Dominando Six Sigma: Principios Básicos y Herramientas Esenciales

Bienvenidos a la tercera entrega de nuestra serie sobre Lean y Six Sigma. Como vimos en la primera publicación, "¿Qué Son las Metodologías Lean y Six Sigma?", Lean y Six Sigma son metodologías de mejora continua complementarias que reducen el desperdicio general y la variabilidad en procesos de producción respectivamente. La segunda publicación, "Principios y Herramientas Lean", profundizó en algunos de los principios, herramientas y metodologías clave en Lean. Aquí concluimos nuestra serie con una discusión de alto nivel de Six Sigma. Hay muchas herramientas en el kit de herramientas de Six Sigma (Análisis de Modos de Fallo y Efectos (AMFE), Diagrama EIP, Intervalos de Confianza, Histogramas, Gráficos de Pareto, Pruebas F, Diseño para Six Sigma (DFSS) y muchas más) que no se discutirán aquí. El enfoque aquí es discutir las realidades estadísticas que hacen efectivo a Six Sigma.

Six Sigma tiene como objetivo identificar y eliminar la(s) causa(s) raíz de defectos y desperdicio usando herramientas estadísticas para identificar las variaciones que causan defectos. En la metodología Six Sigma, la única forma de resolver efectivamente un problema es eliminar permanentemente su causa raíz.

Es una estrategia basada en mediciones que se centra en la mejora de procesos esforzándose por lograr no más de 3.4 defectos por millón de oportunidades. Un defecto Six Sigma se define como cualquier cosa fuera de las especificaciones del cliente. Una oportunidad Six Sigma es entonces la cantidad total de posibilidades para que ocurra un defecto.

Doctrina Six Sigma

Six Sigma se basa en tres ideas clave que comprenden la Doctrina Six Sigma:

1. Los esfuerzos continuos para lograr resultados de proceso estables y predecibles (es decir, reducir la variación del proceso) son de vital importancia para el éxito empresarial.
2. Los procesos de manufactura y negocio tienen características que pueden medirse, analizarse, controlarse y mejorarse.
3. Lograr una mejora de calidad sostenida requiere compromiso de toda la organización, particularmente de la alta dirección.

Metodología Six Sigma: El Proceso DMAIC

DMAIC es una metodología de resolución de problemas de Six Sigma impulsada por datos. El proceso de cinco fases se describe por cada letra del acrónimo:

• Definir - Describir el problema, metas del proyecto, áreas de mejora o requisitos del cliente.
• Medir - Medir el desempeño del proceso.
• Analizar - Analizar e identificar posibles causas raíz para defectos y variaciones.
• Mejorar - Mejorar operaciones eliminando las causas raíz.
• Controlar - Control de calidad del proceso de mejora.

Desglosemos las fases más a fondo:

Definir

Una vez que se describe el problema, meta o área de mejora, es crítico intentar identificar las diversas variables de entrada y salida relacionadas con el comportamiento del proceso. A menudo, las variables de salida son la(s) que están fuera de las especificaciones. Es importante identificar qué variables de entrada pueden estar causando la variación con la(s) variable(s) de salida.

Medir

Una vez identificadas las variables de entrada que causan el comportamiento de salida, es posible desarrollar un plan de medición que proporcione suficientes datos para comenzar el análisis. Esta fase es donde se recopilan datos sobre las variables clave de entrada y salida. También es la fase donde se desarrollan líneas base de desempeño para usar en la medición de mejoras posteriores. Como regla, se requieren al menos 30 observaciones para proporcionar suficientes datos que representen el comportamiento del proceso.

Analizar

Una vez recopilados los datos, se analizan para determinar las tres a cinco causas raíz potenciales más probables. Esto se logra mediante la recopilación continua de datos y revisión para entender la contribución de cada causa raíz potencial usando herramientas estadísticas, gráficos y tablas. El proceso DMAIC es iterativo y se repite hasta que se identifiquen todas las causas raíz válidas.

Mejorar

Basado en las causas raíz válidas identificadas en la fase de Analizar, el proceso se ajusta hasta que se elimina la variación excesiva. Las fases de Medir y Analizar se repiten hasta lograr el resultado deseado.

Controlar

Cuando se logra el resultado deseado, las mejoras se institucionalizan para que la fuente de la variación excesiva se elimine. Este paso debe ir acompañado de un plan de control para asegurar que las salidas continúen en un nivel de calidad aceptable. El Plan de Control incluye implementar Control Estadístico de Proceso para monitorear el proceso y asegurar que continúe funcionando correctamente con el tiempo. Este plan de control también debería incluir contramedidas si ocurre un problema.

En Resumen: DMAIC es una metodología de resolución de problemas que ayuda al practicante abordar un problema con variación excesiva y resolverlo sistemáticamente.

