCONAS
UNIVERSIDAD DE CUENCA
35 María Gabriela Altamirano Cárdenas
2.2.1.4.2 CUARTO 3/5 Y 4
Llevar al cuarto 4 para empaque
Coger un carton
Sunchar sin tapa
Colocar en la banda transportadora
Colocar dentro un numero de bonchs
Proconas
Mantener las proconas en el cuarto minimo 24h1
3
2
5
4
6
Suchar con tapa
Llevar los cartones al cuarto 6
Colocar los cartones en el coche
Suchar los 2 cartones
7
9
8
10
BAJADOR DE FLOR
EMPACADOR
SUNCHADOR
CUARTO 3/5
CUARTO 4
UNIVERSIDAD DE CUENCA
36 María Gabriela Altamirano Cárdenas
2.2.1.4.3 CUARTO 6
2.2.2. CASSIOPEIA
2.2.2.1 CLASIFICACIÓN EN VERDE
Colocar laas cajas en el precooling
Precooling
Colocar las etiquetasen cada caja
Apilonar las cajas
Sacar las cajas del precooling
4 Cajas
1
3
2
5
4
PRECOOLING FINAL
PEGADOR DE ETIQUETAS
UNIVERSIDAD DE CUENCA
37 María Gabriela Altamirano Cárdenas
1
Colocar en la cuna
Colocar el paquete en la mesa
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Desahojar completamente
Retirar laterales mas delgados
Verificar si existe daño mecánico CLASIFICADOR
CASSIOPEA
8
7
9
11
10
12
13
15
14
2 paquetes de ramos cosechados de flor de 20 tallos c/u
6Llevar al áreade pelado
1
3
4
5
Abrir la malla de color
Poner en el suelo la malla de color
Cortar a 90cm. el ramo
2
Tomar una mallade los baldes
Llevar a la cortadora
PASADOR DE MALLAS
CORTADOR DE VERDE
20
19
Poner en solución STS
Clasificar con liga
22
21
Llevar al área de apertura
Esperar de 2h
Tiosulfato de plata
17
18
Cerrar ramo
Pesar
16Armar ramos en malla negra
PESADOR Y CAMBIO DE LIGAS
DESINFECTADOR
COCHERO
UNIVERSIDAD DE CUENCA
38 María Gabriela Altamirano Cárdenas
2.2.2.2 APERTURA
2.2.2.3 PESADO EN BLANCO
1 Ir a la nave de apertura cassiopea
3
4
Esperar de 8 a 10 días
Ver el estado de apertura de la flor
Llevar al área de clasificación blanco
2 paquetes de ramos hidratados de flor
2 Colocar en el estante
Agua, azucar, bactericida y tensoactivos
1
CHOCHEROS
PASADOR DE MALLAS
UNIVERSIDAD DE CUENCA
39 María Gabriela Altamirano Cárdenas
2
1
Colocar en banda transportadora
Registrar las mallas entregadas
Colocar el paquete en la mesa
Quitar las ligas de la base de los tallos
Botar la malla negra en el piso
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar a eltallo a pesar
Reunir 5 tallos
Verificar si existe daño mecánico
2 paquetes de ramos de flores abiertas
Distribuir los paquetes a las clasificadoras
Igualar copas
Cortar las patas
Sostener los tallos juntos
Ajustar el peso
Colocar en la balanza
Colocar liga
PASADOR DE MALLAS
REGISTRADOR DE MALLAS
PESADOR DE CASSIOPEA
15
14
16
17
1
4
3
5
7
6
8
9
10
12
11
13
UNIVERSIDAD DE CUENCA
40 María Gabriela Altamirano Cárdenas
El proceso realizado en el cuarto frío es el mismo que el de la Million Stars.
Embochar
Tomar un ramo de la banda transportadora
19
18
Tomar el ramo al final de la banda
Colocar en la banda transportadora
21
20
Colocar en la cortadora22
Colocar en la cuna
Cortar
24
23
Llevar a los cuartos fríos
Tomar bonchs de la cuna
26
25
EMBONCHADOR
CORTADOR
PASADOR DE FLOR
UNIVERSIDAD DE CUENCA
41 María Gabriela Altamirano Cárdenas
CAPITULO III
VARIABLES QUE INTERVIENEN EN EL REQUERIMIENTO DE MANO DE OBRA
3.1 INTRODUCCIÓN Es importante analizar todas las variables que van a intervenir en la elaboración del programa
para que la toma de decisiones según el caso sea la más acertada y de esta manera contribuir
a mejorar la eficiencia operativa.
Uno de los problemas fundamentales de las industrias florícolas es la demanda alta de mano
de obra que se necesita, la misma que depende de variables susceptibles a la época del año,
el clima, la fumigación, la disponibilidad de personal entre otras.
Poder determinar cuántas personas contratar o cuantas horas extras debemos programar para
cumplir un pedido, dependerá del volumen de producción y de las variables involucradas las
mismas que son el Grado del Tallo, la Jornada de Trabajo, la Curva de Aprendizaje y los
Problemas de Plagas y Enfermedades.
Estas variables son la base para la elaboración del software, es importante definirlas y
analizarlas para saber que función desempeñan dentro del programa y así tomar la mejor
decisión en cuanto a este recurso.
La Curva de Aprendizaje y el Grado del Tallo son variables que se relacionan entre sí para
formar una matriz la misma que dependerá de las variables Jornada de Trabajo y Problemas de
Plagas y Enfermedades ya que estas últimas son introducidas por el usuario del programa,
ligando de esta manera las variables la matriz nos dará en respuesta el número de personas
que se necesita para realizar cierta clase de trabajo, determinando así la capacidad finita del
programa.
3.2 GRADO DEL TALLO 3.2.1 DESCRIPCIÓN El grado es la relación entre la longitud del tallo, tamaño del botón floral, cantidad de flores,
consistencia y el peso del ramo.
3.2.2 CARACTERÍSTICAS Longitud: Es la medida tomada desde la copa hasta el final de la flor.
UNIVERSIDAD DE CUENCA
42 María Gabriela Altamirano Cárdenas
Tamaño de cabeza: Debe tener relación con la longitud y el grosor de los tallos.
Número de flores: Cantidad de flores abiertas por tallo.
Peso: Un ramo debe tener un peso mínimo de acuerdo a su grado.
Consistencia: Es una cualidad de presentación subjetiva, por lo tanto depende del gusto del
cliente.
3.2.3 ANÁLISIS
Con respecto a la flor Million Stars tenemos tres grados que son: 500, 750, 1000, los mismos
que corresponden a los gramos de los bonchs. Mientras que la Cassiopeia al ser una flor de
tallo grueso posee solo un grado.
Al tener la Million Stars diferente grado influye directamente en el número de personas ya que
existen más hojas en los tallos de 1000 que en los de 750, y más hojas en los 750 que los de
500, es decir los tiempos de clasificación de cada grado son distintos por el diferente volumen
de hoja, razón por la cual se cronometró las tres clases de grados para obtener un mejor
cálculo.
Obtener los diferentes tiempos de operación nos permite trabajar con el mix de productos,
combinando la Million Stars y la Cassiopeia.
3.3 JORNADA DE TRABAJO 3.3.1 DESCRIPCIÓN
La jornada de trabajo es el tiempo que cada trabajador dedica a la ejecución del trabajo por el
cual ha sido contratado. Según las leyes de nuestro país, la jornada normal de trabajo es de 8
horas diarias, es decir 40 horas semanales. 3.3.2 ANÁLISIS.
La jornada común de trabajo en Plantaciones Malima corresponde a 9 horas diarias, teniendo
un descanso de 10 minutos en la mañana, en el cual los trabajadores pueden desayunar, este
descanso se da ya que la mayoría de personal vive en los cantones aledaños.
El tiempo del almuerzo es de 1 hora, por lo tanto el horario de trabajo es de 7 y 30 de la
mañana a 5 y 30 de la tarde, extendiéndose el mismo en algunos casos cuando la producción
es alta como por ejemplo en el pico de producción de San Valentín o del Día de Madres.
UNIVERSIDAD DE CUENCA
43 María Gabriela Altamirano Cárdenas
Los días sábados se trabajan todo el día en horario normal, y el volumen de producción define
también el trabajo del día domingo y festivos. Es política de Plantaciones Malima dar horas extras si es necesario, para aumentar la
capacidad productiva en el área de poscosecha.
3.4 CURVA DE APRENDIZAJE 3.4.1 DESCRIPCIÓN
La curva de aprendizaje es una variable muy importante en Plantaciones Malima ya que debido
a la demanda de mano de obra por parte de las empresas dedicadas a la producción de flores
y la alta rotación de los trabajadores, constituye una problemática la cual es manejada de una
mejor manera a través de la curva de aprendizaje, esta es una curva logarítmica que muestra
la relación que existe entre el tiempo de producción por unidad y el número de unidades de
producción consecutivas, la misma que se vuelve constante dado un tiempo determinado en el
cual suponemos que el operario en este caso el clasificador, se ha vuelto totalmente
conocedor, de su trabajo al realizarlo a un ritmo normal y en condiciones normales
Las curvas de aprendizaje aplicado a las actividades florícolas, expresa básicamente el tiempo
necesario que tarda un trabajador para alcanzar el rendimiento estándar establecido en la
compañía. La teoría de la curva de aprendizaje se basa en que el tiempo necesario para
completar una tarea o unidad de producto será menor en cada vez que se realice la tarea.
El proceso del aprendizaje individual comienza cuando un clasificador de flor sin ninguna
experiencia en la actividad y solo con los conocimientos iniciales dados en la inducción,
procesa la flor por primera vez, por lo tanto desconocerá los errores típicos que se cometen, la
forma correcta de pelar la flor, los tallos rechazados, la igualada de las copas, etc. Luego con el
paso del tiempo y en la medida de que clasifique más tallos, su capacidad de realizar las tareas
aumentara haciendo de una manera más rápida dichos procesos. Cabe recalcar que esta es
una variable muy importante debido a la alta rotación de personal dentro de la plantación,
especialmente en época de pico de producción.
