Está en la página 1de 36

Aplicación Seis Sigma al problema logístico de transporte

Molypharma, Grupo Enusa


Departamento de mejora continua

Aplicación Seis Sigma:

Mejora en el proceso de elección de la ruta óptima y control


del proceso

Cristina Moreau

Sandra Hernández

Junio 2008

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 1
Aplicación Seis Sigma al problema logístico de transporte

Agradecimientos:

A Mariano Prieto por guiarnos a través de este proyecto y entendernos


aun cuando le habláramos en griego, enseñarnos otra faceta del 6
Sigma e iluminarnos cuando no veíamos la salida a algún problema, sin
ti no hubiésemos podido lograrlo…

A Cruz de Benito por enseñarnos una de las herramientas más


importantes para nuestro futuro, probando con una bolita y una
catapulta que si identificamos los factores que afectan un proceso y los
controlamos podemos lograr los objetivos que queremos, y que entre
más comensales tenemos en un restaurante más platos tenemos que
lavar…

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 2
Aplicación Seis Sigma al problema logístico de transporte

Introducción

Molypharma es una empresa industrial en el sector de la medicina nuclear fundada en


1998 que produce y distribuye radiofármacos, los cuales dadas sus características
pierden sus propiedades de una manera exponencial en función del tiempo, por esto
un proyecto a considerar es mejorar el proceso de elección de la ruta a seguir en la
distribución para ir desde un punto de origen a un punto destino prediciendo el tiempo
de entrega utilizando la metodología Seis Sigma.

Esta iniciativa es apropiada para utilizar esta metodología ya que tiene un alcance
manejable claramente identificado por el equipo, está vinculado a un proceso, es
crónico para la empresa y con un impacto inmediato en la satisfacción del cliente.

En la actualidad el problema de la elección de la ruta se resuelve con técnicas de


investigación de operaciones que da como resultado la más corta y más rápida
mediante algoritmos conocidos (Problema de camino más corto). Esta técnica supone
que los tiempos son fijos, lo cual no es correcto, sino que son variables aleatorias
debido a múltiples factores.

La metodología Seis Sigma nos ayudara a estudiar las variables de entrada (causas que
generan la variabilidad en los tiempos de entrega de los radiofármacos), de salida
(tiempos) y las relaciones entre ellas, ayudándonos a controlar el proceso, prediciendo
el tiempo de entrega con un mínimo de error, asegurando así la puntualidad y
reduciendo los costes de no calidad.

Se afrontó el problema siguiendo la metodología Seis Sigma (Definir, Medir, Analizar,


Mejorar y Controlar). En ese mismo orden presentamos a continuación el desarrollo y
resultado del proyecto.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 5
Aplicación Seis Sigma al problema logístico de transporte

Definir

Definición del proyecto

Consiste en desarrollar un modelo que nos permita predecir la ruta óptima entre dos
puntos para entregar al cliente el producto en el tiempo que lo requiere y en las
condiciones óptimas.

Los tiempos son variables que dependen de ciertos factores no del todo conocidos,
utilizando la metodología Seis Sigma analizaremos esas variables y buscaremos
determinar el proceso para elegir la ruta óptima con el tiempo mínimo.

Justificación y alcance del proyecto

El tiempo de entrega para Molypharma es la clave de su negocio debido a que los


radiofármacos pierden sus propiedades exponencialmente con el tiempo, por lo que el
aplicar la estrategia de adelantar los viajes para asegurar el tiempo no es apropiado,
degenerando la calidad del propio producto.

Con este proyecto se pretende disminuir los costes de no calidad generados por las
sanciones tanto por atrasos en entrega como por adelanto, entre otros más difíciles de
cuantificar como la insatisfacción e impacto de esto en los clientes. Este proyecto
mejorara la utilización de recursos económicos y del personal

Nuestra meta es conseguir un proceso que responda al nivel 6 Sigma generando un


ahorro en tiempo y costos de no calidad.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 6
Aplicación Seis Sigma al problema logístico de transporte

Medir

Medición y evaluación de la situación actual

Dados un punto de partida A y un punto de llegada F, (Ver Gráfico 1), se tienen las
posibles rutas que podemos seguir.

E
12 5
Au. Au.
B
2
D U. 6
U.
Au.= Autovía
5 F
Su. 8
U. = Urbana Au
10
Su.= Suburbana C
Au.
5 15
Su. Su.

