Lean-Six-Sigma-Green-Belt-Version Español

Machine Translated
Traducción by
automática Google
por
Google
Machine Translated
Traducción by
automática Google
por
Google
© 2018 El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
Harmony Living, LLC, 412 N. Main St, Suite 100, Buffalo, WY 82834
Edición Junio 2018
Descargo de responsabilidad: la información provista en este libro electrónico es solo para fines informativos generales. Si bien tratamos
de mantener la información actualizada y correcta, no hay representaciones ni garantías, expresas o implícitas, sobre la integridad,
precisión, confiabilidad, idoneidad o disponibilidad con respecto a la información, productos, servicios o gráficos relacionados.
contenido en este libro electrónico para cualquier propósito. Cualquier uso de esta información es bajo su propio riesgo.
El autor no asume y por la presente renuncia a cualquier responsabilidad ante cualquier parte por cualquier pérdida, daño o
interrupción causados por errores u omisiones, ya sea que tales errores u omisiones sean el resultado de un accidente,
negligencia o cualquier otra causa.
Este es un libro electrónico gratuito. Eres libre de regalarlo (sin modificar) a quien quieras.
Página |
2 © 2018 El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
Machine Translated
Traducción by
automática Google
por
Google
¿Utiliza la edición más reciente en su lugar de trabajo?
Debido a que continuamente intentamos mantener nuestro Manual actualizado con los últimos desarrollos de la
industria, asegúrese de visitar nuestro sitio web con frecuencia para obtener la edición más reciente en
www.sixsigmacouncil.org.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Tabla de contenido
UNIDAD 1: INTRODUCCIÓN A SIX SIGMA .......................................... . .................................................... ...............................................7
CAPÍTULO 1: ¿QUÉ ES SEIS SIGMA? .................................................... ............................................................... ............................ ...................... ...........7
Procesos y decisiones basados en datos ........................................... ........ .................................................... ...... ......................7
Definición 6 ÿ .................................................... ............................................................... ............................ ...................... .......................................... .....8
Principios Comunes de Six Sigma ................................................ .. .................................................... ............ ................................11 Desafíos de
Seis Sigma ............................................... ............................ ...................... .......................................... ........ ..............14 CAPÍTULO 2: SEIS
HISTORIA Y APLICACIÓN DE SIGMA .................................................... ...................................... ............ .........................dieciséis
El desarrollo del control estadístico de procesos ............................................... .................................................... .............. ....16 Continuo
Mejora de Procesos: Toyota y Lean.................................... .................................................. .. 17 Enfoque de Motorola en
Defectos ................................................ ............ .................................................... .. ................................18 ABB, Allied Signal y General
Eléctrico ........................................................... ...................... ................................ .................................... ...19 Crecimiento continuo de seis
Sigma ................................................. ............ .................................................... .. ................................20 Aplicación de Six Sigma
Conocimiento ............. .................................... ............................ ...................... .......................................... ........ ..21 CAPÍTULO 3: OTROS
MEJORA DE PROCESOS Y MÉTODOS DE CALIDAD ........................................... .................................................. .. .24 Otra Calidad Formal
o Programas de Mejora de Procesos .......................................... ......... ....................................24 Cuándo usar Six
Sigma. .................................................... ............................................................... ............................ ...................... ..........30 CAPÍTULO 4: LEAN
CONCEPTOS.......... ....................................... ......................... ......................... .......................................... ........... ..........31
Los Siete Muda................................................... .................................................... .......................................................... ...........31
Otras Formas de Residuos ............................................. .. .................................................... ............................................................ ...39 Dos tipos de
Muda.... ............................................. .................................................................... .......................................... ................. .....................40
5S .................................................. . .................................................. ............... ................................... ............................. ...................40
Fabricación justo a tiempo .................................................. .................................................... ...............................................42 CAPÍTULO 5:
CONCEPTOS BÁSICOS DE SEIS SIGMA ........................................ .......................... ................................. ........................................ .......... ....44
Desviación Estándar ................................................ .. .................................................. ................ .................................. ..........44
El principio de Pareto ............................................................. . .................................................. ............... ..................................50 Voz de la
Cliente.. ............................................... .................................................. ............................... ................... ..........55
Métricas básicas................................................. .................................................... ............................................................... ............................ ...59
CAPÍTULO 6: APROXIMACIÓN AL PROBLEMA .......................................... .. .................................................... ...........................................63
Funciones problemáticas: y = f(x) ........................................... ... ............................................................. .................................................. .63 El 5
Por qué.................................................................. ...................... ................................ ..................................... .............. ...................................64 Creación de un
Planteamiento del problema................................................ .. .................................................. ...........................................66
UNIDAD 2: PROYECTOS Y PROCESOS.................................................. . .................................................... ......................................... 71
CAPÍTULO 7: ¿QUÉ ES UN PROCESO?........................................... ........ .................................................... ...... .............................................71
¿Qué es un proceso? .................................................... ............................................................... ............................ ...................... ..........................71
Principales componentes del proceso .................................................. . .................................................. ............... ................................73
Propietarios del proceso.................................................. .................................................... ............................................................... ..............77
Datos ................................................. .................................................... ............................................................... ............................ ...............77
Definición de los componentes del proceso: el SIPOC .................................. .................................................... .............. ............77 Consejos para un SIPOC
Sesión de lluvia de ideas .................................................. ..................................... ............. ..........80 SIPOC de muestra
Diagramas.............................................................. ............................... .................... ............................................ ...... ...........80 CAPÍTULO 8:
CALIDAD............... .................................. ............................... .................... ............................................ ...... ..............86 Crítico para la calidad
Características............... .................................. ............................... .................... .............................86 El CoQ y el
CoPQ.................................................. . .................................................. ............... ................................... ...91
Página |
Machine Translated
Traducción by
automática Google
por
Google
La calidad es fundamental para el éxito ............................................. . .................................................... ...............................................96
CAPÍTULO 9: SELECCIÓN DE LOS PROYECTOS ADECUADOS .......................................... . .................................................... .......................................97
Hacer malabarismos con la cantidad adecuada de proyectos.................................... .................................................... .............. ..................97 Empresa
Proceso de selección de nivel ........... ................................. ...................................... ............ ....................................97 Ver para
Tú mismo .... ............................................. .................................................................... .......................................... ................. ..........................106 CAPÍTULO
10: GESTIÓN BÁSICA DE EQUIPOS SIX SIGMA ........................................... ..................... ............................. .................................... ...108
Construyendo un equipo Six Sigma ............................................... ... ............................................................. .................................................. 108 líneas de tiempo,
Programación e hitos ........................................................... ............................ ...................... .............................113
Presupuestos.................................................. . .................................................. ............... ................................... ............................. .......117
CAPÍTULO 11: INTRODUCCIÓN A DMAIC Y DMADV ................................ ..................... .......................................................... ....... ........119
DMAIC frente a DMADV ............................................... . .................................................. ............... ................................... ...120
Definir................................................. . .................................................. ............... ................................... ............................. ............122
Medida ................................................. . .................................................. ............... ................................... ............................. .......123
Analizar................................................. . .................................................. ............... ................................... ............................. .......124
Mejorar ......................... ........................ ........................................ .......... .................................................... .... ..................125
Supervisión .................... ...... .................................................... ........................................................ ...................... ................................ 126
Patrón ................................................. . .................................................. ............... ................................... ............................. ..........126
Verificar.................................. ............... .................................................. . .................................................... ............. .......................127 Rompiendo
arriba el Elefante.............................................. ................................ .................. ............................................................. .... .....128
UNIDAD 3: DMAIC AVANZADO.......................................... ........ .................................................... ...... .................................. 129
CAPÍTULO 12: DEFINIR ............................................... .... ............................................... .................. ................................ .......................... 129
Creación de una carta de proyecto .............................................. ..... ............................................. .................................................................... .129 Proyecto
Reglas de juego............ .................................... ............................ ...................... .......................................... ........ ..........132 Definir
Conjunto de herramientas .................................................. .......................................... ................. ............................................................. ... ...............133 Definir puerta de peaje
Lista de Verificación.................. ............................... .......................................... ................. ............................................................. ... ......136
CAPÍTULO 13: MEDIDAS ................................................ .......... .................................................... .... .............................................139
Modos de falla y análisis de efectos ............................................... .................................................... .............. ..................139 Coleccionar
Datos..................... ............................ ..................................... .............. .................................................... ....................141 Medir peaje
Lista de Verificación..................... ............................ ..................................... .............. .................................................... .156
CAPÍTULO 14: ANALIZAR.................................................... .... ............................................... .................. ................................ ..........157
Análisis de raíz de la causa............................................... .................................................... ............................................................... .....157 Gráfico
Análisis...... ........................................... ..................... ............................. .................................... ............... .....................161 Estadística
Análisis ............ ..................................... ........................... ....................... ............................................. ......... ...................168 Analizar peaje
Lista de Verificación.................. ............................... .......................................... ................. ............................................................. ... .........170 CAPÍTULO 15:
MEJORAR .................................. ............... .................................................. . .................................................... ............. .........171
Matriz de selección de soluciones.................................................... .................................................... ..........................................171
Análisis costebeneficio............................................... .................................................... ............................................................... .....174 Pilotar un
Solución ...... ........................................... ..................... ............................. .................................... ............... .....................175 Planificación
Implementación .......................................................... ........................... ....................... ............................................. ......... .........177 Mejorar la puerta de peaje
Lista de Verificación..................... ............................ ..................................... .............. .................................................... 178
CAPÍTULO 16: CONTROL ............................................. .. .................................................... ............................................................ ..........179
Revisar FMEA ................................................. .................................................... ............................................................... ............................ ..179
Crear un plan de control .............................................. .. .................................................. ................ .................................. ......179
Manejo visual................................................ .. .................................................. ................ .................................. .......182 SPC
Gráficos ...................................................... ...................... ................................ ..................................... .............. ..........................182
Celebración y reflexión del equipo .................................................. . .................................................. ............... ..........................185 Mando
Lista de control de peaje ................................ ...................... .......................................... ........ .................................................... ...... .....185
Página |
Machine Translated
Traducción by
automática Google
por
Google
UNIDAD 4: ESTADÍSTICAS PARA PRINCIPIANTES ........................ ........ .................................................... ...................................... 187
CAPÍTULO 17: ANÁLISIS GRÁFICO INTERMEDIO .................................................. .................................................... .............. ............187
Herramientas adicionales de análisis gráfico ............................................... .... ............................................... ...............................187 Creación de un
Gráfica de control de barra X sin software estadístico .......................... ..................... .......................................... ...201 Adición de datos gratuitos Análisis
Herramientas para Excel.................................. ............. .................................................... ..................207 CAPÍTULO 18: PROBABILIDAD NORMAL
DISTRIBUCIONES .................................................................. .......................................................... ....... .....................212
Distribuciones de probabilidad................................................ .................................................... .............. ....................................212 Crear
un Histograma en Excel........... .................................... ............................. ..................... .......................................................... ....... ......221
Distribuciones normales................................................. .................................................... ...............................................227
Probabilidades normales .................................................. .................................................... ...............................................241
CAPÍTULO 19: CORRELACIÓN Y REGRESIÓN .......................................... ....... .................................................... ....... ...................244
Correlación .................................................. . .................................................. ............... ................................... ............................. ...244
Análisis de regresión lineal.................................................... .................................................... ...............................................253 Uso
Correlación y Regresión en Six Sigma ............................................... ................................ .................. ....................260
UNIDAD 5: ESTADÍSTICA INTERMEDIA .................................................. ..... ............................................. .................................................... 265
CAPÍTULO 20: DISTRIBUCIONES DE PROBABILIDAD NO NORMALES ....................................... .................................................... ............... ....265
Repaso de Distribuciones de Probabilidad Normal .......................................... ......... .................................................... ..... .....265 Distribuciones Continuas No
Normales .................................. .................................................... ...............................................266
Distribuciones discretas no normales ............................................. ........ .................................................... ...... .....................279
Aplicación de datos a situaciones del mundo real ........................................... . .................................................. ............... .............294 CAPÍTULO
21: PRUEBA DE HIPÓTESIS ......................... .............................. .......................................... ........... .....................................295
Fundamentos de la prueba de hipótesis ............................................... . .................................................. ............... ................................... ...295
Selección de la prueba de hipótesis correcta ........................................ .......................... ................................. ........................................ .......297
Por qué realizar pruebas de hipótesis ............................................. ............... .................................................. . ...................................303 Correr
Pruebas de hipótesis .................................................. ...................... ................................ ..................................... .............. ............303
CAPÍTULO 22: TAMAÑO DE LA MUESTRA ........................................ ..... .................................................... ........................................................ ...313
Una revisión de los errores de prueba de hipótesis .................................. ...... ............................................ .................. ..................314
¿Qué información se requiere para elegir el tamaño de la muestra? ............................................... ............................................ ...... 314 muestra
Cálculos de tamaño: elegir el método correcto ........................................... ...... .................................................... ........ 317 Correr y
Análisis de pruebas de tamaño de muestra en Minitab ............................................... ..........................................318
CAPÍTULO 23: GRÁFICOS DE CONTROL AVANZADOS ........................................... .................................................... ...............................329
Tipos comunes de gráficos de control y cuándo usarlos ........................................... .. ............................................329 Creación y lectura
Gráficas de control en Minitab ............................................... .. .................................................. ..336 CAPÍTULO 24: APLICACIÓN DE ESTADÍSTICAS
A LAS APLICACIONES EMPRESARIALES A TRAVÉS DE SIX SIGMA .......................................... .. ..........359
Desafíos comunes al presentar un análisis estadístico .................................................. ..........................359 Por qué incluir
¿Algunas estadísticas?........... .................................... ............................ ...................... .......................................... ........ ......360 Consejos para
Creación de presentaciones amigables para los negocios ........................................... ........................................ .......... ....360
Página |
Machine Translated
Traducción by
automática Google
por
Google
Unidad 1: Introducción a Six Sigma
Capítulo 1: ¿Qué es Six Sigma?
Six Sigma, o 6ÿ, es tanto una metodología para la mejora de procesos como un concepto estadístico que busca definir la variación
inherente a cualquier proceso. La premisa general de Six Sigma es que la variación en un proceso conduce a oportunidades de
error; las oportunidades de error conducen a riesgos de defectos del producto.
Los defectos del producto, ya sea en un proceso tangible o en un servicio, conducen a una baja satisfacción del cliente. Al
trabajar para reducir la variación y las oportunidades de error, el método Six Sigma finalmente reduce los costos del
proceso y aumenta la satisfacción del cliente.
Procesos y decisiones basados en datos
Al aplicar Six Sigma, las organizaciones, los equipos y los gerentes de proyectos buscan implementar estrategias basadas en
mediciones y métricas. Históricamente, muchos líderes empresariales tomaron decisiones basadas en la intuición o la
experiencia. A pesar de algunas creencias comunes en varias industrias, Six Sigma no elimina la necesidad de un liderazgo
experimentado y no niega la importancia de la intuición en ningún proceso.
En cambio, Six Sigma trabaja junto con otras habilidades, experiencia y conocimientos para proporcionar una base matemática y
estadística para la toma de decisiones. La experiencia podría decir que un proceso no está funcionando; las estadísticas prueban
que eso es cierto. La intuición podría guiar a un gerente de proyecto a creer que cierto cambio podría mejorar la producción; Las
herramientas Six Sigma ayudan a las organizaciones a validar esas suposiciones.
Toma de decisiones sin Six Sigma
Sin una medición y un análisis adecuados, los procesos
¿Qué es la prueba beta?
de toma de decisiones en una organización podrían proceder de
la siguiente manera: La prueba beta es el acto de implementar una nueva
idea, sistema o producto con un grupo selecto de personas
• Alguien con influencia en la organización tiene una buena
o procesos en un entorno lo más controlado
idea o se interesa por la idea de otra persona.
posible. Después de que los probadores beta
identifiquen problemas potenciales y esos
• Con base en la experiencia o el conocimiento anteriores,
problemas se corrijan, la idea, el sistema o el producto
los responsables de la toma de decisiones dentro de
una organización creen que la idea tendrá éxito. se puede implementar en toda la población de
clientes, empleados o procesos. El propósito de
• La idea se implementa; A veces lo es
las pruebas beta es reducir los riesgos y costos
implementado en modo beta para minimizar gastos
inherentes a
y riesgos.
lanzar un producto o sistema no probado a una audiencia
• El éxito de la idea se pesa después
amplia.
implementación; los problemas se abordan después
de que impactan en los productos o procesos de
alguna manera en el presente o en el futuro.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Las pruebas beta a veces se utilizan en un enfoque Six Sigma, pero la idea o el cambio en cuestión pasan primero por un análisis
riguroso y pruebas de datos. La desventaja de lanzar ideas en versión beta, o para toda una población, sin pasar por una
metodología Six Sigma es que las organizaciones pueden experimentar consecuencias no deseadas de los cambios, gastar
dinero en ideas que no terminan funcionando según lo planeado e impactar a los clientes. Percepciones a través de períodos
de prueba y error plagados de oportunidades de error. En muchos casos, las organizaciones que no dependen de los datos
realizan mejoras sin comprender primero la verdadera ganancia o pérdida asociada con el cambio. Algunas mejoras
pueden parecer que funcionan en la superficie sin afectar realmente la satisfacción del cliente o las ganancias de manera positiva.
Toma de decisiones con Six Sigma El método
Six Sigma permite que las organizaciones identifiquen problemas, validen suposiciones, aporten soluciones y planifiquen la
implementación para evitar consecuencias no deseadas. Al aplicar herramientas como el análisis estadístico y el mapeo de
procesos a problemas y soluciones, los equipos pueden visualizar y predecir resultados con un alto nivel de precisión, lo que permite
que los líderes tomen decisiones con menos riesgo financiero.
Sin embargo, los métodos Six Sigma no ofrecen una bola de cristal para las organizaciones. Incluso con un uso experto de las
herramientas descritas en este libro, pueden surgir problemas para los equipos a medida que implementan y mantienen las
soluciones. Es por eso que Six Sigma también proporciona métodos de control: una vez que los equipos implementan los
cambios, pueden controlar los procesos por una fracción del costo de los métodos de calidad tradicionales al continuar con el
uso de herramientas y estadísticas de Six Sigma.
Definición de 6ÿ
Six Sigma como metodología para la mejora de procesos implica una amplia biblioteca de herramientas y conocimientos, que se
cubrirán a lo largo de este libro. En esta sección, comenzaremos a definir el concepto estadístico representado por 6ÿ.
En la definición más básica, 6ÿ es una representación estadística de lo que muchos expertos llaman un proceso "perfecto".
Técnicamente, en un proceso Six Sigma, solo hay 3,4 defectos por millón de oportunidades. En porcentajes, eso significa que el
99,99966 por ciento de los productos de un proceso Six Sigma no tienen defectos.
Con solo un nivel sigma por debajo de 5ÿ, o 99,97 por ciento de precisión, los procesos experimentan 233 errores por millón de
oportunidades. En términos más simples, habrá muchos más clientes insatisfechos.
Ejemplos del mundo real
Según la Administración Nacional Oceánica y Atmosférica, los controladores de tráfico aéreo en los Estados Unidos manejan 28
537 vuelos comerciales diarios.1 En un año, eso es aproximadamente 10 416 000 vuelos.
Con base en un proceso de control de tráfico aéreo Five Sigma, se producen errores de algún tipo en el proceso de manejo de
aproximadamente 2426 vuelos cada año. Con un proceso Six Sigma, ese riesgo se reduce a 35,41 errores.
Los CDC informan que se realizan aproximadamente 51,4 millones de cirugías en los Estados Unidos en un año determinado.2 Con
base en una tasa de precisión de 99,97, los médicos cometerían errores en 11,976 cirugías cada año, o 230 cirugías por semana. En
Six Sigma, eso se reduce a aproximadamente 174 errores al año para todo el país, o
1
“Tráfico Aéreo,” Ciencia en una Esfera, Administración Nacional Oceánica y Atmosférica. http://
sos.noaa.gov/Datasets/dataset.php?id=44
2
"Cirugía para pacientes hospitalizados", FastStats, Centros para el Control y la Prevención de Enfermedades.
http://www.cdc.gov/nchs/fastats/inpatientsurgery.htm
Página |
Machine Translated
Traducción by
automática Google
por
Google
poco más de 3 errores cada semana. En Five Sigma, los pacientes tienen 68 veces más probabilidades de experimentar un error a manos
de los proveedores médicos.
Si bien la mayoría de las personas acepta una tasa de precisión del 99,9 por ciento incluso en los servicios más críticos a diario, los
ejemplos anteriores resaltan cuán amplia es realmente la brecha entre Six Sigma y Five Sigma. Para las organizaciones,
no se trata solo de la tasa de error, sino también de los costos asociados con cada error.
Considere un ejemplo basado en los envíos de Amazon. El lunes cibernético de 2013, Amazon procesó la friolera de 36,8 millones
de pedidos.3 Supongamos que cada error de pedido le cuesta a la empresa un promedio de $35 (una cifra muy conservadora, considerando
que los costos pueden incluir el envío de devolución, la mano de obra para contestar el teléfono del cliente).
llamadas o correos electrónicos , y mano de obra y envío para corregir un pedido incorrecto).
Costo de errores de pedido de Amazon, 5ÿ
pedidos totales errores Costo promedio por error Costo total de errores
36,8 millones 8574.4 $35 $300,104.00
Costo de errores de pedido de Amazon, 6ÿ
pedidos totales errores Costo promedio por error Costo total de errores
36,8 millones 125.12 $35 $4,379.20
Para este ejemplo, la diferencia de costo en los niveles sigma aún supera los $295,000 para el negocio de Cyber
Monday.
Para la mayoría de las organizaciones, los procesos Six Sigma son un objetivo constante. Lograr y mantener la “perfección” de Six
Sigma es difícil y requiere una mejora continua del proceso. Pero incluso avanzar de niveles más bajos de sigma a un proceso de Cuatro o
Cinco Sigma tiene un impacto drástico en los costos y la satisfacción del cliente.
Veamos el ejemplo de Amazon Cyber Monday en otros niveles de sigma.
Nivel Sigma Defectos por millón de cibernético estimado Costo total (a un
oportunidades lunes defectos estimado de $35 por error)
uno sigma 690.000 25.392.000 $888,720,000
dos sigma 308,000 11,334,400 $ 396,704,000
Tres Sigma 66,800 2,458,240 $86,038,400
cuatro sigma 6,200 228,160 $7,985,600
233 8.574,4 $300,104

