Optimización del proceso de trasegado de aceites en una empresa de almacenamiento de líquidos a granel en el Callao mediante la aplicación de Mantenimiento Predictivo y la metodología Six Sigma

Abstract

El presente trabajo tiene como objetivo optimizar el proceso de trasegado de aceites en una empresa de almacenamiento de líquidos a granel ubicada en el Callao, Perú, mediante la aplicación del mantenimiento predictivo y la metodología Six Sigma. Se identificaron ineficiencias operativas relacionadas con pérdidas físicas de producto, tiempos muertos y fallas recurrentes en equipos críticos, lo cual impactaba negativamente en la productividad y calidad del servicio. La investigación siguió el enfoque metodológico de Six Sigma, específicamente el ciclo DMAIC (Definir, Medir, Analizar, Mejorar y Controlar), complementado con técnicas de mantenimiento predictivo como el análisis de vibraciones y termografía infrarroja. A través del análisis de datos históricos, entrevistas a personal técnico y observaciones en campo, se identificaron las principales causas de las fallas en los equipos de bombeo y trasegado. Los resultados evidenciaron que la implementación de un sistema de mantenimiento predictivo permitió anticipar fallas, reducir paradas no programadas y disminuir las pérdidas de producto. Asimismo, se logró una mejora en la confiabilidad de los equipos y en la eficiencia del proceso operativo. Finalmente, se proponen indicadores clave de desempeño (KPIs) y un plan de monitoreo continuo para asegurar la sostenibilidad de las mejoras implementadas. Esta tesis contribuye al desarrollo de prácticas de gestión de mantenimiento eficientes en empresas logísticas del sector industrial, generando valor a través de la mejora continua y la toma de decisiones basada en datos

This study aims to optimize the oil transfer process at a bulk liquid storage company in Callao, Peru, through the implementation of predictive maintenance and the Six Sigma methodology. Operational inefficiencies were identified—namely product losses, downtime, and recurrent failures in critical pumping equipment—which negatively impacted productivity and service quality. The research followed the Six Sigma approach using the DMAIC cycle (Define, Measure, Analyze, Improve, Control), complemented by predictive maintenance techniques such as vibration analysis and infrared thermography. Historical data analysis, interviews with technical staff, and on-site observations were used to pinpoint the root causes of pump and transfer equipment failures. The results demonstrated that implementing a predictive maintenance system enabled the anticipation of malfunctions, reduction of unscheduled shutdowns, and decreased product losses. Additionally, the reliability of equipment improved and process efficiency was enhanced. Finally, key performance indicators (KPIs) and a continuous monitoring plan are proposed to ensure the sustainability of the implemented improvements. This thesis contributes to the advancement of efficient maintenance management practices in industrial logistics companies, generating value through continuous improvement and data-driven decision-making