Gráfico 1. Diagrama de rutas

La ruta usada actualmente se eligió tomando en cuenta dos parámetros: Distancia y


Velocidad máxima permitida. Calculando los tiempos para todas las rutas posibles
observamos que la que nos da el tiempo mínimo es la ruta ACDF de 16,13 Min.

Posibles Tiempo
Trayectos Total
ABEF 18,20
ACBEF 19,87
ACDEF 21,03
ACDF 16,13
ABEDF 18,30
ADF 18,13
ADEF 23,03
ACBEDF 19,97
Gráfico 2. Tabla Rutas tiempo ideal

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 7
Aplicación Seis Sigma al problema logístico de transporte

Históricamente se ha usado siempre esta ruta por ser la mas corta, y se utiliza el
promedio de duración entre viajes para decidir a que hora debe salir el camión para
llegar a tiempo, sin tomar en consideración que dado unos factores, los tiempos
pueden variar y ocasionar que se llegue antes al hospital o tarde degradándose el
productos y obteniendo sanciones monetarias por parte del hospital. Tampoco se
toma en cuenta que con condiciones determinadas otra ruta podría ser más rápida, es
por ello que solo tenemos históricos de la ruta ACDF.

Con nuestro proyecto buscamos disminuir la dispersión en los tiempos de entrega así
como brindar rutas alternativas dadas ciertas condiciones.

Situación actual:

Histograma trayecto Actual


Normal
10 Media 26,52
Desv.Est. 8,223
N 100

8
Frecuencia

0
12 18 24 30 36 42
T(tot)

Gráfico 3. Histograma situación actual

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 8
Aplicación Seis Sigma al problema logístico de transporte

Capacidad de proceso de Desviación Actual


(utilizando 95,0% confianza)

LIE LSE
P rocesar datos Dentro de
LIE -10 General
O bjetiv o *
LSE 10 C apacidad (dentro) del potencial
Z.Bench 0,76
M edida de la muestra 1,44773e-014
N úmero de muestra 100 LC inferior 0,32
D esv .E st. (Dentro) 8,2439 Z.LIE 1,21
Z.LSE 1,21
D esv .E st. (General) 8,22311
C pk 0,40
LC inferior 0,32
LC superior 0,49
C apacidad general
Z.Bench 0,76
LC inferior 0,33
Z.LIE 1,22
Z.LSE 1,22
Ppk 0,41
LC inferior 0,32
-15 -10 -5 0 5 10 15 LC superior 0,49
D esempeño observ ado Exp. D entro del rendimiento Exp. Rendimiento general C pm *
% < LIE 14,00 % < LIE 11,26 % < LIE 11,20 LC inferior *
% > LS E 9,00 % > LSE 11,26 % > LS E 11,20
% T otal 23,00 % T otal 22,51 % T otal 22,40

Gráfico 4. Capacidad actual del proceso

Analizando los datos históricos vemos que el proceso aunque está centrado porque
toman como referencia de tiempo, el tiempo promedio del viaje presenta una gran
dispersión (Ver gráfico 3).

Podemos observar que el tiempo medio es de 26,52 min. pero tiene una desviación
estándar de 8,223 Min.

En el gráfico 4, se observa que el valor z es de 0,76 y nos indica que el 23% de los
viajes no cumple las especificaciones del cliente.

Para el análisis de estos datos hemos contado con una muestra 100 viajes.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 9
Aplicación Seis Sigma al problema logístico de transporte

En esta fase identificamos las muchas posibles causas no conocidas de la variación en


los tiempos de entrega con ayuda del diagrama de causa efecto o Ishikawa.

Organizamos todas las ideas recopiladas en cuadro grandes grupos: climatología,


factores propios de vía, fechas y épocas del año.

Tener buenos criterios para seleccionar las causas más probables a utilizar es parte
fundamental del éxito de nuestro proyecto en tal sentido descartamos los factores
considerando los siguientes parámetros:

Constantes: (Condición de la vía, velocidad máxima permitida, semáforos, etc.)

Puntuales y/o no predecibles (accidentes, manifestaciones, festivos, etc.)