3.4.2 APLICACIONES DE LA CURVA DE APRENDIZAJE
Entre las más importantes de sus aplicaciones tenemos:
• Pago salarial de acuerdo al nivel de aprendizaje logrado.
UNIVERSIDAD DE CUENCA
44 María Gabriela Altamirano Cárdenas
• Previsión de la mano de obra interna requerida según la programación de la producción,
estableciendo costos y presupuestos.
• Evaluación estratégica de la eficiencia de la empresa y de la industria.
3.4.3 ANÁLISIS
En la actualidad para la clasificación de Million Stars que se encuentra en la sala en blanco se
tiene establecida la siguiente curva de aprendizaje:
Y para la clasificación de Cassiopeia que se encuentra en la sala en verde se tiene establecida
la siguiente curva de aprendizaje:
SEMANAS/MESES HORAS TALLOS/HORA1 0 922 55 923 109 1384 163 1755 217 2116 271 2117 325 2118 379 230
3 m 433 2304 m 649 2565 m 865 2566 m 1081 275
7 - 9 m 1243 27510 - 12 m 1891 275 + 12 m 2539 275
SEMANAS/MESES HORAS TALLOS/HORA
1 0 852 55 853 109 1254 163 1605 217 1956 271 1957 325 1958 379 210
3 m 433 2104 m 649 2355 m 865 2356 m 1081 250
7 - 9 m 1243 250
10 - 12 m 1891 250
+ 12 m 2539 250
UNIVERSIDAD DE CUENCA
45 María Gabriela Altamirano Cárdenas
Como se puede observar en las tablas se tiene establecido un plazo de 6 meses para cumplir
el estándar.
Se obtendrá nuevas curvas de aprendizaje a partir del cronometraje, y en el caso de la Million
Stars se tendrá tres curvas las mismas que corresponden a los grados de 500, 750 y 1000 que
maneja esta clase de flor.
3.5 PROBLEMAS DE PLAGAS O ENFERMEDADES 6 3.5.1 DESCRIPCIÓN
El reino vegetal siempre tiene amenazas debido a su hábitat, el caso de la gypsophila tanto la
Million Stars como la Cassiopeia no es excepción, razón por la cual se somete constantemente
a la flor a fumigación con diferentes productos para los diferentes tipos de enfermedades o
plagas.
La principal amenaza en la plantación es el minador el cual será descrito en la siguiente
clasificación.
3.5.2 PLAGAS 3.5.2.1 MOSCA BLANCA (TRIALEURODES VAPORARIUM)
Los daños se producen cuando sus larvas o adultos se alimentan de la planta. Además,
segregan una melaza que da lugar a un moho que reduce la actividad fotosintética de la planta.
3.5.2.2 MINADOR DE LA HOJA (LIRIOMYZA TRIFOLII)
Es una plaga presente en los tallos de gypsophila en mayor o menor incidencia.
Los adultos ponen sus huevos en la hoja, y al eclosionar, las larvas forman galerías sinuosas a
medida que se van alimentando del parénquima. Esto provoca la reducción de la actividad
fotosintética de la planta. 3.5.2.3 GUSANOS AÉREOS (HELIOTHIS ARMIGUERA, SPODOPTERA SP.,ETC) Heliothis es también conocido como "gusano verde". Spodoptera es la rosquilla negra.
UNIVERSIDAD DE CUENCA
46 María Gabriela Altamirano Cárdenas
Los daños se dan en hojas al reducir superficie foliar con sus mordeduras, así como en los
brotes tiernos.
3.5.2.4 GUSANOS DE SUELO (AGRIOTES LINEATUS, AGROTIS SPP.) El Agriotes lineatus es el "gusano de alambre", y los Agrotisson los gusanos grises. Atacan la
parte subterránea de las plantas y el cuello.
3.5.2.5 THRIPS (FRANKLINIELLA OCCIDENTALIS)
Los daños son ocasionados por adultos y larvas, al alimentarse de los jugos de la planta, sobre
todo en las hojas, pero también en las panículas. Los síntomas de los ataques se muestran
como placas decoloradas que cuando son abundantes dan un aspecto plateado.
3.5.2.6 PULGONES (MYZUS SP. Y OTROS)
Sus ataques afectan principalmente a las partes jóvenes de las plantas, ocasionando
debilitamiento de las partes dañadas e incluso produciéndose crecimientos irregulares.
Además de su presencia visible, podemos detectar la aparición de segregaciones pegajosas en
los brotes. 3.5.2.7 ARAÑA ROJA (TETRANYCHUS URTICAE) Los daños están producidos por las picaduras de las larvas y los adultos. Su actividad se
desarrolla en el envés de la hoja, y da lugar a un palidecimiento del color de las hojas.
3.5.3 ENFERMEDADES 3.5.3.1 RHIZOCTONIA SOLANI
Puede aparecer tras el trasplante, pudriendo el cuello de la planta. El óptimo para su desarrollo
se da a 15-20ºC.
3.5.3.2 OIDIO (ERYSIPHAE SP.) Ataca a la Gypsophila paniculada en condiciones de clima seco y árido. Se manifiesta por la
presencia de micelios blancos en manchas más o menos redondeadas en la superficie de la
hoja.
UNIVERSIDAD DE CUENCA
47 María Gabriela Altamirano Cárdenas
3.5.3.3 PODREDUMBRES BASALES (BOTRYTIS SP. Y SCLEROTINIA SP.)
Con temperatura media y humedad elevada puede aparecer este hongo, que provoca
podredumbres blandas a nivel del suelo.
Su desarrollo se inicia sobre material vegetal en descomposición, que se localiza en las hojas
que tienen contacto con el suelo.
3.5.3.4 PHYTOPHTORA
Ataca plantas adultas cuando hay encharcamientos y la temperatura es alta. Se da una
podredumbre húmeda del tallo en el área de la corona.
3.5.4 ANÁLISIS
La incidencia de plagas y enfermedades influye directamente en la cantidad de hoja a pelar en
el caso de la Million Stars, si hay presencia de la misma se tiene que procesar un 25% más del
tallo, es decir se debe pelar mas hoja, lo que significa que el tiempo de clasificación también
aumenta.
La Cassiopeia siempre es procesada o pelada en su totalidad exista o no la presencia de
plagas o enfermedades.
Al ser un producto de exportación no se puede mandar las hojas con plagas ya que se han
perdido muchas cargas por incineración en los aeropuertos internacionales.
Es por ello que se convierte en otra variable indispensable ligada con la curva de aprendizaje,
el grado del tallo y el tiempo disponible.
6 http://www.agricolaterra.cl/4760.html
UNIVERSIDAD DE CUENCA
48 María Gabriela Altamirano Cárdenas
CAPITULO IV
TIEMPOS ESTANDAR VS TIEMPOS REALES
4.1 INTRODUCCION
Una de las variables para la elaboración del programa es la curva de aprendizaje, la cual
depende del tiempo, esta varía de acuerdo al grado de tallo y a la presencia o ausencia de
plagas o enfermedades, se obtiene a través de los tiempos estándar en sus diversas
situaciones, basándose en una curva logarítmica que va creciendo simultáneamente en un
tiempo determinando y luego se vuelve constante.
Con la curva de aprendizaje se procederá a comparar con los datos reales obtenidos mediante
un software utilizado actualmente por Plantaciones Malima llamado File Maker, los datos de
nuestras curvas obtenidas también serán comparadas con la curva de aprendizaje actual de la
empresa, estas comparaciones nos permitirá verificar que el estudio de tiempos estándar con
cronometro fueron correctos y se procederá a realizar las matrices necesarias para el software.
Cabe recalcar que el estudio de los tiempos estándar se dará en la clasificación en blanco de la
Million Stars y en la clasificación en verde de la Cassiopeia, por ser estos trabajos los que
requieren mayor cantidad de mano de obra y por las variables que demandan se necesita
mayor tiempo en la toma de decisiones de este recurso.
4.2 MEDICIÓN DEL TRABAJO
Es la aplicación de técnicas para determinar el tiempo que invierte un trabajador calificado en
llevar a cabo una tarea determinada, efectuándola según una manera de ejecución
preestablecida llamada método.
El procedimiento para calcular los tiempos de trabajo consiste en determinar el denominado
tiempo estándar, entendiendo como tal, el que necesita un trabajador cualificado para ejecutar
la tarea a medir, según un método definido. El tiempo estándar comprende no sólo el necesario
para ejecutar la tarea a un ritmo normal, sino además, las interrupciones de trabajo que precisa
el operario para recuperarse de la fatiga que le proporciona su realización y para sus
necesidades personales.
UNIVERSIDAD DE CUENCA
49 María Gabriela Altamirano Cárdenas
Cuando se tiene toda la información registrada en DPO se procede a medir el trabajo, se va a
realizar la medición de la operación de clasificación de Million Stars en la sala en blanco, en
cada uno de los tres grados: 500,750 y 1000, y en dos diferentes situaciones: con plagas y sin
plagas.
En el caso de la Cassiopeia se medirá el trabajo de la clasificación en la sala en verde, no
teniendo las variantes de la Million Stars al tener un solo grado y al pelar por completo los tallos
sin distinción de plagas; estos son los principales trabajos dentro de la plantación y el que
existe mayor demanda de personas a parte de la cosecha de flor.
El método a utilizarse para la medición del trabajo de operación se denomina cronometraje, los
materiales requeridos para este estudio son:
• Un cronómetro.
• Hoja de cronometraje
• Un tablero o asienta manos.
A parte de obtener el tiempo estándar mediante este método, lo que se desea obtener también
es la curva de aprendizaje, por lo que se realizara el cronometraje a trabajadores de diferente
nivel de conocimiento del proceso de pelado de la flor el mismo que depende del tiempo de
trabajo de la persona en esta tarea.
4.2.1 DIVISIÓN DE LA OPERACIÓN EN ELEMENTOS
Dentro de nuestro estudio llamaremos operación al proceso de clasificación de flor, tanto de la
Million Stars como de la Cassiopeia, estas operaciones serán divididas en elementos, los
mismos que son una parte esencial y definida de una actividad o tarea determinada compuesta
de uno o más movimientos fundamentales del operario siendo estos necesarios identificarlos
para el cronometraje.