cinco sigma
3
Siegel, Jacob, "Amazon vendió 426 artículos por segundo durante su 'mejor temporada' de vacaciones", Boy Genius Reports, dic.
26, 2013. http://bgr.com/2013/12/26/amazonholidayseasonsales2013/
Página | 9
Machine Translated
Traducción by
automática Google
por
Google
seis sigma 3.4 125.12 $4,379
A niveles muy bajos de sigma, es poco probable que cualquier proceso sea rentable. Cuanto más alto sea el nivel de sigma, mejor será
probablemente el resultado final.
Cálculo del nivel Sigma
Las organizaciones y los equipos pueden calcular el nivel sigma de un producto o proceso utilizando la siguiente ecuación:
# de oportunidades # de defectos)
X 100 = Rendimiento
# de oportunidades
Considere un proceso en un departamento de marketing que distribuye cartas a clientes o prospectos. A los efectos del ejemplo,
imagine que el proceso inserta 30 000 cartas en sobres con la dirección impresa cada día. En una semana laboral determinada, el
proceso genera 150.000 cartas.
El departamento de marketing comienza a recibir quejas de que las personas reciben cartas en sobres que están dirigidas a ellos,
pero las cartas en el interior están dirigidas o son relevantes para otra persona. El departamento de marketing selecciona al azar 1000
cartas del lote de la próxima semana y encuentra que 5 de ellas tienen errores.
Aplicando eso a la cantidad total, estiman que hasta 750 cartas podrían tener errores. (El muestreo y la extrapolación se tratan en
profundidad en los capítulos avanzados sobre estadística).
El proceso de cartas tiene 150 000 oportunidades de error cada semana y un estimado de 750 defectos.
((150.000 – 750) / 150.000) * 100 = un rendimiento de 99,5
Busque un rendimiento de 99,5 en la tabla Sigma puenteada a continuación y verá que el proceso descrito anteriormente se
encuentra actualmente entre 4 y 4,1 sigma.
Producir % DPMO Nivel Sigma
99.7450 2,550 4.3
99.6540 3,460 4.2
99.5340 4,550 4.1
99.3790 6,210 4.0
99.1810 8,190 3.9
El nivel Sigma no es un indicador final Los
niveles Sigma brindan a la organización una visión de alto nivel del rendimiento de un proceso, pero comparar los niveles Sigma entre
múltiples procesos no siempre apunta al proceso particular que una organización debe mejorar primero. El liderazgo también debe
considerar los costos, los recursos y el impacto estimado de las mejoras.
Página | 10
Machine Translated
Traducción by
automática Google
por
Google
Por ejemplo, considere estos procesos que podrían encontrarse en una planta de procesamiento de alimentos:
proceso Métricas de rendimiento) Nivel Sigma actual
El toque decorativo se centra en 2.2
Adjuntar un elemento decorativo a un
alimento
producto alimenticio y estable para
que no se caiga en tránsito
El producto está sellado para frescura. 3.1
producto de embalaje
4.3
Envío de productos El producto llega al cliente
adecuado en el momento oportuno
Un vistazo a los niveles sigma indica que el proceso que une el elemento decorativo es el que más necesita mejorar. Si bien ese proceso
tiene la tasa más alta de defectos, el liderazgo dentro de la planta tendría que preguntarse: ¿Cuánto le importa eso al cliente y cuál es el
impacto en el resultado final?
Es probable que la mayoría de los clientes noten que el producto está sellado para que esté fresco y llegue al lugar correcto. Dado que el
producto defectuoso debe desecharse, los errores más costosos pueden estar asociados con un sellado inadecuado durante el embalaje.
Es probable que la planta use recursos para mejorar el proceso de empaque antes de abordar el problema de los elementos decorativos.
Después de mejorar el proceso de empaque, la planta podría considerar si mejorar el proceso de decoración o el proceso de envío. Como parte de
esa consideración, la empresa podría realizar encuestas a los clientes para revelar que algunos clientes han dejado de comprar el
producto debido al problema del elemento decorativo.
Un analista estima que la pérdida de ventas relacionada con ese problema le está costando a la empresa $1,000 por semana.
Los problemas de envío le están costando a la compañía $500 por semana.
¿Debería la empresa abordar primero el problema más costoso? ¿Qué pasaría si le dijeran que el proceso de envío se puede mejorar con
sesiones de capacitación del personal, mientras que el tema de los elementos decorativos requiere una costosa actualización de la maquinaria?
A veces, las organizaciones tienen que considerar el costo de una mejora.
La aplicación de un proyecto Six Sigma a todas las situaciones no es rentable desde el punto de vista financiero, ya que esas mejoras
requieren tiempo y dinero. Una cultura Six Sigma se trata de mejora continua, lo que significa que los equipos consideran todas las opciones
antes de embarcarse en las medidas de mejora más lucrativas.
Principios comunes de Six Sigma
Las organizaciones pueden impactar su nivel sigma al integrar los principios básicos de la metodología Six Sigma en los
estilos de liderazgo, la gestión de procesos y los esfuerzos de mejora. Los principios de Six Sigma y las herramientas utilizadas para lograrlos se
tratan en detalle en varias secciones de este libro, pero a continuación se presentan algunas ideas comunes.
Mejora centrada en el cliente En la ilustración
sobre la planta de alimentos, vimos que el proceso Six Sigma no solo realiza mejoras para aumentar los niveles de sigma.
Un principio fundamental de la metodología es el enfoque en el cliente. En el Capítulo 5, veremos la Voz del Cliente (VoC) y las formas de
establecer
Página | 11
Machine Translated
Traducción by
automática Google
por
Google
lo que el cliente realmente quiere de un producto o proceso. Al combinar ese conocimiento con mediciones, estadísticas y métodos de
mejora de procesos, las organizaciones aumentan la satisfacción del cliente y, en última instancia, refuerzan las ganancias, la retención de
clientes y la lealtad.
Una comprensión detallada del cliente y sus deseos no solo permite a las empresas personalizar las ofertas de productos y servicios, sino que
también permite a las organizaciones:
• Ofrezca funciones adicionales que los clientes deseen y por las que estén dispuestos a pagar •
Priorizar el desarrollo de productos para satisfacer las necesidades actuales •
Desarrollar nuevas ideas basadas en los comentarios de los clientes •
Comprender las tendencias cambiantes en el mercado •
Identificar áreas de preocupación •
Priorice el trabajo en los desafíos en función de cómo los clientes perciben varios problemas o cuestiones • Pruebe soluciones e ideas antes de
invertir tiempo y dinero en ellas
Flujos de valor El flujo de valor es la secuencia de todos los elementos, eventos y personas necesarias para producir un resultado final. Por ejemplo, el flujo
de valor de servir un perrito caliente con ketchup a alguien incluiría:
• Un proveedor de perritos calientes •
Un proveedor de bollos • A
proveedor de salsa de tomate •
Perritos
calientes • Bollos
• Salsa de tomate •
Un procedimiento de cocción para el perrito caliente •
Una olla •
pinzas •
Alguien que cocine • Un plato •
Alguien que ponga el perrito caliente en el pan •
Alguien que ponga el ketchup en el perrito caliente •
Alguien que ponga el perrito caliente completo en un plato •
Alguien que le sirva el perrito caliente a otro
Si combina todos los procesos anteriores en una representación pictórica de cómo estos elementos se convierten exactamente en el perrito caliente
servido, entonces tiene un mapa de flujo de valor.
El propósito de determinar un flujo de valor para un proceso es que pueda identificar áreas de preocupación, desperdicio y mejora. En el proceso
anterior, ¿hay cuatro personas diferentes preparando el perrito caliente y sirviéndolo, o una persona está haciendo las cuatro tareas? ¿El
proveedor es una sola tienda de comestibles o está comprando artículos en varias tiendas y por qué? ¿Obtiene beneficios de ahorro para compensar
el tiempo adicional que dedica a trabajar con múltiples proveedores? Estos son algunos ejemplos de las preguntas que puede revelar y responder durante
el mapeo del flujo de valor.
Página | 12 ©
2018 El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
Machine Translated
Traducción by
automática Google
por
Google
Mejora Continua de Procesos Inherente al
método Six Sigma es la mejora continua de procesos. Una organización que adopta por completo una metodología Six Sigma
nunca deja de mejorar. Identifica y prioriza áreas de oportunidad de manera continua. Una vez que se mejora un área, la
organización pasa a mejorar otra área. Si se mejora un proceso de 4 Sigma a 4.4 Sigma, la organización considera formas
de subir más el nivel de sigma. El objetivo es acercarse lo más rápido posible al nivel "perfecto" de precisión de 99,99966 para
todos los procesos dentro de una organización, manteniendo al mismo tiempo otros objetivos y requisitos, como la
estabilidad financiera.
variación
Una de las formas de mejorar continuamente un proceso es reducir la variación en el proceso. Cada proceso contiene una
variación inherente: en un centro de llamadas con 20 empleados, existirá una variación en cada llamada telefónica, incluso si las
llamadas están programadas. La inflexión, los acentos, las preocupaciones ambientales y el estado de ánimo de la persona que
llama son solo algunas de las cosas que conducen a la variación en esta circunstancia. Al proporcionar a los empleados
un guión o comentarios sugeridos para escenarios comunes, el centro de llamadas reduce la variación hasta cierto punto.
Considere otro ejemplo: una pizzería. Se instruye a los empleados para que usen ciertas cantidades de ingredientes
para cada tamaño de pizza. Un pequeño recibe una taza de queso; un grande recibe dos tazas. El propietario de la pizzería
observa una gran variación en la cantidad de queso que hay en cada pizza y teme que las experiencias de los clientes sean
inconsistentes. Para reducir la variación, proporciona a los empleados dos tazas medidoras: un recipiente de 1 taza para
pizzas pequeñas y un recipiente de 2 tazas para pizzas grandes.
La variación se reduce, pero sigue presente. Algunos empleados vierten queso en las tazas y otros lo sacan. Algunos llenan
las copas hasta el borde; otros dejan que el queso cree un montículo sobre el borde. El propietario actúa para reducir
nuevamente la variación: entrena a todos los empleados para que llenen el vaso hasta el borde y usen una espátula plana para
raspar el exceso de queso. Si bien la variación seguirá existiendo debido a factores como las bolsas de aire o cómo se asienta
el queso en la taza, se reduce considerablemente y los clientes experimentan pizzas más consistentes.
Eliminación de residuos
¿Recuerda el ejemplo del perrito caliente para los flujos de valor? Hicimos la pregunta: ¿actúan cuatro personas diferentes para
colocar el perrito caliente en el pan, poner el ketchup sobre el perrito caliente, emplatar el perrito caliente y servirlo? Si es así,
¿el proceso toma más tiempo porque el producto tiene que ser transferido entre cuatro personas?
¿Sería más rápido que una sola persona realizara todas esas acciones? Si es así, entonces hemos identificado algunos desperdicios
en el proceso, en este caso, desperdicio de transporte.
La eliminación de desperdicios (elementos, acciones o personas que son innecesarias para el resultado de un proceso) reduce el
tiempo de procesamiento, las oportunidades de errores y los costos generales. Si bien el desperdicio es una preocupación
importante en la metodología Six Sigma, el concepto de desperdicio proviene de una metodología conocida como Lean
Process Management.
Equipar a las personas
La implementación de procesos mejorados es una medida temporal a menos que las organizaciones equipen a sus empleados
con procesos para monitorear y mantener las mejoras. En la mayoría de las organizaciones, la mejora de procesos
incluye un enfoque doble. En primer lugar, un equipo de mejora de procesos compuesto por gestión de proyectos, expertos
en metodología y expertos en la materia define, planifica e implementa una mejora. Ese equipo luego equipa a los empleados
que trabajan directamente con el proceso diariamente para controlar y administrar el proceso en su estado mejorado.
Página | 13
Machine Translated
Traducción by
automática Google
por
Google
Control del proceso A menudo,
las mejoras de Six Sigma abordan procesos que están fuera de control. Los procesos fuera de control cumplen requisitos
estadísticos específicos. El objetivo de la mejora es devolver un proceso a un estado de control estadístico. Luego, después
de implementar las mejoras, se utilizan mediciones, estadísticas y otras herramientas de Six Sigma para garantizar que el
proceso permanezca bajo control. Parte de cualquier proceso de mejora continua es garantizar que dichos controles se
implementen y que los empleados que participan regularmente en el proceso sepan cómo usarlos.
Desafíos de Six Sigma
Six Sigma no está exento de desafíos. Como método expansivo que requiere un compromiso con la mejora continua, Six
Sigma a menudo se considera un proceso costoso o innecesario, especialmente para las organizaciones pequeñas o medianas. El
liderazgo de Ideal Aerosmith, una empresa de fabricación e ingeniería de Minnesota, se mostró escéptico con respecto a las
ideas de Six Sigma y los costos asociados con su implementación. A pesar de las reservas, la empresa se metió en
implementaciones de Six Sigma y, finalmente, vio resultados valiosos después de solo 18 meses. Esos resultados incluyeron
una mejora en la producción del 25 por ciento, una mejora del 5 por ciento en las ganancias dentro del primer año y una
mejora del 30 por ciento en los entregables a tiempo.4
Algunos obstáculos y desafíos que a menudo se interponen en el camino de los resultados positivos de Six Sigma incluyen la falta
de apoyo, recursos o conocimiento, mala ejecución de proyectos, acceso inconsistente a datos estadísticos válidos y
preocupaciones sobre el uso de la metodología en nuevas industrias.
Falta de apoyo Six
Sigma requiere apoyo y aceptación en todos los niveles de una organización. Los líderes y ejecutivos deben estar dispuestos a
respaldar las iniciativas con recursos, financieros y laborales. Los expertos en la materia deben estar abiertos a compartir
información sobre sus procesos con los equipos de proyecto, y los empleados de todos los niveles deben adoptar la idea de
cambio y mejora y participar en la capacitación. Las barreras comunes para el apoyo incluyen:
• Líderes que no están familiarizados o no entienden el proceso Six Sigma •
Líderes dispuestos a buscar mejoras inicialmente pero que pierden interés en supervisar y
defender proyectos antes de que se completen
• Personal que tiene miedo al cambio, especialmente en un entorno en el que históricamente el cambio ha causado
consecuencias negativas para los empleados •
Empleados que se resisten al cambio porque creen que las mejoras podrían hacerlos
obsoletos, cambiar drásticamente sus trabajos o hacer que sus trabajos sean más difíciles
• Jefes de departamento o empleados que defienden constantemente sus propios procesos y necesidades y no están
dispuestos a pensar en un panorama general
Falta de recursos o conocimiento La falta de
recursos puede ser un desafío para las iniciativas Six Sigma, pero no tiene por qué ser una barrera. La falta de conocimiento sobre
cómo usar e implementar Six Sigma es uno de los primeros problemas que enfrentan las pequeñas y medianas empresas.
Las empresas más pequeñas no siempre pueden permitirse contratar recursos dedicados para manejar
4
Gupta, Praveen y Schultz, Barb, "Éxito de Six Sigma en pequeñas empresas", Quality Digest.
http://www.qualitydigest.com/april05/articles/02_article.shtml
Página | 14
Machine Translated
Traducción by
automática Google
por
Google
mejora continua de los procesos, pero la disponibilidad de recursos y la formación en Six Sigma hace cada vez más posible que las
organizaciones utilicen algunas de las herramientas sin un experto o envíen personal interno para certificarse en Six Sigma.
Mala ejecución de proyectos Las
empresas que implementan Six Sigma por primera vez, especialmente en un entorno de proyecto, a menudo se alejan de toda la
metodología si el primer proyecto o mejora fracasa. Los defensores de Six Sigma dentro de cualquier organización realmente tienen que salir
del estadio con el primer proyecto si el liderazgo y otros están indecisos acerca de la metodología. Los equipos pueden ayudar a evitar
un desempeño deficiente del proyecto al tener mucho cuidado para ejecutar cada fase del proyecto correctamente. Al elegir mejoras de
bajo riesgo y alta recompensa, los equipos también pueden apilar el mazo a su favor con proyectos iniciales. La única desventaja con tal
táctica es que puede ser difícil duplicar el factor sorpresa con las mejoras posteriores, por lo que es importante recordar que la
implementación y el compromiso a largo plazo son vitales en Six Sigma.
Problemas de acceso a datos
Los problemas de datos y análisis son un desafío común para organizaciones de todos los tamaños. Obtener acceso a flujos de datos
consistentes y precisos, y aplicar análisis estadísticos a esos datos de manera adecuada, es difícil. Algunos desafíos relacionados con los datos
incluyen:
• Descubrir que una métrica de proceso importante no está siendo capturada •
El uso de procesos de datos manuales en muchos procesos •
Procesos de datos automatizados que capturan cantidades enormes y crean desafíos de alcance •
Datos que están sesgados debido a suposiciones, interacción humana en el proceso o captura incorrecta •
Largos tiempos entre la captura de datos sin procesar y el acceso •
Normas de cumplimiento de la industria o de la empresa que dificultan el acceso a los datos necesarios
Inquietudes sobre el uso de Six Sigma en una industria específica Six Sigma se
originó en la industria manufacturera y muchos de los conceptos y herramientas de la metodología aún se enseñan en el contexto
de una fábrica o entorno industrial. Debido a esto, las organizaciones a menudo descartan los métodos o creen que serán demasiado
difíciles de implementar en otras industrias. En realidad, Six Sigma se puede personalizar para cualquier industria.
Página | 15
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 2: Historia y aplicación de Six Sigma
Si bien las raíces de Six Sigma se atribuyen comúnmente a empresas como Toyota y Motorola, la metodología en realidad se basa en
conceptos que datan del siglo XIX. Antes de profundizar en la historia de Six Sigma, es importante comprender la diferencia entre los programas
de calidad tradicionales, como la Gestión de calidad total, y los métodos de mejora continua de procesos, como Six Sigma.
La mayoría de los programas modernos de calidad y mejora se remontan a las mismas raíces. Tanto los programas de calidad como
los métodos de mejora continua de procesos buscan lograr objetivos tales como reducir errores y defectos, hacer que los procesos sean más
eficientes, mejorar la satisfacción del cliente y aumentar las ganancias. Pero los programas de calidad se preocupan por lograr un objetivo
específico. El programa se ejecuta para siempre, trabajando constantemente hacia el mismo objetivo, o logra el objetivo final y debe
restablecerse para un nuevo objetivo.
Six Sigma busca inculcar una cultura de mejora continua y calidad que optimice el desempeño de una organización de adentro hacia afuera. Es
el elemento cultural inherente a Six Sigma que permite a las organizaciones implementar mejoras pequeñas y radicales que impactan drásticamente
en la eficiencia y los costos. Six Sigma trabaja hacia objetivos individuales con respecto a cada proyecto, pero los proyectos son parte
de la cultura general de mejora que, en la práctica, nunca se realiza. Six Sigma crea salvaguardas y tácticas para que, incluso
después de que un proyecto se considere completo, existan controles para garantizar que el progreso continúe y que sea imposible volver a las
viejas formas.
El desarrollo del control estadístico de procesos
Six Sigma aplica estadísticas para definir, medir, analizar, verificar y controlar procesos. De hecho, los equipos Six Sigma suelen utilizar
metodologías conocidas como DMAIC o DMADV para lograr mejoras y desarrollar controles para los procesos. DMAIC significa Definir, Medir,
Analizar, Mejorar y Controlar. Estas son las cinco fases de un proyecto Six Sigma para mejorar un proceso que ya existe. Al desarrollar un nuevo
proceso, los equipos usan DMADV, que significa Definir, Medir, Analizar, Diseñar y Verificar. Ambos métodos se analizan en el Capítulo 11,
y la Unidad 3 proporciona información detallada sobre cada fase de DMAIC.
Las raíces del control estadístico de procesos, que constituyen la columna vertebral de los métodos Six Sigma, comenzaron con el desarrollo
de la curva normal por Carl Friedrich Gauss en el siglo XIX. Sabemos hoy que la
la curva normal es solo uno de varios modelos posibles de distribución
de probabilidad. Es quizás el modelo más utilizado, y los otros modelos se desarrollaron
a partir de la curva normal.
Los modelos de distribución de probabilidad se analizan en capítulos posteriores sobre
estadística.
A principios del siglo XX, el control estadístico de procesos recibió otro gran
impulso gracias a las contribuciones de un ingeniero y académico llamado
Walter Shewhart. de Shewhart
Las contribuciones a la calidad son muchas, pero se destacan dos ideas específicas. Primero, Shewhart fue la primera persona que Page
| 16 ©
Machine Translated
Traducción by
automática Google
por
Google
para relacionar estrechamente el nivel sigma y la calidad. He definido un proceso que necesita corrección como uno que
se desempeña a tres sigma. Si mira hacia atrás al Capítulo 1 y al ejemplo teórico de Amazon, la diferencia de costos entre cuatro
sigma y tres sigma supera los $78 millones; En comparación, la diferencia entre cinco y cuatro sigma es de solo $7.6
millones aproximadamente. Debido a que los errores y los costos aumentan exponencialmente a medida que disminuye el nivel
sigma, la definición de Shewhart tiene aplicaciones muy prácticas en los negocios.
Si bien Six Sigma como método busca moverse siempre hacia menos de 3.4 defectos por millón de oportunidades (dpmo),
también es cierto que si la calidad de un proceso disminuye, a medida que se acerca a tres sigma, los costos asociados con los
errores aumentan sustancialmente.
En segundo lugar, Shewhart es considerado el padre de los gráficos de control. Los gráficos de control, que se tratan en
profundidad en los capítulos sobre estadísticas avanzadas, son un componente fundamental del control de procesos
estadísticos que permite a las organizaciones mantener un rendimiento mejorado después de una iniciativa Six Sigma. En un
momento en que los académicos escribían sobre la aplicación teórica de las estadísticas en un número creciente de campos,
Shewhart desarrolló formas de aplicar estos conceptos específicamente a los procesos industriales y de fabricación.
Durante el mismo período, W. Edwards Deming trabajaba para el Departamento de Agricultura de los Estados Unidos. Físico y
matemático, Deming estaba a cargo de dictar cursos en la escuela de posgrado de la agencia y arregló que Shewhart viniera a
hablar allí. Más tarde, Deming trajo los conceptos estadísticos de Shewhart a la Oficina del Censo de los Estados Unidos,
aplicando sus teorías fuera de un entorno industrial o de fabricación posiblemente por primera vez.
Una de las ideas de Deming se llama ciclo PDCA, o ciclo planificarhacerverificaractuar. La idea es que la mejora llega cuando
reconoces que hay una necesidad de cambio y haces un plan para crear mejoras. A continuación, haga algo probando sus
ideas. Usando los resultados de la prueba, verifica o verifica que sus mejoras están
funcionando. Luego, actúa, lleva sus mejoras a un entorno de producción o escala las mejoras
fuera del entorno de prueba. El hecho de que PDCA sea un ciclo significa que nunca
en Plan
termina; siempre hay mejoras por hacer. Este es un principio fundamental de Six Sigma.
comprobación Hacer
Después de la Segunda Guerra Mundial, Deming trabajó en Japón en nombre del gobierno
de los Estados Unidos en varios puestos. Mientras estuvo en el Japón de la posguerra,
Deming se hizo amigo de los estadísticos y convenció al menos a un ingeniero notable de
que el control de procesos estadísticos era relevante para la necesidad de Japón de impulsar drásticamente el rendimiento
económico y de producción para superar el daño de la guerra. Al final, Deming se convirtió en un valioso maestro y
consultor de empresas manufactureras en Japón, plantando las ideas y conceptos que pronto se convertirían en el Sistema
de Producción de Toyota, o Lean Six Sigma.
Mejora Continua de Procesos: Toyota y Lean
Página | 17
Machine Translated
Traducción by
automática Google
por
Google
Las enseñanzas de Deming y la necesidad de que la industria japonesa se
¿Qué es Jidoka?
recupere con éxito después de una guerra catastrófica se combinaron para
dar frutos para Toyota. El liderazgo de Toyota había visitado los conceptos Jidoka es un principio que crea control de
de calidad antes de la Segunda Guerra Mundial, pero la mejora del rendimiento defectos dentro de una empresa
y la eficiencia se convirtió en un objetivo más crítico dada la naturaleza de la economía proceso. En lugar de identificar los defectos al final
y los recursos de Japón en las décadas de 1940 y 1950. Tomando ideas de de la línea de producción e intentar rastrear los
fabricación atribuidas a Henry Ford, los líderes de Toyota aplicaron estadísticas errores hasta su origen, Jidoka exige que un
y nuevos conceptos de calidad para crear un sistema que sintieron aumentaría
la producción y permitiría productos variables mientras reducía los costos el proceso se detiene tan pronto como se
y aseguraba la calidad. detectan los errores para que las
mejoras o la solución de problemas
Varias personas fueron fundamentales en la última puedan ocurrir de inmediato.
Desarrollo del Sistema de Producción Toyota. Infundieron al proceso maquinaria Para que jidoka funcione correctamente, las
automatizada, controles de calidad para evitar que ocurran defectos y máquinas a menudo están equipadas para
herramientas de eficiencia que aún no se habían aplicado con tanto detalle y reconocer malos resultados de buenos
consistencia. Un hombre, Kiichiro Toyoda, tenía experiencia previa en la fábrica. resultados; Las máquinas también están
En sus trabajos anteriores, agregó eficiencias a los procesos en las fábricas equipadas con algún tipo de notificación
textiles a través de transportadores y otros sistemas automatizados. para provocar la interacción humana en el
proceso cuando las cosas salen mal.
Toyoda introdujo los mismos conceptos en ciertas líneas en el proceso de
fabricación de Toyota. Posteriormente, Eiji Toyoda y Taiichi Ohno introdujeron los
conceptos conocidos como JustinTime y jidoka, que son los pilares del Sistema de Producción Toyota.
Los principios que impulsan el sistema de Toyota y, más tarde, la base de Lean Process Management o Lean
Seis Sigma incluye:
• Definición de los valores del cliente •
Identificar el flujo de valor para las necesidades y deseos del cliente •
Identificación de residuos en el proceso •
Creación de un flujo de proceso continuo •
Trabajando continuamente para reducir la cantidad de pasos y el tiempo que lleva llegar al cliente
satisfacción
La gestión ajustada está muy preocupada por eliminar los desechos de cualquier proceso. El desperdicio aumenta los costos y el tiempo
dedicado a un proceso, haciéndolo indeseable en cualquier forma.
Enfoque de Motorola en los defectos
Aunque la base de Six Sigma se estableció a fines del siglo XIX y principios del XX, no fue hasta mediados de la década de 1980 que estos
conceptos tuvieron un éxito a gran escala en los Estados Unidos. Décadas después de que Toyota desarrollara su sistema, los ingenieros de
Motorola comenzaron a cuestionar cuán efectivos eran sus programas de gestión de calidad.
Esas preguntas surgieron por primera vez después de que una empresa japonesa se hiciera cargo de un televisor Motorola.
Página | 18
Machine Translated
Traducción by
automática Google
por
Google
planta manufacturera. Aplicando conceptos Lean, la nueva empresa comenzó a crear televisores que
demostró 1/20 de la cantidad de defectos que los propios televisores de Motorola.
En ese momento, los departamentos de Motorola midieron los defectos como una proporción de mil oportunidades. Bob Galvin, el CEO de