Contenidos en otro factor (vacaciones escolares dentro de estaciones, próximo


a festivo dentro de día)

10
Aplicación Seis Sigma al problema logístico de transporte

Realizando el filtro de todas las causas identificadas procederemos a analizar las


siguientes:

· Lluvia
· Día de la semana
· Hora
· Estación
· Escuela
· Luz
· Viento
· Tipo de vía

Estudiamos los posibles niveles de forma que la recogida de datos fuera fácil y lo más
objetiva posible. Los niveles de cada variable son los siguientes:

Factor Niveles
• Lluvia
• Fuerte
• Moderada
• Suave
• No
Se le indica al conductor que diga el nivel del limpiaparabrisas usado, entonces nivel
máximo del limpiaparabrisas será lluvia fuerte, nivel medio lluvia moderada, nivel bajo
igual a lluvia suave y apagado no lluvia

• Día De la Semana
• Lunes
• Martes
• Miércoles
• Jueves
• Viernes
• Hora
• PM
• PT
• V
PM: punta de mañana (7 a 9:30 AM) PT: punta de tarde (4:40 a 7 PM) y V: valle
momento de poca afluencia vehicular.

• Estación
• Otoño
• Primavera
• Verano
• Invierno
• Escuela
• Si
• No

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 11
Aplicación Seis Sigma al problema logístico de transporte

• Luz
• Día
• Noche
• Viento
• Fuerte
• Moderada
• Suave
• No
• Tipo De Vía
• Urbana
• Secundaria
• Autovía

Desarrollar y comprobar hipótesis para confirmar las causas

Partiendo de la hipótesis de que las causas antes mencionadas inciden de forma


predominante en la variabilidad de los tiempos de entrega procedimos a analizar con
ayuda de la estadística, la relación entre estas y la variable de salida (tiempos de
entrega).

Considerando que tenemos variables categóricas, la herramienta estadística que


utilizaremos es el Anova con ayuda del programa Minitab. A continuación se puede
ver las conclusiones generadas con este análisis.

Análisis Datos Históricos

Gráfica De Efectos Principales para Ruta ACDF


Medias De Datos
M_Lluvia M_Dia M_Hora
40

30

20
FUERTE MODERADA NO SUAVE J L M V X PM PT V

M_estación M_luz M_viento


40
Media

30

20
I O P V dia noche FU ERTE MODERADO NO SUAVE

M_escuela
40

30

20
NO SI

Gráfico 6. Efectos principales ruta actual

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 12
Aplicación Seis Sigma al problema logístico de transporte

Procediendo primeramente con un análisis gráfico, en el diagrama de causa efecto


podemos observar que el viento es el factor que tiene menos influencia en la variación
que se produce en el tiempo de trayecto porque presenta la menor variación.

Además de ver el efecto global de los factores en el tiempo total, vamos a analizar
cada factor en cada tramo de la Ruta ACDF para considerar el tipo de vía.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 13
Aplicación Seis Sigma al problema logístico de transporte

Tabla comparativa Anova

AC (Secundaria) CD (Secundaria ) DF (Urbana) Total

Factor Valor P Rq 2 Valor P Rq 2 Valor P Rq 2 Valor P Rq 2

M_Lluvia 0,000 19,05% 0,000 35,17% 0,000 51,40% 0,000 46,20%

M_Dia 0,000 36,03% 0,000 32,77% 0,010 12,86% 0,000 28,24%

M_Hora 0,004 10,91% 0,005 10,48% 0,000 19,63% 0,000 16,45%

M_estación 0,049 7,81% 0,321 3,56% 0,002 13,95% 0,035 8,51%

M_escuela 0,075 3,19% 0,403 0,72% 0,004 7,95% 0,055 3,72%

M_luz 0,127 2,37% 0,245 1,38% 0,056 3,68% 0,093 2,85%

M_viento 0,697 1,48% 0,784 1,10% 0,620 1,82% 0,890 0,65%

Gráfico 7. Tabla análisis Anova datos históricos

Conclusiones sobre primer análisis

1. Podemos observar que las variables que influyen de forma significativa son la
lluvia, el día, la hora, las estaciones y el tipo de vía.

2. Descartamos la variable viento ya que la prueba de Anova nos da una p= 0,890


(Medida del efecto) mayor que 0.05 por lo que se concluye que el viento no es
significativo en la dispersión del tiempo. También vemos que el Rq es 0,65%
por lo que la variación del tiempo solo esta explicado por el viento en un 0,65%.