La operación de clasificación en blanco de Million Stars se dividirá en elementos tomados del
DPO de clasificación que corresponden a los tres grados: 500, 750 y 1000 tomando en cuenta
también que este proceso se repite exista o no problemas de plagas o enfermedades, la
diferencia radica en que se pela un 25% más de hoja en cada tallo.
UNIVERSIDAD DE CUENCA
50 María Gabriela Altamirano Cárdenas
La operación de clasificación en verde de Cassiopeia se dividirá en elementos tomados del
DPO de clasificación en la sala de verde, cabe recalcar que esta flor no posee grado y siempre
se pela todas las hojas exista o no amenazas de plagas o enfermedades.
1
Colocar en la cuna23
Colocar el paquete en la mesa
Quitar las ligas de la base de los tallos
Botar la malla negra en el piso
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Separar por calibres y longitud
Desahojar
Retirar laterales mas delgados
Verificar si existe daño mecánico
Igualar copas
Ajustar 5 tallos
Coincidir con las marcas de la mesa
Alinear los tallos al filo de la mesa
Cortar las patas
Sostener los tallos juntos
Dar 3 vueltas alrededor de tallos
Coger una liga
Sacudir el ramo
CLASIFICADORMILLION STARS
20
19
21
22
15
14
16
18
17
4
3
5
7
6
8
9
10
12
11
13
1
Colocar en la cuna
Colocar el paquete en la mesa
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Desahojar completamente
Retirar laterales mas delgados
Verificar si existe daño mecánico CLASIFICADOR
CASSIOPEA
8
7
9
11
10
12
13
15
14
17 Cerrar ramo
16Armar ramos en malla negra
UNIVERSIDAD DE CUENCA
51 María Gabriela Altamirano Cárdenas
Como observamos en el DPO en la parte correspondiente al clasificador de Million Stars, se
realiza 21 elementos y una inspección.
Mientras en el caso de la clasificación de Cassiopeia, se realizan 11 elementos y una
inspección.
4.2.2 CICLO DE TRABAJO
El conjunto de operaciones elementales que es preciso ejecutar para hacer una pieza o parte
de una pieza en una fase determinada del trabajo de la unidad de producción se llama ciclo
de trabajo.
Para el ciclo de trabajo de la Million Stars vamos a unificar en 3 operaciones que son:
UNIVERSIDAD DE CUENCA
52 María Gabriela Altamirano Cárdenas
Las agrupaciones están hechas en base al número de repeticiones por cada ciclo de trabajo.
Es decir, en este caso se debe realizar 5 repeticiones del Proceso 1, para que se dé un ciclo
del Proceso 2, y se debe realizar 6 repeticiones del Proceso 2, para que se dé un ciclo del
Proceso 3.
1
Colocar en la cuna23
Colocar el paquete en la mesa
Quitar las ligas de la base de los tallos
Botar la malla negra en el piso
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Separar por calibres y longitud
Desahojar
Retirar laterales mas delgados
Verificar si existe daño mecánico
Igualar copas
Ajustar 5 tallos
Coincidir con las marcas de la mesa
Alinear los tallos al filo de la mesa
Cortar las patas
Sostener los tallos juntos
Dar 3 vueltas alrededor de tallos
Coger una liga
Sacudir el ramo
CLASIFICADORMILLION STARS
20
19
21
22
15
14
16
18
17
4
3
5
7
6
8
9
10
12
11
13
PROCESO 3
PROCESO 1
PROCESO 2
UNIVERSIDAD DE CUENCA
53 María Gabriela Altamirano Cárdenas
En la Cassiopeia se debe realizar 20 repeticiones del Proceso 1, para que se dé un ciclo del
Proceso 2, y del Proceso 3.
1
Colocar en la cuna
Colocar el paquete en la mesa
Sacudir los tallos
Abrir la malla negra
Retirar el tocón
Separar el tallo a pelar
Sostener las flores
Desahojar completamente
Retirar laterales mas delgados
Verificar si existe daño mecánico CLASIFICADOR
CASSIOPEA
8
7
9
11
10
12
13
15
14
17 Cerrar ramo
16Armar ramos en malla negra
PROCESO 3
PROCESO 1
PROCESO 2
UNIVERSIDAD DE CUENCA
54 María Gabriela Altamirano Cárdenas
4.2.3 HOJA DE CRONOMETRAJE
4.2.3.1 HOJA DE CRONOMETRAJE MILLION STARS
UNIVERSIDAD DE CUENCA
55 María Gabriela Altamirano Cárdenas
4.2.3.2 HOJA DE CRONOMETRAJE CASSIOPEIA
UNIVERSIDAD DE CUENCA
56 María Gabriela Altamirano Cárdenas
4.2.4 TOMA DE TIEMPOS
Esta es una fase sumamente delicada en la ejecución del estudio de tiempos con cronómetro.
La posición y actitud del observador con respecto al trabajador determinará, en buena parte, el
grado de confiabilidad que se pueda tener en sus datos. Se deberá evitar distraer u
obstaculizar al trabajador.
Al tiempo observado o medido se lo debe calificar, dependiendo de las características de los
trabajadores cronometrados, y a este tiempo valorado se le deben agregar los suplementos
para convertir a este tiempo en un elemento útil para programar actividades con tiempos
racionalmente factibles.
Para la toma de tiempos se ha considerado cronometrar a personas que tienen diferentes
tiempo de experiencia en el trabajo de clasificación, la Million Stars se ha dividido también en
tres tipos de grados manejados por la plantación los mismos que son prestos a medición de
tiempo, así como también la variable de si existe o no plagas o enfermedades para un cálculo
más preciso del tiempo estándar y por ende de la cantidad de mano de obra dentro del
programa.
4.2.4.1 TIEMPO OBSERVADO
4.2.4.1.1 TIEMPO OBSERVADO MILLION STARS CON PLAGAS Y ENFERMEDADES
UNIVERSIDAD DE CUENCA
57 María Gabriela Altamirano Cárdenas
Tiempo Trabajado = Tiempo que la persona cronometrada trabaja en el proceso de
clasificación de la flor Million Stars en la sala en blanco, teniendo un problema de plagas y
enfermedades.
P1 (s)= Proceso 1 en segundos.
P2 (s)= Proceso 2 en segundos.
P3 (s)= Proceso 3 en segundos.
TO (s) = Tiempo Promedio Observado de cada persona obtenida a través del cronometro.
4.2.4.1.2 TIEMPO OBSERVADO MILLION STARS SIN PLAGAS Y ENFERMEDADES
TOTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30
1 mes 16.85 14.17 8.00 84.25 98.41 590.47 598.47 19.953 meses 12.77 13.00 8.00 63.85 76.85 461.08 469.08 15.645 meses 9.93 13.00 8.00 49.64 62.64 375.86 383.86 12.80
1 año 12.77 9.60 8.00 63.85 73.45 440.68 448.68 14.96
TOTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30
1 mes 22.93 27.00 9.00 114.67 141.67 850.00 859.00 28.633 meses 14.18 14.60 15.00 70.88 85.48 512.85 527.85 17.605 meses 10.88 12.00 10.20 54.40 66.40 398.40 408.60 13.62
1 año 13.21 9.00 9.00 66.03 75.03 450.18 459.18 15.31
TOTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30
1 mes 29.49 23.55 9.00 147.45 170.99 1025.95 1034.95 34.503 meses 18.58 13.80 9.00 92.90 106.70 640.20 649.20 21.645 meses 16.78 14.00 10.00 83.88 97.88 587.28 597.28 19.91
1 año 11.94 11.00 9.00 59.71 70.71 424.24 433.24 14.44
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
MILLION STARS GRADO 500
MILLION STARS GRADO 750
MILLION STARS GRADO 1000
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
UNIVERSIDAD DE CUENCA
58 María Gabriela Altamirano Cárdenas
Tiempo Trabajado = Tiempo que la persona cronometrada trabaja en el proceso de
clasificación de la flor Million Stars en la sala en blanco, sin problema de plagas y
enfermedades.
P1 (s)= Proceso 1 en segundos.
P2 (s)= Proceso 2 en segundos.
P3 (s)= Proceso 3 en segundos.
TO (s) = Tiempo Promedio Observado de cada persona obtenida a través del cronometro.
4.2.4.1.3 TIEMPO OBSERVADO CASSIOPEIA
Tiempo Trabajado = Tiempo que la persona cronometrada trabaja en el proceso de
clasificación de la flor Cassiopeia en la sala en verde.
P1 (s)= Proceso 1 en segundos.
P2 (s)= Proceso 2 en segundos.
P3 (s)= Proceso 3 en segundos.
TOTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30
1 mes 17.20 25.00 10.30 86.00 111.00 666.00 676.30 22.543 meses 10.63 14.40 12.00 53.16 67.56 405.34 417.34 13.915 meses 8.27 13.00 10.00 41.34 54.34 326.06 336.06 11.20
1 año 9.90 9.00 9.00 49.52 58.52 351.13 360.13 12.00
TOTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30
1 mes 22.41 23.55 10.00 112.06 135.61 813.63 823.63 27.453 meses 13.94 13.80 9.00 69.68 83.48 500.85 509.85 17.005 meses 12.41 14.00 9.00 62.07 76.07 456.42 465.42 15.51
1 año 8.96 11.00 9.50 44.78 55.78 334.68 344.18 11.47
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
MILLION STARS GRADO 1000
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
MILLION STARS GRADO 750
UNIVERSIDAD DE CUENCA
59 María Gabriela Altamirano Cárdenas
TO (s) = Tiempo Promedio Observado de cada persona obtenida a través del cronometro.
