Modelo explicativo de la relación entre productividad y valores organizacionales, en la PYME del sector metalúrgico y minero de Venezuela

Como consecuencia de los procesos de globalización el mundo empresarial está sometido a constantes cambios que han originado la necesidad en las empresas de evaluar su funcionamiento, con el objeto de adecuar su gestión a las mejores prácticas gerenciales y operativas, en función de adaptarse a las exigencias presentes en los escenarios en que están inmersas. La presente investigación tiene como propósito desarrollar un modelo explicativo de la relación entre la productividad y los valores organizacionales, teniendo como premisa los distintos planteamientos o teorías que destacan la importancia que tienen los valores organizacionales para que las empresas logren sus metas. Específicamente se tomó como referencia la clasificación de los valores organizacionales, que contempla el modelo de gestión de Dirección por Valores (DPV), de García y Dolan (2001). Las PYMES, al considerar el efecto que tienen los valores organizacionales en la productividad, pueden apoyar su gestión a través del compromiso de las personas para lograr los resultados de productividad que quieren o necesitan alcanzar. El abordaje del estudio se ha basado en la investigación explicativa, a través de la cual se exponen las razones de ocurrencia de un fenómeno o se muestran los mecanismos por los que se relacionan dos o más variables, lo que permitió conjugar definiciones y supuestos de las relaciones encontradas entre los valores organizacionales identificados de acuerdo a la opinión de los entrevistados y que resultaron ser significativos con los resultados de productividad que presentan las empresas que fueron objeto de esta investigación La población estuvo conformada por 40 empresas activas del sector metalúrgico y minero de Ciudad Guayana, Estado Bolívar, Venezuela, pertenecientes a la Asociación de Industriales Metalúrgicos y de Minería de la región Guayana (AIMM) y al directorio de la Cámara de Industriales y Mineros de Guayana. La muestra estudiada corresponde a 25 empresas que representan el 62% de la población. El proceso que se siguió para generar el modelo explicativo contempla tres etapas. La primera consiste en la fase descriptiva donde se recogió la información referente a la productividad de las empresas y a la determinación de los valores organizacionales identificados a través del análisis cualitativo de las entrevistas que se realizaron a los informantes de las empresas de la muestra. Para ello se utilizó el software Atlas ti 6.0. La segunda etapa, denominada comparativa, consistió en determinar la relación entre la productividad y los valores organizacionales, a través de las tablas de contingencias, de acuerdo con el grado de significancia que mostró el estadístico Chi- cuadrado. La tercera y última etapa del proceso es la fase explicativa que consistió en estimar la magnitud de la relación entre las variables productividad y valores organizacionales utilizando el coeficiente de contingencia de Pearson, y en establecer las asociaciones de acuerdo a las proximidades observadas que resultaron del análisis de correspondencias múltiples. Entre los hallazgos del estudio desarrollado se encontró que la productividad de las empresas puede fijarse en tres categorías: alta, media y baja y entre los factores que afectan a la productividad destacan, en el contexto externo: el gobierno, los clientes y los proveedores y en el contexto interno: la mano de obra, los materiales y los suministros. Según la opinión de los gerentes entrevistados, los valores organizacionales que caracterizan a las empresas del sector estudiado se agrupan en veintisiete categorías, que se clasifican en los siguientes componentes: entorno mercado, clientes, proveedores y otras empresas aliadas, medio ambiente, forma de tratar la Dirección al resto de empleados, forma de trabajar cotidiana y gestión de los recursos económicos. Los valores organizacionales que resultaron ser significativos fueron la innovación, la honestidad y el orden y limpieza. La magnitud de la relación encontrada del valor innovación fue moderadamente fuerte. Se infiere que las empresas, al tener una Productividad baja, deciden innovar en el desarrollo de nuevos productos. El valor honestidad arrojó una relación moderadamente fuerte, determinando que las empresas de Productividad alta basan sus relaciones con los proveedores en la honestidad. Finalmente, el valor orden y limpieza muestra una relación moderadamente débil, lo que hace suponer que las empresas de Productividad media tienen alguna preferencia por mantener el orden y limpieza en las áreas de trabajo. El modelo explicativo de la relación entre productividad y valores organizacionales, en las PYMES del sector metalúrgico y minero de Ciudad Guayana, quedó conformado por los siguientes componentes: mercado, clientes, proveedores y otras empresas aliadas, y medio ambiente. No se encontraron relaciones en los componentes forma de tratar la