3. En el gráfico 6 podemos apreciar que la falta de luz influye negativamente,


aumentando el tiempo de viaje pero no de manera significativa. Comprobando
esta hipótesis vemos que la p= 0,093 por lo cual no podemos decir que las
medias son diferentes y por lo tanto se comporta parecido en ambos casos.
También vemos que la variación del tiempo solo esta explicado por la luz en un
2,85%, aun así decidimos hacer otras pruebas ya que el valor de p es muy
pequeño especialmente en la ruta DF, en el gráfico 18 del anexo podemos
observar que la noche solo se presenta por la mañanas de invierno y por lo
tanto la tenemos contenida en este factor por lo cual no lo consideraremos.

4. En el gráfico 19 del anexo podemos apreciar que la temporada escolar influye


aumentando el tiempo de viaje en todos los tramos, mostrando la mayor
variación en la ruta DF. La prueba de Anova no nos proporciona suficiente
información como para descartar esta causa pero vemos una variación total en
la ruta explicada en el 3,75%. Haciendo otras pruebas vemos que esta variable

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 14
Aplicación Seis Sigma al problema logístico de transporte

está contenida en las estaciones del año existiendo correlación entre estos dos
factores (ver gráfico 20 del anexo).

5. Para analizar el tipo de vía se apilaron los datos en tiempo por kilómetro para
eliminar la variable distancia. Aunque sabemos que el tipo de vía influye, no
tenemos suficiente información pues aquí solo podemos comparar la
secundaria y urbana por lo cual es necesario recopilar datos de una ruta que
tenga autovía para completar el análisis. También podemos observar que las 2
vías secundarias se comportan muy parecido ante los distintos factores, es por
ello que asumimos que vías iguales se comportan de la misma manera (esto se
puede apreciar en los gráficos Box Plot que se encuentran en el Anexo)

Análisis Segunda recogida de datos

Considerando que los datos históricos no nos proporcionan suficiente información de


todas las vías, procedemos a hacer un diseño de experimento para construir la matriz
tomando en cuanta solamente los factores que demostramos anteriormente que nos
afectan: lluvia, día, hora, estación y tipo de vía. En esta matriz se introducirán los datos
de la ruta ABEF, que fue rechazada en su momento, ya que tenía un tiempo promedio
de 32,2 min., lo que significa 10 min. más que la ruta ACDF.

Elegimos la ruta ABEF ya que existen datos y nos permite analizar las autovías, nivel
que no contiene la ruta actualmente utilizada. La matriz generada requiere 240 viajes,
como la lluvia es un factor que no podemos controlar, no tenemos todas las posibles
combinaciones y solo se pudo obtener 142 viajes que cumplieran con las
combinaciones de la matriz.

Con estos nuevos dados repetimos los estudios anteriores y podemos observar lo
siguiente:

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 15
Aplicación Seis Sigma al problema logístico de transporte

Gráfica de efectos principales para Ruta ABEF


Medias de datos

LLUVIA DIA
50

40

30

20
Media

FUERTE MODERADA NO SUAVE J L M V X


HORA ESTACION
50

40

30

20
PM PT V I O P V

Gráfico 8. Efectos principales ruta ABEF

En el diagrama de causa efecto podemos confirmar que todos los factores influyen en
la variación que se produce en el tiempo de trayecto.

Además de ver el efecto global de los factores en el tiempo total, vamos a analizar
cada factor en cada tramo de la Ruta ABEF para considerar el tipo de vía.

Tabla comparativa Anova

AB (Autovía) BE(Autovía) EF (Urbana) Total

Factor Valor P Rq 2 Valor P Rq 2 Valor P Rq 2 Valor P Rq 2

M_Lluvia 0,000 28,40% 0,000 31,65% 0,000 38,62% 0,000 38,90%

M_Dia 0,015 8,55% 0,298 3,48% 0,558 2,15% 0,175 4,49%

M_Hora 0,000 50,30% 0,000 46,90% 0,000 31,67% 0,000 47,99%

M_estación 0,057 5,29% 0,012 7,59% 0,000 18,67% 0,000 12,33%

Tipo de vía 0,000 49%

Gráfico 9. Tabla análisis Anova, 2da ruta

Conclusiones sobre segundo análisis

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 16
Aplicación Seis Sigma al problema logístico de transporte

1. Podemos comprobar que todas las variables influyen de forma significativa,


ratificando nuestra selección anterior.

2. Cabe destacar que en la ruta BE y EF aunque por el valor de p no es significativa


la variable día, no la podemos descartar ya que en las otras rutas del mismo
tipo se demostró su influencia.

3. Los mismos tipos de vía, en este caso, Autovía (AB y BE) se comportan de igual
manera ante los mismos factores (esto se puede apreciar mas fácilmente en los
Blox Plot de los Anexos).

