Six Sigma - Caso Práctico

Una empresa produce tornillos, que empaqueta en cajas con 100 unidades cada una. En el proceso
productivo no se cuentan los tornillos que hay que meter en cada caja, tan solo se pesa la caja y se
añaden tornillos hasta llegar a un peso determinado (10 kgs) que corresponde con un total de 100
tornillos. Surge el problema de que los tornillos pueden tener un peso diferente y esa variabilidad
puede llevar a tener cajas con más o menos de 100 tornillos.

Se decide utilizar herramientas de Six Sigma dentro del plan de calidad para asegurar este
requisito y poder identificar cualquier problema y su causa raíz en el proceso productivo.

Lo primero que se realiza con respecto a este problema que ya hemos acotado y definido es
medir, para ello se pesan 40 cajas de tornillos obteniendo una tabla con los siguientes pesos:

Calculamos el peso medio de las 40 cajas = 9,98, y la desviación estándar de las medidas =
0,06

Definimos ahora un peso mínimo admisible y un peso máximo admisible, estos serán
nuestros límites superiores e inferiores de especificación (LSL, USL).

LSL = 9,95 USL = 10,05.

Es decir, todo peso que no esté dentro de estos límites será considerado como incorrecto.
Con toda esta información podemos calcular el Capability Score:

Con este indicador podemos saber lo bien o lo mal que lo estamos haciendo:

Para nuestro caso obtenemos = 0,262. Es decir estamos con un nivel de 1 sigma. (alcanzamos el
nivel de defecto en una vez la desviación estándar).

¿Qué valor de desviación estándar debemos tener para alcanzar el nivel de 6sigma? Conociendo
los límites de especificación y valor buscado de capability score (=2) despejamos sigma de la
fórmula anterior. (=0,0083)

Asumiendo que los pesos medidos de las 40 cajas encajarían con una distribución normal:
 Podemos calcular la probabilidad de encontrar un defecto (pesos inferiores o superiores a los
límites de especificación):

Para disminuir la cantidad de cajas no conformes podemos:

- Aumentar los límites de especificación

- Disminuir la desviación estándar

Si hemos definido correctamente nuestros límites de especificación la única alternativa que nos
queda para mejorar nuestro proceso es trabajar sobre la desviación estándar de los datos
tomados. Para ello comenzamos con un gráfico de control que nos permitirá observar visualmente
si hay algún problema con nuestros datos.

Calculamos la media de cada lote y los límites de control superior e inferior. No confundir con los
límites de especificación, los límites de control solo nos dicen hasta qué punto las medidas
tomadas se comportan de acuerdo al valor promedio.

Para calcular el valor de los límites de control restamos (límite inferior) o sumamos (límite
superior) al valor promedio (9,98) la desviación estándar que corresponde a las medidas de cada
lote (4), es decir la desviación estándar dividida la raíz cuadrada de 4.
Con estos datos creamos un gráfico de control:

Observamos como en las medidas del lote 3 nos salimos del límite inferior de control. Esto nos
advierte de que debe haber una causa asignable de error en el proceso.

Para averiguar cuál es esa causa podemos usar diferentes herramientas de investigación:

- Pareto

- Diagrama Causa-Efecto

- Diagrama Porqué-Porqué

- Diagrama de dispersión.

- Diagrama Ishikawa

Una vez tengamos identificados las causas del problema modificamos la operación y volvemos a
repetir todo el proceso.

Resumiendo:

1. En primer lugar definimos el problema: Tener cajas de tornillos con una cantidad incorrecta,
más o menos de 100 tornillos. Definimos cual es el peso correcto y la variabilidad admitida (límites
de especificación).

2. Medimos: pesamos una muestra de cajas de diferentes lotes y reunimos todos los datos.

3. Analizamos:

a. Calculamos el peso medio, la desviación estándar y la capacidad.

b. Creamos un gráfico de control y observamos cómo se comportan los datos con respecto al
peso promedio.

c. Buscamos la causa raíz conociendo donde está el problema.

4. Mejoramos: modificamos el proceso productivo de acuerdo a la solución que hemos obtenido
después de analizar los datos y buscar la causa raíz de los problemas.

5. Controlamos: volvemos a tomar medidas para asegurarnos de que realmente hemos

solucionado el problema.