Principios y herramientas de Six Sigma

Bienvenido 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 complementarias de mejora continua que reducen el desperdicio general y la variabilidad en los procesos de producción, respectivamente. La segunda publicación, "Principios y herramientas Lean", profundizó en algunos de los principios, herramientas y metodologías clave de Lean. Aquí concluimos nuestra serie con una discusión de alto nivel sobre Six Sigma. Hay muchas herramientas en el kit de herramientas de Six Sigma (Análisis de efectos de modo de falla (FMEA), diagrama de IPO, 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 que Six Sigma sea efectivo.

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

Es una estrategia basada en mediciones que se enfoca 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 de que ocurra un defecto.

Doctrina Six Sigma

Six Sigma se basa en tres ideas clave que componen 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 fabricación y comerciales tienen características que se pueden medir, analizar, controlar y mejorar.
3. Lograr una mejora sostenida de la calidad requiere el compromiso de toda la organización, particularmente de la gerencia de alto nivel.

Metodología Six Sigma:El proceso DMAIC

DMAIC es una metodología de resolución de problemas Six Sigma que se basa en datos. El proceso de cinco fases se describe con cada letra del acrónimo:

• Definir - Describa el problema, los objetivos del proyecto, las áreas de mejora o los requisitos del cliente.
• Medir - Medir el rendimiento del proceso.
• Analizar - Analizar e identificar posibles causas raíz de defectos y variaciones.
• Mejorar - Mejore las operaciones eliminando las causas raíz.
• Control:control de calidad del proceso de mejora.

Analicemos más las fases:

Definir

Una vez que se describe el problema, la meta o el área de mejora, es fundamental intentar identificar las diversas variables de entrada y salida que están relacionadas con el comportamiento del proceso. A menudo, las variables de salida son las 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 que se identifican las variables de entrada que están causando el comportamiento de salida, es posible desarrollar un plan de medición que proporcione datos suficientes para iniciar el análisis. Esta fase es donde se recopilan datos sobre las variables clave de entrada y salida. Esta es también la fase en la que se desarrollan las líneas de base de rendimiento para utilizarlas en la medición de las mejoras realizadas posteriormente. Como regla general, se requieren al menos 30 observaciones para proporcionar suficientes datos para representar el comportamiento del proceso.

Analizar

Una vez que se recopilan los datos, se analizan para determinar las posibles causas principales de tres a cinco. Esto se logra mediante la recopilación y revisión continua de datos para comprender la contribución de cada causa raíz potencial utilizando herramientas estadísticas, diagramas y gráficos. El proceso DMAIC es iterativo y se repite hasta que se identifican todas las causas fundamentales válidas.

Mejorar

Con base en las causas raíz válidas identificadas en la fase de análisis, el proceso se ajusta hasta eliminar la variación excesiva. Las fases Medir y Analizar se repiten hasta que se logra el resultado deseado.

Control

Cuando se logra el resultado deseado, las mejoras se institucionalizan para eliminar la fuente de la variación excesiva. Este paso debe ir acompañado de un plan de control para garantizar que los productos sigan estando en un nivel de calidad aceptable. El Plan de Control incluye la implementación de Control Estadístico de Procesos para monitorear el proceso y garantizar que continúe funcionando correctamente a lo largo del tiempo. Este plan de control también debe incluir contramedidas si ocurre un problema.

En resumen: DMAIC es una metodología de resolución de problemas que ayuda al profesional a abordar un problema con un exceso de variación y a resolverlo sistemáticamente.

Control estadístico de procesos

El control estadístico de procesos es una herramienta que mide si un proceso cumple o no con los estándares del proceso o del producto. Si un proceso es capaz y estable en el tiempo, se lograrán los resultados para los que se diseñó el proceso.

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

Capacidad y variación del proceso

Un proceso está transformando entradas en salidas. En este caso, los ingredientes son los insumos. Se sabe que el horno necesita alcanzar una temperatura determinada durante un período de tiempo específico con la masa de muffins adentro para obtener los muffins ideales.

Supongamos que el horno funciona correctamente. Es capaz de producir lo que queremos:magdalenas calientes horneadas de manera exacta y perfecta. ¿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 y hambrientos de muffins siguen abriendo la puerta para ver si los muffins ya están listos? Las magdalenas saldrán a medio cocer 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 bajo control.

Si nos aseguramos de que el horno funciona de manera óptima, a la temperatura adecuada y con la puerta del horno cerrada durante el tiempo prescrito, el proceso volverá a estar bajo control. Ahora tenemos un proceso que es capaz y está bajo control, y podemos esperar razonablemente que produzca una docena ideal de muffins.

Si se han eliminado todas las causas especiales de variación mencionadas anteriormente, entonces se considera que el proceso está bajo control y todas las variaciones que se experimentan son variaciones inherentes al proceso en sí. Estos incluyen pequeñas variaciones en los ingredientes medidos y ligeras variaciones en la temperatura del horno. Pero, el proceso es lo suficientemente robusto como para producir el resultado deseado incluso con estas fuentes de variación (inherente).

En resumen: La capacidad del proceso es una medida de la capacidad del proceso para producir el resultado deseado, es decir, puede decirnos qué porcentaje de defectos producirá inherentemente el proceso si está bajo control. Resultado deseado:una docena de muffins perfectamente horneados.

Desviación estándar

Ahora que sabe cómo hornear el muffin ideal, presentaremos la desviación estándar.