Motorola, lanzó un desafío a su equipo. Quería ver una mejora en la calidad y la producción, no cualquier mejora; quería una
mejora diez veces mayor en media década.
El ingeniero Bill Smith y una nueva incorporación al equipo de Motorola, el Dr. Mikel Harry, comenzaron a trabajar en el problema.
El equipo se dio cuenta de que medir los errores frente a mil oportunidades no proporcionaba el nivel de detalle necesario para un
verdadero control estadístico del proceso. En cambio, los ingenieros querían medir los defectos frente a un millón de
oportunidades. Sabemos que los niveles sigma ya estaban definidos y la idea de usar niveles sigma como medida de calidad comenzó
con Shewhart. No fue un gran salto para los ingenieros de Motorola pasar de su deseo de obtener datos más precisos a los
conceptos básicos de Six Sigma como meta y metodología.
A lo largo de las siguientes dos décadas, Motorola trabajó para perfeccionar su metodología Six Sigma y obtuvo resultados
positivos en el camino. Además de las herramientas estadísticas, el equipo creó un proceso paso a paso mediante el cual cualquier equipo,
en casi cualquier industria, podía obtener ganancias y mejoras. Por primera vez, este tipo de control estadístico de procesos
se eliminó del entorno de fabricación a gran escala en toda la empresa. Motorola aplicó el método al servicio al cliente,
ingeniería y soporte técnico. Usó el proceso para crear un entorno de colaboración entre las partes interesadas dentro y fuera de la
organización. Tuvo mucho éxito; Según Motorola, la empresa ahorró más de $16 mil millones como resultado de iniciativas de
mejora continua de procesos en 12 años.5
Sin embargo, Motorola hizo más que mejorar sus propios sistemas y productos. Galvin dirigió a su equipo para compartir Six Sigma
con el mundo. Motorola y su equipo publicaron artículos y libros sobre el método Six Sigma e implementaron esfuerzos para
capacitar a otros. De esta manera, crearon una metodología basada en estadísticas que podría ser enseñada e implementada
dentro de cualquier organización o industria.
ABB, Allied Signal y General Electric
Después de dejar Motorola, el Dr. Harry se unió a Asea Brown Boveri. En ABB, Harry trabajó con Richard Schroeder,
quien también se convertiría en campeón de Six Sigma. De hecho, los dos hombres más tarde cofundaron la Academia Six Sigma. En
ABB, Harry se dio cuenta de una idea clave en la evolución de Six Sigma: el negocio, o las ganancias, en cierto modo llegaron antes que
la calidad. La calidad, de hecho, era un factor impulsor del negocio. Los clientes no hacían compras si la calidad era mala. Debido a
que las personas con la capacidad de decidir a favor de las iniciativas Six Sigma estaban muy motivadas por los dólares, Harry incorporó
tácticas financieras en la metodología Six Sigma. Por primera vez, el método se centró en el resultado final como objetivo principal,
con otras preocupaciones y objetivos derivados de objetivos financieros.
En 1993, tanto Schroeder como Harry cambiaron de trabajo y se unieron al equipo de Allied Signal. El director ejecutivo de Allied Signal
en ese momento era Larry Bossidy. Estaba interesado en Six Sigma, pero se dio cuenta de que los ejecutivos y otros líderes de
alto nivel experimentaban barreras de conocimiento al intentar interactuar y colaborar con analistas, ingenieros de procesos y expertos
en Six Sigma. Bossidy sugirió que el liderazgo en una empresa tenía que ser
5
“La historia de Six Sigma”, iSixSigma. http://www.isixsigma.com/newtosixsigma/history/historysix sigma/
Página | 19 © 2018 El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
Machine Translated
Traducción by
automática Google
por
Google
bien versado en Six Sigma para elegir los proyectos correctos para el éxito y apoyar esos proyectos en toda la empresa para garantizar
el éxito.
Harry, a quien a veces se le conoce como el padre de Six Sigma, creó un sistema para educar a los líderes ejecutivos. Junto con otros en
Allied Signal, desarrolló sistemas que permitieron que Six Sigma fuera implementado de manera efectiva por el liderazgo en toda la
organización en su totalidad.
Casi al mismo tiempo, el CEO de GE, Jack Welch, ingresó al campo de Six Sigma. Antes de aprender sobre Six Sigma, Welch había
declarado que no era partidario de las medidas de calidad. Anteriormente había criticado los programas de calidad como enfoques de
mano dura que hacían poco para generar resultados. Welch invitó a Larry Bossidy a hablar en una reunión corporativa de GE en 1995.
También solicitó un análisis sobre los beneficios de implementar Six Sigma en GE. En ese momento, GE se desempeñaba entre
tres y cuatro sigma. Los ahorros potenciales si la empresa se elevaba a seis sigma eran enormes; las estimaciones eran de $7 a $10
mil millones.6
Welch es conocido como un campeón de Six Sigma no porque contribuyó de manera importante al desarrollo de controles
de procesos estadísticos o los conjuntos de herramientas de Six Sigma, sino porque demostró exactamente cómo los líderes deben
abordar Six Sigma. También convirtió a GE en una organización históricamente exitosa de Six Sigma al vincular los objetivos
de Six Sigma con las estructuras de recompensas de los empleados. Los empleados ya no eran compensados únicamente en función de
los factores de desempeño financiero; también fueron evaluados con base en el desempeño de Six Sigma. De repente, los
empleados de todos los niveles tenían una razón personal para involucrarse en la mejora continua de procesos, y los
empleados y gerentes recibieron la capacitación Six Sigma para tener éxito.
Crecimiento continuo de Six Sigma
Tras el éxito de corporaciones como GE y Motorola, empresas de todo el país se apresuraron a implementar Six Sigma. Desafortunadamente,
en la prisa por implementar el proceso, muchas organizaciones ejecutaron las mejoras de manera deficiente o no lograron obtener una
comprensión adecuada del control estadístico del proceso antes de avanzar con las mejoras. Aunque las organizaciones han utilizado
los métodos Six Sigma para ganar millones, incluso miles de millones, en ahorros y eficiencias, algunas empresas se marcharon con
un mal sabor de boca por el proceso. Ese mal gusto ha resultado en los siguientes conceptos erróneos y mitos que aún prevalecen hoy en
día en muchas industrias:
• Six Sigma se ocupa únicamente de las métricas e ignora el sentido común. Lo contrario es realmente cierto: Six Sigma a menudo
comienza con ideas tradicionales de sentido común, a menudo a las que se llega a través de una lluvia de ideas, y
valida esas suposiciones con datos. La razón de este mito es doble.
En primer lugar, los gerentes y otras personas que están acostumbradas a hacer llamadas sin que se les pregunte, de repente
se les pregunta en un entorno Six Sigma. No solo son cuestionados, sino que los datos concretos a veces demuestran que
están equivocados. En segundo lugar, en algunos casos, los datos se usan de manera inapropiada para respaldar conclusiones
que van en contra del sentido común o la tradición. Cuando esas conclusiones resultan ser defectuosas, es fácil culpar al
proceso de Six Sigma por una falta de comprensión adecuada de las teorías estadísticas involucradas.
• Six Sigma es demasiado caro. Si bien la adopción de Six Sigma en toda la empresa puede ser costosa al principio,
Debido en parte a las necesidades de formación, la integración lenta de los conceptos en una empresa suele costar mucho.
6
“La evolución de Six Sigma”, PQA.net. http://www.pqa.net/ProdServices/sixsigma/W06002009.html
Página |
Machine Translated
Traducción by
automática Google
por
Google
poco a la larga. Las organizaciones tienen que equilibrar la forma en que adoptan Six Sigma con las preocupaciones presupuestarias, pero
cuando se implementa correctamente, Six Sigma generalmente genera ahorros que cubren con creces su inversión inicial.
• Six Sigma puede arreglar cualquier cosa. Frente a los detractores están los porristas de Six Sigma que creen que pueden aplicar el método como un
bálsamo para cualquier problema. Si bien Six Sigma se puede aplicar a cualquier problema de proceso, no siempre es relevante para
los problemas de cultura o personas. Si la moral u otros problemas de recursos humanos son la raíz de un problema, las estadísticas no
pueden ayudar. Sin embargo, si la moral está baja porque es difícil trabajar con un proceso o tiene un rendimiento deficiente, Six Sigma se
puede utilizar para mejorar el proceso y, por lo tanto, mejorar la moral.
Aplicar el conocimiento de Six Sigma
Six Sigma se aplica a través de un proceso controlado de selección y gestión de proyectos. Se identifican once áreas de preocupación, los líderes generalmente
recurren a analistas, expertos en Six Sigma y expertos en la materia para análisis de costobeneficio. Los equipos Six Sigma intentan cuantificar qué tan
roto está un proceso (mediante el cálculo del nivel sigma, los costos de los defectos, el tiempo de inactividad y otras métricas) y cuánto podría costar
abordar el problema. Luego, los problemas se priorizan de acuerdo con la gravedad y la capacidad de una organización para abordar el
problema. Los equipos comienzan a trabajar en la lista de prioridades, volviendo al análisis de vez en cuando para asegurarse de que la lista no
haya cambiado. La mayor parte de este libro cubre los métodos mediante los cuales los equipos identifican y abordan problemas utilizando Six Sigma.
Los niveles de la certificación Six Sigma Poseer una
certificación Six Sigma demuestra que una persona ha demostrado aplicaciones prácticas y conocimientos de Six Sigma. Algunas organizaciones ofrecen
procesos de certificación internos. La mayoría de las personas buscan la certificación al inscribirse en un curso de capacitación de Six Sigma en línea o
en el sitio. La mayoría de las organizaciones que ofrecen educación Six Sigma también ofrecen un camino hacia la certificación. Puede tomar cursos para la
certificación en varios niveles; Los niveles Six Sigma se diferencian por nivel de cinturón.
Cinturón blanco
Un cinturón blanco Six Sigma certificado está familiarizado con los principios básicos de la metodología Six Sigma, aunque no suelen ser miembros
habituales de los equipos de mejora de procesos. La capacitación de cinturón blanco es una buena introducción a Six Sigma para los miembros
del personal auxiliar dentro de una organización y puede proporcionar la información necesaria para comprender por qué los equipos de proyecto
hacen lo que hacen. La capacitación permite a los empleados revisar los procesos del proyecto, comprender la información presentada en
las reuniones de hitos y participar mejor en los procesos de selección de proyectos. La capacitación de cinturón blanco también se puede utilizar en
todos los niveles de empleados cuando las organizaciones intentan implementar una cultura Six Sigma. Vale la pena señalar que la capacitación White Belt
generalmente solo brinda una introducción y una descripción general muy básicas de Six Sigma, tanto que no todos los profesionales de Six Sigma lo
reconocen como una verdadera certificación Six Sigma.
Cinturón amarillo
Una certificación de cinturón amarillo es un paso por encima del cinturón blanco: todavía se considera una introducción básica a los conceptos de
Six Sigma, pero un cinturón amarillo aprende información básica sobre el método DMAIC que se usa a menudo para mejorar los procesos. Los siguientes
conceptos a menudo se incluyen en la formación de cinturón amarillo de Six Sigma:
• Roles Seis Sigma
Página |
Machine Translated
Traducción by
automática Google
por
Google
• Desarrollo y gestión de equipos •
Herramientas básicas de calidad como gráficos de Pareto, gráficos de ejecución, diagramas de dispersión e histogramas •
Métricas comunes de Six Sigma •
Recopilación de datos
• Análisis del sistema de medición •
Análisis de raíz de la causa •
Una introducción a la prueba de hipótesis.
En el nivel de cinturón amarillo, la capacitación a menudo se orienta hacia la comprensión de la metodología general y la recopilación de
datos básicos. Los cinturones amarillos no necesitan saber cómo realizar pruebas de hipótesis, pero deben comprender el lenguaje de las
pruebas de hipótesis y las conclusiones que se extraen de dichas pruebas.
Los cinturones amarillos suelen ser empleados que necesitan conocer el proceso general y por qué se está implementando.
Cinturón verde
Los cinturones verdes certificados trabajan dentro de los equipos Six Sigma, generalmente bajo la supervisión de un cinturón negro o
un cinturón negro maestro. En algunos casos, los cinturones verdes pueden liderar o manejar proyectos más pequeños por su cuenta. Los
cinturones verdes generalmente están equipados con capacidades intermedias de análisis estadístico; pueden abordar inquietudes sobre
datos y análisis, ayudar a Black Belts a aplicar las herramientas de Six Sigma a un proyecto o enseñar a otros dentro de una organización
sobre la metodología general de Six Sigma.
Los Green Belts pueden ser gerentes intermedios, analistas de negocios, gerentes de proyectos y otros que tienen una razón para
participar regularmente en iniciativas de mejora de procesos, pero que pueden no ser expertos en Six Sigma a tiempo completo dentro de una
organización. A veces, los Green Belts se consideran las abejas obreras de la metodología Six Sigma porque realizan la mayor parte de la
recopilación y el análisis de datos estadísticos bajo la supervisión de Black Belts certificados.
Los siguientes conceptos se incluyen a menudo en la formación Green Belt:
• Toda la información listada para la certificación de cinturón amarillo •
Modo de Fallos y Análisis de Efectos •
Gestión de proyectos y equipos •
Probabilidad y Teorema del Límite Central • Distribuciones
estadísticas
• Estadísticas descriptivas •
Cómo realizar pruebas de hipótesis básicas • Eliminación
de residuos y Kaizen
• Gráficos de control básicos
cinta negra
Un cinturón negro Six Sigma certificado generalmente trabaja como líder de proyecto en proyectos de mejora de procesos.
También pueden trabajar en funciones de gestión, analista o planificación en toda una empresa. Los requisitos mínimos comunes para la
certificación de cinturón negro incluyen todo lo que se indica para los cinturones amarillo y verde, además de:
• Habilidades avanzadas de gestión de proyectos y equipos
Página |
Machine Translated
Traducción by
automática Google
por
Google
• Conocimiento de la extensa lista de herramientas de proyecto y lluvia de ideas Six Sigma •
Estadísticas intermedias a avanzadas
• Comprensión de otros programas de calidad y mejora de procesos, incluidos Lean y Total
Gestión de la calidad •
Habilidad para diseñar procesos •
Capacidades avanzadas para diagramar procesos, incluidos diagramas de flujo y mapas de flujo de valor. •
Uso de software para realizar análisis, como Excel o Minitab
Cinturón negro maestro
Un Master Black Belt es el nivel de certificación más alto que se puede lograr en Six Sigma. Dentro de una organización
comercial, los Master Black Belts generalmente administran Black Belts y Green Belts, consultan sobre proyectos especialmente
difíciles, ofrecen asesoramiento y educación sobre conceptos estadísticos desafiantes y capacitan a otros en la metodología Six
Sigma.
Exámenes de Certificación
La mayoría de los programas de certificación requieren que las personas aprueben un examen de certificación; Algunos
requieren que los candidatos a cinturón verde y negro también demuestren su conocimiento en forma de experiencia en
proyectos Six Sigma.
Si se requiere un examen para la certificación de cinturón blanco o amarillo, generalmente es bastante corto y cubre
conceptos básicos sobre la metodología. Los exámenes de cinturón verde son más largos y pueden incluir preguntas sobre
estadísticas y algunos cálculos básicos. Los exámenes de cinturón negro a menudo tardan hasta cuatro horas en completarse;
prueban la comprensión y la aplicación. Los exámenes pueden incluir problemas estadísticos difíciles o preguntas sobre cómo
un líder de proyecto puede manejar varias situaciones. Si bien los exámenes difieren según la organización, este libro está
diseñado en base a los requisitos de conocimiento publicados por el Consejo para la Certificación Six Sigma (CSSC).
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 3: Mejora de otros procesos y
Métodos de calidad
Al estudiar la historia de Six Sigma, ya se dio cuenta de que la metodología está estrechamente relacionada con otras iniciativas
impulsadas por la calidad desarrolladas durante el siglo pasado. Esto es cierto en parte porque todas las empresas exitosas buscan
en última instancia hacer lo mismo: servir a un cliente un producto o servicio que necesita mientras obtienen la mayor ganancia
posible.
Si bien Six Sigma abarca todas las herramientas que necesita para abordar prácticamente cualquier problema de proceso, es
importante familiarizarse con otros tipos de mejora de procesos y métodos de calidad. Algunos de estos métodos, como Lean y
JumpStart, agregan valor dentro de un enfoque Six Sigma. Otros pueden ser utilizados por recursos externos junto con un proyecto
Six Sigma. Incluso si no usa o no trabaja con algunos de estos programas, deberá comunicarse con líderes y socios
comerciales que estén más familiarizados con otros métodos. La capacidad de enmarcar los conceptos de Six Sigma en un
enfoque de gestión de calidad más global puede ayudarlo a ganar apoyo para sus propios proyectos.
Otros programas formales de mejora de procesos o calidad
Gestión de procesos Lean Los
principios Lean a menudo van de la mano con los principios de Six Sigma. Si bien Lean se desarrolló originalmente como un
concepto para reducir el desperdicio en un entorno de fabricación, las ideas de Lean Process Management se pueden aplicar a
cualquier proceso que involucre el movimiento o la creación de bienes o servicios. Esto es cierto incluso si esos servicios son virtuales
o digitales, como en un proceso de flujo de trabajo computarizado.
Una de las formas en que Lean es similar a Six Sigma es que se preocupa por las mejoras continuas; Al igual que Six Sigma, Lean
proporciona herramientas de eliminación de desechos para que se puedan realizar mejoras y controles diarios en los procesos. De
hecho, una de las herramientas de mejora continua de Lean se llama Kaizen, una palabra japonesa que se traduce vagamente
como "cambiar para mejorar". El propósito de cada cambio en un entorno Kaizen es eliminar el desperdicio y/o crear más valor para
el cliente de manera continua.
Lean Process Management se puede implementar dentro de un entorno de proyecto o en la producción diaria. Al igual que Six Sigma,
Lean se trata más de una cultura general de calidad que de un solo evento de calidad. Muchas organizaciones utilizan los principios
Lean para realizar mejoras en los procesos. Simplemente instituyendo algunos de los principios Lean, los gerentes pueden
aumentar drásticamente la producción y reducir los costos de sus departamentos.
Debido a que los principios Lean son tan efectivos y encajan tan bien con los principios de Six Sigma, a los fines de este libro, a
menudo trataremos a Lean como parte de la metodología Six Sigma.
Gestión de calidad total Gestión de
calidad total, o TQM, es una frase bien conocida por cualquier persona que haya trabajado en los negocios en el último cuarto del
siglo XX. El enfoque TQM de la calidad es uno de los primeros métodos formales promulgados en entornos comerciales en los Estados
Unidos. Originalmente desarrollado en la década de 1950, Total Quality
Página |
Machine Translated
Traducción by
automática Google
por
Google
La gestión no se hizo popular entre las empresas de todo el país hasta los años 80. En un momento, TQM fue tan popular entre los
ejecutivos y otros líderes que en realidad se convirtió en una especie de broma entre ciertas fuerzas laborales que creían que se gastaba
mucho esfuerzo y gasto en calidad sin un beneficio resultante igual. De hecho, si recuerdan del último capítulo, Jack Welch de GE se sentía así.
Si bien los programas de gestión de calidad total a menudo eran algo mediocres en lo que respecta a los resultados, el método fue un punto de
paso esencial para los métodos actuales de mejora y calidad, como Six Sigma.
TQM no estuvo exenta de resultados: como con cualquier método, los resultados dependían en gran medida de la forma en que se implementó
el programa y la cultura de la organización. Por esta razón, TQM y sus variaciones todavía están en juego en muchas industrias en la actualidad.
Algunos requisitos para un programa TQM exitoso incluyen:
• Un estricto compromiso de calidad en todos los niveles de la organización, especialmente entre los líderes •
Empleados empoderados que pueden tomar decisiones de calidad mientras trabajan dentro del proceso
sin buscar constantemente la aprobación del liderazgo para esas decisiones
• Una estructura de recompensas y reconocimientos para promover el trabajo de calidad para que los empleados tengan una razón para
tomar decisiones de calidad
• Planificación estratégica que tenga en cuenta los objetivos de calidad y mejora de la calidad al realizar
decisiones a plazo •
Sistemas que permiten a las organizaciones realizar mejoras y monitorear la calidad.
Las iniciativas exitosas de TQM requieren ocho elementos clave: ética, integridad, confianza, capacitación, trabajo en equipo, liderazgo,
reconocimiento y comunicación. Puede ver estos elementos como si fueran parte de los componentes necesarios para construir un edificio
duradero y de alta calidad. La ética, la integridad y la confianza se convierten en la base de la calidad. La formación, el trabajo en equipo
y el liderazgo son los pilares sobre los que se construyen las organizaciones de calidad. La comunicación honesta, abierta y concisa es la
argamasa que une todo lo demás, y el reconocimiento es el techo que cubre todo, brindando a los empleados una razón para buscar y
mantener la calidad.
Una de las mayores ventajas de la mentalidad TQM es que comenzó a obligar a las organizaciones a verse a sí mismas como una sola
entidad en lugar de varias entidades o departamentos vagamente relacionados. Antes de los métodos de calidad desarrollados en la última
mitad del siglo XX, muchas organizaciones se dirigían a través de departamentos muy aislados. Un departamento a menudo no entendía lo que
estaba haciendo otro, lo que provocaba una gran cantidad de reprocesamiento y desperdicio. Cada departamento podría buscar niveles más
altos de calidad o mejoras en los procesos, pero al final, la organización era tan fuerte como el elemento más débil.
TQM comenzó a cambiar el pensamiento departamental a gran escala: las organizaciones comenzaron a adoptar enfoques empresariales para la
toma de decisiones, la calidad y el servicio al cliente. Los líderes empresariales comenzaron a ver a las empresas como una serie de
procesos vinculados que operan hacia un único objetivo final. Dentro de los límites de TQM, las ideas para la reingeniería de procesos
comerciales comenzaron a desarrollarse.
Las organizaciones que utilizan TQM a menudo experimentaron beneficios como:
• Mejora del compromiso y la moral de los empleados • Reducción de
los costos de producción o del producto •
Tiempos de ciclo reducidos •
Clientes más satisfechos
Página |
Machine Translated
Traducción by
automática Google
por
Google
Reingeniería de Procesos de Negocios Six
Sigma, Lean y TQM se preocupan por hacer cambios continuos tanto a pequeña como a gran escala que acerquen a una organización
cada vez más a un modelo de perfección. En el caso de Lean, ese modelo es un proceso que tiene desperdicio cero; en Six Sigma, el
modelo es estadísticamente 6 sigma. En TQM, las organizaciones a menudo definen su propia versión de la perfección antes de trabajar
para lograrla. La Reingeniería de Procesos de Negocios, o BPR, está menos preocupada por ganancias de calidad incrementales
y más preocupada por un cambio radical en toda una organización o arquitectura de procesos.
La reingeniería de procesos de negocios, también llamada rediseño de procesos de negocios, se ocupa más a menudo de los procesos
técnicos que ocurren en una organización. Esos procesos pueden incluir sistemas, software, almacenamiento de datos, procesos
web y en la nube, y flujos de trabajo basados en computadoras operados y mantenidos por usuarios humanos. Debido a la intensa
integración de la automatización y los elementos informáticos en los procesos con BPR, las organizaciones que ingresan a
los esfuerzos de BPR tienen que depender en gran medida de los recursos técnicos internos y externos. Los recursos internos brindan
servicios de programación, integración y resolución de problemas a medida que se desarrollan o rediseñan los procesos.
Los recursos externos pueden ser consultores de BPR, programadores y desarrolladores contratados, o proveedores que traen
nuevos productos de software a la mesa.
Como probablemente pueda imaginar, las iniciativas de BPR pueden ser costosas, razón por la cual a menudo se implementan solo
cuando una organización espera una ganancia exponencial o ha determinado que los procesos actuales son obsoletos o están muy
dañados.
Los proyectos BPR tienden a seguir un mapa común, aunque no hay un conjunto definido de principios como lo hay con Six Sigma. La
mayoría de los proyectos pasan por las fases de planificación, diseño e implementación. Durante la planificación, los equipos
utilizan principios de arquitectura de procesos y mapeo de procesos para definir los procesos de toda la empresa en su estado actual.
Los equipos buscan oportunidades de mejora e intercambian ideas sobre nuevas arquitecturas para procesos en toda la organización.
Durante la fase de diseño, los equipos de BPR utilizan técnicas de validación 3 para garantizar que las soluciones que están
planificando funcionarán dentro de la estructura empresarial. También comienzan a construir herramientas y programas para
integrar los cambios; los equipos técnicos pueden usar los métodos Scrum descritos más adelante en este capítulo en este punto
del proceso.
Finalmente, las organizaciones implementan los cambios que han realizado. Dado que los cambios suelen ser de naturaleza
programática, la implementación suele incluir un riguroso procedimiento de prueba y gestión de cambios. Las pruebas en entornos
técnicos incluyen pasos como:
• Pruebas de Sandbox de la funcionalidad básica •
Pruebas de control de calidad por recursos técnicos capacitados •
Pruebas beta durante las cuales expertos en la materia examinan todos los aspectos de un programa en un
entorno de vida limitado
• Una implementación del programa en la empresa, a menudo realizada en un enfoque por etapas durante el cual los
recursos técnicos están disponibles para resolver de inmediato los problemas de resolución de problemas.
• Una conversión a una función regular donde los recursos técnicos están disponibles en una capacidad normal para tratar
problemas ocasionales
Página |
Machine Translated
Traducción by
automática Google
por
Google
RummlerBrache como
Los métodos de mejora de procesos se hicieron cada vez más populares en la década de 1980 y más tarde, las personas a menudo tomaban partes de un método.
u otro y lo integramos en nuevos programas de mejora o calidad. De esta forma, empresas ajenas al sector manufacturero
La industria comenzó a implementar fragmentos de métodos que incorporaban elementos Lean y Six Sigma. uno de esos programas
es conocido como Rummler Brache.
RummlerBrache fue iniciado en los años 80 por Geary Rummler y Alan Brache. Desarrollaron lo que sigue siendo un propietario
programa utilizado por su propia empresa consultora, pero los detalles del método han sido publicados y utilizados por otros. El método busca afectar el
cambio positivo en procesos y organizaciones mediante el uso de un conjunto de herramientas prácticas para abordar
cuestiones de negocio y problemas de proceso.
Uno de los componentes fundamentales de RummlerBrache se conoce como el modelo de las nueve cajas. El modelo es creado por una matriz de
tres niveles de rendimiento y tres dimensiones de rendimiento. Los niveles de desempeño son el ejecutante, el proceso y el
organización. Las dimensiones son la gestión, el diseño y la meta. Cuando se colocan en una cuadrícula, los niveles y dimensiones forman nueve
cajas, como se ve a continuación.
gestión diseño objetivos
artista Preocupado por preocupado por el Preocupado por
comentario, herramientas y entrenamiento métricas de rendimiento y
consecuencias, y necesario para hacer el trabajo también requisitos en un individuo