4.2.4.2 TIEMPO NORMAL
4.2.4.2.1 CALIFICACIÓN
Se ha calificado a cada trabajador cronometrado según la habilidad de cada uno, tomando en
cuenta que el trabajador promedio tendrá una calificación del 100%, esta calificación se
multiplica por el Tiempo Observado para obtener nuestro Tiempo Normal, se obtienen los
siguientes resultados:
4.2.4.2.1.1 TIEMPO NORMAL MILLION STARS CON PLAGAS Y ENFERMEDADES
C = Calificación
TN= Tiempo Normal
TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 16.85 14.17 8.00 84.25 98.41 590.47 598.47 19.95 90% 17.953 meses 12.77 13.00 8.00 63.85 76.85 461.08 469.08 15.64 90% 14.075 meses 9.93 13.00 8.00 49.64 62.64 375.86 383.86 12.80 100% 12.80
1 año 12.77 9.60 8.00 63.85 73.45 440.68 448.68 14.96 80% 11.96
TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 22.93 27.00 9.00 114.67 141.67 850.00 859.00 28.63 90% 25.773 meses 14.18 14.60 15.00 70.88 85.48 512.85 527.85 17.60 90% 15.845 meses 10.88 12.00 10.20 54.40 66.40 398.40 408.60 13.62 100% 13.62
1 año 13.21 9.00 9.00 66.03 75.03 450.18 459.18 15.31 85% 13.01
TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 29.49 23.55 9.00 147.45 170.99 1025.95 1034.95 34.50 90% 31.053 meses 18.58 13.80 9.00 92.90 106.70 640.20 649.20 21.64 90% 19.485 meses 16.78 14.00 10.00 83.88 97.88 587.28 597.28 19.91 90% 18.32
1 año 11.94 11.00 9.00 59.71 70.71 424.24 433.24 14.44 90% 13.00
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
MILLION STARS GRADO 500
MILLION STARS GRADO 750
MILLION STARS GRADO 1000
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
UNIVERSIDAD DE CUENCA
60 María Gabriela Altamirano Cárdenas
4.2.4.2.1.2 TIEMPO NORMAL MILLION STARS SIN PLAGAS Y ENFERMEDADES
C = Calificación
TN= Tiempo Normal
4.2.4.2.1.3 TIEMPO NORMAL CASSIOPEIA
C = Calificación
TN= Tiempo Normal
4.1.4.3 TIEMPO ESTÁNDAR
4.1.4.3.1 SUPLEMENTOS
Un suplemento es el tiempo que se concede al trabajador con el objeto de compensar los
retrasos, las demoras y los elementos contingentes que son partes regulares de la tarea.
TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 12.64 14.50 10.00 63.18 77.68 466.10 476.10 15.87 90% 14.283 meses 9.70 13.00 9.00 48.52 61.52 369.14 378.14 12.60 90% 11.345 meses 7.35 14.00 8.00 36.74 50.74 304.41 312.41 10.41 100% 10.41
1 año 9.58 9.60 8.00 47.88 57.48 344.91 352.91 11.76 80% 9.41
TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 17.20 25.00 10.30 86.00 111.00 666.00 676.30 22.54 90% 20.293 meses 10.63 14.40 12.00 53.16 67.56 405.34 417.34 13.91 90% 12.525 meses 8.27 13.00 10.00 41.34 54.34 326.06 336.06 11.20 100% 11.20
1 año 9.90 9.00 9.00 49.52 58.52 351.13 360.13 12.00 85% 10.20
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s) TO C TNTiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C
1 mes 22.41 23.55 10.00 112.06 135.61 813.63 823.63 27.45 90% 24.713 meses 13.94 13.80 9.00 69.68 83.48 500.85 509.85 17.00 90% 15.305 meses 12.41 14.00 9.00 62.07 76.07 456.42 465.42 15.51 90% 13.96
1 año 8.96 11.00 9.50 44.78 55.78 334.68 344.18 11.47 90% 10.33
MILLION STARS GRADO 750
MILLION STARS GRADO 1000
MILLION STARS GRADO 500
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
TO C TNTiempo Trabajado P1 * 20 (P1*20)+P2 ((P1*20)+P2)+P3 (((P1*20)+P2)+P3)/20 TO*C
1 mes 20.15 14.17 13.00 403.05 417.22 430.22 21.51 90% 19.363 meses 16.39 13.00 9.00 327.71 340.71 349.71 17.49 90% 15.745 meses 14.34 13.00 8.00 286.80 299.80 307.80 15.39 90% 13.85
1 año 13.00 10.00 9.00 260.00 270.00 279.00 13.95 90% 12.56
CASSIOPEA
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
UNIVERSIDAD DE CUENCA
61 María Gabriela Altamirano Cárdenas
Para los suplementos se ha tomado en cuenta que el 67% de las personas que trabajan en
clasificación son mujeres por lo tanto tenemos que:
Los suplementos para el cálculo del tiempo estándar será del 11%.
Dados los suplementos procedemos a multiplicarlos por el tiempo normal para de esta manera
obtener el tiempo estándar. Calculando un resultado también en tallos/minuto y tallos/hora que
será nuestra unidad de comparación con los datos históricos que posee la plantación.
4.2.4.3.1.1 TIEMPO ESTÁNDAR MILLION STARS CON PLAGAS Y ENFERMEDADES
S = Suplementos
TE = Tiempo Estándar
t/min = Tallos sobre minuto
t/hora = Tallos sobre hora
HOMBRES MUJERESSUPLEMENTOS CONSTANTESPor necesidades personales 5 7SUPLEMENTOS VARIABLESPor trabajar de pie 2 4
7 11
SUPLEMENTOS
TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 16.85 14.17 8.00 84.25 98.41 590.47 598.47 19.95 90% 17.95 11% 19.93 3.01 180.643 meses 12.77 13.00 8.00 63.85 76.85 461.08 469.08 15.64 90% 14.07 11% 15.62 3.84 230.475 meses 9.93 13.00 8.00 49.64 62.64 375.86 383.86 12.80 100% 12.80 11% 14.20 4.22 253.47
1 año 12.77 9.60 8.00 63.85 73.45 440.68 448.68 14.96 80% 11.96 11% 13.28 4.52 271.07248.83
TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 22.93 27.00 9.00 114.67 141.67 850.00 859.00 28.63 90% 25.77 11% 28.60 2.10 125.853 meses 14.18 14.60 15.00 70.88 85.48 512.85 527.85 17.60 90% 15.84 11% 17.58 3.41 204.815 meses 10.88 12.00 10.20 54.40 66.40 398.40 408.60 13.62 100% 13.62 11% 15.12 3.97 238.12
1 año 13.21 9.00 9.00 66.03 75.03 450.18 459.18 15.31 85% 13.01 11% 14.44 4.15 249.29214.93
TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 29.49 23.55 9.00 147.45 170.99 1025.95 1034.95 34.50 90% 31.05 11% 34.46 1.74 104.463 meses 18.58 13.80 9.00 92.90 106.70 640.20 649.20 21.64 90% 19.48 11% 21.62 2.78 166.535 meses 16.78 14.00 10.00 83.88 97.88 587.28 597.28 19.91 90% 18.32 11% 20.33 2.95 177.07
1 año 11.94 11.00 9.00 59.71 70.71 424.24 433.24 14.44 90% 13.00 11% 14.43 4.16 249.54189.54
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
MILLION STARS GRADO 750
MILLION STARS GRADO 1000
MILLION STARS GRADO 500
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
PROMEDIO TOTAL
PROMEDIO TOTAL
PROMEDIO TOTAL
UNIVERSIDAD DE CUENCA
62 María Gabriela Altamirano Cárdenas
4.2.4.3.1.2 TIEMPO ESTÁNDAR MILLION STARS SIN PLAGAS Y ENFERMEDADES
S = Suplementos
TE = Tiempo Estándar
t/min = Tallos sobre minuto
t/hora = Tallos sobre hora
4.2.4.3.1.3 TIEMPO ESTÁNDAR CASSIOPEIA
S = Suplementos
TE = Tiempo Estándar
t/min = Tallos sobre minuto
t/hora = Tallos sobre hora
TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 12.64 14.50 10.00 63.18 77.68 466.10 476.10 15.87 90% 14.28 11% 15.85 3.78 227.073 meses 9.70 13.00 9.00 48.52 61.52 369.14 378.14 12.60 90% 11.34 11% 12.59 4.76 285.905 meses 7.35 14.00 8.00 36.74 50.74 304.41 312.41 10.41 100% 10.41 11% 11.56 5.19 311.44
1 año 9.58 9.60 8.00 47.88 57.48 344.91 352.91 11.76 80% 9.41 11% 10.45 5.74 344.63311.03
TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 17.20 25.00 10.30 86.00 111.00 666.00 676.30 22.54 90% 20.29 11% 22.52 2.66 159.853 meses 10.63 14.40 12.00 53.16 67.56 405.34 417.34 13.91 90% 12.52 11% 13.90 4.32 259.045 meses 8.27 13.00 10.00 41.34 54.34 326.06 336.06 11.20 100% 11.20 11% 12.43 4.83 289.52
1 año 9.90 9.00 9.00 49.52 58.52 351.13 360.13 12.00 85% 10.20 11% 11.33 5.30 317.85268.67
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s) TO C TN S TETiempo Trabajado P1 * 5 (P1*5)+P2 ((P1*5)+P2)*6 (((P1*5)+P2)*6)+P3 ((((P1*5)+P2)*6)+P3)/30 TO*C (TN*S)+TN t/min t/hora
1 mes 22.41 23.55 10.00 112.06 135.61 813.63 823.63 27.45 90% 24.71 11% 27.43 2.19 131.263 meses 13.94 13.80 9.00 69.68 83.48 500.85 509.85 17.00 90% 15.30 11% 16.98 3.53 212.045 meses 12.41 14.00 9.00 62.07 76.07 456.42 465.42 15.51 90% 13.96 11% 15.50 3.87 232.28
1 año 8.96 11.00 9.50 44.78 55.78 334.68 344.18 11.47 90% 10.33 11% 11.46 5.24 314.11236.92PROMEDIO TOTAL
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
PROMEDIO TOTAL
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
PROMEDIO TOTAL
MILLION STARS GRADO 500
MILLION STARS GRADO 750
MILLION STARS GRADO 1000
TO C TN S TETiempo Trabajado P1 * 20 (P1*20)+P2 ((P1*20)+P2)+P3 (((P1*20)+P2)+P3)/20 TO*C (TN*S)+TN t/min t/hora
1 mes 20.15 14.17 13.00 403.05 417.22 430.22 21.51 90% 19.36 11% 21.49 2.79 167.533 meses 16.39 13.00 9.00 327.71 340.71 349.71 17.49 90% 15.74 11% 17.47 3.43 206.095 meses 14.34 13.00 8.00 286.80 299.80 307.80 15.39 90% 13.85 11% 15.37 3.90 234.15
1 año 13.00 10.00 9.00 260.00 270.00 279.00 13.95 90% 12.56 11% 13.94 4.31 258.32220.18
CASSIOPEA
Proceso 1 (s) Proceso 2 (s) Proceso 3 (s)
PROMEDIO TOTAL
UNIVERSIDAD DE CUENCA
63 María Gabriela Altamirano Cárdenas
4.3 CURVAS DE APRENDIZAJE OBTENIDAS
Con los datos obtenidos se procede a hallar su correspondiente curva logarítmica la cual nos
ayudara a crear las nuevas curvas de aprendizaje que utilizaremos en una matriz dependiente
del tiempo y de esta manera crear nuestro algoritmo para el programa.
