En Ingeniería Industrial la tesina rara vez es solo teoría: casi siempre hay una empresa de por medio y un problema operativo real que resolver. Este es un modelo comentado, capítulo por capítulo, de cómo se arma ese tipo de trabajo. No es una tesina real de ninguna empresa —los datos son ilustrativos— sino una guía de la lógica de armado que podés aplicar a tu propio caso, ya sea que tu tema termine siendo de calidad, de logística, de seguridad e higiene o de gestión de mantenimiento.
El tema y el título
Tomamos un problema típico: la reducción de mermas en una línea de envasado de una PyME alimenticia. Es un tema frecuente en la carrera porque combina un problema operativo medible, herramientas de mejora continua ya estandarizadas (Lean, Six Sigma, 5S) y datos que la propia empresa suele llevar en sus planillas de producción.
Título de trabajo: “Propuesta de reducción de mermas en la línea de envasado de una PyME alimenticia de [ciudad] mediante la metodología DMAIC, 2026”. La fórmula: fenómeno (mermas) + proceso (línea de envasado) + tipo de organización + metodología + lugar y período. Para ver la fórmula completa de títulos aplicada a otra carrera, este modelo de anteproyecto de Contador Público sigue la misma lógica de construcción de título.
Planteamiento del problema
El capítulo abre describiendo el contexto: la línea de envasado de la empresa opera con un porcentaje de mermas por encima del estándar de la industria, sin que exista un análisis sistemático de sus causas. El vacío concreto es que la empresa cuenta con datos de producción pero nunca los cruzó para identificar en qué etapa del proceso se concentra la pérdida. La pregunta de investigación: ¿Cuáles son las causas raíz de las mermas en la línea de envasado y qué mejoras, aplicando la metodología DMAIC, permiten reducirlas de forma sostenible?
Objetivos
| Tipo | Redacción del modelo |
|---|---|
| Objetivo general | Proponer mejoras para reducir las mermas de la línea de envasado mediante la metodología DMAIC. |
| Objetivo específico 1 | Medir el nivel actual de mermas y su distribución por etapa del proceso. |
| Objetivo específico 2 | Analizar las causas raíz mediante diagrama de Ishikawa y análisis de Pareto. |
| Objetivo específico 3 | Diseñar e implementar mejoras piloto, y estimar su impacto. |
Marco teórico: qué autores y modelos cita una tesina de mejora de procesos
El marco teórico de este modelo se organiza en tres bloques: (1) la metodología DMAIC (Definir, Medir, Analizar, Mejorar, Controlar) propia de Six Sigma, con sus herramientas asociadas en cada fase; (2) los principios de manufactura esbelta (Lean Manufacturing) en tanto marco general de eliminación de desperdicios, distinguiendo los siete tipos clásicos de desperdicio (sobreproducción, esperas, transporte, sobreprocesamiento, inventario, movimientos, defectos); y (3) antecedentes de aplicaciones similares en PyMEs industriales publicados en revistas de ingeniería industrial y gestión de la producción. La clave, igual que en cualquier marco teórico, es que cada herramienta citada se use después en el capítulo de resultados: si mencionás el diagrama de Ishikawa acá, tiene que aparecer aplicado más adelante.
Diseño metodológico
Enfoque mixto: cuantitativo para la medición de mermas (datos de producción, indicadores) y cualitativo para el análisis de causas (entrevistas a operarios, observación del proceso). Diseño de investigación-acción, porque no solo se diagnostica sino que se implementa una mejora piloto y se mide su efecto. Población: el proceso de envasado completo durante el período de estudio, no una muestra de personas —acá la unidad de análisis es el proceso, no un grupo de sujetos, una distinción que conviene dejar explícita porque el jurado de Ingeniería Industrial puede preguntarla en la defensa—. Instrumentos: hojas de registro de mermas por turno, diagrama de flujo del proceso, diagrama de Ishikawa y diagrama de Pareto para priorizar causas.
Cuánto tiempo lleva armar esta tesina
Como orientación de un modelo típico, no como promesa: conseguir el acceso a la empresa y acordar qué datos vas a poder relevar suele llevar dos a tres semanas; el marco teórico, entre tres y cinco semanas en paralelo; la fase de Medir (relevamiento de datos de producción), entre cuatro y seis semanas según la frecuencia de los turnos; la fase de Analizar, dos a tres semanas; el diseño e implementación piloto de la mejora, entre cuatro y ocho semanas si la empresa permite intervenir el proceso; y la redacción final, otras cuatro semanas. En total, un cronograma realista para este tipo de tesina ronda los cinco a siete meses de trabajo efectivo, más tiempo que una tesina puramente bibliográfica porque incluye una intervención real en un proceso productivo.
Cómo se ve la fase de Medir (adelanto del capítulo de resultados)
Sin inventar cifras de una empresa real, así se estructura esta fase en el modelo: una tabla de mermas por turno y por etapa del proceso durante cuatro a seis semanas de relevamiento, un gráfico de control para ver si el proceso es estable, y el cálculo del nivel sigma actual del proceso como línea de base. Todo esto se presenta antes de proponer ninguna mejora —la fase de Medir es diagnóstico puro, no solución—.
Cómo se ve la fase de Analizar
Con los datos de la fase anterior, se construye el diagrama de Ishikawa por categorías (mano de obra, máquina, método, material, medición, medio ambiente) y se prioriza con un diagrama de Pareto qué causas explican el 80 % de las mermas. Es en esta fase donde se cruza el dato cuantitativo (cuánto merma cada causa) con el cualitativo (por qué, según lo que reportan los operarios en las entrevistas), y donde la tesina deja de describir el problema y empieza a explicarlo.