Dirección al resto de empleados, forma de trabajar cotidiana y gestión de los recursos económicos. ABSTRACT As a result of globalization processes, the business world is subject to constant change. This has resulted in the need for companies to evaluate their performance in order to adjust their processes to the best managerial and operational practices, with the goal to adapt to the demands present in the scenarios in which they are embedded. This research aimed to develop an explanatory model of the relationship between productivity and organizational values. In addition, it was based on the different approaches or theories that relate the importance for enterprises of the organizational values to achieve their goals. Specifically, reference was made to the classification of organizational values, which includes the model of Management by Values (DPV) following García and Dolan (1997). The SMEs, considering the effect of organizational values on productivity, can support their management through the commitment of their people to achieve productivity results that they want or need to accomplish. The study approach was based on explanatory research, which presents the reasons for occurrence of a phenomenon and the mechanisms through which two or more variables are related. This allowed to combine definitions and assumptions about the relationship found between organizational values and the productivity results of the companies that took part in this research. Organizational values were identified in the opinion of the managers interviewed, and were found to be significant with the productivity results. The population consisted of 40 active enterprises of the metallurgical and mining industry of Ciudad Guayana, Estado Bolivar, Venezuela. These enterprises were members of the Association of Metallurgical and Mining Industry of the Guayana Region (AIMM, by its acronym in Spanish) and the Directory of the Chamber of Industrial and Mining of Guayana. The sample of the study is comprised of 25 enterprises, which represent 62% of the total population. The process which has been followed to generate the explanatory model involves three stages. The first stage is the descriptive phase where the information about enterprises productivity and the determination of organizational values is gathered. These organizational values were identified by a qualitative analysis of the interviews conducted with managers of each enterprise. This analysis was performed using the Atlas ti 6.0 software. The second stage, denominated comparative, consisted in determining the relationship between productivity and organizational values through contingency tables, and according to the degree of significance showed by the Chi-Square, statistic. The third, and final stage of the process, is the explanatory phase. This consisted in estimating the magnitude of the relationship between productivity and organizational values variables using the Pearson's contingency coefficient. In addition, this stage comprises the establishment of the associations according to the observed proximities that resulted from the multiple correspondence analysis. Among the findings of this study, it was found that the productivity of enterprises can be set in three categories: high, medium and low. Additionally, it was found that in the external context the factors that stand out affecting productivity are: government policy, customers and suppliers, while in the domestic context they are: labor, materials and supplies. According to the opinion of the managers interviewed the organizational values that characterize the companies that were studied are grouped into twenty seven categories. These categories are classified into the following components: market environment, customers, suppliers and other allied companies, the environment, how Management deals with of the employees, way to work every day, and management of economic resources. Organizational values that were found to be significant were innovation, honesty and order and cleanliness. The magnitude of the relation of the innovation value was found to be moderately strong. It is inferred that companies that have low productivity decide to innovate in the development of new products. The honesty value showed a moderately strong relation, determining that high productivity enterprises base their relationships with suppliers on honesty. Lastly, the order and cleanliness value showed a moderately weak relation, which suggests that average productivity enterprises have a preference to maintain order and cleanliness in the work areas. The explanatory model of the relationship between productivity and organizational values, in the SMEs of the metallurgical and mining sector of Ciudad Guayana, was composed of the following components: market, customers, suppliers and other allied companies, and the environment. No relationships were found in the following components: how Management deals with employees, way to work every day, and management of economic resources.