4.3.1 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE CON SUS RESPECTIVAS CURVAS ACTUALES
Una vez obtenidas las curvas de aprendizaje comparamos estas con la curva actual utilizada
en la plantación cabe recalcar que la empresa posee una curva en la que están unificados los
tres grados en el caso de la Million Stars esta no distingue de presencia de plagas o
enfermedades.
La curva actual de la Cassiopeia también será comparada con la curva obtenida.
4.3.1.1 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE OBTENIDAS DE MILLION STARS CON PLAGA VS LA CURVA DE APRENDIZAJE ACTUAL
80
100
120
140
160
180
200
220
240
260
280
0 2 4 6 8 10 12
TALL
OS/
HO
RA
MESES
CURVAS DE APRENDIZAJE OBTENIDAS DE MS CON PLAGA VS CURVA DE APRENDIZAJE ACTUAL
GRADO 500
GRADO 750
GRADO 1000
CURVA ACTUAL
y=55.347ln(x)+135.41
y=56.454ln(x)+101.1
y=37.156ln(x)+185.68
UNIVERSIDAD DE CUENCA
64 María Gabriela Altamirano Cárdenas
Las curvas obtenidas mediante las ecuaciones logarítmicas son inferiores a la curva de
aprendizaje utilizada actualmente por la plantación, y al ser remunerados los trabajadores de
acuerdo a su rendimiento estos se ven afectados debido a un mal estudio de la misma razón
por la cual existe un alto porcentaje de rotación del personal en la plantación y de manera
particular en el área de clasificación en blanco de Million Stars.
Para las ecuaciones el valor de R² fue el siguiente:
4.3.1.2 COMPARACIÓN DE LAS CURVAS DE APRENDIZAJE OBTENIDA DE MILLION STARS SIN PLAGA VS LA CURVA DE APRENDIZAJE ACTUAL
Las curvas obtenidas mediante las ecuaciones logarítmicas son superiores en el caso de la
curva de grado 500 y 750, mientras que en el caso de la curva de grado 1000 es inferior a la
GRADO ECUACIÓN R²500 y=37.156ln(x)+185.68 0.9668750 y=55.347ln(x)+135.41 0.9508
1000 y=56.454ln(x)+101.1 0.9706
MILLION STARS CON PLAGAS
80
130
180
230
280
330
0 2 4 6 8 10 12
TALL
OS/
HO
RA
MESES
CURVAS DE APRENDIZAJE OBTENIDAS DE MS SIN PLAGA VS CURVA DE APRENDIZAJE ACTUAL
GRADO 500
GRADO 750
GRADO 1000
CURVA ACTUAL
y=69.183ln(x)+169.26
y=70.568ln(x)+126.38
y=46.445ln(x)+232.09
UNIVERSIDAD DE CUENCA
65 María Gabriela Altamirano Cárdenas
curva de aprendizaje utilizada actualmente por la plantación, cabe recalcar que la mayor parte
del año se clasifica flor con plagas y enfermedades.
Para las ecuaciones el valor de R² fue el siguiente:
Al observar la gran diferencia tanto en las curvas de aprendizaje obtenidas con plaga y sin
plaga comparadas con la curva actual de aprendizaje utilizada por la plantación, vemos que es
importante utilizar las curvas realizadas u obtenidas para estos casos ya que se tenía también
antecedentes de que la misma estaba errada.
4.3.1.3 COMPARACIÓN DE LA CURVA DE APRENDIZAJE OBTENIDA DE CASSIOPEIA VS LA CURVA DE APRENDIZAJE ACTUAL
GRADO ECUACIÓN R²500 y=46.445ln(x)+232.09 0.9668750 y=69.183ln(x)+169.26 0.9508
1000 y=70.568ln(x)+126.38 0.9706
MILLION STARS SINPLAGAS
150
170
190
210
230
250
270
0 5 10
TALL
OS/
HO
RA
MESES
CURVA DE APRENDIZAJE OBTENIDA DE LA CASSIOPEIA VS CURVA DE APRENDIZAJE ACTUAL
CURVAACTUAL
CURVAOBTENIDA
UNIVERSIDAD DE CUENCA
66 María Gabriela Altamirano Cárdenas
La curva obtenida mediante la ecuación logarítmica es inferior a la curva de aprendizaje
utilizada actualmente por la plantación, esta diferencia no es muy significativa por lo que nos
basaremos en la curva que utiliza actualmente la plantación.
Para la ecuación el valor de R² fue el siguiente:
4.3.2 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS CON LOS TIEMPOS PROMEDIO SEGÚN DATOS HISTORICOS
Estudio basado en los datos históricos obtenidos por el programa FILE MAKER correspondientes a los años 2010y 2011.
4.3.2.1 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS DE MILLION STARS CON LOS TIEMPOS PROMEDIO SEGÚN DATOS HISTORICOS
En la comparación con la Million Stars con minador observamos que existe una diferencia
de1.1%, mientras que en la comparación con la Million Stars sin minador existe una diferencia
del 19.11%
4.3.2.2 COMPARACIÓN DE LOS TIEMPOS PROMEDIO OBTENIDOS DE CASSIOPEA CON LOS TIEMPOS PROMEDIO SEGÚN DATOS HISTORICOS
ECUACIÓN R²y = 37.39ln(x) + 167.98 0.9887
CASSIOPEIA
AÑOS TALLOS/HORA GRADOS TALLOS/HORA GRADOS TALLOS/HORA2010 231.54 500 248.83 500 311.032011 208.83 750 214.93 750 268.67
1000 189.54 1000 236.92PROMEDIO 220.19 217.77 272.21
OBTENIDOS SIN MINADORMILLION STAR SALA EN BLANCO
OBTENIDOS CON MINADORDATOS HISTORICOS
UNIVERSIDAD DE CUENCA
67 María Gabriela Altamirano Cárdenas
En la comparación con la Cassiopea observamos que existe una diferencia de 5.72%
4.4 CONCLUSIONES DE LA COMPARACION
Después de la comparación tanto con curvas de aprendizaje utilizadas actualmente por la
empresa y de datos históricos analizados con los tiempos estándar obtenidos mediante
cortometraje, se decide utilizar las curvas obtenidas mediante el estudio en el caso de la Million
Stars, mientras que en el caso de la Cassiopeia se concluye utilizar la curva de aprendizaje
actual al no tener esta mucha diferencia con el estudio realizado.
Al tener las curvas de aprendizaje en sus diversas situaciones con sus respectivas ecuaciones
logarítmicas se procederá a realizar las matrices necesarias para ligar las variables.
AÑOS2010 2011 HISTORICOS OBTENIDOS
226.82 188.37 207.59 220.18
TALLOS/HORACASSIOPEA
UNIVERSIDAD DE CUENCA
68 María Gabriela Altamirano Cárdenas
CAPITULO V
INTERELACION SINERGICA DE LAS VARIABLES
5.1 INTRODUCCIÓN Luego de examinar cada una de las variables y su efecto individual, es importante también
analizar la relación de estas con las demás variables, lo cual permitirá ligar las mismas.
El resultado que se que se obtiene al ligar las variables es superior a los efectos individuales de
las mismas, esta sinergia da como consecuencia un resultado que va a ser la base para la
toma de decisiones de mano de obra, siendo este un problema latente dentro de Plantaciones
Malima Cia. Ltda..
Actualmente para calcular la mano de obra en el área de poscosecha, principalmente en las
clasificaciones de verde y blanco, se dividen los tallos a ser procesados para las horas de la
jornada laboral y por último estas se dividen para un estándar promedio, obteniendo de esta
manera el número de personas necesarias para procesar la flor diariamente, cabe recalcar
entonces que variables tan importantes como el grado de tallo, la curva de aprendizaje y
problemas de plagas o enfermedades no incluían en este cálculo, ésta deducción de mano de
obra se lleva haciendo desde el inicio de las actividades de la empresa.
Por el número de variables que el área de las salas en blanco y en verde poseen, se ha visto la
necesidad de crear diversas alternativas según la necesidad que la empresa tenga, estas
necesidades dependen de la cantidad de personal disponible que se posea en ese momento, la
rotación del mismo y el tiempo de antigüedad de las personas que laboran en esta área con su
respectivo lugar dentro de la curva de aprendizaje.
Ya que el principal problema de las empresas florícolas es su alta rotación de personal, es decir
la mayoría de personas que laboran en estas son nuevas y según datos históricos solo el 30%
de las personas nuevas permanecen en la empresa por más de un año. La estadística antes
mencionada es otra de las causas por la que se debe realizar diferentes alternativas para la
toma de decisiones, cuando la producción de flor es grande y la mano de obra disponible en
esta área no es suficiente para satisfacer la producción, la toma de decisiones en este caso se
basa en dos alternativas, realizar horas extras o pedir personal prestado a el área de cosecha
para cumplir con la producción programada.
UNIVERSIDAD DE CUENCA
69 María Gabriela Altamirano Cárdenas
A continuación se describirá la relación ya sea dependiente o independiente de las variables y
su función dentro del software, este análisis nos permitirá generar las interrelaciones que serán
las bases para realizar el programa.
