Seis Sigma

UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD

EMPRESARIAL

Rodolfo Benedix – Adrián Gabriele

Julio de 2010 1
Seis Sigma
UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL

•Introducción – El caso Aventis

•¿Qué es Seis Sigma?

• El proceso DMAIC

Definición

Medición

Análisis

Implementación de mejoras

Control

• Caso de aplicación

2
EL CASO AVENTIS

Durante
Durantelos
losaños
años2003
2003yy2004
2004sesedesplegó
desplegóununprograma
programade demejora
mejoradede
los
losprocesos
procesosenenAventis
AventisPharma
Pharmasiguiendo
siguiendolalametodología
metodologíaSeis
SeisSigma,
Sigma,
el
elcual
cualresultó
resultóuna
unaexperiencia
experienciaaltamente
altamenteexitosa
exitosano
nosolo
solopor
porlos
los
objetivos
objetivoseconómicos
económicosyyde deeficiencia
eficiencialogrados
logradossino
sinopor
porlas
las
competencias
competenciasquequeadquirieron
adquirieronquienes
quienesestuvieron
estuvieronexpuestos
expuestosaala la
experiencia.
experiencia.

3
EL CASO AVENTIS

Factores de éxito:

• Ambición por obtener resultados significativos

• Trabajo en equipo / interdisciplinario
• Definición adecuada de los problemas y de las metas
• Evitar ser austeros en la definición de objetivos por carencia de una
metodología (“…mejoremos cada año un poco más”)
• Prejuicios (“…qué va a decir el gerente que justo esta presente en
la reunión”)

4
¿QUE ES SEIS SIGMA?

Una metodología de mejora que permite…

Economía intelectual: Economía de recursos:

• Esta disponible • Son escasos

• Enfoque sistemático • Tiempo
• Visión estadística • Dinero
• Personas

5
¿QUE ES SEIS SIGMA? Principios básicos

• Mejora por Proyectos

• Cero o mínima inversión de capital

• Proyectos de rápida implementación (6 á 8 meses)

• Proceso disciplinado con decisiones basadas en datos

y tratamiento estadístico de los mismos

• Búsqueda de la mínima variabilidad de los procesos

6
¿QUE ES SEIS SIGMA? Definición estadística

La naturaleza del problema

Descentrado Gran Variabilidad

LSL USL LSL USL

Centrado
Centrar el Reducir la
Proceso Variabilidad

LSL USL

7
¿QUE ES SEIS SIGMA? Definición estadística

Punto de inflexión

1σ
σ

p(d)

1 2 3 4 5 6
σ USL

Un Proceso Seis Sigma

8
¿QUE ES SEIS SIGMA? Un ejemplo práctico

Algunos elegidos Proceso 6 Sigma:

Seguridad física de los pasajeros

La mayoría de
las industrias Proceso 3 Sigma:

Gestión de equipajes

Sigma DPMO* Rendimiento

6 3.4 99.9997%
5 233 99.976%
4 6,210 99.4%
3 66,807 99%
2 308,537 65%
1 500,000 50% 9
El proceso DMAIC

Proyectos
Proyectos DMAIC
DMAIC

… es decir, identificación y eliminación de paradigmas

10
El proceso DMAIC

Metodología DMAIC
Metodología DMAIC

Definir Medir Analizar Mejorar Controlar

Nivel de Negocio

Nivel Técnico

11
 Seis Sigma: Proceso visto como función

Entradas Salidas
PROCESO

x1 , x2 , x3 , ... , xn Nuevo concepto

Y
de Calidad:
Controlar el Proceso

¿Cómo?... Antiguo concepto

Controlando todas de Calidad:
las X´s Y = f ( x1 , x2 , x3 , ... , xn ) Controlar el producto
Seis Sigma propone
hacerlo sobre las
estadísticamente
significativas 12
El proceso DMAIC

Enfoque YY == ff (x)
Enfoque (x)

Definir Medir Analizar Mejorar Controlar

Yactual Sostener Yfuturo

Yfuturo Nivel de Negocio

Dinámica Encontrar f
de Y y Xs
Nivel Técnico Xs
Críticos

13
El proceso DMAIC

Enfoque
EnfoqueYY==ff(x)
(x)