Control Estadístico de Proceso

El Control Estadístico de Proceso es una herramienta que mide si un proceso está cumpliendo con estándares de producto o proceso. Si un proceso es capaz y estable en el tiempo, se lograrán los resultados para los que el proceso fue diseñado.

Usemos un ejemplo para entender mejor estos conceptos importantes. Piense en hornear muffins.

Capacidad del Proceso y Variación

Un proceso transforma entradas en salidas. En este caso, los ingredientes son las entradas. Se sabe que el horno necesita alcanzar una temperatura dada por una cantidad específica de tiempo con la masa de muffins adentro para obtener los muffins ideales.

Asumamos que el horno funciona correctamente. Es capaz de producir lo que queremos: muffins tibios horneados exacta y perfectamente. ¿El hecho de que el horno funcione correctamente garantiza que los productos horneados saldrán bien?

Por supuesto que no.

¿Qué pasa si el horno funciona correctamente, pero los niños ansiosos por muffins siguen abriendo la puerta para ver si los muffins están listos? Los muffins saldrán solo medio horneados cuando suene el temporizador. Este es un ejemplo de una causa especial de variación: no estamos obteniendo el resultado deseado porque el proceso está fuera de control. El proceso es capaz, nos dará lo que queremos cuando se emplee correctamente, pero no está en control.

Si aseguramos que el horno funciona óptimamente, a la temperatura correcta y con la puerta del horno cerrada por el tiempo prescrito, el proceso volverá a estar en control. Ahora tenemos un proceso que es tanto capaz como en control, y podemos esperar razonablemente que produzca una docena ideal de muffins.

Si se han eliminado todas las causas especiales de variación como la anterior, entonces el proceso se considera en control y todas las variaciones experimentadas son variaciones inherentes al proceso mismo. Estas incluyen pequeñas variaciones en ingredientes medidos y ligeras variaciones en la temperatura del horno. Pero el proceso es lo suficientemente robusto para producir el resultado deseado incluso con estas fuentes de variación (inherente).

En Resumen: La Capacidad del Proceso es una medida de qué tan capaz es el proceso para producir el resultado deseado, es decir, puede decirnos qué porcentaje de defectos producirá inherentemente el proceso si está en control. Resultado deseado: una docena de muffins horneados perfectamente.

Desviación Estándar

Ahora que sabe cómo hornear el muffin ideal, introduciremos la Desviación Estándar.

La Desviación Estándar (σ) es una medida de variación y el número usado para calcular la Capacidad del Proceso. Se calcula como la raíz cuadrada de la varianza.

El Dr. William Shewhart, el Padre de la Calidad, comenzó a desarrollar gráficos de control a principios de la década de 1920. Se dio cuenta de que si se medían variables clave de salida del proceso, y creaban una distribución que graficara como la curva en forma de campana de arriba, entonces la variación mostrada era aleatoria y, por lo tanto, inherente al proceso.

En otras palabras, el proceso se está comportando u operando de la manera en que fue diseñado para funcionar. Si los datos no son aleatorios, entonces debe haber una lógica para explicar ese comportamiento. Eso es lo que es una causa especial de variación.

Luego está la Regla Empírica. Esta regla nos dice que, para una Distribución Aleatoria:

• El 68% de las observaciones estará dentro de más o menos 1 Desviación Estándar
• El 95% de las observaciones estará dentro de más o menos 2 Desviaciones Estándar
• El 99.7% de las observaciones estará dentro de más o menos 3 Desviaciones Estándar

Shewhart también diseñó gráficos de control (ver abajo) que incluyen límites de control. Los límites de control suelen ser una distancia de más o menos tres Desviaciones Estándar de la media. Y sabemos que si los puntos de datos están dentro de los límites de control, entonces nuestro nivel de calidad es al menos 99.7% bueno.

El Control Estadístico de Proceso usa este conocimiento a su ventaja. Dos gráficos (gráficos de corrida) son monitoreados ingresando datos y observando dónde están ubicados los puntos de datos relativos a la media (promedio) y los límites de control. Mientras los puntos caigan dentro de los límites de control, el proceso se considera en control. Así, para el ejemplo de los muffins, el gráfico de corrida de temperatura del horno mostraría la causa especial de variación en temperatura debido a la apertura frecuente de la puerta del horno como fuera del rango normal, el rango normal de variación siendo la variación aleatoria de temperatura a medida que la fuente de calor en el horno se enciende y apaga, por ejemplo.

Por favor note que no se presta atención a las especificaciones o límites de especificación (tolerancias). Un proceso que está en control está produciendo lo que fue diseñado (no necesariamente lo que se pretendía) para producir. Así, puede estar produciendo malas salidas.