5.2 EFECTO COMBINADO DE LAS VARIABLES 5.2.1 GRADO DEL TALLO Y JORNADA DE TRABAJO El tiempo de procesamiento de la flor es directamente proporcional al grado del tallo, es decir
mientras mayor es el grado a procesar mayor será su tiempo de procesamiento debido a que
los tallos de un grado superior tiene más laterales, hojas y follaje que un grado inferior, al pelar
mas hoja y revisar mas laterales el tiempo de procesamiento es mayor, por lo que la jornada de
trabajo puede ser suficiente, necesitar de hora extras o en su caso contrario pueden sobrar
horas de trabajo.
Por lo tanto esta relación dependiente entre el grado de tallo y jornada de trabajo nos permitirá
obtener la mejor opción para calcular la mano de obra necesaria que se necesita dadas estas
variables.
5.2.2 GRADO DE TALLO Y CURVA DE APRENDIZAJE Si se tiene flor de tres diferentes grados y estos distintos tiempos de procesos, se tiene también
tres diferentes curvas de aprendizaje las mismas que van a tener una tendencia logarítmica al
ser curvas que crecen simultáneamente y luego se vuelven constantes para un determinado
tiempo.
La curva de aprendizaje nos indica en qué estado de aprendizaje, como su nombre lo dice, se
encuentra el trabajador por lo tanto a mayor tiempo, mayor aprendizaje en los tres grados, ya
que los procesos entre grados no varía pero si su tiempo de proceso.
La relación entre estas variables es dependiente ya que el tiempo de proceso de cada uno de
los grados es la base para el cálculo de la curva de aprendizaje de los mismos, siendo también
directamente proporcional ya que a mayor grado el tiempo de proceso es mayor y por ende
también su curva y viceversa.
Este estudio está basado principalmente en tiempos y procesos por lo que el análisis de la
primera variable nos lleva a la segunda. Esta relación da lugar a la elaboración de una matriz
base para nuestro análisis.
UNIVERSIDAD DE CUENCA
70 María Gabriela Altamirano Cárdenas
5.2.3 GRADO DE TALLO Y PROBLEMA DE PLAGAS O ENFERMEDADES El problema de plagas o enfermedades se da en épocas del año en todas las variedades de
flores y en sus diferentes grados, si es el caso de la Million Stars, este problema causa un
procesamiento más minucioso de la flor por lo que el tiempo de proceso de la misma es
superior comparado con un proceso libre de plagas o enfermedades.
5.2.4 JORNADA DE TRABAJO Y CURVA DE APRENDIZAJE Mientras mayor son las horas trabajadas mayor será el aprendizaje y la destreza adquirida en
un proceso determinado, ya que en la curva el número de tallos a ser procesados (eje y)
aumenta dependiendo del tiempo de instrucción de la labor (eje x). Estas dos variables son
dependientes y directamente proporcionales entre si ya que cuando aumenta la jornada de
trabajo también aumenta el estado de los trabajadores en la curva de aprendizaje.
Cabe recalcar que en el caso de la clasificación de Million Stars en blanco, el proceso a
realizarse en cualquier grado es válido para el aprendizaje del trabajador ya que la labor es la
igual para los tres grados existentes.
El rendimiento de cada trabajador depende de las horas acumuladas realizando dicho trabajo.
5.2.5 JORNADA DE TRABAJO Y PROBLEMA DE PLAGAS Y ENFERMEDADES Dependientes entre si ya que si tenemos un problema de plagas o enfermedades el proceso de
operación del proceso es mayor por lo que se necesitara ya sea horas extras o mano de obra
adicional para realizar el trabajo.
Actualmente en la empresa prefieren aumentar la mano de obra pidiendo al área de cosecha
un apoyo de mano de obra, pero en los picos de producción como San Valentín, o el Día de la
Madre optan por realizar horas extras trabajando muchas veces hasta altas horas de la
madrugada.
5.2.6 CURVA DE APRENDIZAJE Y PROBLEMAS DE PLAGAS Y ENFERMEDADES Debido al problema de plagas y enfermedades, a parte de realizar diferentes curvas para los
distintos grados disponibles, se realizo curvas de aprendizaje en el caso de que exista
problema de esta índole teniendo en total 6 curvas.
El problema de plagas o enfermedades según el estudio resultado se considera un 25% más
del tiempo de procesamiento de la flor.
UNIVERSIDAD DE CUENCA
71 María Gabriela Altamirano Cárdenas
El principal problema de plagas que poseen las gypsophilas es el minador el cual ataca
especialmente a la hoja por lo que se debe retirar la misma provocando un mayor tiempo en el
proceso.
5.3 INTERRELACIÓN DE LAS VARIABLES
La relación de las variables crea una sinergia necesaria para la toma de decisiones, la mejor
decisión estará basada en el menor costo y el mayor beneficio para la empresa.
La sinergia de las cuatro variables es necesaria principalmente para el área de clasificación en
verde y blanco, cabe recalcar que existe más variables y mayor demanda de mano de obra en
el área de clasificación en blanco de Million Stars por lo que se empezara por esta área a ligar
las variables entres sí.
5.4 MODELACIÓN MATEMÁTICA
Primero se realizara la matriz de cálculo para el puesto de trabajo que se debe ligar todas las
cuatro variables es decir una matriz para el área de clasificación de Million Stars.
Luego de obtenidas las curvas de aprendizaje tanto en función del grado del tallo, como en
función de su presencia o ausencia de plagas o enfermedades, realizamos una base de datos
que nos servirá para comenzar a realizar nuestra matriz de cálculo.
Esta base de datos tendrá variables como, la fecha de ingreso del trabajador, el nombre y los
días laborables que se obtienen mediante una función que depende de la fecha actual.
UNIVERSIDAD DE CUENCA
72 María Gabriela Altamirano Cárdenas
A partir de estos días laborados o trabajados, obtenemos los meses acumulados de trabajo,
dividiendo estos días para 28 que son los días que corresponden a un mes de trabajo.
Con estos meses y con las formulas logarítmicas obtenidas anteriormente de cada una de las 6
curvas de aprendizaje procedemos a calcular el número de tallos por hora que debe realizar
cada trabajador, dependiendo del caso en el que exista o no problema de plagas o
enfermedades y en función del tiempo en el que se encuentra trabajando en dicha labor.
De esta manera se liga tres de las cuatro variables dentro de una matriz; esta matriz se
encuentra en orden descendente ya siempre se optara por escoger a las personas con mejor
rendimiento, las mismas que ya tienen un tiempo mayor realizando este trabajo.
UNIVERSIDAD DE CUENCA
73 María Gabriela Altamirano Cárdenas
Luego de relacionar estas variables, debemos de ligar la última que corresponde a la jornada
de trabajo, esta variable dejamos que el usuario escoja en base a la proyección de producción
y la disponibilidad de tiempo.
Para mejor visualización y funcionamiento del programa se ha dividido la matriz anterior en dos
matrices diferentes una de la otra por la presencia de plaga.
Los datos importantes para el cálculo del número necesario de personas son la cantidad de
tallos a procesarse en su diferente grado, para lo cual se ha introducido al lado de la matriz
datos al azar para modelar este cálculo; el numero de tallos a procesarse se divide para el
acumulado de tallos estándar que realizan las personas, con el fin de obtener las horas
estándar necesarias para realizar la labor de clasificación de Million Stars, la obtención de las
horas estándar se la realiza para cada grado de la flor, con su correspondiente necesidad de
numero de tallos a procesarse.
UNIVERSIDAD DE CUENCA
74 María Gabriela Altamirano Cárdenas
Una vez obtenidas las horas estándar en cada grado procedemos a sumar las mismas, este
resultado nos dará las horas estándar necesarias para la clasificación de Million Stars en donde
se encuentran todos sus grados.
Este total de horas estándar necesarias nos ayudara a realizar un conteo para determinar el
número de personas necesarias, basándonos en la jornada de trabajo, la misma que puede ser
UNIVERSIDAD DE CUENCA
75 María Gabriela Altamirano Cárdenas
flexible para que el usuario pueda tomar la decisión de realizar horas extras, o disminuir el
tiempo en esta labor para asignar a las personas otro trabajo en el campo.
Para relacionar la ultima variable se ha tomado como ejemplo las horas de la jornada laboral
normal que corresponde a 9 horas, tomando en cuenta que a estas 9 horas hay que restarles
10 minutos en los cuales los trabajadores desayunan, resultando así 8.833 horas de jornada
laboral diaria.
Para el conteo realizamos una formula de lógica la misma que asigna el numero uno al total de
horas estándar que sea mayores a la jornada laboral propuesta por el usuario, caso contrario
están celdas estarán en blanco.
Es decir se trata de igualar las horas totales estándar obtenidas con las horas de la jornada
laboral para obtener el número de personas necesarias por conteo.
UNIVERSIDAD DE CUENCA
76 María Gabriela Altamirano Cárdenas
A este resultado se le suma uno para que el número de personas sea el estrictamente
necesario.
El anterior procedimiento se realizo tanto para la presencia como la ausencia de plagas y
enfermedades, separadas en dos matrices para mejor visualización; así como también para la
clasificación en verde de Cassiopeia.
5.5 MEJORA UTILIZACIÓN
Dentro del área de la postcosecha, las salas de blanco y verde son las que necesitan mayor
cantidad de mano de obra especializada, por ello las alternativas de elección se dan en estas
dos salas teniendo en cuenta que se necesita personal más especializado para el sala de
blanco que para la sala en verde, razón por la cual el programa hace dependiente una sala de
otra para obtener mejores resultados, diseñado el software de tal manera que siempre iniciara
por la sala en blanco debido a que de ahí se tomaran las personas que estén mayor tiempo
laborando en el área de postcosecha y dejando así las menos especializadas para la sala en
verde en la cual el proceso es menos complejo.
5.5.1 SALA EN BLANCO
Para el ingreso de los datos necesarios para el cálculo del número de personas necesarias se
ha diseñado un formulario de entrada de datos, el mismo que corresponde a la sala de
clasificación de blanco.