Definir Medir Oportunidades

Analyze de Mejorar Controlar
mejora inmediatas

Yactual Sostener Yfuturo

Nivel de Gestión
Yfuturo

Dinámica Encontrar f
de Y y Xs
Nivel Técnico Xs
Críticos

14
El proceso DMAIC - Definir

Carta del Proyecto

VOC
PASO
PASO 1:
1: DEFINIR
DEFINIR

Gráfico del Y
del proyecto

Time Series Plot of SALES

Mapa de Proceso de Alto Nivel 6,5

6,0

(SIPOC) 5,5

SALES
Suppliers

Customers

5,0

Inputs Process Outputs

4,5

4,0

3,5
1 14 28 42 56 70 84 98 112 126 140
Index

15
Productos de la fase Definir

PASO
PASO 1:
1: DEFINIR
DEFINIR

• Carta del proyecto

• Base del proyecto (Y Graph)

PRODUCTOS
• SIPOC

16
El proceso DMAIC - Medir

Diagrama espina de pescado

PASO
PASO 2:
2: MEDIR
MEDIR
Mapeo de proceso
Start

Move
Bucket
Denest
Bucket
Orient
Bucket
Fill
Bucket
Orient
Bucket
Add
glycol/water
Plan de Colección de Datos
Data Collection Plan
What questions do you want to answer?
Data Operational Definition and Procedures
Orient
Bucket
Move
Bucket
Spray code
onto
Label Crimp Drop What Measure type/How Related Sampling How/
Bucket
Bucket Lid Lid Data type measuredconditionsnotes where

Stop
How will you ensure What is your plan for
consistency and stability?starting data collection?
How will the data be displayed?

Comportamiento de Y
y estratificación preliminar
Col# 1 2 3 4 5 6

1000
UCL
Inspector

1
2
2.0
2.0
A
Sample # 1st Trial2nd Trial
1.0
3.0
Diff
1.0
1.0
1.5
2.5
B
1st Trial2nd Trial
1.5
2.5
Diff
0.0
0.0
Análisis del
0
X 3
4
5
Totals
1.5
3.0
2.0
10.5
1.0
3.0
1.5
9.5
0.5
0.0
0.5
3.0
2.0
2.0
1.5
9.5
1.5
2.5
0.5
8.5
0.5
0.5
1.0
2.0
Sistema de Medición
-1000 LCL
Averages 2.1 1.9 0.6 1.9 1.7 0.4

Sum 4.0 Sum 3.6

10 20 30 2.0 RA 1.8 RB
XA XB

D B F A C E Other 17
Productos de la fase Medir

PASO
PASO 2:
2: MEDIR
MEDIR

• Estadística de Y

• Confiabilidad de los datos

PRODUCTOS
• Mapa de Proceso

18
 El proceso DMAIC - Analizar

Diagrama espina de pescado

PASO
PASO 3:
3: ANALIZAR
ANALIZAR

Matriz Causa & Efecto 110

Boxplot of Sales (KUSD) by Region

o FMEA 100

90
Testeo de hipótesis

Sales (KUSD)
Xs potenciales 80

70

60
O1 O2 O3 O4
50 Fitted Line Plot
I1
Sales (KUSD) = 36,81 + 4,168 Average Price (USD/Unit)
I2 FMEA 40
I3 S 19,3776
30
110
R-Sq 1,5%
I4 Metropolitana Norte Sur R-Sq(adj) 0,5%
100
Region

90

Sales (KUSD)
Xs priorizados 80

70

60

One-way ANOVA: Sales (KUSD) versus Region 50

Source DF SS MS F P 40
Region 2 28955,5 14477,8 172,98 0,000
Error 96 8034,6 83,7
30
Total 98 36990,2
7,0 7,5 8,0 8,5 9,0
S = 9,148 R-Sq = 78,28% R-Sq(adj) = 77,83% Average Price (USD/Unit)

Lista de Xs Individual 95% CIs For Mean Based on

Pooled StDev

Críticos
Level N Mean StDev +---------+---------+---------+---------
Metropolitana 30 91,388 10,970 (--*--)
Norte 39 50,573 8,043 (-*--)
Sur 30 74,134 8,483 (--*--)
+---------+---------+---------+---------
48 60 72 84