recompensas nivel
como trabajo
documentación
proceso preocupado por quien preocupado por el preocupado por el
es dueño del proceso y cómo diseño del proceso, requisitos de la

negocio y el
podrían mejorar espacio de trabajo o sistema
él cliente
Preocupado por los overoles Preocupado por los overoles Preocupado por

organización
cultura de liderazgo y la organigramas y procesos planes operativos y top

arquitectura métricas de nivel
requisitos de
actuación
evaluación
RummlerBrache aborda la mejora en seis fases:
• Planificación de la mejora. Durante la primera fase, el liderazgo y los expertos en la materia se comprometen
para hacer mejoras y empezar a identificar oportunidades de cambio.
• definición. Durante la segunda fase, se definen los objetivos y alcances del proyecto y se forman los equipos
para crear mejoras.
• Análisis y Diseño. Los equipos utilizan el análisis para comprender el problema actual y para definir y validar la viabilidad.
soluciones
Página | 27
Machine Translated
Traducción by
automática Google
por
Google
• Implementación. Los equipos implementan cambios en los procesos. Dependiendo del tipo de cambio, este
podría incluir cambios en la programación, capacitación del personal, cambios en la maquinaria o el equipo, o cambios en
las políticas.
• Gestión de procesos. Los equipos monitorean el proceso durante e inmediatamente después de la
cambiar para asegurar que las mejoras funcionen según lo planeado.
• Los procesos se entregan a los equipos diarios. La gestión del proceso se entrega a los equipos diarios, a menudo con algún
tipo de control para garantizar el éxito continuo.
Melé
Scrum es un método de desarrollo de proyectos específico para los esfuerzos de programación Agile en los departamentos
técnicos. Scrum se usa cuando los equipos quieren crear nuevos productos técnicos o integrar nuevos desarrollos en productos
existentes en un corto período de tiempo. Comúnmente, los proyectos de Scrum duran entre dos y cuatro semanas, lo que
tradicionalmente es un cronograma muy ajustado para los proyectos de programación. Scrum se desarrolló porque los equipos de
programación y desarrollo necesitaban una forma de satisfacer las necesidades continuas de diseño técnico y mejora de otros
departamentos sin aumentar sustancialmente la programación, probar las horas de los empleados o contratar más personal técnico.
Scrum también se puede utilizar para acelerar los tiempos de producción o comercializar productos de software y aplicaciones.
Scrum es un concepto relacionado con otras iniciativas de mejora de procesos discutidas en el libro porque muchos proyectos hoy en día
requieren algún tipo de cambio o recurso técnico. Mientras los equipos de proyecto trabajan para validar y medir, los departamentos
técnicos a menudo implementan simultáneamente conceptos de Scrum para satisfacer las necesidades de desarrollo del proyecto
de mejora antes de la fecha límite.
Los proyectos Scrum cuentan con tres fases principales:
• El prejuego. Los equipos de desarrollo analizan los datos disponibles y los requisitos comerciales. Usan esta información para
idear el concepto del nuevo producto o actualización. A menudo, esto implica traducir conceptos comerciales y de
procesos en conceptos informáticos y técnicos. • El juego. Los equipos comienzan a desarrollar el producto a través
de sprints de programación. Los sprints son más pequeños
fases de desarrollo que se completan en secuencia, generalmente con una revisión y validación del trabajo antes de pasar al
siguiente sprint. Al validar el trabajo durante el desarrollo, los equipos pueden crear productos de trabajo más rápido.
• El juego del poste. Aunque la validación ocurre durante el desarrollo, los equipos aún deben seguir
procedimientos de control de calidad, pruebas y gestión de cambios. La preparación de calidad para la liberación del producto
se maneja en la fase final.
El Método de Gestión de la Experiencia del Cliente (CEM)
Al igual que RummlerBrache, el Método de gestión de la experiencia del cliente, o Método CEM, fue creado por consultores de mejora
de procesos para abordar las necesidades de las organizaciones fuera de la fabricación. CEM combina algunas herramientas de
mejora de procesos con la gestión de relaciones con los clientes. Fue desarrollado en la década de 1990 por Virgin Group y se hizo
popular durante la década de 1990 y principios del siglo XXI.
El Método CEM adopta un enfoque de afuera hacia adentro para la mejora de procesos, centrándose en lo que el cliente quiere o necesita
y cómo cada proceso en una organización satisface esa necesidad. El objetivo principal de CEM es alinear los procesos de una
organización con los objetivos de satisfacción del cliente. Como tal, incluso los procesos sin una relación directa con los clientes
se definen en términos de clientes.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Por ejemplo, los procesos de envío obviamente están directamente relacionados con los clientes finales, por lo que es fácil definir
cómo esos procesos pueden servir mejor a los clientes. Los envíos deben llegar a tiempo, ser precisos para los pedidos y los costos
de envío deben ser asequibles.
Los procesos internos de recursos humanos son más difíciles de vincular con los objetivos de cara al cliente. Sin embargo, la
moral y la funcionalidad de los empleados están directamente relacionadas con la forma en que esos empleados pueden atender a
los clientes. Puede hacer una declaración de cara al cliente sobre casi cualquier proceso en una organización de esta
manera. Si las organizaciones no pueden vincular un proceso con el cliente, deben preguntarse si el proceso es necesario
o no funciona.
Al igual que Six Sigma, CEM depende en gran medida de los datos. Las organizaciones no pueden tomar decisiones sobre los
objetivos de los clientes y el éxito de los procesos sin recopilar y analizar los comentarios de los clientes. La ventaja de CEM es que
las organizaciones pueden implementar tácticas orientadas al cliente en toda la empresa, lo que a menudo resulta en enormes
ganancias en satisfacción, lealtad y gasto del cliente. Una desventaja de este método es que los departamentos tradicionalmente
internos, como los de recursos humanos, legales y contables, a menudo tienen dificultades para implementar un cambio cultural
centrado en el cliente.
JumpStart
JumpStart se diferencia de los otros programas y métodos descritos en este capítulo en que es un método acelerado para
identificar problemas y soluciones en una sola sesión. JumpStart se puede utilizar con casi todos los otros métodos descritos en
este libro como una forma de generar debate sobre los procesos o para identificar posibles soluciones. También se puede utilizar
como una herramienta de gestión para ayudar a los equipos a llegar a soluciones sostenibles fuera de los entornos del proyecto
o en ausencia de recursos del proyecto.
Debido a que JumpStart no se toma el tiempo para la verificación rigurosa o el análisis estadístico por sí solo, los equipos no deben
usar este método para promulgar cambios radicales o intentar mejorar los procesos que podrían afectar seriamente la
experiencia del cliente o el resultado final. Una desventaja de usar JumpStart solo es que los cambios a veces se hacen con una
mentalidad de esperar y ver, lo cual es seguro para muchos cambios internos del equipo pero a menudo peligroso para
procesos departamentales o de toda la empresa, o para hacer cambios en procesos que están estrechamente relacionados.
atado a reglas regulatorias o de cumplimiento.
JumpStart generalmente comienza cuando los líderes de algún nivel identifican un área de preocupación u oportunidad. El
gerente, supervisor u otro delegado identifica un equipo de empleados que, en su opinión, ofrecerían información adecuada
sobre el tema en cuestión. En la mayoría de los casos, JumpStart no funciona para definir el problema: el grupo está lo
suficientemente cerca del problema como para saber cuál es el problema. En cambio, el grupo pasa varias horas haciendo una lluvia
de ideas sobre las causas fundamentales del problema y buscando posibles soluciones.
Six Sigma y otras herramientas de mejora de procesos se pueden implementar durante las sesiones de JumpStart. Los diagramas
de espina de pescado y las matrices de selección de soluciones, ambos cubiertos en capítulos posteriores, se pueden usar
para validar suposiciones utilizando solo el conocimiento de las personas en la sala y algunas investigaciones rápidas.
La ventaja de JumpStart es que permite a los equipos crear e implementar rápidamente soluciones a pequeña escala, lo que a
menudo proporciona la resolución de problemas el mismo día. También permite que los equipos identifiquen los problemas que
deben abordarse en un entorno de proyecto más completo.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Cuándo usar Six Sigma
Algunas organizaciones hacen uso de varios métodos de mejora de proyectos. Como experto en Six Sigma, es posible que de
vez en cuando deba defender su propio método. Aquí hay algunas razones para elegir Six Sigma sobre otros métodos descritos en este
capítulo.
Al enfrentarse a lo desconocido Six
Sigma está diseñado para que pueda iniciar un proyecto aún cuando no sepa la causa del problema. En algunos casos, los equipos ni
siquiera están seguros de cuál es el problema exacto; solo saben que algunas métricas no funcionan como se desea. Por
ejemplo, una organización puede experimentar una caída en las ganancias que no se corrige en varios trimestres consecutivos.
Los métodos Six Sigma pueden comenzar a buscar las causas del problema, priorizarlas y trabajar en busca de soluciones.
Cuando los problemas están muy extendidos y no están definidos
Incluso cuando se comprende un problema, si tiene un alcance amplio y no está bien definido, los proyectos de mejora que no
se gestionan de manera estricta pueden escalar en alcance hasta el punto de volverse inmanejables. En esta situación, los
equipos intentan resolver problemas cada vez más grandes. Como resultado, ningún problema se resuelve por completo. Six
Sigma incluye controles para evitar ese avance del alcance para que los equipos puedan realizar mejoras incrementales que
mejoren constantemente un proceso a lo largo del tiempo. Hablaremos más sobre la fluencia del alcance en capítulos
posteriores.
Al resolver problemas complejos Si los
procesos son complejos y presentan muchas variables, es difícil determinar cómo abordar una solución, y mucho menos
definir y medir el éxito. El conocimiento del análisis estadístico y el control de procesos permite a los equipos abordar problemas
que involucran enormes cantidades de datos y muchas variables. A través del análisis y la representación gráfica, las ideas
complejas se pueden destilar en hipótesis, premisas y conclusiones específicas.
Cuando los costos están estrechamente ligados a los
procesos Debido a que el componente de control estadístico de procesos de Six Sigma permite que los equipos hagan suposiciones
más precisas que casi cualquier otro método, es muy apropiado para situaciones que están estrechamente ligadas a los
ingresos o costos. Cuando un pequeño cambio puede generar millones de dólares en ganancias o pérdidas, los equipos deben
validar las suposiciones con un margen de error extremadamente pequeño. Las conjeturas, la investigación básica e incluso
años de experiencia no pueden hacer eso con tanta precisión como los métodos Six Sigma implementados correctamente.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 4: Conceptos Lean
Hemos discutido los conceptos Lean en los tres capítulos anteriores porque la mayoría de los enfoques Six Sigma actuales
incorporan conceptos Lean en la resolución de problemas y el control de un proceso. De hecho, las organizaciones a menudo
usan el término Lean Six Sigma cuando describen un enfoque de mejora de procesos que incorpora inquilinos de las
metodologías Six Sigma y Lean. Este es un enfoque popular porque los mejores resultados generalmente se obtienen cuando
se mejora un proceso para eliminar tanto los defectos como los desperdicios. Esa declaración suena cierta ya sea que esté
midiendo desde un resultado final impulsado por el negocio o desde un enfoque de satisfacción del cliente.
Un defecto de Six Sigma es el incumplimiento de un requisito en un proceso. Hablaremos más sobre los requisitos en el Capítulo
8 cuando definamos la calidad. Por ahora, sepa que los defectos cuestan dinero porque las empresas tienen que reemplazar
piezas, equipos o productos que no son perfectos. Las organizaciones también experimentan pérdidas financieras asociadas
con defectos cuando la reputación de calidad es tan baja que los clientes optan por no devolver o comprar de la
empresa. Desde el punto de vista de la satisfacción del cliente, los defectos pueden aumentar el tiempo que tarda un cliente
en obtener lo que quiere o pueden hacer que el cliente no esté satisfecho con el producto o servicio final.
El desperdicio cuesta dinero porque es tiempo, trabajo o material innecesario en el proceso. Generalmente, el desecho es algo
que se usa en el proceso y que no se requiere para un resultado satisfactorio. En algunos casos, el desperdicio crea un
problema de satisfacción del cliente porque retrasa el proceso o introduce elementos indeseables o defectos en el producto
final.
En este capítulo, veremos algunos tipos específicos de desperdicio y cómo evitarlos, así como algunos conceptos Lean
para crear los procesos más eficientes.
Los Siete Mudas
Muda es una palabra japonesa que se traduce como desperdicio. Describe un concepto de ser inútil, innecesario o inactivo. El
concepto de que muda debe eliminarse en un proceso es un concepto impulsor del Sistema de producción de Toyota y
la manufactura esbelta. Muda es una tarea sin valor agregado (NVA) dentro de un proceso.
Algunos tipos de muda son más fáciles de identificar que otros, razón por la cual Lean Six Sigma implementa herramientas como el
mapeo de flujo de valor. Al comprender un proceso en todos los niveles, es más probable que los equipos identifiquen varias
formas de muda. Según Taiicho Ohno, ingeniero jefe de Toyota, hay siete muda, o recursos que comúnmente se usan
y administran mal: sobreproducción, corrección, inventario, movimiento, transporte, sobreprocesamiento y espera.
Sobreproducción La
sobreproducción es una de las formas de muda más fáciles de detectar, ya que tiende a dar como resultado lo que
comúnmente consideramos desperdicio. La sobreproducción significa que un producto, pieza o servicio se produjo demasiado
rápido, en el momento equivocado o en demasiada cantidad para el proceso. Para entender la idea de sobreproducción,
considere un restaurante básico de comida rápida que ofrece hamburguesas y papas fritas para el almuerzo. El restaurante
no sirve desayuno y abre sus puertas a las 11:00 am para la multitud del almuerzo.
Si los cocineros encienden la parrilla a las 11:00 am, es posible que comiencen el día con retraso, ya que es posible que
se realicen varios pedidos de inmediato. Sin embargo, si los cocineros empiezan a hacer hamburguesas en Página |
Machine Translated
Traducción by
automática Google
por
Google
10:30 a. m., es posible que tengan empanadas que reposen durante algún tiempo antes de consumirse, lo que lleva a
la insatisfacción del cliente o al desperdicio si se tiran las empanadas. Hacer 10 hamburguesas cada 10 minutos a partir
de las 10:30 a. m. es una sobreproducción: las hamburguesas se hacen demasiado pronto.
¿Qué pasa si los dueños del restaurante han investigado un poco y saben que el promedio de pedidos entre las 11:00 y las
11:15 a. m. de un martes es de 10 hamburguesas? Podrían indicarles a los cocineros que comiencen a hacer empanadas a las
10:50 a. m. y que hagan 5 empanadas cada 10 minutos. El objetivo es alinear la elaboración de hamburguesas con los pedidos de
los clientes para que los tiempos de espera se reduzcan pero los clientes aún puedan disfrutar de hamburguesas frescas.
Al mediodía, los dueños saben que los pedidos tienden a llegar rápidamente, así que les piden a los cocineros que hagan
15 hamburguesas cada 10 minutos. Sin embargo, a las 2:00 p. m., el tráfico de pedidos suele bajar a 10 hamburguesas por hora.
Si los cocineros siguen haciendo 15 cada 10 minutos, entonces el proceso sufre de sobreproducción.
En algún momento, el tráfico en el restaurante puede requerir un asado a la parrilla hecho a pedido, un proceso en el que el
cocinero solo hace hamburguesas a medida que se ordenan para evitar desperdiciar materiales. Al
comprender las tendencias de tráfico en su restaurante, los propietarios pueden estimar las necesidades y crear procesos
que reduzcan la cantidad de desechos que se generan en la cocina y, al mismo tiempo, cumplan con las demandas de calidad de
los clientes.
La sobreproducción suele asociarse con resultados tangibles de un proceso, aunque estos resultados no tienen que
ser finales o "productos finales" de dichos procesos. Considere una empresa que imprima tarjetas de presentación, papelería,
invitaciones y otros documentos. Tal vez este negocio ofrezca un servicio de impresión y correo; Para completar este servicio, la
empresa utiliza un proceso controlado por máquina que imprime, dobla y rellena los envíos. La impresora es capaz de entregar
1000 páginas por hora, pero la máquina plegadora solo puede doblar 800 páginas por hora.
Incluso si un cliente quiere imprimir y enviar por correo 1000 páginas, la impresora está produciendo en exceso si la
primera máquina está configurada para funcionar a la máxima velocidad. El proceso llevará más de una hora porque depende
de la máquina más lenta. Dado que la sobreproducción no da como resultado un desperdicio tangible (las páginas impresas
eventualmente se doblarán y enviarán por correo), los propietarios del proceso de la empresa deben considerar otros factores
para decidir si la sobreproducción temporal es perjudicial para el proceso. ¿El apilamiento de papel adicional antes del proceso
de plegado crea un riesgo adicional de error? ¿Operar la máquina de impresión a su máxima capacidad sin necesidad
supone una tensión o un desgaste innecesarios?
Si la respuesta es afirmativa a cualquiera de las dos preguntas, entonces existen residuos que deben eliminarse de la
proceso.
La sobreproducción también puede existir con respecto a los informes, los activos digitales y la preparación de los procesos.
Casi cualquier persona que trabaje en un entorno empresarial está familiarizada con los requisitos de generación de
informes, al igual que casi cualquier persona que haya creado informes sabe la desafortunada verdad de que la información
a menudo no se lee. Crear informes que nadie lee, o crear informes muy detallados cuando una descripción general sería
suficiente, es una sobreproducción.
Preparar equipos que no se utilizan en un proceso también es sobreproducción. Los centros de cirugía a menudo preparan
máquinas, bandejas de equipos y quirófanos antes de que comiencen los turnos. El objetivo es crear procesos eficientes
para cualquier operación de pacientes; El personal también debe poder acceder rápidamente al equipo si surgen problemas
durante los procedimientos. Preparar 20 bandejas de equipo en un día en el que solo están programadas 10 cirugías podría
considerarse una sobreproducción si no se utilizan las bandejas adicionales.
Página | 32
Machine Translated
Traducción by
automática Google
por
Google
En algunas situaciones, como el ejemplo médico anterior, los procesos pueden requerir una ligera sobreproducción. Si se programan 10 cirugías,
el personal puede preparar 13 o 14 bandejas de equipo. De esta manera, si llega una cirugía de emergencia, o si surge un problema con
una bandeja existente, el equipo de reserva está disponible. Al comprender los matices dentro de los procesos y requisitos, los equipos
de Six Sigma pueden identificar mejor la muda de sobreproducción frente a la sobreproducción que podría ser requerida por la regulación o las
políticas de resolución de problemas.
La clave para eliminar la sobreproducción es la planificación. En los ejemplos anteriores, notará que cada solución llegó cuando el operador del
proceso entendió las necesidades inherentes al proceso. Cuando los propietarios supieron cuántos pedidos eran probables, pudieron planificar
para reducir el desperdicio. Cuando el impresor conoce la capacidad de cada máquina en el proceso, puede planificar la tirada de impresión
más eficiente.
corrección
También conocido como muda de retrabajo, esta forma de desperdicio a menudo afecta a las organizaciones que están interesadas
en programas de calidad tradicionales. Con el deseo de eliminar los defectos del producto final, las organizaciones instituyen
controles de calidad en el proceso que enrutan el trabajo con defectos para su corrección. Si bien el reproceso puede ser necesario en algunos
casos, especialmente si los materiales son particularmente valiosos y vale la pena conservar el trabajo en lugar de desecharlo, aún es
un desperdicio en el proceso que debe identificarse y analizarse.
Cuando se produce el retrabajo, aumenta el tiempo total del proceso y utiliza mano de obra y materiales adicionales para crear una menor cantidad
de productos o salidas. Veamos un ejemplo que podría encontrarse en el centro de llamadas de una gran compañía de seguros de automóviles.
Algunas de las llamadas que ingresan al centro son de personas que han sufrido daños en los vehículos en un accidente. Considere el siguiente
proceso para manejar este tipo de llamadas:
• La persona que llama informa daños al automóvil. • El
representante registra la información en un formato informático. • El representante toma
una decisión con base en la información proporcionada por la persona que llama:
o El reclamo se enruta para su manejo inmediato si se considera una emergencia. o
El reclamo se enruta al equipo A si se trata de un incidente de un solo automóvil o de caso fortuito o
El reclamo se envía al equipo B si se trata de un accidente de varios autos.
Ahora, imagine un reclamo que llega a la cola de trabajo de un empleado que trabaja en el equipo B. La información ingresada en
la computadora está incompleta, por lo que el empleado no puede determinar con seguridad si el reclamo está relacionado con un accidente
de varios autos. El empleado podría devolver el reclamo a la cola original, lo que significa que un empleado del centro de llamadas tendría
que volver a llamar al asegurado para recopilar información adicional. A continuación, la reclamación se enrutaría de nuevo,
según la nueva información, y volvería a esperar en una cola de trabajo.
Uno de los mayores problemas con muda de corrección es que a menudo se puede argumentar que el procesamiento es necesario.
Tal vez el equipo B no esté equipado para lidiar con incidentes de un solo automóvil, por lo que el trabajo debe desviarse para completar el
reclamo. Pero, ¿por qué no equipar a los miembros del equipo de línea descendente para manejar cualquier reclamo, o crear un
proceso para redirigir los reclamos al equipo correcto sin enviar el trabajo nuevamente a la cola original?
La corrección, o reelaboración, puede ocurrir en cualquier tipo de proceso. Los procesos de fabricación descartan piezas y productos defectuosos;
A veces, los materiales se vuelven a trabajar para obtener un mejor resultado y, a veces, se desechan, lo que también es una forma
de desperdicio. Los centros de llamadas y las colas de trabajo digitales son famosos por el retrabajo, ya que es fácil
Página |
Machine Translated
Traducción by
automática Google
por
Google
enviar trabajos de ida y vuelta en formato digital. En algunos casos, la repetición del trabajo no se debe a la corrección, sino
simplemente a que las responsabilidades departamentales o de los trabajadores se superponen.
Para eliminar la repetición del trabajo o la corrección, las organizaciones deben utilizar un enfoque doble. Primero, se debe abordar
la causa raíz del retrabajo, lo que está causando los errores. ¿Se requiere más capacitación de los empleados? ¿Se
podría cambiar un proceso para hacerlo más a prueba de errores? En algunos casos, los principios discutidos en unidades
posteriores sobre el control de procesos, incluida una estrategia llamada poka yoke, se pueden implementar para hacer que sea más
difícil crear defectos que no crearlos durante un proceso. Cuando se evitan los defectos, también se evita el retrabajo.
Además de abordar la causa raíz de los errores, las organizaciones deben crear pasos de calidad que reduzcan el desperdicio de
reelaboración. En el ejemplo sobre el centro de llamadas de la compañía de seguros, notamos que sería más eficiente para el
trabajador de línea descendente redirigir el reclamo al equipo correcto que devolverlo al
equipo original Sin embargo, este método a veces causa un problema de cultura; existe la sensación entre los líderes y el personal
de que el primer equipo o el primer miembro del equipo debe ser responsable por el error. Uno