UNIVERSIDAD DE CUENCA
77 María Gabriela Altamirano Cárdenas
Como se describió los DPO de Million Stars y Cassiopeia son diferentes, en la sala en
clasificación en blanco se tiene tres trabajos principales, uno corresponde a la Cassiopeia
denominado pesadoras; los otros dos corresponden a la Million Stars: revisadoras y
clasificadoras. Por lo que el formulario será diseñado en base a los procesos correspondientes
a estas dos diferentes tipos de gypsophilas dentro de esta área de blanco.
Se divide la sala en blanco en dos tipos de flores para separar sus procesos: Cassiopeia y
Million Stars.
5.5.1.1 CALCULO PARA LAS PESADORAS DE CASSIOPEIA
Los datos necesarios para saber cuánto personal necesitamos que realice el trabajo de
pesadoras de Cassiopeia son: la cantidad de tallos o mallas a ser procesados, en el cual como
lista desplegable se encuentra la unidad de medida así como también las horas que tenemos
disponibles para realizar esta labor.
UNIVERSIDAD DE CUENCA
78 María Gabriela Altamirano Cárdenas
Para el trabajo de pesadoras de Cassiopea se requiere de personal capacitado el cual alcanza
a pesar 1000 tallos por hora, teniendo en cuenta que en cada malla tiene un total de 40 tallos.
Con los datos ingresados y teniendo el estándar de tallos por hora, realizamos una regla de
tres para saber cuántas horas necesitamos para procesar la flor, y por ultimo estas horas
necesarias dividimos para el número de horas disponibles para realizar dicho proceso y de esa
sencilla manera obtenemos el número de personal necesario para el trabajo de pesadoras de
Cassiopeia en la Sala en Blanco.
5.5.1.2 CALCULO PARA LAS CLASIFICADORES Y REVISADORAS DE MILLION STARS
Para el cálculo de la cantidad de clasificadores que se necesita se debe introducir la cantidad
de flor que se desea procesar en cada uno de los diferentes grados teniendo una lista
UNIVERSIDAD DE CUENCA
79 María Gabriela Altamirano Cárdenas
desplegable de la unidad a utilizar teniendo en cuenta que existen 60 tallos por cada malla de
Million Stars.
Luego de introducir la cantidad de tallos a procesar en sus diferentes grados, colocamos
también las horas de trabajo disponibles en esta labor, con lo cual estaríamos introduciendo
nuestra última variable la misma que será ligada luego en la matriz de cálculo antes descrita.
Como se utilizan diferentes curvas de aprendizaje para la ausencia o presencia de problemas
de pagas o enfermedades, es necesario la afirmación o negación de la misma la cual está a
cargo del usuario a través de una lista desplegable.
UNIVERSIDAD DE CUENCA
80 María Gabriela Altamirano Cárdenas
Una vez que el usuario escoja esta opción, el programa nos dará el número de personas que
se necesita para procesar el número de tallos o mallas que eligió en cada grado, con las horas
de trabajo escogidas también por el usuario y con la afirmación o negación de un problema de
plagas o enfermedades.
El número de revisadoras de Million Stars también nos proporciona el programa teniendo en
cuenta que por cada 7 clasificadoras de Million Stars existe una revisadora.
5.5.1.3 EXTRACCION DE PESADORAS DE CASSIOPEIA Y REVISADORAS DE MILLION STARS No todas las personas que trabajan en el área de poscosecha saben pesar o revisar por lo que
ha sido necesario que el usuario elija entre las opciones de escoger personas o que estas
personas se han escogidas aleatoriamente para ensenarles a realizar dicha función.
UNIVERSIDAD DE CUENCA
81 María Gabriela Altamirano Cárdenas
5.5.1.3.1 EXTRACCION DE PESADORAS DE CASSIOPEIA Y REVISADORAS DE MILLION STARS MEDIANTE UN ESCOJITAMIENTO
Al elegir escoger personas tendremos una matriz en la que podemos escoger entra las
personas que saben pesar al número de pesadoras necesarias proporcionadas con
anterioridad por el programa. Como el usuario del programa está totalmente familiarizado con
el personal, el podrá elegir de acuerdo a su criterio que persona desea que trabaje en la labor
de pesadora de Cassiopeia.
UNIVERSIDAD DE CUENCA
82 María Gabriela Altamirano Cárdenas
Al dar clic en aceptar las pesadoras necesarias, estas se irán a una base de datos, estas
personas elegidas al ser aceptadas automáticamente serán eliminadas de la base de datos
para la elección de las revisadoras así como también para el cálculo del número de personas
para la clasificación en blanco de Million Stars.
Luego se escogen las revisadoras tomando en cuenta de que las mismas también se irán a una
base de datos, estas personas elegidas al ser aceptadas automáticamente serán eliminadas de
la base de datos para el cálculo del número de personas para la clasificación en blanco de
Million Stars.
UNIVERSIDAD DE CUENCA
83 María Gabriela Altamirano Cárdenas
5.5.1.3.2 EXTRACCION DE PESADORAS DE CASSIOPEIA Y REVISADORAS DE MILLION STARS MEDIANTE ALEATORIO
Al escomer la opción aleatorio nos muestra una base de datos la misma que lleva un orden,
este orden es indistinto a cualquier relación.
UNIVERSIDAD DE CUENCA
84 María Gabriela Altamirano Cárdenas
Para obtener personas aleatorias lo que se hace es ir al filtro de orden y elegir la opción filtros
de número, luego en menor o igual introducimos el numero de personas que nos dio
anteriormente el programa.
UNIVERSIDAD DE CUENCA
85 María Gabriela Altamirano Cárdenas
Luego de obtener las personas damos un clic en aceptar pesadoras, estas al igual que cuando
hicimos escojitamiento de personas, borra automáticamente de la base de datos para la
elección de revisadoras y para el cálculo de clasificadoras de Million Stars.
De la misma forma se realiza el aleatorio para las revisadoras de Million Stars.
El formulario queda de esta manera:
UNIVERSIDAD DE CUENCA
86 María Gabriela Altamirano Cárdenas
Como el objetivo del programa es abarcar toda la poscosecha también es importante describir
los trabajos adicionales en los que se incluye los que dependen y los que no dependen de la
poscosecha. Los trabajos que dependen de la poscosecha se ha puesto su respectivo rendimiento en
función de las personas que están trabajando en clasificación.
5.5.2 SALA EN VERDE
Cabe recalcar que como la sala de clasificación en blanco requiere mayor numero de mano de
obra se empieza a escoger por la esta las personas que se necesita las mismas que van a ser
más especializadas que la sala de verde por lo que la base de datos de la sala de verde tiene
las personas restantes de la clasificación en blanco.
UNIVERSIDAD DE CUENCA
87 María Gabriela Altamirano Cárdenas
El trabajo de enmalladoras de Million Stars al ser el trabajo menos complejo en el área de
poscosecha no tiene curva de aprendizaje por lo que el estándar es de 1800 tallos por hora.
Mientras que el trabajo de clasificadoras de Cassiopeia si tiene curva de aprendizaje por lo que
el cálculo para el numero de personas fue realizado de la misma manera que la clasificación de
Million Stars en la sala en blanco con la diferencia de que en la Cassiopeia no posee grado de
UNIVERSIDAD DE CUENCA
88 María Gabriela Altamirano Cárdenas
tallo y siempre se extrae toda la hoja del tallo por lo que el problema de plagas o enfermedades
no es relevante en este caso.
La sala en verde nos permite también escoger las personas que el usuario crea conveniente
para la clasificación en Cassiopeia, de la misma manera que se escogía para la sala en blanco.
UNIVERSIDAD DE CUENCA
89 María Gabriela Altamirano Cárdenas
La sala de clasificación en verde también tiene sus trabajos adicionales como se observa en el
formulario anterior.
5.5.3 APERTURA
En el área de apertura a tener trabajos poco especializados no se tiene curva de aprendizaje
pero se tienen tiempos estándar, los mismos que se encuentran en una matriz la misma que
esta denominada como adicionales en la que también se encuentran los trabajos adicionales
de clasificación en blanco, clasificación en verde y apertura.
UNIVERSIDAD DE CUENCA
90 María Gabriela Altamirano Cárdenas
5.5.4 EMPAQUE
En el área de empaque también tiene trabajos poco especializados por lo que no se tiene curva
de aprendizaje pero los tiempos estándar están dados en la matriz adicionales.
UNIVERSIDAD DE CUENCA
91 María Gabriela Altamirano Cárdenas
En el empaque solo dos actividades dependen de la producción, por lo que se necesita el
número de cajas y las horas a invertir en cada actividad.
UNIVERSIDAD DE CUENCA
92 María Gabriela Altamirano Cárdenas
5.6 MATRIZ ADICIONALES
En esta matriz se encuentran todos los trabajos adicionales los mismos que no poseen curva de aprendizaje por ser poco especializados, estos se clasifican en los que depende del volumen de producción y los que no depende del volumen de producción.
La matriz esta creada en base a rendimientos los cuales indicaran según la jornada de trabajo el porcentaje de trabajo que realizara el empleado dependiendo de la tarea.
UNIVERSIDAD DE CUENCA
93 María Gabriela Altamirano Cárdenas
CAPITULO VI
ALGORITMO PARA LA TOMA DE DECISIONES
6.1 DISEÑO DE TOMA DE DECISIONES
Luego de ligar las variables, estas forman un algoritmo el cual nos ayuda a nuestro objetivo
principal que es la toma de decisiones.
Las variables están ligadas entre si de una manera dinámica a través de matrices y formularios
en los que al introducir ciertos datos obtenemos una respuesta lógica y acertada para la
elección de nuestra mejor decisión, la elaboración de diferentes alternativas que nos ayuden a
decidir entre algunas opciones es indispensable para elegir la mejor, al mismo tiempo que el
programa se vuelve aun más flexible.
Las opciones que da el programa depende de las necesidades que en ese momento se tenga
en el área, siempre teniendo la certeza que las personas que designa el programa son las más
especializadas para los trabajos que se tiene en las salas creando así una preferencia por ser
una sala más especializada que otra.
