Por Jeff Joines (Profesor Asociado de Ingeniería Textil en la NCSU)
Esta es una serie de tres partes sobre Seis Sigma, Lean Sigma y Simulación. El primer blog explicará la metodología Six Sigma y el puente hacia el análisis y el modelado por simulación, mientras que la segunda y la tercera parte describirán los usos de la simulación en cada una de las fases de Six Sigma y Lean Sigma (es decir, Lean Manufacturing) respectivamente.
«Los sistemas rara vez funcionan exactamente como se prevé» fue la frase de partida del blog Predicción de la variabilidad de los procesos y es la fuerza motriz de la mayoría de los proyectos de mejora. Como se ha dicho, la variabilidad es inherente a todos los procesos, ya se trate de la fabricación de un producto en una planta, de la producción de un producto a través de todo un complejo de la cadena de suministro o de la prestación de un servicio en el comercio minorista, la banca, el ocio o el entorno hospitalario. Si se pudiera predecir o eliminar la variabilidad de un proceso o producto, no habría despilfarro (o Muda en el mundo Lean, del que hablaremos en una tercera parte) asociado a un proceso, no habría horas extraordinarias para terminar un pedido, no se perderían ventas por tener un inventario erróneo o plazos de entrega largos, no habría muertes por errores en la atención sanitaria, se reducirían los plazos de entrega, etc., lo que en última instancia se traduce en una reducción de costes. Para cualquier organización (manufacturera o de servicios), reducir costes, plazos de entrega, etc. es o debe ser una prioridad para competir en el mundo global. Reducir, controlar y/o eliminar la variabilidad de un proceso es clave para minimizar los costes.
Seis Sigma es una filosofía empresarial centrada en la mejora continua para reducir y eliminar la variabilidad. En un entorno de servicios o fabricación, un proceso Seis Sigma (6?) estaría prácticamente libre de defectos (es decir, sólo permitiría 3,4 defectos por cada millón de operaciones de un proceso). Sin embargo, la mayoría de las empresas operan a cuatro sigma, que permite 6.000 defectos por millón. Seis Sigma comenzó en los años 80, cuando Motorola se propuso reducir el número de defectos en sus propios productos. Motorola identificó formas de reducir los residuos, mejorar la calidad, reducir el tiempo y los costes de producción y centrarse en cómo se diseñaban y fabricaban los productos. Six Sigma surgió de esta iniciativa proactiva de utilizar mediciones exactas para anticipar las áreas problemáticas. En 1988, Motorola fue seleccionada como la primera gran empresa manufacturera en ganar el Premio Nacional a la Calidad Malcolm Baldrige. Como resultado, se pusieron en marcha las metodologías de Motorola y pronto se animó a sus proveedores a adoptar las prácticas 6? Hoy en día, las empresas que utilizan la metodología Seis Sigma consiguen importantes reducciones de costes.
Seis Sigma evolucionó a partir de otras iniciativas de calidad, como ISO, Total Quantity Management (TQM) y Baldrige, para convertirse en un proceso de normalización de la calidad basado en datos concretos y no en corazonadas o presentimientos, de ahí el término matemático, Seis Sigma. Seis Sigma utiliza una serie de herramientas estadísticas tradicionales, pero las engloba en un marco de mejora de procesos. Estas herramientas incluyen diagramas de afinidad, causa y efecto, modos de fallo y análisis efectivo (FMEA), Poka Yoke (comprobación de errores), análisis de encuestas (voz del cliente), diseño de experimentos (DOE), análisis de capacidades, análisis de sistemas de medición, gráficos y planes de control estadístico de procesos, etc.
Existen dos procesos básicos de Seis Sigma (es decir, DMAIC y DMADV) y ambos utilizan enfoques de solución intensivos en datos y eliminan el uso del instinto o la intuición a la hora de tomar decisiones y realizar mejoras. El método Seis Sigma se basa en el proceso DMAIC y se utiliza cuando el producto o proceso ya existe pero no cumple las especificaciones o no funciona adecuadamente.
Definir, identificar, priorizar y seleccionar los proyectos adecuados. Una vez seleccionados definir los objetivos y entregables del proyecto.
Mida las características clave del producto y los parámetros del proceso para crear una línea de base.
Analizar e identificar los determinantes clave del proceso o las causas raíz de la variabilidad.
Mejorar y optimizar el rendimiento eliminando defectos.
Controlar las ganancias actuales y el rendimiento futuro del proceso.
Si el proceso o producto no existe y hay que desarrollarlo, hay que emplear el proceso de Diseño para Seis Sigma (DMADV). Los procesos o productos diseñados con el proceso DMADV suelen llegar antes al mercado; tienen menos reprocesamientos; costes reducidos, etc. Aunque el DMADV es similar al método DMAIC y comienza con los mismos tres pasos, son bastante diferentes, como se define a continuación.
Definir, identificar, priorizar y seleccionar los proyectos adecuados. Una vez seleccionados definir los objetivos y entregables del proyecto.
Medir y determinar las necesidades y especificaciones del cliente a través de la voz del cliente.
Analizar e identificar las opciones de proceso necesarias para satisfacer las necesidades del cliente.
Diseñar un proceso o producto detallado para satisfacer las necesidades del cliente.
Verificar el rendimiento del diseño y su capacidad para satisfacer las necesidades del cliente, ya sea interno o externo a la organización.
Ambos procesos utilizan la mejora continua desde una fase hasta el principio. Por ejemplo, si durante la fase de análisis se determina que una entrada clave no se está midiendo, habrá que definir nuevas métricas o definir nuevos proyectos una vez alcanzada la fase de control.
Ahora que hemos definido Seis Sigma, es posible que se pregunte cuál es el puente hacia la simulación y el modelado por ordenador. La modelización y el análisis por simulación son una herramienta más de la caja de herramientas de Seis Sigma. Muchas de las herramientas estadísticas (por ejemplo, DOE) intentan describir las variables dependientes(Y) en función de las variables independientes(X) con el fin de mejorarlas. Además, la mayoría de las herramientas estadísticas son métodos paramétricos (es decir, dependen de que los datos estén distribuidos normalmente o utilizan a nuestro amigo el teorema central del límite para que los datos parezcan distribuidos normalmente). Muchas de las herramientas tradicionales pueden producir resultados subóptimos o no pueden utilizarse en absoluto. Por ejemplo, si se está diseñando un nuevo proceso o producto, el sistema no existe, por lo que no se puede determinar la capacidad actual o el rendimiento futuro. La complejidad y la incertidumbre de ciertos procesos no pueden determinarse ni analizarse con los métodos tradicionales. El modelado y análisis por simulación no hace ninguna de estas suposiciones y puede producir una gama más realista de resultados, especialmente cuando las variables independientes(X) se pueden describir como una distribución de valores. En Seis Sigma y simulación: Parte 2, se analizará con más detalle cómo se utiliza la simulación en los dos procesos Six Sigma(DMAIC y DMADV).