La forma de pedir responsabilidad es hacer que esa persona corrija su error. Si bien la reelaboración de errores puede ser un buen
método de capacitación cuando el tiempo y los recursos lo permiten, no siempre es factible y no constituye un proceso diario eficiente.
En su lugar, los empleados podrían rendir cuentas de manera más eficiente a través del establecimiento de objetivos y métricas
para el bien mayor de la organización en su conjunto.
Inventario
Muda de inventario es similar a muda de sobreproducción; de hecho, la sobreproducción puede causar un desperdicio de
inventario. Muda de inventario ocurre cuando los materiales o insumos se acumulan antes de un paso en el proceso; Este fenómeno
también se denomina cuello de botella. ¿Recuerda el ejemplo de impresión para la sobreproducción? Si la primera máquina se
configura en el nivel de producción más alto, generará 1000 páginas por hora. La plegadora solo puede manejar 800 páginas por hora,
por lo que tendría un inventario de 200 páginas creadas cada hora. Si ambas máquinas funcionaran a su máxima producción durante
cuatro horas, el proceso habría desarrollado un inventario de 800 páginas. Hasta ya menos que el proceso de plegado se vuelva más
rápido, esas páginas adicionales se desperdician en el inventario y continuarán acumulándose.
El desperdicio de inventario puede ocurrir cuando los artículos se compran o crean antes de que se necesiten en un
proceso de fabricación o servicio. El inventario también puede ocurrir en colas de trabajo, colas de datos digitales o incluso bandejas
de entrada de correo electrónico. Si recibe 300 correos electrónicos al día y solo maneja 30 de ellos regularmente, tiene un problema
de proceso con sus comunicaciones.
Si bien el desperdicio de inventario puede ocurrir en cualquier proceso, es especialmente común en procesos que operan en lotes.
La sabiduría lean tradicional dice que se evite el proceso por lotes, procesos que implican la creación de una cierta cantidad de
productos o salidas antes de empujarlos hacia el final de la línea. Reducir el tamaño del lote reduce los plazos de entrega, el
tiempo que se tarda en entregar el producto final. También reduce la cantidad de inventario que se produce antes de cada paso del
proceso.
Si bien la mentalidad Lean generalmente impulsa una mentalidad de que el procesamiento por lotes es malo, no siempre se puede
evitar, y los plazos de entrega reducidos en los resultados individuales no siempre son el objetivo principal de un proceso.
Considere a un panadero que está preparando una orden de una docena de pastelitos. Podía preparar el pedido como un lote, o
podía preparar cada cupcake por separado. Obviamente, mezclar los ingredientes y hornear los cupcakes como un lote tiene más
sentido. Decorarlos como un lote también funciona bien: el panadero puede congelar todos los cupcakes, agregar tuberías a todos los
cupcakes y luego cubrir todos los cupcakes con un dulce. Trabajos de dosificación para el panadero
Página |
Machine Translated
Traducción by
automática Google
por
Google
porque el primer cupcake no va a salir de la panadería antes de que termine el 12, todos se mueven juntos porque se consideran
una unidad.
También puede reducir el desperdicio de inventario al comprender un proceso y basar las decisiones de inventario en métricas
históricas. Un centro de envío que procesa entre 50 000 y 100 000 cajas a la semana no haría un pedido de 300 000 cajas si solo
quisiera tener a mano el suministro de una semana. Un panadero no prepara crema para siete pasteles si solo tiene la intención de
hacer dos.
Movimiento
Muda of motion tiene que ver con cómo se mueven los propios empleados durante un proceso. Este tipo de desperdicio a menudo
es relevante para los procesos impulsados por personas en la fabricación, el almacenamiento, el envío, la entrega o los
campos industriales, pero el desperdicio de movimiento puede incluso surgir en procesos que están computarizados.
Por ejemplo, si un empleado de ingreso de datos tiene que hacer clic de un lado a otro entre las pantallas al ingresar
información, esto podría ser una muda de movimiento. Si el sistema está diseñado para que se ingrese un número en una ventana y
un segundo número se ingrese en una ventana diferente, el clic entre ventanas es un desperdicio de movimiento. Pasar a otra
ventana implica una acción del mouse o del teclado que podría eliminarse si los datos se ingresaran en la misma ventana. Parece
un detalle intrascendente, pero imagina lo que sucede cuando el empleado de datos completa este proceso cientos o miles
de veces al día. Los residuos pueden sumar absolutamente:
• Si cada empleado de entrada de datos completa 600 entradas por hora en promedio, y hay 10 empleados en un
equipo, el equipo está completando 48.000 entradas cada día. • Si se tarda solo medio segundo
más en alternar entre las dos ventanas, el equipo todavía está gastando
un colectivo de 400 minutos al día, poco más de 6,5 horas, alternando. • Si el
El salario promedio por hora de un trabajador de datos es de $10, el equipo gasta $325 adicionales cada semana, casi
$17,000 cada año, para cubrir el acto de alternar entre ventanas.
Dados esos números, un cambio de programación que incluya ambos elementos de datos en la misma ventana podría ahorrarle
a la empresa $17,000 en un solo año. Este mismo concepto se puede aplicar a cualquier forma de muda cuando se puede aplicar una
cifra de tiempo y dinero al desperdicio.
Otros ejemplos de muda de movimiento incluyen una tarea que requiere que una persona se mueva físicamente hacia adelante
y hacia atrás entre el trabajo, un movimiento adicional que se deriva de un diseño deficiente del trabajo o un movimiento que
ocurre cuando un empleado abandona un área y tiene que regresar uno o más. veces porque él o ella olvidó algo. Las
bibliotecas públicas han empleado durante mucho tiempo una herramienta simple para evitar mudas de movimiento en el proceso
de reubicación: los libros se ordenan primero en un carro. El carrito permite que un empleado lleve muchos libros sin moverse
de un lado a otro, y colocar los libros en orden en el carrito permite que el individuo se mueva a través de las pilas una vez. Si los
libros se colocan al azar en el carro, el movimiento posterior entre estantes desperdicia movimiento y tiempo.
La optimización de los procesos de la empresa elimina la muda de movimiento, y los datos deben recopilarse y analizarse para
identificar movimientos innecesarios. Una herramienta común utilizada en la fabricación y entornos similares para rastrear el
movimiento se conoce como diagrama de espagueti. Comience con un dibujo básico a vista de pájaro del espacio de
trabajo. Incluya muebles, estaciones de computadoras, maquinaria, puertas y paredes. Observe un proceso real, rastreando
todos y cada uno de los movimientos con una línea en el diagrama.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Cuando se dibuja correctamente, el diagrama se parece a una cadena de espaguetis que cayó sobre su página. Una vez que se completa
el proceso, puede mirar el diagrama para ver dónde los movimientos se cruzan varias veces o se desvían innecesariamente. Esto lo
ayuda a encontrar oportunidades para agilizar el movimiento en un proceso; a veces, es tan simple como mover muebles o recursos
para reducir el movimiento innecesario. Vale la pena señalar que un diagrama de espagueti solo revela una instantánea
del movimiento en el tiempo; A veces, vale la pena completar más de uno de estos diagramas en diferentes momentos del día
o con diferentes empleados para revelar una imagen general de un proceso y posible muda.
Transporte Muda
de transporte es similar a muda de movimiento excepto que el transporte implica el movimiento de salidas, productos o recursos.
A veces también se le conoce como muda de transporte. Por ejemplo, en una instalación de fabricación de muñecas, si el pegamento que
une los ojos de las muñecas a las caras de las muñecas se guarda en una sala de inventario y se lleva, según sea necesario,
al proceso, podría haber muda de transporte.
Si se imprime un informe de gastos y luego se lleva a un gerente para su aprobación, quien luego lo envía en un sobre interno
de la oficina a un director, quien luego lo lleva al departamento de contabilidad, se está produciendo el muda de transporte.
Esto es especialmente cierto porque la tecnología adecuada utilizada de manera correcta y eficiente permite que las
organizaciones manejen informes costosos a través de la computadora con poco transporte.
Si un chef prepara un plato y lo coloca en un mostrador donde un ayudante de cocina mueve el plato a una mesa diferente donde
los camareros saben cómo recogerlo, se está produciendo un transporte. Luego, el personal de servicio lleva el plato al cliente.
El transporte puede relacionarse con el movimiento físico de elementos o el movimiento digital de datos o flujo de trabajo. Las
cadenas de correo electrónico, que están presentes en muchos entornos de trabajo, a menudo presentan mudas de transporte digital.
Un CEO puede enviar un correo electrónico a un director con una solicitud de datos. El director envía un correo electrónico a un
gerente, que envía un correo electrónico a un supervisor, que envía un correo electrónico a un experto en la materia. La PYME
entrega la información a su supervisor y los correos electrónicos vuelven a subir en la cadena. La misma solicitud e información se
transmitió varias veces cuando es posible que solo haya sido necesario transmitirla una vez. Esto permite muchas oportunidades de error.
Algunos pueden apuntar a preocupaciones de la cadena de mando, pero para el propósito de este ejemplo, si la solicitud de
datos es un proceso repetido, entonces tiene sentido que la cadena de mando informe al CEO de dónde proviene esta información.
Para ir aún más lejos, un proceso verdaderamente Lean requeriría que se eliminen todos los desechos de este proceso. Si el
requerimiento de datos llega semanalmente, entonces los ideales Lean requieren que la PYME genere automáticamente los datos
y los envíe al CEO semanalmente.
El transporte físico suele ser más fácil de localizar y abordar que el transporte digital. Un diagrama de espagueti, un mapa de proceso
o un mapa de flujo de valor pueden ayudarlo a identificar áreas donde podría existir muda de transporte.
Los diagramas de espagueti funcionan bien en situaciones de transporte físico y los mapas de procesos lo ayudan a identificar el
transporte en entornos digitales.
Una vez que identifique el muda de transporte, puede eliminarlo haciendo cambios en el proceso, el diseño o los requisitos de inventario
para el trabajo. Si el desperdicio de transporte no se debe a un diseño deficiente del proceso oa la disposición del área de trabajo,
podría estar relacionado con otra forma de muda. El transporte se ve a menudo en procesos que implican mucha corrección, porque el
trabajo se transfiere de un lado a otro entre el personal o las áreas. Al abordar el muda de la corrección, a menudo también aborda
el muda de la transmisión.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Sobreprocesamiento El
sobreprocesamiento ocurre cuando un empleado o proceso ingresa más recursos en un producto o servicio de lo que valora el cliente.
Esto podría ocurrir debido a la ignorancia, el deseo de perfección o incluso la emoción. A veces, el procesamiento excesivo ocurre porque
un empleado no ha recibido capacitación sobre la forma más eficiente de manejar una tarea. Otras veces, ocurre porque un empleado o
proceso es más minucioso de lo que vale la pena. Un objetivo de cualquier proceso debe ser hacer el trabajo útil y necesario suficiente para
garantizar que se cumplan las expectativas del cliente o del usuario final.
Un ejemplo de procesamiento excesivo suele ocurrir en las oficinas administrativas de atención médica durante el proceso de verificación
del seguro. La verificación del seguro ocurre cuando el consultorio de un proveedor de atención médica intenta verificar que una persona
está cubierta por un seguro para los servicios que se van a prestar. Según el tipo de cobertura de seguro y las políticas de la oficina, un
miembro del personal verifica los beneficios a través de un programa de computadora o llama a la compañía de seguros.
En la mayoría de los casos, el objetivo de la verificación del seguro es simplemente garantizar que el asegurado esté cubierto por el plan
para la fecha en que se prestarán los servicios. A veces, sin embargo, un empleado de oficina profundiza más en la verificación, pasa hasta
una hora hablando por teléfono con una compañía de seguros para recibir beneficios detallados o vuelve a llamar para verificar
con otro representante y asegurarse de que la información original provista sea correcta. Si bien existen casos específicos que requieren
una verificación exhaustiva del seguro, las visitas básicas al médico no requieren este nivel de trabajo. Un miembro del personal
que tarda hasta una hora en verificar la cobertura del seguro está produciendo en exceso y probablemente esté causando
problemas de productividad para la oficina en su conjunto.
En los procesos centrados en el consumidor, el procesamiento excesivo ocurre cuando se pone más en un producto que el valor que ofrece
el cliente. Si bien la excelencia del producto es importante, en algún momento el trabajo que pones en un producto excede lo que el cliente
considera necesario o útil, y esto a menudo está relacionado con el precio. Un cliente espera más de un modelo premium y más caro,
por ejemplo.
Un ejemplo de procesamiento excesivo podría ser pintar la parte inferior del estante interior de un gabinete cuando nadie lo verá. En un
restaurante, planchar la ropa de mesa con un estándar exigente podría considerarse un procesamiento excesivo, especialmente si
quita la ropa de cama entre comidas para lavarla. En la mayoría de los restaurantes, gran parte de la mantelería cubre la mesa; Los
propietarios pueden querer ropa de cama que no esté llena de arrugas, pero no necesitan costuras nítidas y perfectas. En el mundo
técnico, crear una aplicación con 100 funciones cuando el 99 por ciento de las personas solo quiere usar 10 funciones principales puede
considerarse tanto un procesamiento excesivo como una producción excesiva.
Un mapa de flujo de valor, cubierto en el Capítulo 35, es una buena herramienta para identificar cualquier punto de procesamiento excesivo.
Cualquier parte del proceso que no proporcione valor podría considerarse sobreprocesamiento; cuando el proceso presenta una
serie de eventos vinculados y ninguno proporciona valor, es incluso más probable que se produzca un procesamiento excesivo.
En un verdadero proceso Lean, cada paso de un proceso proporciona valor, pero puede ser complicado determinar cuándo no se está
generando valor. La calidad es importante tanto para el éxito del proceso como para el cliente final, por ejemplo, pero al cliente no le importa,
o por lo general ni siquiera se da cuenta, de que su proceso está imbuido de controles de calidad en todo momento. En cambio, les importa
que un proceso demore 10 minutos más debido a esos controles de calidad: los equipos tienen que profundizar en los procesos, las
métricas y la voz del cliente para determinar si esos 10 minutos adicionales brindan suficiente valor agregado para cubrir la molestia o la
pérdida de clientes porque de
Página |
Machine Translated
Traducción by
automática Google
por
Google
el tiempo añadido. Este conocimiento se determina a través de la recopilación de datos y el análisis estadístico discutidos en detalle a
lo largo de este libro.
Espera
Muda de espera se refiere a cualquier tiempo de inactividad en un proceso, ya sea que el tiempo de inactividad sea para maquinaria o personas.
En otras palabras, un empleado o máquina está trabajando por debajo de su capacidad o no está trabajando en absoluto debido a la espera de
entradas de otra parte del proceso. La espera se produce cuando los pasos del proceso no se coordinan correctamente, cuando los
procesos no son fiables, cuando el trabajo se agrupa en lotes demasiado grandes, durante la reelaboración y durante los largos cambios entre el
personal o las máquinas.
En un entorno minorista o de comida rápida, cuando termina el turno de un cajero, otro cajero se hace cargo en la estación. Para mantener
la integridad financiera, casi todas las empresas cambian los cajones de la caja registradora durante el cambio de cajero; Si hay un error con el
cajón, la empresa sabe quién estaba a cargo del registro en ese momento, lo que facilita la búsqueda de tendencias o problemas. Sin embargo,
cuando se cambia el cajón, por lo general no se puede usar el registro. El cajero simplemente está esperando, a veces junto con el cliente.
Para reducir el muda de espera en este ejemplo de caja registradora, la mayoría de las organizaciones utilizan un proceso que incluye una
serie de cajas registradoras que se preparan al comienzo del día o del turno. Los cajones están diseñados para ser intercambiables en los registros,
por lo que se puede sacar el cajón viejo y poner el cajón nuevo en menos de 30 segundos, solucionando el desperdicio de espera.
El desperdicio de espera es común en los entornos de construcción. La construcción de carreteras, puentes, edificios y otras estructuras requiere
mucha atención al orden y los detalles: no se puede construir la calzada de un puente hasta que los pilares estén en su lugar y firmes. Este
concepto se ve incluso a pequeña escala en la construcción, lo que hace que los empleados pagados a menudo se queden esperando que
otros completen una parte del trabajo antes de que puedan terminar la tarea asignada.
Debido a que la construcción es un campo de especialistas y certificaciones, un empleado a menudo no puede hacer el trabajo que otro puede
hacer. En otras palabras, las tareas de los empleados no son intercambiables. Esto provoca un muda adicional de espera; Es posible que un
grupo de trabajadores de la construcción tenga que esperar a que el operador del montacargas venga y mueva algunos artículos. Mientras tanto,
el operador del montacargas está terminando una tarea al otro lado del lote de construcción. Este no es un problema limitado a la construcción:
algunas oficinas tienen políticas que requieren que un miembro oficial del personal de TI se ocupe de cualquier problema informático. Ya sea
que se trate de una falla de software, un error de solución de problemas o simplemente la necesidad de cambiar un mouse que no funciona bien, el
personal de la oficina debe enviar un ticket de soporte o hacer una llamada telefónica y esperar a que el personal de TI resuelva el problema.
Puede eliminar el desperdicio de espera dentro de muchos procesos al equilibrar la maquinaria, las personas y la producción. El
proceso solo funcionará tan rápido como el enlace más lento; Reforzar la producción de un solo elemento no hace nada por el conjunto,
por lo que los equipos deben trabajar para equilibrar y mejorar todo
proceso.
A veces, la programación es un componente clave para eliminar la espera. En el ejemplo de la construcción, las tácticas avanzadas
de planificación y programación podrían reducir la posibilidad de que un equipo esté esperando a un operador de montacargas mientras él o ella
están ocupados en otro lugar. Comprender las necesidades de la organización, el equipo, el proyecto y el proceso también ayuda al
liderazgo a proporcionar la cantidad adecuada de recursos para reducir la espera. El sitio de construcción podría beneficiarse de dos
operadores de montacargas, por ejemplo. En el ejemplo de TI, una empresa
Página | 38
Machine Translated
Traducción by
automática Google
por
Google
puede reducir los tiempos de espera maximizando la dotación de personal de TI en momentos de gran volumen o implementando
procesos dentro del departamento de TI para crear respuestas más eficientes a los tickets de ayuda. Se puede contratar a un miembro
auxiliar del personal de TI para que se ocupe de problemas menos técnicos, como cambiar un mouse de bajo rendimiento.
Otras formas de residuos
Si bien Toyota definió originalmente siete muda comunes, incluso Taiichi Ohno estuvo de acuerdo en que existen otros tipos de
desechos. En algunos casos, lo que parecen ser otros tipos de desechos son simplemente tipos más definidos o específicos de los siete
muda discutidos anteriormente. Algunas formas de desperdicio no parecen encajar perfectamente en una de las siete categorías de
muda.
Talento
El talento puede desperdiciarse cuando un proceso no aprovecha al máximo la mano de obra o el personal disponible. Si un
proceso requiere que se ingresen datos, y el miembro del personal más lento en 10 teclas se asigna a la tarea, se están
desperdiciando recursos. Contratar a la persona equivocada, poner al personal en el puesto equivocado o ignorar el potencial de
crecimiento de un miembro del personal pueden ser casos de muda de talento. El talento desperdiciado es más una
preocupación para el liderazgo y los recursos humanos que para los especialistas en mejora de procesos, aunque los expertos en Six
Sigma deben ser conscientes de que la forma en que se manejan los recursos humanos puede afectar drásticamente la
eficiencia de un proceso.
Ideas
Muda de ideas ocurre cuando los pensamientos e ideas de las personas se descartan, no se buscan o se apropian
indebidamente de una manera que no tiene sentido. Los equipos de liderazgo y de proyecto a menudo pueden pasar por alto a los
expertos en la materia que tienen una visión detallada de un proceso y, como tal, podrían ofrecer conocimientos e ideas de
primera mano. El resultado podría ser el diseño de un proceso que funciona muy bien en teoría, pero falla a nivel granular una vez que
se instituye.
Una de las razones por las que el desperdicio de ideas es una preocupación tan grande para las organizaciones es que las personas
mismas rara vez presentan pensamientos. Los miembros del personal pueden pensar que no tienen nada real para contribuir, pueden
sentir que sus ideas no serán escuchadas o pueden estar ansiosos por parecer tontos o ignorantes.
Six Sigma Green o Black Belts a cargo de los proyectos pueden facilitar menos muda de ideas al alentar a los expertos en la materia
a contribuir y alentar a los líderes a buscar todas las ideas antes de avanzar con el cambio. Las herramientas de lluvia de ideas, que
se tratan en capítulos posteriores, son valiosas para este propósito porque están diseñadas para crear un refugio seguro para
todas las ideas. Al fomentar todas las ideas en un entorno seguro, los equipos pueden fomentar ideas valiosas y evitar el
desperdicio de ideas.
Capital/ Efectivo
Ahorrar para un día lluvioso es inteligente, pero depositar dinero en efectivo cuando hay ganancias para obtener no siempre es la
decisión correcta. Muda de capital o efectivo ocurre cuando el liderazgo decide no invertir en actualizaciones o mejoras que
generarían un flujo de efectivo adicional. Este tipo de despilfarro es muy similar a la espera, excepto que el efectivo en sí está
esperando, a menudo durante un momento en que el liderazgo se siente lo suficientemente seguro como para gastarlo.
Six Sigma ayuda a reducir la muda de efectivo porque el análisis estadístico ayuda a señalar a los líderes las decisiones que implican
el menor riesgo o la mayor ganancia. Ninguna decisión comercial está 100% garantizada, pero Six Sigma ayuda a los líderes a cubrir sus
apuestas mediante el uso de datos estadísticos en el proceso de toma de decisiones para que no se queden con efectivo o capital que
podría usarse para impulsar ganancias en eficiencia, producción y ganancias.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Dos tipos de muda Toda muda
es un desecho que no agrega valor a un producto o proceso según lo definido por el cliente o usuario final.
Todos los muda también se pueden dividir en dos tipos generales, lo que puede ayudar a las organizaciones a priorizar los desechos
para proyectos y mejoras. Muda puede denominarse tipo I o tipo II.
Muda de tipo I
Las mudas de tipo I son tareas sin valor agregado que en realidad pueden ser esenciales o requeridas por las circunstancias.
La inspección de productos durante un proceso puede ser necesaria si se sabe que el proceso produce defectos.
Las organizaciones no quieren que los defectos lleguen a los clientes, por lo que implementan controles de calidad. El acto de la
inspección, y el tiempo y los gastos que agrega a un proceso, son todos muda. Sin embargo, una organización no puede eliminar ese
desperdicio hasta que aborde la causa de los defectos dentro del proceso.
A veces, los procesos auxiliares dentro de una organización son muta Tipo I. Por ejemplo, el cliente final externo no recibe valor directo
de los procesos de recursos humanos dentro de una organización. Al mismo tiempo, si los empleados no reciben cheques de pago
o apoyo con respecto a los beneficios, es probable que no continúen realizando su trabajo. Esos procesos son entonces esenciales