Good and bad practices in pv plants

The PVCROPS project (PhotoVolta ic Cost r€duction, Reliability, Operational performance, Prediction and Simulation), cofinanced by European Commission in the frame of Seventh Framework Programme, has compiled in the “Good and bad practices: Manual to improve the quality and reduce the cost of PV systems” a collection of good and bad practices in actual PV plants . All the situations it collects represent the state-of-the-art of existing PV installations all around Europe. They show how the different parts of an installation can be implem ented properly or not. The aim of this manual is to represent a reference text which can help any PV actor (installers, electricians, maintenance operators, owners, etc.) not only to check and improve an already existing installation but will also, and mainly, avoid the previously known bad practices for the construction of a new PV installation. Thus, solving a priori the known errors, new PV installations will be more reliable, efficient and cost-effective and can recover the initial investment in a shorter time. The manual is going to be free available in the PVCROPS website in several languages.

Utilizing the Internet of Things to promote energy awareness and efficiency at discrete production processes: Practices and methodology

El actual contexto de fabricación, con incrementos en los precios de la energía, una creciente preocupación medioambiental y cambios continuos en los comportamientos de los consumidores, fomenta que los responsables prioricen la fabricación respetuosa con el medioambiente. El paradigma del Internet de las Cosas (IoT) promete incrementar la visibilidad y la atención prestada al consumo de energía gracias tanto a sensores como a medidores inteligentes en los niveles de máquina y de línea de producción. En consecuencia es posible y sencillo obtener datos de consumo de energía en tiempo real proveniente de los procesos de fabricación, pero además es posible analizarlos para incrementar su importancia en la toma de decisiones. Esta tesis pretende investigar cómo utilizar la adopción del Internet de las Cosas en el nivel de planta de producción, en procesos discretos, para incrementar la capacidad de uso de la información proveniente tanto de la energía como de la eficiencia energética. Para alcanzar este objetivo general, la investigación se ha dividido en cuatro sub-objetivos y la misma se ha desarrollado a lo largo de cuatro fases principales (en adelante estudios). El primer estudio de esta tesis, que se apoya sobre una revisión bibliográfica comprehensiva y sobre las aportaciones de expertos, define prácticas de gestión de la producción que son energéticamente eficientes y que se apoyan de un modo preeminente en la tecnología IoT. Este primer estudio también detalla los beneficios esperables al adoptar estas prácticas de gestión. Además, propugna un marco de referencia para permitir la integración de los datos que sobre el consumo energético se obtienen en el marco de las plataformas y sistemas de información de la compañía. Esto se lleva a cabo con el objetivo último de remarcar cómo estos datos pueden ser utilizados para apalancar decisiones en los niveles de procesos tanto tácticos como operativos. Segundo, considerando los precios de la energía como variables en el mercado intradiario y la disponibilidad de información detallada sobre el estado de las máquinas desde el punto de vista de consumo energético, el segundo estudio propone un modelo matemático para minimizar los costes del consumo de energía para la programación de asignaciones de una única máquina que deba atender a varios procesos de producción. Este modelo permite la toma de decisiones en el nivel de máquina para determinar los instantes de lanzamiento de cada trabajo de producción, los tiempos muertos, cuándo la máquina debe ser puesta en un estado de apagada, el momento adecuado para rearrancar, y para pararse, etc. Así, este modelo habilita al responsable de producción de implementar el esquema de producción menos costoso para cada turno de producción. En el tercer estudio esta investigación proporciona una metodología para ayudar a los responsables a implementar IoT en el nivel de los sistemas productivos. Se incluye un análisis del estado en que se encuentran los sistemas de gestión de energía y de producción en la factoría, así como también se proporcionan recomendaciones sobre procedimientos para implementar IoT para capturar y analizar los datos de consumo. Esta metodología ha sido validada en un estudio piloto, donde algunos indicadores clave de rendimiento (KPIs) han sido empleados para determinar la eficiencia energética. En el cuarto estudio el objetivo es introducir una vía para obtener visibilidad y relevancia a diferentes niveles de la energía consumida en los procesos de producción. El método propuesto permite que las factorías con procesos de producción discretos puedan determinar la energía consumida, el CO2 emitido o el coste de la energía consumida ya sea en cualquiera de los niveles: operación, producto o la orden de fabricación completa, siempre considerando las diferentes fuentes de energía y las fluctuaciones en los precios de la misma. Los resultados muestran que decisiones y prácticas de gestión para conseguir sistemas de producción energéticamente eficientes son posibles en virtud del Internet de las