Pooled StDev = 9,148 19

Productos de la fase Analizar

PASO
PASO 3:
3: ANALIZAR
ANALIZAR

• Lista de Xs Críticos PRODUCTOS

20
El proceso DMAIC - Mejorar

Experimentación PASO
PASO 4:
4: MEJORAR
MEJORAR
en procesos reales

Generación de
A 4 soluciones
B 1
C 3
D 2

Prueba & Análisis de Riesgo

Planificación & Programación

1 2 3 4 5 6 7 8 9 10
A
B
C
D
´s ´s
G
E F
G
H I J

21
Productos de la fase Mejorar

PASO
PASO 4:
4: MEJORAR
MEJORAR

• Relación entre
Y y Xs Críticos
PRODUCTOS
• Mejor solución

22
El proceso DMAIC - Controlar

Proceso de Monitoreo PASO

Y Control
PASO 5:
5: CONTROLAR
CONTROLAR
I-MR Chart of Sales (KUSD)
120
1 1
1 1 11
11 1
Individual Value

100 U C L=99,30

80 _
X=70,08
60
Training Ope
Proc rating
Curriculum
Training edu
Documentación
40 LC L=40,86
1
11 1
1
Manual Manres
1 11 21
1
31 41 51 61 71 81 91
ual
O bser vation

40
1
1

U C L=35,90
Fill to here
& Comunicación
M oving Range

30

20
__
10 M R=10,99

0 LC L=0
1 11 21 31 41 51 61 71 81 91
O bser vation

Celebración

23
Productos de la fase Controlar

PASO
PASO 5:
5: CONTROLAR
CONTROLAR

• Procedimientos, controles,
PRODUCTOS
metodologías para
sostener las ganancias.

24
CASO PRÁCTICO

LÍNEA DE ENVASADO

EN UNA

EMPRESA FARMACÉUTICA

25
CASO PRÁCTICO: Línea de envasado en una empresa farmecéutica

• La envasadora tiene una eficiencia del 62%, lo cual es

inadmisible.
• En realidad, el problema esta en el setup, que consume
la mitad del tiempo perdido.
• El tiempo de setup de 1 ½ horas es bueno, el problema
radica en la cantidad de cambios de campaña a lo largo
del mes.

26
CASO PRÁCTICO: Línea de envasado en una empresa farmecéutica

Análisis de Pareto
Pareto Chart of Motivo
100
40000
Pérdida de eficiencia

80
30000

Percent
60
20000
40

10000 20

0 0
Motivo ra tu
p
iv
o
og. le
s
nal er
o e t r a o th
sad S ve
n
o
P
ec
i
e rs O
va r e N sp P
En t.P
d a s
d.E d e
an ra Pr
o lta
M Pa Fa
Pérdida de eficiencia 16416 15121 4320 3024 1728 1295 1190
Percent 38,1 35,1 10,0 7,0 4,0 3,0 2,8
Cum % 38,1 73,2 83,2 90,2 94,2 97,2 100,0

27
Eficiencia de envasado

I Chart of Eficiencia(%)
70,0

UCL=68,47
67,5
Individual Value

65,0

62,5 _
X=62,06

60,0

57,5

LCL=55,66
55,0
1 10 19 28 37 46 55 64 73 82
Observation

28
Fase Definir: Carta del proyecto

CARTA DEL PROYECTO

TITULO AUMENTO DE LA EFICIENCIA DE ENVASADO
Aumentar la eficiencia de la línea de envasado de un valor actual de 62,1% a un nuevo valor de 82,0%
OBJETIVO DEL para diciembre de 2010. Esta mejora significará un beneficio de USD 53.000 anuales en concepto de
PROYECTO aumento del margen de ganancia por mayores ventas, dado que el producto se encuentra
sobrevendido.

ALCANCE Línea de envasado

INDICADOR PRIMARIO: Eficiencia de envasado diaria, expresada en %.

INDICADORES
CLAVE INDICADORES SECUNDARIOS:
VINCULADOS • Scrap del sector envasado
• Reclamos de clientes
LÍDER DEL PROYECTO: Green Belt INTEGRANTES DEL EQUIPO:
SPONSOR: Gerente de Planta • Operadores del sector
• Mecánicos de mantenimiento

29
 Fase Medir: Análisis exploratorio de los datos

Run Chart of Eficiencia(%)

Boxplot of Eficiencia(%)

67,5 67,5

65,0 65,0
Eficiencia(%)

Eficiencia(%)
62,5 62,5

60,0
60,0
57,5
57,5
55,0
55,0 M N T
Turno
1 10 20 30 40 50 60 70 80 90 Boxplot of Eficiencia(%)
Observation
67,5
Number of runs about median: 32 Number of runs up or down: 55
Expected number of runs: 46,0 Expected number of runs: 59,7
65,0
Longest run about median: 11 Longest run up or down: 4

