Capítulo 4, Ciclo Lean Six Sigma: DMAIC.

Capítulo 4.1 Marco de referencia.

¿Dónde comienza uno? ¿Qué pasos deben tomarse en un proyecto Lean Six Sigma para
garantizar que se haya seguido un enfoque lógico para el diseño de un proceso, mejora o
rediseño?

Una forma de comenzar es seguir un marco o metodología que haya demostrado su valor para
guiar proyectos hacia un resultado exitoso. Es un marco que ayuda a asegurar un flujo
ordenado y lógico de principio a fin.

Lean Six Sigma implica un marco de resolución de problemas que avanza a través de cinco
pasos.

Definir

Medir

Analizar

Mejorar

Controlar

El marco de trabajo comienza cuando se define el problema.

Responde a la pregunta: ¿Cuál es el verdadero problema al que nos enfrentamos y cómo se

puede describir?

Responder esta pregunta puede no ser obvio o fácil. Puede no ser obvio porque el problema
que se expresa puede ser un síntoma de un problema subyacente.

Una vez que se identifica el problema real, el paso de definición continuará cuando la atención
se dirija al caso de negocio, el estatuto del proyecto, la selección de métricas y el análisis
financiero.

El segundo paso requiere mediciones para comprender mejor el problema.

Las mediciones requieren datos.

A veces, los datos están fácilmente disponibles, pero en otras ocasiones puede que tenga que
recopilarse mediante observación, a la que se accede recuperando datos almacenados en una
base de datos o distribuyendo cuestionarios.
El tercer paso se centra en analizar los datos para comprender mejor el problema, revelar aún
más su causa raíz y señalar una solución.

El análisis a menudo implica el uso de hojas de cálculo para clasificar y visualizar datos, pero
también puede basarse en estadísticas descriptivas básicas como la media, la mediana y la
moda. También se utilizan métodos estadísticos más avanzados, como la estimación del
intervalo de confianza, las pruebas de hipótesis y los cuadros de control.

A continuación, se toman medidas para mejorar el proceso.

Dependiendo de la naturaleza del problema, esto puede ser tan simple como eliminar pasos,
comprar nuevos equipos o tan complejo como rediseñar casi todos los pasos de un proceso.

El verdadero desafío aquí es uno clásico llamado "resistencia al cambio", donde aquellos
involucrados en el viejo proceso resisten los cambios que se han vuelto rutinarios y
familiares.

En el último capítulo aprendimos que uno de los desafíos fundamentales que enfrentaba cada
organización era establecer procedimientos de monitoreo y control para garantizar que los
resultados del proceso se ajustaran a los niveles esperados de desempeño. Entonces, aquí, en
el último paso del marco DMAIC, el proyecto se cierra con el establecimiento y la
implementación de estos controles.

Estos cinco pasos nos proporcionan una metodología sistemática de resolución de problemas
para mover un proyecto Lean Six Sigma desde sus etapas iniciales hasta su finalización.

Capítulo 4.2 Aplicando el marco de trabajo.

Gordon Company es un distribuidor de productos para el cuidado de la salud. Los clientes

hacen pedidos en su sitio web y la compañía los realiza desde uno de los dos centros de
distribución en las costas este y oeste.

El proceso de pedido incluye tres pasos principales: aprobar el pedido, recoger el pedido de los
estantes de su almacén y empacar el pedido.

El tiempo promedio para completar el proceso es de cinco horas. Los pedidos se envían una
vez al día cuando el camión UPS llega a las 5:00 p.m. La política de la compañía establece que
cualquier pedido recibido después del mediodía se envía al día siguiente, ya que no hay
suficiente tiempo disponible para preparar el pedido para una recolección a las 5:00 p.m.

En una sesión de planificación estratégica, la gerencia inició un proyecto cuyo objetivo sería
reducir el tiempo de procesamiento de pedidos. Sostuvieron que si el tiempo que lleva
procesar un pedido podría acortarse a treinta minutos, los clientes podrían hacer pedidos más
tarde en el día y aún recibir la entrega al día siguiente.

Reducir esta demora desde la colocación del pedido hasta el envío del pedido podría crear una
ventaja competitiva significativa.
La necesidad de reducir la demora es, por lo tanto, la definición del problema. Luego se
convierte en el punto focal en un caso de negocios.

Una vez definido, el siguiente desafío fue encontrar la causa raíz del problema. ¿Qué es lo que
detiene el procesamiento de pedidos? Para responder a esta pregunta, la compañía realizó un
estudio para MEDIR el tiempo necesario para cada paso del proceso.

Una vez completada la recopilación de datos, el siguiente paso fue ANALIZAR los datos y
determinar en qué parte del proceso se podrían realizar mejoras. ¿Era posible que varios
retrasos incurridos en este proceso pudieran reducirse o eliminarse por completo?

