La teoría de restricciones (TOC) y su incidencia en los costos de producción. Caso empresa MIVIRN de Riobamba-Ecuador
Bibliographic record
Abstract
El artículo de investigación radica en la elaboración de una propuesta de mejora para la empresa de producción de maquinaria para la construcción “MIVIRN” para minimizar los costos y aumentar su capacidad de producción por medio de la introducción de métodos de identificación de restricciones y planeación de la producción que logren incidir positivamente en la mejora productiva de la empresa. El proyecto se enfocó en la identificación de las restricciones en los procesos de producción de concreteras y elevadores, se llevó a cabo una recopilación de los datos históricos y en base a esta se proyectó la demanda futura, se evaluaron y se determinaron tiempos estándar y takt time posteriormente se costearon los centros de producción mediante el costeo por procesos y costeo directo y con estos datos se establecieron las restricción del sistema aplicando la metodología propuesta por Goldratt para explotar la restricción que impide alcanzar un mejor desempeño productivo teniendo como herramienta el balance de línea proceso para el cual se automatizó sus cálculos requeridos por medio de “Excel” y su herramienta “Solver”. La metodología desarrollada permitió la elaboración de una propuesta que condujo a la eliminación del proceso restrictivo y con ello disminuyó los costos productivos en 5,46% para la concretera y el 9,38% para el elevador, adicionalmente aumentó la capacidad productiva de elevadores en un 125%, demostrando que la metodología de optimización y mejora productiva con aplicación de la teoría de restricciones (TOC) es capaz de influir significativamente en la reducción de costos y aumento de la capacidad productiva de la empresa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".