Eficiencia(%)
Approx P-Value for C lustering: 0,001 Approx P-Value for Trends: 0,119
Approx P-Value for Mixtures: 0,999 Approx P-Value for Oscillation: 0,881 62,5

60,0

Hallazgo: Los datos tienden a agruparse 57,5

de alguna forma (“efecto clustering”) 55,0

A B C
Producto

30
 Fase Analizar: identificación de causas críticas

Máquina/
Cliente Equipo Mano de obra
Contactar

Servicio Acuerdo tarea

con área de
Cliente
Transporte
pobre
entrenamiento
no disponible Personal
28 Causas potenciales,
Cliente no disponible
a través de la utilización
Pintura
Hornos
Presión
Inspeccionar Si inadecuada
pequeños Repartidor Entrega tardía
Variación í
Superv Asignar trabajo perdido
trabajo de pizza
peso neto en
Pintura

Operad
Traer
vehículo
¿Consultar
con prepara-
ciones?
No
¿Trabajo
OK?
Pobre manejo Volúmen
Pobre
viernes y
de yogur
sábados de:
procedimiento
de pedidos del envase
• Mapa del proceso
Pintura Ejecutar Despacho
No Falta
Viscosidad
de
Si trabajo grandes
Orden de inadecuada
ingredientes
pintura Claificar
Stock problema Retrabajo

Métodos Materiales • Diagrama de ishikawa

6 Causas priorizadas, a través de la

utilización de:
• Matríz de Causa & Efecto
• AMFE

2 Causas críticas, a través de

la utilización de:
• Test de hipótesis
31
 Fase Mejorar: Implementación de soluciones

Causa crítica Solución propuesta Responsable

Normalizar
Normalizarespecificación
especificación Ingeniería/Compras
Ingeniería/Compras
de
de lastapas
las tapas
Calidad
Calidadde
delas
las
tapas
tapasdedeenvases
envases
Parametrizar
Parametrizarenvasadora
envasadora Ingeniería
Ingeniería
con
conajustes
ajustesde
depresión
presión

Reformular
Reformularviscosidad
viscosidaddel
del
Producto
ProductoBB Laboratorio
Laboratorio
producto
productoBB(test
(testOk)
Ok)

32
Fase Controlar: Sustentabilidad de las mejoras obtenidas

I Chart of %Eficiencia by Proyecto

Antes Etapa I Despues

85 UCL=85,75
_
X=82,13
80
LCL=78,51
Individual Value

75

70 Nuevo
Nuevo
65
valor=82,1%
valor=82,1%
vs
vsmeta=82,0%
meta=82,0%
60 1

1
55
1 18 35 52 69 86 103 120 137 154
Observation

33
CONCLUSIONES

La calidad se asegura a través de un trabajo consciente y profesional.

Lean Seis Sigma no es un conjunto de herramientas, es una

metodología para la solución robusta de problemas. Es una nueva
forma de trabajar (un cambio cultural).

Las cinco fases de la metodología (DMAIC) son imprescindibles para

asegurar este tipo de soluciones.

Lograr que la metodología Lean Seis Sigma no sea un adicional a las

las actividades laborales, es el comienzo de un cambio cualitativo en
el trabajo.

34
DISERTANTES

Dr. Rodolfo Benedix

Farmacéutico. MBA in Human Resources Management by SUNY-USAL.

Six Sigma Champion by HLTnetwork SA.
Ex Titular de Cátedra de Innovación y Promoción al Cambio del MBA en Dirección de Recursos Humanos
USAL .
Consultor Senior en Excelencia Industrial. Director de RFB & Asociados Consultoría Oganizacional y
Técnica Asesor en Eficiencia y Productividad Industrial en Roux-Ocefa SA. Ex Manufacturing Manager y
Excellence Industrial para el Cono Sur en Aventis Farma

Ing. Adrian Sergio Gabriele

Ingeniero Químico - Universidad Nacional de La Plata.

Six Sigma Master Black Belt by Six Sigma Academy &E.I. DuPont de Nemours.
Director Comercial de HLTnetwork SA., empresa especializada en prácticas de excelencia vinculadas a la
Calidad.
Ex-Business Excellence Manager para Latinoamérica en ICI, responsable del despliegue de Six Sigma en
las filiales de Argentina, Brasil y Uruguay.
Ex-gerente de Calidad Total en DuPont Argentina, responsable de certificaciones ISO-9000 y programas
de satisfacción del cliente.

35
MUCHAS GRACIAS …

36