6.2 CASOS
Ejemplos de casos de toma de decisiones, las alternativas usadas son de acuerdo a las
necesidades de la empresa y el criterio del usuario del programa.
Para este caso se procederá a utilizar el programa en este orden: Apertura, Salas y Empaque,
teniendo en cuenta que primero se comenzara por la sala en blanco y luego en la sala en verde
ya que estas son dependientes, como se explico.
6.2.1 CASO DE DECISIÓN DE HORAS EXTRAS
Es política de la empresa utilizar horas extras cuando el tiempo de procesamiento es superior a
la jornada laboral, a continuación se presenta uno de estos casos.
Al iniciar el programa la primera ventana que se presenta nos muestra las etapas de la
postcosecha:
UNIVERSIDAD DE CUENCA
94 María Gabriela Altamirano Cárdenas
El principal problema de toma de decisiones se da en el área de clasificación en blanco por lo
que los ejemplos se enfocaran es esta área.
6.2.1.1 APERTURA
Al entrar en apertura nos aparece un formulario en el cual se introducen los datos requeridos
para conocer el número de personas necesarias en esta área.
Introducimos datos en los trabajos que son dependientes del volumen de producción, las
labores que son independientes de producción aparecen en la parte de abajo.
El formulario a llenar es el siguiente:
UNIVERSIDAD DE CUENCA
95 María Gabriela Altamirano Cárdenas
Ingresamos los datos necesarios para el proceso en esta etapa de la poscosecha y tenemos:
UNIVERSIDAD DE CUENCA
96 María Gabriela Altamirano Cárdenas
Automáticamente al ingresar datos requeridos de producción y horas de trabajo tenemos los
datos necesarios del número de personas necesarias.
6.2.1.1 SALA EN BLANCO
Luego de ingresar los datos de apertura que no generan mayor problema, procedemos a
ingresar a la sala en blanco en la cual se nos presenta el siguiente formulario.
UNIVERSIDAD DE CUENCA
97 María Gabriela Altamirano Cárdenas
En el tipo de flor llenamos la Cassiopeia con 2500 mallas que en este caso se requiere procesar, con una jornada de 9 horas de trabajo; lo cual nos da un resultado de 12 pesadoras, en la flor de Million Stars se requiere procesar 1500 mallas de grado 1000, 2500 mallas de grado 750 y 800 mallas de grado 1000.
Con un problema existente de plagas lo cual genera mayor tiempo de procesamiento y adicionalmente se ingresa una jornada común de trabajo de 9 horas, lo cual nos da los siguientes resultados:
UNIVERSIDAD DE CUENCA
98 María Gabriela Altamirano Cárdenas
El proceso en blanco de Million Stars se requiere procesar 4800 mallas en una jornada normal
de trabajo, en un periodo en el cual la flor tiene plaga o enfermedad, dado como resultado que
necesitamos 128 clasificadoras de Million Stars y 19 revisadoras de flor.
Los trabajos adicionales con su respectivo rendimiento en el caso de que dependan de
volumen de producción se muestran en la parte inferior de la ventana.
En este caso vamos a suponer que la empresa no posee tanto personal disponible por estar
en una época de producción alta como en el caso de un San Valentín, por lo que se decide
hacer 3 horas extras teniendo como resultado:
UNIVERSIDAD DE CUENCA
99 María Gabriela Altamirano Cárdenas
Esta decisión constituye 53 personas menos en esta etapa de la poscosecha, como esta etapa
es la que mayor número de personas demanda al igual que la etapa de verde, las personas
que en este caso sobren se irán a clasificación en verde.
Tomando en cuenta que la rotación de personal en las empresas de flores es alta debemos
tratar de utilizar el menor número de personas de la forma más productiva.
6.2.1.3 SALA EN VERDE
Regresamos con el botón de inicio, y elegimos la opción sala en verde en la cual al introducir
los datos a producirse con un tiempo en este caso la jornada laboral tenemos que:
UNIVERSIDAD DE CUENCA
100 María Gabriela Altamirano Cárdenas
Llenando los datos necesarios para la producción requerida:
UNIVERSIDAD DE CUENCA
101 María Gabriela Altamirano Cárdenas
Al seleccionar el botón personas el programa nos proporcionara por default las personas
adecuadas para estos trabajos.
6.2.1.4 EMPAQUE
Regresamos al menú inicial y escogemos la opción empaque, en la cual se introducirá los
datos necesarios en esta etapa de la poscosecha.
Al introducir los datos tenemos que:
UNIVERSIDAD DE CUENCA
102 María Gabriela Altamirano Cárdenas
En el caso del trabajo de armador de cartón se observa que se necesitan 2 personas para esta
actividad, pero queda a decisión si sería mejor o no realizar este trabajo solo con una persona
ya que el rendimiento es del 55,56 si trabajaran entre dos.
6.2.2 CASO PRESTAR PERSONAL
Para este caso nos enfocaremos totalmente en la sala en blanco para lo cual llenando los datos
de producción en días sin pico de ventas tenemos que:
UNIVERSIDAD DE CUENCA
103 María Gabriela Altamirano Cárdenas
Observamos que se necesita pocas personas para el área de blanco por lo que se decide
mermar las horas de trabajo para realizar con estas trabajos de campo como cosecha.
UNIVERSIDAD DE CUENCA
104 María Gabriela Altamirano Cárdenas
Tomando en cuenta que la mano de obra que demanda el campo también es alta siempre se
necesita personal adicional es este para realizar procesos de peinado, cosecha, poda,
desinfección etc.
UNIVERSIDAD DE CUENCA
105 María Gabriela Altamirano Cárdenas
CAPITULO VII
CONCLUSIONES Y RECOMENDACIONES
7.1 CONCLUSIONES
• La necesidad de mano de obra dado el tipo de industria que Malima es crea un
problema en la toma de decisiones la cual fue resuelta mediante un software el cual a
través del tiempo de entrenamiento del empleado, el estado de la flor, y la disponibilidad
de tiempo en el área de postcosecha permite calcular la cantidad de personal necesario
en cada una de las etapas de la poscosecha para de esta manera no truncar la
programación de producción antes planteada por los jefes involucrados en esta área.
Disminuyendo también de esta manera el tiempo que los encargados de la poscosecha
se dan diariamente para a través de un groso cálculo determinar la cantidad de mano
de obra sin relacionar variables de tipo decisivas.
• La determinación de las curvas de aprendizaje por grado en el área de Clasificación de
Million Stars permitió a la empresa pagar por los grados procesados tomando en cuenta
de que se diferencian entre ellos por la cantidad de follaje a procesar, este hecho creo
buenas expectativas por parte de los trabajadores al saber que el pago esta hecho en
base al rendimiento diferenciado por la cantidad de hoja a procesar en los diferentes
grados. Este estudio de pago por grado permitió a la empresa tener datos más certeros
del desperdicio por trabajador logrando de esta manera llevar un mejor control para su
disminución.
• El tiempo de toma de decisiones de mano de obra se redujo de manera significativa con
la ayuda del software el mismo que en la actualidad se usa para tomar decisiones
diariamente así como también para simular situaciones futuras.
• El software permite manejar de una manera optima la mano de obra involucrada en los
trabajos adicionales en cada una de las áreas de la poscosecha, ya que si bien en
UNIVERSIDAD DE CUENCA
106 María Gabriela Altamirano Cárdenas
cierto estos no son los trabajos principales pero son la base de apoyo para que el
proceso de la poscosecha se dé.
• El estudio de tiempos permitió una mejora en los procesos de la clasificación en verde
de Million Stars, eliminando algunos procesos innecesarios.
7.2 RECOMENDACIONES
• Eliminar tiempos muertos y procesos repetitivos en el área de lavado de baldes.
• Implementar escaleras mejor diseñadas en el área de apertura ya que los cocheros se
demoran el 30% de su tiempo moviendo escaleras poco flexibles, anti ergonómicas y
escasas de un lugar a otro de esta área.
• Acoplar en las bandas de clasificación tanto de Million Stars como de Cassiopeia una
banda inferior en cada una, en la cual cada clasificador deposite la basura y de esta
manera, tener un espacio limpio en donde trabajar y eliminar puestos de trabajo como
recogedor o llevador de basura dentro de la poscosecha.
• Rediseñar la Sala en verde ya debido al crecimiento de la demanda de Cassiopea, el
espacio es muy pequeño para la producción esperada en los próximos tiempos y más
aun cuando sea pico de producción.
• Mejorar el sistema de entrega de flor a las clasificadoras para que estas estén siempre
con la materia prima necesaria sobre las cunas de flor y no tengan esperas.
• Colocar señalización necesaria en las zonas donde exista flujo de coches o proconas de
flor para evitar accidentes.
• Utilizar material aislante en los precooling para evitar fugas de aire, mejorando así el
tiempo de enfriamiento de la flor, y evitando el costo de electricidad adicional por las
mismas.
UNIVERSIDAD DE CUENCA
107 María Gabriela Altamirano Cárdenas
• La mayoría de las empresas adolecen de un manual donde claramente se expliquen las
funciones de todos los niveles, por lo tanto es importante delimitarlas para ser objetivo y
claro con todo el personal, ya que en este caso en la empresa tienen trabajos
especializados los cuales son realizados por personas totalmente indispensables por la
carencia de un manual.
• Es importante pensar también en una adecuada capacitación, motivación y seguimiento
a los trabajadores, creando un sentimiento de pertenencia de ellos hacia Plantaciones
Malima lo cual ayudara a disminuir la rotación de personal así como también se tendría
trabajadores confiables y productivos.
• Se debe tener un organigrama de trabajo y estar actualizándolo permanentemente para
lograr un adecuado desarrollo en todas las áreas tanto técnicas como administrativas.
• Se debe tener curvas, historia, mínimos, máximos de rendimientos por posición para
lograr una adecuada motivación y valoración del personal tanto en poscosecha como en
los trabajos realizados en el campo.
• Seguir utilizando el software para una mejor toma de decisiones en la cual constituya un
menor costo y si es posible realizar un programa para el campo el cual también
demanda una gran cantidad de mano de obra.