para la organización. En lugar de eliminar el muda por completo, los equipos pueden buscar formas de hacer que el muda esencial sea
lo más eficiente y rentable posible.
Tipo II Muda Tipo
II muda son tareas sin valor agregado que no son esenciales y pueden eliminarse inmediatamente de un proceso. Por ejemplo, si un
producto se transporta hacia y desde varias estaciones de trabajo mientras se completa, es probable que exista una muda
de transporte de tipo II. Al reorganizar el flujo de trabajo, los equipos podrían reducir el muda en una cantidad sustancial sin realizar
ningún cambio real en la forma en que se elabora el producto.
5S
5S es un enfoque Lean japonés para organizar un espacio de trabajo, de modo que al hacer que un proceso sea más efectivo y eficiente,
será más fácil identificar y eliminar la muda. 5S se basa en señales visuales y un área de trabajo limpia para mejorar la eficiencia,
reducir los accidentes y estandarizar los flujos de trabajo para reducir los defectos. El
El método se basa en cinco pasos:
• Ordenar (Seiri) •
Enderezar (Seiton) •
Brillo (Seiso) •
Estandarizar (Seiketsu) •
sostener (shitsuke)
Fase I: Ordenar
Durante la fase de clasificación, se revisan todos los artículos o materiales en un espacio de trabajo, se eliminan los artículos innecesarios
y se conservan los recursos necesarios.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Piense en la sala de fotocopias de una oficina: a lo largo de los años, se han acumulado suministros, herramientas y maquinaria. Al
pasar por la habitación, los equipos pueden decidir que se queden la engrapadora y la cinta adhesiva; la gente todavía necesita
engrapar páginas o acceder a la cinta. El viejo cortador de papel no es necesario para el equipo, ya que nadie realiza tareas
de corte de papel. Sin embargo, alguien observa que el equipo de envío y almacenamiento tiene que cortar manualmente las páginas a
veces, por lo que el cortador de papel se reubica en ese departamento. El equipo decide tirar una papelera de papel suelto y
una vieja máquina de fax porque una nueva fotocopiadora incluye la función de fax. Al eliminar obstáculos y elementos innecesarios,
también se eliminan los costos, el tiempo y la frustración de los empleados.
El paso de clasificación le permite hacer un inventario de un área, descubrir recursos no utilizados o desperdiciados y dejar espacio
para la reorganización. Ordenar también se puede aplicar con procesos computarizados.
Fase 2: Enderezar Una
vez que se elimina el exceso del área de trabajo, los equipos deben proporcionar una ubicación optimizada y fácil de usar para todo
lo necesario para el espacio de trabajo. Durante la fase de enderezamiento, cada artículo, herramienta o material recibe un hogar.
Para facilitar la organización continua, la ubicación de los recursos debe estar claramente etiquetada. La idea es crear un espacio de
trabajo que cualquier persona pueda usar: si alguien de otra área viene a su sala de fotocopias, solo debería tomar unos segundos
para ubicar el papel del tamaño correcto. Los empleados de una fábrica deberían poder moverse de una estación a otra, encontrando
equipos y herramientas con facilidad. El objetivo es proporcionar los controles visuales que permitan una operación con sentido
común. Etiquetar un estante para papel tamaño carta, colocar los enchufes en orden de tamaño en un cajón etiquetado como
enchufes o estacionar el montacargas en un área marcada del piso de la fábrica cuando no esté en uso son buenos ejemplos.
Etiquetar la engrapadora con una rotuladora es un ejemplo de cosas que van más allá del sentido común: no necesita etiquetar
elementos que la mayoría de las personas en el lugar de trabajo reconocerían en el sitio.
La fase de enderezamiento también funciona bien en un entorno digital, especialmente cuando una variedad de personas utilizan
computadoras o sistemas. En una oficina que tiene una política de espacio de trabajo compartido, los recursos técnicos pueden
desplazar los escritorios de las computadoras para que los mismos programas estén disponibles para todos. No solo todos los
programas son iguales, sino que los íconos están en la misma ubicación en cada escritorio para que los usuarios no tengan
que buscar programas si se mudan a una nueva estación de trabajo.
Fase 3: Brillo
La tercera fase de la metodología 5S tiene como objetivo mantener el lugar de trabajo limpio y ordenado. Seiso también se puede
traducir como "barrer, desinfectar o fregar". El objetivo es hacer brillar el espacio de trabajo limpiándolo, manteniendo el
equipo y devolviendo los artículos al lugar adecuado después de su uso. En un entorno computarizado, la fase de
brillo se puede lograr nombrando los archivos de una manera que los haga fáciles de ubicar, manteniendo intactas las estructuras de
carpetas y eliminando o archivando los archivos que ya no son necesarios.
Shine se puede aplicar a cualquier entorno, físico o digital.
Fase 4: Estandarizar
La fase de estandarización se utiliza para mantener el progreso logrado en todas las fases anteriores. Al mantener altos estándares
de orden, los beneficios de la metodología 5S pueden ser a largo plazo. El estrés y la velocidad de una jornada laboral diaria
pueden hacer que sea difícil mantenerse al día con los estándares 5S. Si todos se comprometen a trabajar juntos, los beneficios
pueden continuar.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Fase 5: Sostener
5S solo funciona si todos en el equipo o dentro de la organización se comprometen con el proceso. Los empleados deben seguir
las reglas establecidas para estandarizar y sostener la organización. De lo contrario, el equipo entra en un ciclo de limpieza después de
un período de incumplimiento de los estándares de 5S.
Los beneficios generales del método 5S incluyen:
• Riesgos reducidos de accidentes y problemas de seguridad •
Mayor cumplimiento de las reglamentaciones de organizaciones como OSHA • Una base que
facilita la implementación de mejoras adicionales • Los desechos son más fáciles de identificar y
eliminar • Producción
y la calidad se mejoran en general
Todos estos beneficios se traducen en mayores ganancias y satisfacción del cliente, que son los objetivos generales de la metodología
Six Sigma.
Fabricación justo a tiempo
La fabricación justo a tiempo, o JIT, es otro concepto Lean que se originó con Toyota. Originalmente, JIT tomó un significado literal.
El objetivo de la fabricación JIT era producir un resultado "justo a tiempo" o "según lo necesitara" el cliente. El cliente era la
persona o el proceso que requería el resultado; A veces, eso significaba los clientes finales y, otras veces, el cliente
era un empleado o proceso diferente dentro de la organización.
En una situación de procesamiento JIT, una máquina puede producir una pieza requerida por otra máquina. La fabricación JIT
significa que la primera máquina suministra solo la cantidad de piezas que la segunda máquina puede procesar. Si la segunda máquina
puede procesar una parte por minuto, la primera máquina está configurada para producir una parte por minuto. Reconocerá esta idea
de las secciones sobre muda de inventario y sobreproducción.
Obviamente, no siempre es posible ejecutar un proceso justo a tiempo para el cliente final, pero la mayoría de las empresas
modernas intentan acercarse lo más posible. Usando análisis predictivos, las empresas intentan estimar cuántos de cada
producto se venderán antes de producir esos productos. En algunos casos, como en la publicación de libros, las empresas ejecutan
primero una cantidad menor de artículos. Si esos artículos se venden bien o se agotan, la empresa ordena tiradas cada vez más grandes
del producto.
Algunos empresarios han aplicado la fabricación JIT a las ventas de DVD. Estas personas y empresas compran los derechos de películas
que nunca antes se habían lanzado en DVD o Bluray. Por lo general, buscan películas de bajo costo que probablemente tengan un
pequeño culto o un nicho de seguidores. Debido a que la demanda es pequeña, no es factible imprimir y comercializar estos DVD de
manera tradicional. Sin embargo, las empresas obtienen una ganancia estable vendiendo los DVD a través de minoristas en línea
como Amazon.com e imprimiendo los DVD por pedido.
La tecnología moderna permite que este proceso ocurra con un gasto y una espera mínimos.
Hoy en día, las mentalidades JIT tienen menos que ver con la idea literal de proporcionar el producto justo a tiempo; más bien, se
ha convertido en un concepto más general de manufactura esbelta que ayuda a las organizaciones a eliminar el desperdicio en el
proceso.
Página | 42
Machine Translated
Traducción by
automática Google
por
Google
Los conceptos Lean surgen en muchas metodologías de mejora Hemos cubierto
muchos de los conceptos Lean de alto nivel, y verá que algunos de estos conceptos se repiten a lo largo del resto de este libro.
Si bien Six Sigma se preocupa por mejorar los procesos y reducir los defectos, la eliminación de desperdicios y el aumento de la
eficiencia van de la mano con estos objetivos.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 5: Conceptos básicos de Six Sigma
En el último capítulo, cubrimos algunos de los principales conceptos asociados con Lean. En este capítulo, veremos algunos
de los principales conceptos de la metodología Six Sigma. Éstos, junto con los conceptos introducidos en el Capítulo 1,
son algunos de los componentes básicos que se utilizan en los proyectos de mejora y control estadístico de procesos.
Desviación Estándar
El objetivo principal de Six Sigma es reducir los defectos. Al reducir los defectos, los equipos pueden aumentar la productividad,
disminuir los costos generales, aumentar la satisfacción del cliente y generar el máximo beneficio. Una idea inherente a la
metodología Six Sigma es que la variación es la raíz de muchos defectos.
Por ejemplo, si un horno se calienta exactamente a 350 grados en cinco minutos y permanece a esa temperatura hasta que se
apaga, es menos probable que se quemen las galletas. Si un cocinero mide exactamente cada ingrediente, es más probable
que produzca galletas que siempre sepan bien. Agregue variación en el proceso y se perderá la consistencia.
Cuando se pierde la consistencia, se introducen defectos. Si el horno no mantiene una temperatura exacta todo el tiempo,
las galletas pueden quemarse. Si el cocinero pone una taza de azúcar en lugar de una taza y media, es posible que las
galletas no sean lo suficientemente dulces. La variación hace que la calidad sea inconsistente.
Es importante tener en cuenta que eliminar la variación por sí sola no siempre mejora la calidad. ¿Qué pasa si el cocinero pone
el horno a 400 grados todo el tiempo y solo usa media taza de azúcar para cada tanda? El proceso no tiene variación, y los
resultados tampoco. Las galletas siempre estarán blandas y quemadas.
Los equipos de mejora de procesos de Six Sigma suelen adoptar un enfoque de dos pasos para las mejoras. Primero, tienen
que determinar si el proceso es funcional. En el ejemplo de las galletas, ¿funciona la receta? ¿Hay incluso una receta? Una
vez que el equipo determina que existe una receta viable, realiza mejoras para eliminar la variación que hace que los resultados
se desvíen del resultado previsto por la receta.
La medida estadística utilizada por los equipos para comprender la variación en un proceso se conoce como desviación
estándar. La desviación estándar se representa en matemáticas con la letra griega minúscula Sigma, la ÿ que viste en el
Capítulo 1.
La desviación estándar mide la distancia entre los puntos de datos y la media de todos los datos. Una desviación estándar grande
significa una amplia variedad general de puntos; una desviación estándar más pequeña significa un conjunto de puntos
estrechamente agrupados.
Página | 44
Machine Translated
Traducción by
automática Google
por
Google
La imagen de arriba proporciona una representación gráfica de la desviación. Imagina que el eje vertical es una
medida de tiempo y el eje horizontal es una medida de temperatura. La línea central de cada imagen representa
la temperatura media. Puedes ver que la temperatura con el tiempo varía mucho más en la figura de la derecha.
Cálculo de la desviación estándar para datos de población
La desviación estándar es un concepto estadístico. La fórmula para la desviación estándar cuando se trata de
datos de toda la población es:
= ÿ1 ÿ( ÿ )2
=1
Clave de fórmula:
ÿ = Desviación estándar
ÿ = media
ÿ le dice que sume los resultados de todos los cálculos realizados para los elementos enumerados entre paréntesis
N = el número de elementos de datos para los que calculó la desviación estándar
X = un marcador de posición para cada elemento de datos
Página |
Machine Translated
Traducción by
automática Google
por
Google
Usaría esta fórmula si tiene todos los elementos de datos de una población y no solo una muestra aleatoria de elementos
de datos. Por ejemplo, si quisiera averiguar cuál era la desviación en el tamaño de las pizzas hechas, podría pedirle al personal
que midiera cada pizza antes de servirla. Tendría los datos de toda la población de pizzas del día, por lo que podría usar la ecuación
anterior. Sin embargo, si quisiera calcular la desviación estándar cuando tiene datos de muestra, usaría la ecuación de la
siguiente sección.
Si eres nuevo en estadística, la ecuación para la desviación estándar parece complicada. Lo desglosaremos y ejecutaremos
algunos ejercicios para calcular la desviación estándar manualmente, pero en la práctica, generalmente usará una herramienta
de software estadístico para hacer este cálculo automáticamente.
Para nuestra explicación, usaremos un conjunto de datos de un maestro. Quiere encontrar la desviación estándar de las
puntuaciones en el último examen. Los puntajes de su clase de 15 estudiantes son:
67, 68, 73, 74, 81, 85, 88, 88, 90, 90, 90, 93, 94, 98, 99
1. Calcular la media.
Para comenzar el cálculo de la desviación estándar, debe conocer la media de la población. la media es
representado matemáticamente por la letra griega mu, o ÿ. La media se calcula sumando todos los números y dividiendo
esa suma por el número de elementos en un conjunto de datos. En este caso, hay 15 artículos.
67 + 68 + 73 + 74 + 81 + 85 + 88 + 88 + 90 + 90 + 90 + 93 + 94 + 98 + 99 = 1278
1193/15 = 85,2
2. Restar la media y elevarla al cuadrado.
La fórmula requiere que tome cada número en el conjunto de datos, le reste la media y eleve el resultado al cuadrado.
El primer número es 67, entonces:
67 – 85,2 = 18,2
*
18.2 18,2 = 331,24
Si aplica ese concepto a los 15 números, termina con una lista de resultados:
331.24
295.84
148.84
125.44
17.64
0.04
7.84
7.84
23.04
23.04
23.04
Página | 46
Machine Translated
Traducción by
automática Google
por
Google
60.84
77.44
163.84
190.44
3. Encuentra la media de los resultados.
El resto de la fórmula debajo del signo de la raíz cuadrada simplemente le dice que sume todos los números que acaba
de calcular y los divida por N, donde N es el número de elementos en su conjunto de datos. O, para decirlo de otra
manera, necesitas encontrar la media de los nuevos números que acabas de calcular.
La suma de los números anteriores es 1496,4.
1496,4 / 15 = 99,76
Este nuevo número, 99,76, se llama varianza.
4. Encuentra la raíz cuadrada de la varianza.
La desviación estándar es la raíz cuadrada de la varianza. En este caso, la raíz cuadrada de 99,76, que es
9,987.
La desviación estándar para los puntajes de las pruebas es 9.987.
Cálculo de la desviación estándar con datos de muestra
Si bien las estadísticas basadas en datos de la población total siempre son más precisas que las basadas en datos
de muestra, probablemente trabajará con datos de muestra con mayor frecuencia. Simplemente se vuelve
demasiado costoso o incluso imposible obtener datos de población para muchos elementos. A veces, los datos miden
eventos o estados a lo largo del tiempo, lo que significa que no existen datos de población. Por ejemplo, si
desea comprender las fluctuaciones de temperatura en un almacén, puede registrar la temperatura en un lugar
determinado cada diez minutos. Después de varios días, tiene suficientes datos de muestra para analizar.
Otros ejemplos de datos de muestra incluyen:
• Una muestra aleatoria de motivos por los que se deniegan las reclamaciones médicas. •
Mediciones de la altura del río tomadas tres veces al día durante un mes
La fórmula para la desviación estándar basada en datos de muestra es:
ÿ 1ÿ( ÿ ÿ)2
=1
= ÿ 1
Página |
Machine Translated
Traducción by
automática Google
por
Google
Clave de fórmula:
s = Desviación estándar de una muestra
xbarra = la media de la muestra
ÿ le dice que sume los resultados de todos los cálculos realizados para los elementos enumerados entre paréntesis
N = el número de elementos de datos para los que calculó la desviación estándar
X = un marcador de posición para cada elemento de datos
Dado que mu es la media de los datos de población, se reemplazó en esta fórmula con xbar, que es el promedio de los
puntos de datos en su muestra. Sigma se reemplazó con s, pero la única diferencia matemática es que se divide por N1 en lugar
de N para obtener la varianza como una forma de compensar parte de la precisión perdida al usar un muestreo.
Usando los mismos datos del ejemplo de población anterior, supongamos que las 15 calificaciones que obtuvo la maestra fueron
una muestra aleatoria de todas sus clases. La única diferencia en las matemáticas vendría en el penúltimo paso, donde dividimos
por 14 en lugar de 15, entonces:
1496,4 / 14 = 106,885
La raíz cuadrada de 106,885 es 10,338, que sería la desviación estándar de la muestra.
Ver por ti mismo:
Los técnicos de laboratorio están midiendo la respuesta de las bacterias a un ingrediente en un posible tratamiento.
Quieren saber cuánto tardan las bacterias en mostrar una respuesta. Los datos de muestra para los tiempos de respuesta
en minutos son:
2, 3.5, 2.3, 2, 2.5, 3.1, 2.2, 3.2, 4
Calcule la desviación estándar.
Desviación estándar en Excel
Es cierto que si está calculando la desviación estándar a mano, es mucha aritmética. Afortunadamente, una vez que se
entienden los conceptos estadísticos detrás de los números, el software de análisis estadístico, como Excel y Minitab, se puede usar
para procesar números con precisión. La desviación estándar se calcula automáticamente en la mayoría de los programas de
software de análisis estadístico al hacer clic en un botón después de ingresar sus conjuntos de datos. Dichos programas de
software también calculan automáticamente la desviación estándar cuando inicia otros cálculos que requieren una desviación
estándar. Veremos algunas de estas funciones con mayor profundidad en los capítulos sobre el uso de complementos de Excel y
Minitab para el análisis estadístico.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Mientras tanto, puede calcular rápidamente la desviación estándar en Excel usando la función de desviación estándar. Todo es:
1. Ingrese su conjunto de datos en una columna
2. En una nueva celda, ingrese =STDEV()
3. Seleccione las celdas con datos para los que desea calcular la desviación estándar.
4. Presiona enter
Nota: La fórmula en Excel calcula una desviación estándar de muestra utilizando las matemáticas N1, lo que significa que puede usar esta fórmula para
muestras y no para poblaciones.
¿Por qué calcular la desviación estándar?
La desviación estándar le da una idea de cuánta variación existe realmente en un proceso mientras toma en cuenta los valores atípicos. En el
ejemplo de las calificaciones de arriba, la desviación estándar de la muestra indica que la mayoría de las calificaciones caerán dentro
de los 10.33 puntos a cada lado de la
promedio.
Eso le dice a la maestra que los estudiantes tienen un desempeño bastante amplio en su prueba. Si los resultados fueran una puntuación
promedio de 90 con una desviación estándar de 3, él o ella podría suponer que los estudiantes en clase estaban
Página | 49
Machine Translated
Traducción by
automática Google
por
Google
aprendiendo y reteniendo el conocimiento como se esperaba. Si el puntaje promedio fue de 64 con una desviación estándar de 2,
entonces él o ella podría asumir que los estudiantes en clase no estaban reteniendo el conocimiento como se esperaba o que
hubo algún problema con la estructura de la prueba. Ambas situaciones indican una pequeña variación en la
cómo se están desempeñando los estudiantes, lo que indica que el éxito o el problema están relacionados con la clase, la
enseñanza o la prueba.
Por otro lado, si el puntaje promedio fue de 60 con una desviación estándar de 30, entonces algunos estudiantes se
desempeñaban muy bien mientras que otros lo hacían mal. Esto podría indicarle al maestro que algunos estudiantes se están
quedando atrás. Si tomó muestras de varias clases, es posible que investigue y se dé cuenta de que las puntuaciones más
bajas fueron en su mayoría de una clase, lo que podría indicar que se olvidó de cubrir adecuadamente un determinado concepto
en esa clase.
La desviación estándar por sí sola sirve como indicador de dónde investigar dentro del proceso para encontrar problemas o
soluciones. Otra razón para calcularlo es que está involucrado en muchos de los otros procesos estadísticos que
cubrimos en capítulos posteriores. La desviación estándar se convierte en un concepto importante tanto en el análisis como en el
control de procesos estadísticos y, a menudo, sirve como punto de partida para posteriores análisis estadísticos de Six Sigma.
El principio de Pareto El principio de Pareto,
también llamado regla del 80/20, dice que el 20 por ciento de las causas conducen al 80 por ciento de los efectos. Esto también se
llama la ley de los pocos vitales: los pocos insumos vitales impulsan la mayoría de los productos.
El principio de Pareto fue sugerido por primera vez por un consultor de gestión llamado Joseph Juran. Juran nombró el principio de
Vilfredo Pareto, un economista en Italia que escribió que el 20 por ciento de la población de la nación poseía el 80 por ciento de
su tierra. El principio se ha vuelto común en varios círculos. Los profesionales de negocios comúnmente afirman que
el 80 por ciento de las ventas provienen del 20 por ciento de los clientes, y las organizaciones de voluntarios generalmente
operan con el 20 por ciento de las personas que realizan el 80 por ciento del trabajo.
El principio es fundamental para Six Sigma no porque las causas y los efectos se alineen muy bien a través de un
desglose de 80/20, sino porque casi universalmente se aplica que unas pocas entradas crean más impacto que todas las demás
entradas. Las personas que buscan reducir los defectos casi siempre pueden identificar tres o cuatro entradas que, si se
mejoran, crearán un impacto dramático en el resultado. Si bien los recursos, los costos y la dificultad de las mejoras también
desempeñan un papel en la selección de soluciones, comprender qué entradas o causas principales ocupan un lugar destacado en un
diagrama de Pareto permite a los equipos de proyecto determinar dónde las mejoras tendrán el mayor impacto en el resultado final.
El principio de Pareto se muestra mejor con un gráfico de Pareto, que es una representación gráfica de los elementos de datos,
generalmente entradas o causas, en un gráfico de barras clasificado. A diferencia de un gráfico de barras normal, las barras
están ordenadas por altura, con la más alta a la izquierda y la más baja a la derecha. El software estadístico utilizado para crear
dichos gráficos agrega formato y otros elementos automáticamente, pero también puede crear un gráfico de Pareto básico en Excel.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Para ilustrar el principio de Pareto, veremos una situación común que involucra defectos en el campo médico, específicamente en el
proceso de presentación de reclamaciones médicas. Los pagadores a menudo niegan las reclamaciones, y lo hacen por una variedad de
razones. Cuando se niegan los reclamos, las oficinas de los proveedores tienen que volver a trabajar, volver a enviar o apelar las
denegaciones. Algunas razones de denegación no son apelables, lo que significa que la oficina del proveedor pierde los ingresos
asociados con el reclamo.
Imaginemos un consultorio médico que está experimentando un problema de flujo de efectivo debido a la denegación de reclamaciones. La
oficina recopila datos sobre las denegaciones y crea un diagrama de Pareto para que el equipo pueda ver de dónde proviene la mayor parte
de las denegaciones. Los datos se enumeran a continuación, seguidos de un gráfico de Pareto básico creado en Excel.
Razones para negar reclamos médicos
razón Contar
18012
Presentación oportuna de
13245
reclamos duplicados
10215
No se encontró ningún beneficiario
El reclamo carece de información 4548
Servicio no cubierto 2154
1423
necesidad medica
Fecha de emisión del servicio 526
Motivos de denegación de reclamaciones
35,9%
26,4%
20,4%
9,1%
4,3% 2,8% 1,0%
Falta de reclamo servicio no médico Fecha de servicio