4. Hemos comprobado que el tipo de vía influye ya que para un mismo factor
tenemos resultados diferentes, explicándose en un 49%.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 17
Aplicación Seis Sigma al problema logístico de transporte

Mejorar

Determinar las estrategias de mejora

Con los datos históricos, tanto de la primera como de la segunda ruta, generamos el
cálculo del modelo lineal con Anova, utilizando como respuesta el tiempo por
kilómetro de cada vía, tomando en cuenta todos los factores y calculando los
coeficientes para todos los términos y almacenando los residuos.

La tabla de resultados del modelo Anova calcula un nivel menos que los niveles de la
variable ya que es una combinación lineal de los otros. Para el cálculo del nivel que no
aparece en la tabla de resultados aplicamos la siguiente formula:

[
(-1) ´ å Coeficiente Factor, Nivel( j ) ]
Obtenemos el valor sumando todos los coeficientes del factor pero cambiado de signo.

Presentamos a continuación la tabla completa de los coeficientes para cada tipo de vía
con los niveles faltantes ya calculados, obteniendo todos los datos necesarios para
construir el modelo.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 18
Aplicación Seis Sigma al problema logístico de transporte

Tipo de Vía
Secundaria Urbana Autovía
Constante 1,16759 2,32735 0,96759

Tipo de Vía
Secundaria Urbana Autovía
Factor Nivel Coeficientes Coeficientes Coeficientes
LLUVIA
Fuerte 0,2826 0,74726 0,24731
Moderada 0,01471 0,06222 -0,00032
Suave -0,01682 0,00848 -0,01826
No -0,28049 -0,81796 -0,22873
DÍA
Lunes 0,31841 0,13458 0,10449
Martes -0,1333 -0,05905 -0,04252
Miércoles -0,17118 -0,09926 -0,05754
Jueves -0,11832 -0,109 -0,04895
Viernes 0,10439 0,13273 0,04452
HORA
PM 0,07478 0,37807 0,18933
PT 0,10065 0,15218 0,08695
Valle -0,17543 -0,53025 -0,27628
ESTACIÓN
Primavera 0,01798 0,19302 0,05873
Otoño 0,09111 0,24123 0,03173
Verano -0,14486 -0,5963 -0,13037
Invierno 0,03577 0,16205 0,03991
Gráfico 10. Tabla coeficientes según tipo de vía

Con la tabla anterior podemos crear una ecuación que nos permite para cada tipo de
vía predecir el tiempo que tardará nuestro pedido en llegar a destino y así elegir la ruta
mas rápida.

La ecuación con que se confecciona nuestro modelo es la siguiente:

1) Calculo de los Fits (Tiempo de viaje por kilómetro para cada tramo)

[
Fit = Cons tan te + å Coeficiente, Factor( i ) , Nivel/ ( j ) ]
2) Tiempo de la ruta

Para calcular el tiempo total de la ruta debemos calcular el tiempo de cada tramo con
la siguiente formula:

tiempo(tramo) = dis tan cia ´ Fit(tramo)

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 19
Aplicación Seis Sigma al problema logístico de transporte

El tiempo total de la ruta será la sumatoria de todos los tramos que la componen.

Con esto tenemos un modelo que predice la duración del trayecto, lo cual nos permite
saber la hora exacta a la que debe salir el camión y así la empresa puede planificar
cuando empezar a producir para asegurar la calidad del producto.

1º hora que
S Producir + Embalar +
Preparar
envío
exige el
cliente

2º tiempo de
viaje según
modelo
3º Empezar
a producir

Demostración de mejoras

Comparación Error Previo ACDF vs. Error 6 Sigma ACDF


Normal
-15 -10 -5 0 5 10 15
Error Previo ACDF Error 6 Sigma ACDF Error Prev io A CDF
35 Media 1,447731E-14
Desv.Est. 8,223
N 100
30
Error 6 Sigma AC DF
Media 0,1532
25 Desv .Est. 3,082
Frecuencia

N 100
20

15

10

0
-15 -10 -5 0 5 10 15

Gráfico 11. Comparación error previo ACDF vs error Sigma ACDF

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 20
Aplicación Seis Sigma al problema logístico de transporte

Podemos observar en el gráfico que hemos conseguido reducir la dispersión en la


estimación de los tiempos reduciendo la desviación estándar de 8,223 a 3,082.