Mejorar y Controlar: qué va en la propuesta final
La fase de Mejorar propone acciones concretas para las causas raíz priorizadas —ajuste de parámetros de la máquina envasadora, capacitación puntual, cambio en el método de un paso específico— y, si el alcance de la tesina lo permite, una implementación piloto con su medición de resultados. La fase de Controlar cierra con un plan de sostenibilidad: quién va a seguir midiendo la merma después de que entregues la tesina, con qué indicador y con qué frecuencia. Una propuesta de mejora sin plan de control es una crítica frecuente que recibe este tipo de tesina en la defensa —proponer sin asegurar que la mejora se sostenga en el tiempo—. Un plan de control razonable para una tesina de grado no necesita un sistema de gestión de calidad completo: alcanza con definir un indicador simple (por ejemplo, el porcentaje de mermas semanal), quién lo va a registrar en la empresa una vez que te vayas, y un valor de referencia a partir del cual se debería revisar el proceso de nuevo. Documentar esto en una ficha de control de una página es más convincente ante el jurado que una declaración genérica de “se recomienda dar seguimiento”.
Cómo se citan las fuentes técnicas de este capítulo
Una tesina de Ingeniería Industrial mezcla dos tipos de fuentes que se citan distinto: la bibliografía académica de Six Sigma y Lean Manufacturing (manuales de referencia, artículos de revistas de ingeniería industrial y gestión de la producción, citados como libro o artículo de revista en APA 7) y las normas técnicas o estándares de la industria específica del producto (por ejemplo, un código alimentario si la PyME es de alimentos), que se citan como informe técnico u organismo normativo, nunca como si fueran un autor individual. Los datos propios de producción que relevaste no se citan —son tu propia fuente primaria— pero sí se documenta claramente en el capítulo metodológico cómo se obtuvieron y durante qué período, para que el jurado pueda evaluar su confiabilidad.
Discusión y conclusiones
La discusión interpreta los resultados de la fase Analizar y Mejorar a la luz del marco teórico: si la causa principal resultó ser un factor de método más que de máquina, eso tiene implicancias distintas para la recomendación final que si el problema fuera de mantenimiento. No alcanza con decir “las mermas bajaron un X %”: hay que explicar por qué bajaron, comparando el mecanismo encontrado con lo que dicen los antecedentes citados en el marco teórico sobre casos similares en otras PyMEs industriales.
Las conclusiones responden cada objetivo específico sin agregar datos nuevos, y las limitaciones se declaran con honestidad —un piloto de pocas semanas no prueba que la mejora sea sostenible a un año, y eso hay que decirlo—. Otras limitaciones típicas de este diseño: los resultados corresponden a una única línea y una única empresa, así que no se pueden generalizar a otras PyMEs del rubro sin repetir el estudio; y la observación directa del proceso puede haber modificado levemente el comportamiento de los operarios durante el relevamiento, un efecto conocido en estudios de campo que conviene mencionar aunque no se pueda eliminar del todo.
Las variables de este tipo de tesina
Aunque el diseño es de investigación-acción y no busca probar una hipótesis estadística formal, conviene identificar igual las variables en juego para poder medir el impacto de la mejora: la variable dependiente es el porcentaje de mermas (o el indicador que corresponda a tu proceso), y las variables independientes son cada una de las acciones de mejora implementadas —el ajuste de parámetros, el cambio de método, la capacitación—. Declarar esto explícitamente en el capítulo metodológico, aunque el diseño no sea experimental puro, es lo que le permite al jurado entender cómo vas a evaluar si la mejora realmente funcionó. Si tu tesina sí incluye un componente correlacional —por ejemplo, cruzar el nivel de mermas con el turno o con el operario a cargo—, esta guía de hipótesis de investigación por disciplina te ayuda a formularla bien.
Errores que el jurado marca en este tipo de tesina
- Saltar directamente a la fase de Mejorar sin haber medido ni analizado causas con datos.
- Usar el diagrama de Ishikawa como lista genérica de categorías sin adaptarlo al proceso real relevado.
- Confundir correlación con causa raíz: que dos variables se muevan juntas no prueba que una cause la otra.
- No declarar el plan de control, dejando la mejora como una intervención puntual sin continuidad.
Y si tu problema no es de mermas
La lógica DMAIC —definir el problema con datos, medir la línea de base, analizar causas raíz, mejorar con acciones concretas, controlar para sostener el resultado— sirve para cualquier problema operativo de Ingeniería Industrial: tiempos de ciclo, cuellos de botella logísticos, calidad de producto, seguridad e higiene o mantenimiento. Lo que cambia es el instrumento de medición y las herramientas de análisis específicas de cada problema. Para entender cómo se aplica esta misma lógica de armado en un tema de ciencias sociales, esta guía de estudio de caso según Yin muestra el diseño metodológico paralelo.
Si necesitás repasar cómo se estructura la metodología general de una tesina antes de aplicarla a tu proceso, esta guía cubre enfoques, diseño, población y muestra, y esta otra repasa cómo citar cada fuente técnica en APA 7. Para ver la misma lógica de modelo comentado aplicada en otra carrera, estos modelos reales por área disciplinar son un buen punto de partida adicional.