La desviación estándar (Ϭ) es una medida de variación y el número utilizado 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 las variables clave de salida del proceso y se creaba una distribución que se graficaría como la curva en forma de campana anterior, entonces la variación que se mostraba 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:

• 68% de las observaciones estarán dentro de más o menos 1 desviación estándar
• 95% de las observaciones estarán dentro de más o menos 2 desviaciones estándar
• 99.7% de las observaciones estarán dentro de más o menos 3 desviaciones estándar

Shewhart también diseñó gráficos de control (ver más abajo) que incluyen límites de control. Los límites de control suelen estar a 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 Procesos utiliza este conocimiento de manera ventajosa. Se monitorean dos gráficos (gráficos de ejecución) ingresando datos y observando dónde se ubican los puntos de datos en relación con la media (promedio) y los límites de control. Siempre que las parcelas se encuentren dentro de los límites de control, se considera que el proceso está bajo control. Entonces, para el ejemplo del panecillo, la tabla de ejecución de la temperatura del horno mostraría la causa especial de la variación en la temperatura debido a la apertura frecuente de la puerta del horno como fuera del rango normal; el rango normal de variación es de la variación aleatoria de temperatura como la fuente de calor en el horno se enciende y apaga, por ejemplo.

Tenga en cuenta que no se presta atención a las especificaciones o límites de especificación (tolerancias). Un proceso que tiene el control está produciendo lo que fue diseñado (no necesariamente destinado) a producir. Por lo tanto, en realidad puede estar produciendo malos resultados.

Controles y índice de capacidad del proceso

En Six Sigma, el Índice de capacidad de proceso (Cpk) es una herramienta estadística que se utiliza 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 será la distribución del proceso en comparación con el rango de tolerancia y más uniforme será la salida.

Cpk se calcula utilizando la siguiente fórmula, donde UCL se refiere al límite de control superior y LCL se refiere al límite de control inferior:

Cpk =min (UCL - μ, μ - LCL) / (3σ)

Cuanto mayor sea el Cpk, mejor (más cercano a 2.0 es excelente) donde un Cpk de 1.33 esencialmente indica el valor más bajo para un proceso que está bajo control y cumple con las especificaciones.

Ahora sabemos que si un proceso es capaz y está bajo control, por definición, producirá el resultado que el proceso fue diseñado para producir. Discutimos cómo medir el control de procesos con SPC y la importancia de mantener un proceso bajo control.

Los límites de especificación se relacionan con las tolerancias del proceso. Por ejemplo, un tornillo podría tener una dimensión de 3 pulgadas (3 ”) de diámetro. Pero, ¿cómo acomodamos la variación inherente en el proceso para producir el pasador? Hacemos eso proporcionando tolerancias. Se determina que un tornillo de 3 ”, más o menos tres milésimas de pulgada (.003 pulgadas) de diámetro, es lo suficientemente bueno. Todos los tornillos dentro de ese rango de diámetros funcionarán con éxito para su aplicación.

Según NIST (Instituto Nacional de Estándares y Tecnología):

“La capacidad del proceso compara la salida de un proceso bajo control con los límites de especificación mediante el uso de índices de capacidad. La comparación se realiza formando la relación de la dispersión entre las especificaciones del proceso (el "ancho" de la especificación) y la dispersión de los valores del proceso, medida por 6 unidades de desviación estándar del proceso (el "ancho" del proceso). "

El índice de capacidad del proceso se utiliza para determinar qué tan cerca está la salida del objetivo existente y qué tan consistente es el desempeño promedio. Por lo tanto, se puede utilizar para predecir el rendimiento y la coherencia de la producción en el futuro.

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 a lo siguiente:

• ¿Qué porcentaje de la producción cumplirá con las especificaciones del cliente? *
• ¿Cuántos tornillos serán más grandes que las 3 pulgadas más las tres milésimas de diámetro (3.003 pulgadas)?
• ¿Cuántos tornillos serán más pequeños que las 3 pulgadas y menos de tres milésimas de diámetro (2.997 pulgadas)?

Quizás recuerde que:

Las tres medidas de variación de la desviación estándar significan un nivel de calidad del 99,7% del buen trabajo producido. Este es el equivalente a una medida de capacidad de proceso de uno.

La literatura está bastante de acuerdo:

Necesitamos una medida de capacidad de proceso (Cp y Cpk) de al menos 1,33.

Esto permite lo que se conoce como desplazamiento 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 del proceso para evitar defectos.

De nuevo, según NIST:

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

Shift &Drift

El problema principal para mantener un buen control del proceso es que, con el tiempo, cualquier proceso cambiará y se desviará, sin importar cuán ajustados sean los ajustes iniciales. Cuando esto ocurre, el punto clave a recordar es que a medida que se mueve el promedio del proceso, también lo hace todo el rango de variables, mientras que los límites de especificación permanecen estacionarios.

Si el proceso se mueve más allá de los límites de especificación, el proceso producirá productos defectuosos. Desea mantener niveles de índice de 1,00 o mejores. Esto se logra con un buen centrado del promedio del proceso y minimizando la variabilidad.

En resumen: Con Six Sigma, es posible comprender si un proceso es capaz y medir el Control de Procesos y la Capacidad de Procesos. Siempre que un proceso "en control" sea capaz de producir el resultado deseado (Capacidad de proceso Cpk de al menos 1,33), entonces debe funcionar correctamente mientras esté en control. Para obtener 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 la fuerza laboral y servicios de consultoría a fabricantes pequeños y medianos (SMM) en todo California para ayudar a los SMM a aumentar su productividad y competitividad global.

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