Índice de Capacidad del Proceso y Controles

En Six Sigma, el Índice de Capacidad del Proceso (Cpk) es una herramienta estadística usada para medir la capacidad de un proceso para producir productos dentro del rango de tolerancia de un cliente. Cuanto mayor sea el Cpk, más estrecha la distribución del proceso comparada con el rango de tolerancia, y más uniforme la salida.

Cpk se calcula usando la siguiente fórmula, donde LCS se refiere al límite de control superior y LCI se refiere al límite de control inferior:

Cpk = min(LCS - μ, μ - LCI) / (3σ)

Cuanto mayor sea el Cpk, mejor (más cerca de 2.0 es excelente) donde un Cpk de 1.33 esencialmente indica el valor más bajo para un proceso que está en control y cumple especificación.

Para ahora sabemos que si un proceso es capaz y en control, por definición, producirá el resultado para el que el proceso fue diseñado. Discutimos cómo medir el Control de Proceso con CEP y la importancia de mantener un proceso en control.

Los límites de especificación se relacionan con las tolerancias del proceso. Por ejemplo, un tornillo podría dimensionarse para ser 3 pulgadas (3") de diámetro. Pero, ¿cómo acomodamos la variación inherente en el proceso para producir el pasador? Lo hacemos proporcionando tolerancias. Se determina que un tornillo de 3", más o menos tres milésimas de pulgada (.003 pulgada) de diámetro, es suficiente. Todos los tornillos dentro de ese rango de diámetros funcionarán exitosamente para su aplicación.

Según NIST (Instituto Nacional de Estándares y Tecnología):

"La capacidad del proceso compara la salida de un proceso en control con los límites de especificación usando índices de capacidad. La comparación se hace formando la relación entre la dispersión entre las especificaciones del proceso (el 'ancho' de especificación) y la dispersión de los valores del proceso, medidos por 6 unidades de desviación estándar del proceso (el 'ancho' del proceso)."

El Índice de Capacidad del Proceso se usa para determinar qué tan cerca está la salida del objetivo existente y qué tan consistente es el desempeño promedio. Por lo tanto, puede usarse para predecir rendimientos y consistencia futuros.

Índice de Capacidad del Proceso y Desviación Estándar

Para nuestros propósitos, todo lo que necesitamos saber es que podemos determinar la capacidad de un proceso para producir buenas piezas. Esto es lo mismo que responder lo siguiente:

• ¿Qué porcentaje de la salida cumplirá las especificaciones del cliente?*
• ¿Cuántos tornillos serán mayores a 3 pulgadas más las tres milésimas de diámetro (3.003 pulgadas)?
• ¿Cuántos tornillos serán menores a 3 pulgadas y menos de tres milésimas de diámetro (2.997 pulgadas)?

Puede recordar que:

Las tres medidas de Desviación Estándar de variación significan un nivel de calidad del 99.7% de buen trabajo producido. Esto es equivalente a una medida de Capacidad del Proceso de uno.

La literatura está bastante de acuerdo:

Necesitamos una medida de Capacidad del Proceso (Cp y Cpk) de al menos 1.33.

Esto permite lo que se conoce como cambio y deriva donde la variación normal del proceso causa algunos defectos que no ocurrirían si no hubiera variación.

Pero siempre habrá variación. La clave es mantener un buen control de proceso para evitar defectos.

De nuevo, según NIST:

"Un índice de capacidad del proceso usa tanto la variabilidad del proceso como las especificaciones del proceso para determinar si el proceso es 'capaz'."

Cambio y Deriva (Shift & Drift)

El problema principal en mantener un buen control de proceso es que, con el tiempo, cualquier proceso cambiará y derivará, sin importar qué tan ajustados estén los ajustes iniciales. Cuando esto ocurre, el punto clave a recordar es que a medida que el promedio del proceso se mueve, también lo hace todo el rango variable, mientras que los límites de especificación se mantienen estacionarios.

Si el proceso se mueve más allá de los límites de especificación, el proceso estará fabricando productos defectuosos. Quiere mantener niveles de índice de 1.00 o mejor. Esto se logra con un buen centrado del promedio del proceso y minimizando la variabilidad.

En Resumen: Usando Six Sigma, es posible entender si un proceso es capaz y medir Control de Proceso y Capacidad del Proceso. Mientras un proceso "en control" sea capaz de producir el resultado deseado (Capacidad del Proceso Cpk de al menos 1.33), entonces debe funcionar correctamente mientras esté en control. Para más información sobre Six Sigma o Lean, visite www.cmtc.com y seleccione la opción "Servicios".

Quiénes Somos en CMTC

CMTC ofrece asistencia técnica, desarrollo de fuerza laboral y servicios de consultoría a fabricantes pequeños y medianos (FSM) en California para ayudar a los FSM a aumentar su productividad y competitividad global.

Para más información sobre CMTC, visite nuestro sitio web en www.cmtc.com o contáctenos al 310-263-3060.