Reclamación duplicada Presentación oportuna No se encontró
beneficiario información cubierto asunto
necesidad
En el gráfico de Pareto, puede ver que los tres principales motivos de denegación representan el 80 por ciento de las
reclamaciones denegadas. Un equipo de facturación experimentado podría decirle tres cosas con solo mirar estos datos:
1. La oficina tiene muda de retrabajo. Están enviando un gran porcentaje de reclamaciones más de una
tiempo.
2. La oficina tiene un problema de eficiencia. Casi una cuarta parte de sus reclamos no llegan al
pagador antes de los plazos de presentación oportunos.
Página | 51
Machine Translated
Traducción by
automática Google
por
Google
3. La oficina tiene un problema de verificación de seguros, porque una quinta parte de sus reclamos están siendo enviados
con información que no coincide con nada en el extremo del pagador.
Abordar las reclamaciones duplicadas es importante porque reduce la repetición del trabajo y podría mejorar la relación de la
oficina con las compañías de seguros. Sin embargo, el equipo podría optar por trabajar primero en el problema de la presentación oportuna
porque las denegaciones de presentación oportuna son definitivas, lo que significa que la oficina está perdiendo los ingresos
asociados con todos esos reclamos. Presentar reclamos a tiempo no es difícil en muchos casos, dado que la mayoría de los pagadores
permiten meses o incluso un año para que se presenten los reclamos, por lo que esto podría ser una victoria "fácil" para el equipo. Un
diagrama de Pareto a menudo descubre frutos maduros de esta manera.
Creación de un gráfico de Pareto básico en Excel Si no
tiene un software estadístico, puede crear un gráfico de Pareto básico como el anterior en Excel. Utilice los datos de denegación de
reclamos o sus propios datos para practicar cómo hacer un diagrama de Pareto.
1. Cree una columna para las etiquetas de datos. Los diagramas de Pareto funcionan bien cuando tiene causas cuantificables para un
defecto u otro efecto. En el ejemplo, las etiquetas de datos son el motivo de la denegación. Independientemente del tipo de
datos que esté utilizando, introdúzcalos en orden de mayor a menor para fines del diagrama de Pareto.
2. Cree una columna para contar. Ingrese el total para cada causa en esa columna.
3. Cree una columna para el recuento acumulativo. Esta columna proporciona un total acumulado. puedes calcular
los números manualmente o usando Excel. En la siguiente tabla de datos, establecería C3 = B3. En C4, ingresaría la fórmula
=C3+B4. Puede arrastrar esa fórmula hacia abajo y Excel cambiará las referencias de cada celda para obtener =C4+B5,
=C5+B6... y así sucesivamente.
4. Cree una columna para el porcentaje. En la siguiente tabla de datos, la fórmula para D3 es =B3/$C$9. La celda C9 tiene el total de
todas las denegaciones, por lo que queremos dividir el total de cada denegación individual por C9. Los signos de dólar en la
fórmula le permiten copiarlo en cada celda inferior. La primera referencia cambiará, pasando a la siguiente línea, pero los
signos de dólar le indican a Excel que mantenga la referencia C9 para cada cálculo. El resultado final es una tabla que se ve así:
razón Recuento Porcentaje acumulativo
18012 18012 35,9%