Gráfico Comparación Capacidad De Proceso

Error Previo Ruta ACDF vs Error 6 Sigma Ruta ACDF

Capacidad Capacidad
Error Error 6
Previo Sigma
Desviación 8,223 3,08
Estándar

Z 0,76 3,04
% < LIE 14% 0%
% > LSE 9% 0%
% Total 23% 0%

Gráfico 12. Comparación capacidad de la ruta ACDF (error previo Vs error Sigma )

Estudio de ahorro en costes

Para el calculo de los costos por incumplimiento de hora de entrega hemos asumido
que la empresa tienen un margen de ±10 min., y una penalización cuando se
llegue fuera de este tiempo; estos valores son a efectos ilustrativos ya
que los costes son confidenciales, por lo cual no se realizó un estudio más detallado
pero podemos apreciar en el gráfico que las penalizaciones se reducen en un 100%.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 21
Aplicación Seis Sigma al problema logístico de transporte

Costos de No Calidad

25

20

15
costo

10

0
-20 -15 -10 -5 0 5 10 15 20
Error Previo en tiempo

Gráfico 13. Costes de no calidad proceso actual

Costos 6 Sigma

25

20

15
costo

10

0
-20 -15 -10 -5 0 5 10 15 20
Error 6 Sigma en tiempo

Gráfico 14. Costes de no calidad con 6 Sigma

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 22
Aplicación Seis Sigma al problema logístico de transporte

Controlar

Sistema de control del proceso

Para evaluar el buen funcionamiento de nuestro modelo, una vez decidida la ruta a
tomar se llevará un registro de los factores y tiempo de los viajes por tramo, los cuales
se contrastarán con los tiempos previstos en el modelo y crearemos un gráfico de
control de los errores en la estimación del tiempo.

Se revisará semanalmente el gráfico de control para ver posibles tendencias y


variaciones que nos alertará sobre la necesidad de revisar el modelo.

Anualmente se actualizará el modelo introduciendo los nuevos tiempos obtenidos


durante el año usando un máximo de tres años; en el cuarto año se eliminará la
información del primero y así sucesivamente.

Gráfico 15. Control de proceso

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 23
Aplicación Seis Sigma al problema logístico de transporte

Conclusiones

Seis Sigma es una herramienta para la mejora continua, que provee una metodología
para obtener beneficios tangibles en términos de calidad y costos de un producto o
servicio aplicable a cualquier tipo de empresa. Éste método utiliza análisis estadísticos
aplicado a los procesos actuales para definir áreas de oportunidad ayudándonos a
tomar decisiones basados en datos reales y objetivos.

Hemos utilizado esta metodología aplicándola a un problema real de la empresa como


es la inexactitud de los tiempos de entrega lo cual genera altos costos, y a través de
esta herramienta crear un modelo fiable que nos permita decidir basándonos en datos
estadísticos, cual es la ruta optima en función de los tiempos de entrega obtenidos por
el modelo, prediciendo con mayor exactitud dichos tiempos y evitando así los costos
de no calidad.

Nuestro modelo toma en cuenta las variables más significativas y sirve como predictor
de tiempos, lo que permite a la empresa una mejor planificación no solo de la vía a
tomar, sino también del momento de fabricación del producto, garantizando así la
calidad del producto a entregar.

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 24
Aplicación Seis Sigma al problema logístico de transporte

Anexos

GRÁFICO 16. EFECTO DEL VIENTO EN LA RUTA ACDF ......................................................................................... 26