Durante la fase de análisis se descubrió que una mejor comunicación entre las tres áreas y la
eliminación de varias actividades podrían marcar una diferencia significativa en el tiempo de
procesamiento de pedidos. Como resultado, se implementaron varios cambios y finalmente se
implementaron CONTROLES para garantizar que el tiempo para procesar un pedido no
excediera las tres horas. El departamento de marketing luego hizo el anuncio; los clientes
pueden hacer pedidos hasta las 2:00 p.m. y estar seguros de una entrega al día siguiente.

4.3 Análisis de sistemas de medición.

La medición, el segundo paso en el proceso DMAIC, es fundamental no solo durante las etapas
iniciales cuando se define un problema por primera vez, sino también más tarde, cuando las
mediciones deben tomarse durante la etapa de Control para garantizar que un proceso
operativo se desempeñe como se esperaba.

Claramente, bastante depende de la medición. Es central para la recopilación de datos durante

la etapa de definición y es central para la etapa de control. Sin embargo, lo que nos gustaría
creer es que existe cierta confianza en nuestra capacidad para medir lo que observamos o que
los datos que recopilamos son precisos. Sin embargo, esto no es del todo cierto. Si no es así,
tenemos un problema real; todo el estudio Lean Six Sigma y su resultado pueden tener serios
defectos.

Nuestra capacidad de medir en realidad está limitada de varias maneras. Primero, está
limitado por la precisión de las herramientas que utilizamos para tomar la medición. En
segundo lugar, está limitado por los errores humanos que cometemos al tomar medidas.

Dado que estos problemas no son infrecuentes, y dado que las etapas de definición y control
dependen de estas mediciones, a menudo realizamos un análisis formal para descubrir el
alcance del problema de medición. Esto se llama un estudio Gage R&R.

Un estudio Gage R&R se enfoca en si una persona que recolecta los datos o realiza las pruebas
es consistente en muchas mediciones, y si la variación entre las diferentes personas
involucradas en la recolección de datos es consistente.
El primer enfoque, la consistencia asociada con un solo individuo, se llama Repetibilidad. El
segundo enfoque, la consistencia entre las personas que realizan la misma tarea, se llama
Reproducibilidad.

Esta es la base para el término Gage R&R, Gage Repetibilidad y Reproducibilidad.

Básicamente, existen dos tipos diferentes de estudios Gage R&R: cruzado y anidado.

En un estudio Cruzado Gage R&R, se toman muestras de

partes de un proceso y se seleccionan varios operadores
para participar en el estudio de medición. Cada operador
mide cada parte. Esta estrategia se ilustra a la derecha. Las
X representan las pruebas realizadas por cada operador.

El problema con este enfoque se llama efecto de arrastre. Ocurre cuando la experiencia
adquirida por el Operador 1 al medir la Parte 1 se transfiere e influye en la medición del
operador de la Parte 2. Esto puede sesgar los resultados.

En un estudio anidado Gage R&R, cada operador mide solo una parte.

Esta estrategia es particularmente relevante cuando el acto

de probar una parte la destruye. Por ejemplo, al probar un
envío de bolsas de aire antes de ensamblarlas en un
automóvil. Probar el airbag lo destruye.

Con esta estrategia no hay efecto de arrastre ya que cada

operador solo mide una parte. La desventaja es que esta estrategia puede requerir muchos
más operadores. Considere, por ejemplo, que se probarían 10 partes. Se necesitarían
operadores adicionales.

Considere un ejemplo donde los errores asociados con la medición de un lote de partes
necesitan ser estudiados. En un estudio Cruzado R&R, se seleccionaría una muestra de diez
partes y cada operador inspeccionaría cada una de las diez partes. La consistencia de las
mediciones asociadas con las diez mediciones de cada persona establecería la repetibilidad del
proceso de medición.

En un estudio de R&R anidado, como se muestra a la derecha y a continuación, el operador 1

solo probaría la parte 1, mientras que el operador 2 probaría la parte 2. Se utilizarían
operadores adicionales para probar las ocho partes restantes. La consistencia de las
mediciones determinaría la reproducibilidad del proceso de medición.
Considere otro ejemplo, ésta en salud. El objetivo es determinar si los radiólogos son
consistentes en leer radiografías y llegar a un diagnóstico.

En un estudio Cruzado R&R, a cada radiólogo se le

asignaría leer la misma radiografía con varios días de
diferencia. Entonces, en este ejemplo, podrían leerlo dos
veces. Si el diagnóstico es el mismo se establecería la
repetibilidad.

En un estudio Anidado, cada radiólogo leería solo una

radiografía como se muestra a la derecha y abajo. La
consistencia entre los radiólogos establecería la
reproducibilidad del sistema de medición.

Al realizar un estudio Gage R&R, se toman los siguientes pasos.