Cosas. También, con los resultados de esta tesis los responsables de la gestión energética en las compañías pueden plantearse una aproximación a la utilización del IoT desde un punto de vista de la obtención de beneficios, abordando aquellas prácticas de gestión energética que se encuentran más próximas al nivel de madurez de la factoría, a sus objetivos, al tipo de producción que desarrolla, etc. Así mismo esta tesis muestra que es posible obtener reducciones significativas de coste simplemente evitando los períodos de pico diario en el precio de la misma. Además la tesis permite identificar cómo el nivel de monitorización del consumo energético (es decir al nivel de máquina), el intervalo temporal, y el nivel del análisis de los datos son factores determinantes a la hora de localizar oportunidades para mejorar la eficiencia energética. Adicionalmente, la integración de datos de consumo energético en tiempo real con datos de producción (cuando existen altos niveles de estandarización en los procesos productivos y sus datos) es esencial para permitir que las factorías detallen la energía efectivamente consumida, su coste y CO2 emitido durante la producción de un producto o componente. Esto permite obtener una valiosa información a los gestores en el nivel decisor de la factoría así como a los consumidores y reguladores. ABSTRACT In today‘s manufacturing scenario, rising energy prices, increasing ecological awareness, and changing consumer behaviors are driving decision makers to prioritize green manufacturing. The Internet of Things (IoT) paradigm promises to increase the visibility and awareness of energy consumption, thanks to smart sensors and smart meters at the machine and production line level. Consequently, real-time energy consumption data from the manufacturing processes can be easily collected and then analyzed, to improve energy-aware decision-making. This thesis aims to investigate how to utilize the adoption of the Internet of Things at shop floor level to increase energy–awareness and the energy efficiency of discrete production processes. In order to achieve the main research goal, the research is divided into four sub-objectives, and is accomplished during four main phases (i.e., studies). In the first study, by relying on a comprehensive literature review and on experts‘ insights, the thesis defines energy-efficient production management practices that are enhanced and enabled by IoT technology. The first study also explains the benefits that can be obtained by adopting such management practices. Furthermore, it presents a framework to support the integration of gathered energy data into a company‘s information technology tools and platforms, which is done with the ultimate goal of highlighting how operational and tactical decision-making processes could leverage such data in order to improve energy efficiency. Considering the variable energy prices in one day, along with the availability of detailed machine status energy data, the second study proposes a mathematical model to minimize energy consumption costs for single machine production scheduling during production processes. This model works by making decisions at the machine level to determine the launch times for job processing, idle time, when the machine must be shut down, ―turning on‖ time, and ―turning off‖ time. This model enables the operations manager to implement the least expensive production schedule during a production shift. In the third study, the research provides a methodology to help managers implement the IoT at the production system level; it includes an analysis of current energy management and production systems at the factory, and recommends procedures for implementing the IoT to collect and analyze energy data. The methodology has been validated by a pilot study, where energy KPIs have been used to evaluate energy efficiency. In the fourth study, the goal is to introduce a way to achieve multi-level awareness of the energy consumed during production processes. The proposed method enables discrete factories to specify energy consumption, CO2 emissions, and the cost of the energy consumed at operation, production and order levels, while considering energy sources and fluctuations in energy prices. The results show that energy-efficient production management practices and decisions can be enhanced and enabled by the IoT. With the outcomes of the thesis, energy managers can approach the IoT adoption in a benefit-driven way, by addressing energy management practices that are close to the maturity level of the factory, target, production type, etc. The thesis also shows that significant reductions in energy costs can be achieved by avoiding high-energy price periods in a day. Furthermore, the thesis determines the level of monitoring energy consumption (i.e., machine level), the interval time, and the level of energy data analysis, which are all important factors involved in finding opportunities to improve energy efficiency. Eventually, integrating real-time energy data with production data (when there are high levels of production process standardization data) is essential to enable factories to specify the amount and cost of energy consumed, as well as the CO2 emitted while producing a product, providing valuable information to decision makers at the factory level as well as to consumers and regulators.