GRÁFICO 17. EFECTO DE LA LUZ EN LA RUTA ACDF ........................................................................................... 27
GRÁFICO 18. RELACIÓN LUZ-ESTACIÓN .......................................................................................................... 27
GRÁFICO 19.EFECTO DE LA LUZ EN LA RUTA ACDF ............................................................................................ 28
GRÁFICO 20. RELACIÓN LUZ ESCUELA ............................................................................................................ 28
GRÁFICO 21. EFECTO DE LA ESTACIÓN EN LA RUTA ACDF .................................................................................... 29
GRÁFICO 22. EFECTO DE LA HORA EN LA RUTA ACDF ......................................................................................... 29
GRÁFICO 23. EFECTO DEL DÍA DE LA SEMANA EN LA RUTA ACDF ........................................................................... 30
GRÁFICO 24. EFECTO DE LA LLUVIA EN LA RUTA ACDF ....................................................................................... 30
GRÁFICO 25. EFECTO DE LA ESTACIÓN EN LA RUTA ABEF .................................................................................... 31
GRÁFICO 26. EFECTO DE LA HORA EN LA RUTA ABEF ......................................................................................... 32
GRÁFICO 27. EFECTO DÍA EN LA RUTA ABEF .................................................................................................... 32
GRÁFICO 28. EFECTO LLUVIA EN LA RUTA ABEF................................................................................................ 33
GRÁFICO 29. MEDIAS DE LA VÍAS URBANAS ..................................................................................................... 33
GRÁFICO 30. COMPARACIÓN DISTINTOS TIPOS DE VÍAS ....................................................................................... 34
GRÁFICO 31. COMPARACIÓN ERROR VÍA, TIPO AUTOVÍA ..................................................................................... 34
GRÁFICO 32. COMPARACIÓN ERROR VÍA, TIPO SECUNDARIA ................................................................................. 35
GRÁFICO 33. COMPARACIÓN ERROR VÍA, TIPO URBANA ...................................................................................... 35
GRÁFICO 34. FORMATO RECOLECCIÓN DE DATOS ............................................................................................ 356

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 25
Aplicación Seis Sigma al problema logístico de transporte

Ruta 1

Análisis Datos Históricos De la Ruta ACDF

1. Análisis Viento

Boxplot de Ruta ACDF


4

3
Datos

0
F F F F
A C CD D AC CD D AC CD D AC CD D
KM M
K txKM KM M
K txKM KM M
K tx KM KM M
K txKM
tx tx tx tx tx tx tx tx
M_viento E E
T DO NO AV
ER A U
F U ER S
OD
M

Gráfico 16. Efecto del viento en la ruta ACDF

2. Análisis Luz
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 26
Aplicación Seis Sigma al problema logístico de transporte

Boxplot de Ruta ACDF


4

3
Datos

0
txKM AC txKM CD txKM DF txKM AC txKM CD txKM DF
M_luz dia noche

Gráfico 17. Efecto de la luz en la ruta ACDF

Estudio Variable Luz dentro de Estación


dia noche C ategoría
I
O
P
V

Variable de panel: M_luz

Gráfico 18. Relación Luz-Estación

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 27
Aplicación Seis Sigma al problema logístico de transporte

3. Análisis Escuela

Boxplot de Ruta ACDF


4

3
Datos

0
txKM AC txKM CD txKM DF txKM AC txKM CD txKM DF
M_escuela NO SI

Gráfico 19.Efecto de la luz en la ruta ACDF

Gráfica circular de M_escuela


I O C ategoría
NO
SI

P V

Variable de panel: M_estación

Gráfico 20. Relación Luz Escuela

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 28
Aplicación Seis Sigma al problema logístico de transporte

4. Análisis Estación

Boxplot Ruta ACDF


4

3
Datos

0
AC CD DF AC CD DF AC CD DF A C CD DF
KM KM KM KM KM KM KM KM KM KM KM KM
tx tx tx tx tx tx tx tx tx tx tx tx
M_estación I O P V

Gráfico 21. Efecto de la estación en la ruta ACDF

5. Análisis Hora

Boxplot de Ruta ACDF


4

3
Data

0
AC CD DF AC CD DF AC CD DF
KM KM KM KM KM KM KM KM KM
tx tx tx tx tx tx tx tx tx
M_Hora
PM PT V

Gráfico 22. Efecto de la hora en la ruta ACDF

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 29
Aplicación Seis Sigma al problema logístico de transporte

6. Análisis Día

Boxplot de ACDF
4

3
Data

0
A C CD DF AC C D DF A C C D DF A C CD DF A C CD DF
KM KM KM KM KM KM KM KM KM KM KM KM KM KM KM
tx tx tx tx tx tx tx tx tx tx tx tx tx tx tx
M_Dia J L M V X

Gráfico 23. Efecto del día de la semana en la ruta ACDF

7. Análisis Lluvia

Boxplot de Ruta ACDF


4

3
Data

0
F F F DF
A C CD D AC CD D AC C D D A C CD
KM KM KM KM KM KM KM KM KM KM KM KM
tx tx tx tx tx tx tx tx tx tx tx tx
M_Lluvia E A E
T
AD NO AV
UER ER S U
F
OD
M

Gráfico 24. Efecto de la lluvia en la ruta ACDF

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 30
Aplicación Seis Sigma al problema logístico de transporte