1. Se identifica un número fijo de partes, objetos (rayos X) o individuos.

2. Se identifica un número fijo de operadores u observadores.

3. Cada operador u observador inicia una medición de los objetos un número fijo de veces.

Cuando se completa el estudio, los resultados se analizan utilizando un software informático

que identifica la fuente de los problemas de medición.

Los sistemas de medición deben ser exactos y precisos. Es importante distinguir entre estas
dos palabras.

La exactitud se refiere a la cercanía de dos o más mediciones entre sí. Si están muy cerca,
entonces podría pensarse que los datos son realmente representativos del proceso o las partes
que se están midiendo. Sin embargo, esta medida, por sí sola, puede no ser suficiente.

La precisión es la proximidad de los resultados de medición al valor verdadero. Significa que los
datos son una verdadera representación de lo que estamos tratando de medir.

Las mediciones en un conjunto de datos pueden ser precisas y no exactas, pueden ser exactas
y no precisas, y pueden ser tanto exactas como precisas. Las ilustraciones en las siguientes
diapositivas deberían ayudar.
Tres diana se muestran a la derecha. El que está a la izquierda de estas tres dianas representa
poca exactitud y poca precisión. Los dardos no están concentrados cerca del centro (Exactitud)
o cerca uno del otro (Precisión).

El tablero central representa una exactitud pobre y una buena precisión ya que los dardos se
concentran muy juntos pero no cerca del objetivo. El de la derecha representa buena exactitud
y buena precisión.

Cuando se miden datos para el diseño o control de un sistema Lean Six Sigma, es necesaria una
buena exactitud y una buena precisión.

Cualquiera sea el diseño, cruzado o anidado, las herramientas a menudo se utilizan para tomar
medidas. Sin embargo, el problema con las herramientas es que pueden introducir sesgos en el
proceso de medición.

El sesgo es la diferencia entre una medición observada y un valor de referencia o estándar.

Considere una balanza utilizada para pesar paquetes en una tienda UPS. Un cliente coloca un
paquete en la báscula y lee 17 onzas. Pero, ¿es precisa la escala? ¿El paquete realmente pesa
17 onzas? ¿Se le cobrará de más o menos al cliente? En otras palabras, ¿está sesgada la escala?

Una forma de probar la precisión de la báscula es comparar la lectura actual en la báscula, 17

onzas, con un estándar conocido. Entonces, podríamos quitar el paquete y colocar un peso
estándar de 17 onzas en la báscula. Si la escala ahora lee 16 onzas, entonces sabemos que la
escala tiene un sesgo de una onza.

El sesgo puede cambiar en toda la gama de mediciones para las que se ha diseñado una
herramienta o instrumento. Es muy posible, por ejemplo, que el sesgo aumente a medida que
los objetos que mide se acercan a los extremos de su rango de medición. El sesgo propio de la
balanza, por ejemplo, cuando pesamos un paquete de 17 onzas una sola vez, o puede
aumentar a 15 onzas cuando pesamos un paquete de 100 onzas en la misma balanza.
"Nosotros"
Para medir la magnitud y la consistencia de este sesgo, tomamos medidas en todo el rango
para el que se utilizará la herramienta. Entonces, en el ejemplo de UPS, podríamos tomar
medidas para pesos estándar entre una onza y setenta y cinco libras. Después de colocar cada
peso estándar en la báscula, registramos el peso estándar y la lectura en la báscula. De esta
manera, podemos verificar el sesgo en todo el rango del instrumento de medición.

El sesgo no se limita a las medidas tomadas con un instrumento. El sesgo humano es aún más
común.

Un ejemplo dramático es el proceso de medición seguido cuando los músicos son audicionados
para orquestas sinfónicas. En el pasado, esas orquestas estaban dominadas por hombres, y se
hizo evidente que el sesgo de género estaba en el trabajo.

Se hicieron cambios y un número cada vez mayor de orquestas comenzó a realizar audiciones
a ciegas. Ahora, las pantallas se utilizaron para ocultar la identidad y el género de un músico en
audición del jurado.

¿Qué pasó?

La Sinfónica de San Luis tenía 18 mujeres de 88 músicos en 1964. En 2016, más de la mitad de
sus músicos eran mujeres. La Orquesta Sinfónica de Chicago con más de 100 músicos pasó de
tres mujeres a 41, y la Filarmónica de Nueva York pasó de no mujeres a 41 mujeres de cada
100.

Otras industrias también han sufrido sesgos que van desde la contratación, el pronóstico, la
elección de socios de la cadena de suministro y la lectura de radiografías.

Cualquiera que sea el proceso, se debe hacer todo lo posible para asegurar que las decisiones
tomadas por la organización estén libres de estas distorsiones. De lo contrario, la capacidad de
la empresa para definir, medir, analizar y mejorar puede verse significativamente afectada.