Ruta 2

Análisis Datos Históricos De la Ruta ABEF

1. Análisis Estación

Boxplot Ruta ABEF

3
Data

0
A B BE EF A B BE EF AB BE EF AB BE EF
Km Km Km Km Km Km Km Km Km Km Km Km
tx tx tx tx tx tx tx tx tx tx tx tx
ESTACION I O P V

Gráfico 25. Efecto de la estación en la ruta ABEF

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 31
Aplicación Seis Sigma al problema logístico de transporte

2. Análisis Hora

Boxplot Ruta ABEF

3
Data

0
AB BE EF AB BE EF AB BE EF
Km Km Km Km Km Km Km Km Km
tx tx tx tx tx tx tx tx tx
HORA
PM PT V

Gráfico 26. Efecto de la hora en la ruta ABEF

3. Análisis Día

Boxplot Ruta ABEF

3
Data

0
AB BE EF A B BE EF A B BE EF A B BE EF A B BE EF
m m
K xK xK m m m
K xK xK m m m
K xK xK m Km Km Km Km Km Km
tx t t tx t t tx t t tx tx tx tx tx tx
DIA J L M V X

Gráfico 27. Efecto día en la ruta ABEF

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 32
Aplicación Seis Sigma al problema logístico de transporte

4. Análisis Lluvia

Gráfica de caja de txKm AB; txKm BE; txKm EF

3
Data

0
AB BE EF AB BE EF AB BE EF AB BE EF
Km Km Km Km Km Km Km Km Km Km Km Km
tx tx tx tx tx tx tx tx tx tx tx tx
LLUVIA E A E
T
AD NO AV
UER E R S U
F
OD
M

Gráfico 28. Efecto lluvia en la ruta ABEF

Gráfica por Tipo de Vía

Boxplot comparación tiempo Tramo Urbano


DF EF
4

3
T (Urbana)

0
Variable de panel: Nombre vía
Gráfico 29. Medias de la vías Urbanas

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 33
Aplicación Seis Sigma al problema logístico de transporte

Boxplot of t por vía

3
t por ruta

0
Autovia Secundaria Urbana
Tipo de Via

Gráfico 30. Comparación distintos tipos de vías

Comparación Error Previo vs. Error 6 Sigma Autovia


Normal

,2 1 ,0 0,8 0,6 0 ,4 0,2 ,0 , 2


-1 - - - - - 0 0
error(previo) error(6s) error(previo)
80 Mean -0,3940
StDev 0,3207
70 N 284
error(6s)
60
Mean -1,44055E-16
Frecuencia

StDev 0,1490
50
N 284

40

30

20

10

0
, 2 , 0 , 8 , 6 , 4 ,2 0 ,0 0, 2
-1 -1 -0 -0 -0 -0

Gráfico 31. Comparación error vía, tipo autovía

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 34
Aplicación Seis Sigma al problema logístico de transporte

Comparación Error Previo vs. Error 6 sigma Vía Secundaria


Normal

-1,2 -0,9 -0,6 -0,3 0,0 0,3


Error Previo Secundaria Error 6sigma Secundaria Error Prev io Secundaria
Media -0,4046
40 Desv .Est. 0,3392
N 200
Error 6sigma Secundaria
Media -4,77396E-17
30 Desv .Est. 0,1910
Frecuencia

N 200

20

10

0
-1,2 -0,9 -0,6 -0,3 0,0 0,3

Gráfico 32. Comparación error vía, tipo secundaria

Comparación Error Previo vs. Error 6sigma Vía Urbana


Normal

-2,4 -1,8 -1,2 -0,6 0,0 0,6


Error Previo Urbana Error 6sigma Urbana Error Previo Urbana
60 Media -0,8932
Desv .Est. 0,8268
N 242
50 Error 6sigma Urbana
Media -1,82132E-16
Desv .Est. 0,3627
40
Frecuencia

N 242

30

20

10

0
-2,4 -1,8 -1,2 -0,6 0,0 0,6

Gráfico 33. Comparación error vía, tipo urbana

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 35
Aplicación Seis Sigma al problema logístico de transporte

CONDUCTOR:

TRAMO A TRAMO B TRAMO C

HORA DE
FECHA DIA HORA SALIDA LLUVIA HORA LLUVIA HORA LLUVIA
LLEGADA

LLUVIA SEGÚN NIVEL DEL PARABRISA 0 1 2 3

Gráfico 34. Formato recolección de datos

EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 36