Presentación oportuna de
13245 31257 26,4%

reclamos duplicados
10215 41472 20,4%

No se encontró ningún beneficiario
El reclamo carece de información 4548 46020 9,1%
Servicio no cubierto 2154 48174 4,3%
1423 49597 2,8%

necesidad medica
Fecha de emisión del servicio 526 50123 1,0%
5. Para crear el diagrama de Pareto, resalte la información en las columnas Razón y Porcentaje y
seleccione Insertar ÿ Gráfico ÿ Gráfico de barras.
Página | 52
Machine Translated
Traducción by
automática Google
por
Google
6. El gráfico de barras se creará automáticamente. Seleccione Agregar elemento de gráfico ÿ Línea de tendencia y
agregue una línea de tendencia exponencial o lineal.
Página |
Machine Translated
Traducción by
automática Google
por
Google
7. Seleccione Agregar elemento de gráfico ÿ Etiquetas de datos y seleccione el formato de etiqueta de datos que prefiera para su
cuadro.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Uso de diagramas de Pareto
Los diagramas de Pareto son herramientas analíticas útiles cuando necesita analizar frecuencias o causas de problemas.
También ayudan a reducir el enfoque de un problema que tiene muchas causas o es demasiado amplio para abordarlo en un solo
proyecto de mejora. Al igual que en el ejemplo anterior de denegación de reclamos, puede encontrar una sola causa en la que
trabajar que puede generar grandes resultados en todo el proceso.
Los diagramas de Pareto también son útiles cuando se comunica información sobre causas a otros, especialmente a aquellos que
están fuera del proceso Six Sigma. Aunque los diagramas de Pareto son una poderosa herramienta analítica, también
representan datos complejos en un formato visual que es familiar para la mayoría de las personas. Los profesionales de negocios
saben cómo leer un gráfico de barras, y poner el gráfico en orden solo facilita que las personas vean las verdaderas causas
detrás de los problemas. Por esta razón, muchos expertos en Six Sigma incluyen regularmente gráficos de Pareto cuando se presentan
a los líderes empresariales y otros, especialmente si los datos pueden considerarse sorprendentes o necesitan un refuerzo visual.
Voz del Cliente Voz del
Cliente, o VOC, es un concepto fundamental en muchos programas de calidad. El objetivo de la calidad es hacer un producto mejor
y más consistente. Una de las formas en que sabe que ha alcanzado este objetivo es que sus clientes estarán satisfechos
de manera más consistente. La única forma de lograr este objetivo es buscar comentarios del cliente, haciendo que los datos de VOC
sean críticos para recopilar antes, durante y después de los proyectos de mejora.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Los programas VOC exitosos son proactivos y constantes en su deseo de recibir comentarios, y la tecnología hace posible buscar los comentarios de
los clientes de muchas maneras. Algunos métodos para capturar comentarios incluyen:
• Encuestas por teléfono, correo postal, correo electrónico o en línea •
Grupos de discusión en persona o en línea •
Entrevistas
• Pruebas beta o de usuario •
Formularios de comentarios
• Quejas de clientes •
Redes sociales o interacción en el sitio
• Reseñas
• Foros
El VOC se puede buscar como un medio para aclarar necesidades y deseos, aclarar problemas específicos con un proceso, o como parte regular de las
agendas de mejora, servicio al cliente y marketing.
Creación de una campaña de VOC
Hacer las preguntas correctas, de la manera correcta, lo ayuda a crear poderosas campañas de VOC que brindan datos utilizables para
los equipos de Six Sigma. Hablaremos de dos tipos específicos de campañas VOC en esta sección: comentarios generales de los clientes y
comentarios específicos de los clientes.
Retroalimentación general
Los comentarios generales de los clientes a menudo se obtienen a través de formularios de comentarios, registros de quejas de clientes y
recopilación pasiva de información a través de sitios web o redes sociales. A través de tales métodos, las organizaciones generalmente están
probando aguas generales para obtener una lectura de temperatura: ¿los clientes están contentos en general, insatisfechos en general y hay
alguna dirección en cuanto a la causa de los sentimientos de los clientes?
Recoja un formulario de comentarios en cualquier restaurante de comida rápida o acceda a la encuesta en línea a la que generalmente se
vincula en un recibo y obtendrá una buena idea del tipo de información que se busca en las campañas generales de VOC.
Kroger, una cadena de supermercados de Estados Unidos, incluye un enlace a una encuesta en la mayoría de sus recibos. La encuesta primero
solicita la fecha, la hora y un código de entrada del recibo. Esto ayuda a la empresa a saber dónde y cuándo compró una persona para que
pueda atribuir los comentarios a la ubicación y al personal correctos.
A continuación, la encuesta de Kroger pregunta en qué áreas de la tienda compró una persona. El resto de la encuesta hace preguntas
específicas sobre cada área de la tienda que visitó una persona, incluyendo:
• ¿Cuál fue la satisfacción general con la tienda?
• ¿Cuál fue la satisfacción del cliente con:
o Amabilidad de los empleados o
Precios
o servicio
o Limpieza
o Artículos disponibles o
Especiales semanales o
Facilidad de movimiento
o Calidad de las marcas
Página | 56
Machine Translated
Traducción by
automática Google
por
Google
o Horas de salida
• Si es probable que el comprador recomiende la tienda a otra persona en los próximos 30 días.
Estas preguntas están diseñadas para medir los sentimientos generales de los clientes sobre elementos críticos de calidad para la
tienda. Comprender sus factores críticos para la calidad, o CTQ, es importante para diseñar una campaña sólida de VOC. Cubriremos
los CTQ con más profundidad en el Capítulo 8.
La retroalimentación general de VOC se usa a menudo como alarma de humo. Una alarma de humo está diseñada para alertar a las personas
en un negocio, hogar u otro edificio que existe la posibilidad de un incendio. Las alarmas de humo se configuran a un nivel sensible, por
lo que se disparan cuando hay humo y las personas dentro del edificio pueden actuar. A menudo, la alarma y la acción temprana
salvan vidas e incluso pueden reducir los daños asociados con un posible incendio.
Los datos de VOC pueden funcionar de la misma manera. Si los números cambian repentinamente en un área determinada, una organización
sabe investigar más a fondo el problema. Es un indicador de que podría existir un problema; La investigación y la acción tempranas
pueden ayudar a evitar que los problemas se vuelvan más grandes o más costosos. Por ejemplo, si una determinada tienda Kroger siempre
obtuvo un puntaje alto en limpieza y los números disminuyeron constantemente durante un mes, es posible que la administración de la tienda
deba revisar la capacitación de mantenimiento y limpieza.
Los resultados de la retroalimentación general de VOC también se utilizan en algunas organizaciones como un indicador de calidad
para ciertos empleados. El personal de ventas y servicios a menudo es recompensado financieramente y de otras formas por los
altos puntajes de satisfacción del cliente. Esto también aumenta el impulso y la satisfacción de los empleados.
Comentarios específicos
A veces, las organizaciones quieren comentarios que sean específicos para un problema, producto o idea. Las mismas herramientas que
se usan en las campañas generales de comentarios se pueden usar en campañas específicas, pero también puede adaptar la herramienta
VOC a la necesidad. Si desea recibir comentarios sobre una nueva aplicación, puede usar una prueba beta. Si desea probar un producto,
una idea o una campaña de marketing, lo mejor podría ser un grupo de enfoque en persona o en línea.
Para comentarios específicos, debe hacer preguntas específicas. Esto es especialmente cierto si está buscando información
adicional o aclaración de comentarios generales. Por ejemplo, si Kroger vio un problema con las calificaciones de limpieza, podría querer
más información sobre cómo y dónde los clientes notan la falta de limpieza. Sin comentarios adicionales, los gerentes
podrían hacer que el personal trapeara los pisos más cuando los clientes realmente sintieran que la tienda estaba sucia debido a la
falta de iluminación o porque los estantes estaban abastecidos de manera descuidada.
Selección de las herramientas de VOC
adecuadas Obtener el tipo correcto de comentarios y mantener los costos y los plazos dentro del presupuesto requiere seleccionar la
herramienta de VOC adecuada para su proyecto. La siguiente tabla clasifica cada herramienta según el costo relativo y proporciona
algunos pros y contras breves.
Herramientas costo Beneficios

Desventajas
formulario de comentarios bajo Recopila muchos datos. Un individuo debe decidir
de muchas fuentes dejar comentarios, sesgar los resultados
a las personas que se sienten fuertemente
Puede orientarse hacia datos
de una manera u otra
numéricos para facilitar
análisis
Página | 57
Machine Translated
Traducción by
automática Google
por
Google
Encuesta por teléfono Alto Puede seleccionar al azar, lo Requiere muchas horas de trabajo
que le permite sacar
conclusiones para el Los clientes pueden estar molestos por
llamadas telefónicas no deseadas
La población entera
Medio El cliente debe devolverlo
Encuesta por correo electrónico Puede seleccionar al azar, lo
que le permite sacar para que cuente. Debido a que mucha gente
conclusiones para el
no lo hará, debe enviar más encuestas para
La población entera. obtener un muestreo estadístico.
Alternativa de menor costo
al teléfono o en persona
encuestas.
Medios de comunicación social bajo
Habilidad continua para buscar Requiere un seguimiento establecido en las
retroalimentación.
redes sociales.
Capacidad de hacer preguntas Se apoya en seguidores y fans,
sobre la marcha. lo que significa que está solicitando comentarios
de personas que ya favorecen su marca
en
Posiblemente la opción de alguna manera
menos costosa para VOC.
Permite que los moderadores busquen
Grupos focales presenciales Alto Limita el grupo de datos a los
respuestas más detalladas o clientes locales o aquellos dispuestos a
viajar.
comentarios de inmediato
No se pueden usar datos para hacer
suposiciones sobre la población en general.
Los clientes pueden estar menos inclinados a
ser honestos cuando están cara a cara.
con topógrafos
bajo Permite que los moderadores busquen No se pueden usar datos para hacer

grupos de enfoque en línea
respuestas más detalladas o suposiciones sobre la población en
comentarios de inmediato general.
No requiere viaje
Página | 58 ©
Machine Translated
Traducción by
automática Google
por
Google
y puede acceder a los
clientes en todo el
globo
Proporciona retroalimentación
Prueba de usuario o beta Alto Lleva tiempo y requiere usuarios
sobre un producto, servicio o o probadores experimentados.
proceso específico.
La escala de Likert
Cuando diseñe su propia herramienta VOC, tenga en cuenta cómo pretende utilizar la información obtenida. Si desea ingresar datos en un
software de análisis estadístico para probar hipótesis o crear gráficos visuales, entonces debe hacer preguntas que produzcan puntos
de datos reales que puedan analizarse mediante estadísticas. Una forma popular de hacer esto es con una escala de Likert.
Usando una escala de Likert, enmarcaría todas las preguntas para que se respondan a través de una clasificación de 5 puntos.
La clasificación puede ser cualquier cantidad de cosas, pero lo más común es alguna variación de:
Totalmente de acuerdo
aceptar
Neutral
No estoy de acuerdo
Muy en desacuerdo
Las respuestas se codifican con números cuando los datos se ingresan en el software estadístico. Por ejemplo, una respuesta
de totalmente de acuerdo podría codificarse como 10. De acuerdo sería 7, neutral 5, en desacuerdo 3 y totalmente en desacuerdo
1. Al usar datos numéricos, puede crear cuadros y gráficos fácilmente y ejecutar análisis estadísticos más profundos. , que se
trata en capítulos futuros.
Métricas básicas
Presentamos algunas ideas sobre las métricas Six Sigma en el Capítulo 1 cuando hablamos sobre el nivel sigma y los defectos por
millón de oportunidades, o DPMO. Las métricas se utilizan mucho cuando se aplica Six Sigma a procesos y mejoras, lo que
requiere que cualquiera que trabaje en un entorno Six Sigma esté familiarizado con ellas.
Defectos por millón de oportunidades Muchas
métricas de Six Sigma vienen con una ecuación, al igual que la desviación estándar. Por ejemplo, la ecuación para DPMO es:
(número de defectos en una muestra/oportunidades de un defecto en la muestra) * 1.000.000
Por ejemplo, si un minorista de pedidos por correo examina la calidad del proceso de pedido, podría tomar muestras de los
formularios ingresados por los representantes de servicio al cliente. Si cada formulario tiene 10 campos, *entonces hay 10 oportunidades
para un error en cada formulario. Si el minorista revisa 90 formularios, entonces hay 10 90 o 900 en total
oportunidades de errores.
Página | 59
Machine Translated
Traducción by
automática Google
por
Google
Durante la revisión, el minorista encuentra 2 errores o defectos. Para calcular DPMO, las matemáticas serían las siguientes:
(2/900) * 1.000.000 = 2.222 defectos por millón de oportunidades.
Defectos por Unidad
DPU es una medida de cuántos defectos hay en relación con el número de unidades probadas. DPU se preocupa por el total
defectos, y una unidad podría tener más de un defecto. La fórmula para DPU es:
Número de defectos encontrados / número de unidades en la muestra
Por ejemplo, si un editor imprimió 1000 libros y sacó 50 libros para realizar controles de calidad, podría estar buscando lo siguiente
defectos:
Impresión incorrecta
Alineación incorrecta
Páginas faltantes
Una columna suelta
Cubierta rasgada
De 50 libros, el editor descubre:
A 3 libros les faltan páginas 1 libro le faltan

páginas y tiene la cubierta rota 2 libros tienen
espinas sueltas

1 libro tiene impresión incorrecta y alineación incorrecta
Hay 9 errores en total, ya que dos libros tenían dos defectos cada uno.
El DPU se calcula dividiendo los defectos por el número de unidades muestreadas. En este caso, 9/50 = 0,18.
DPU proporciona un nivel promedio de calidad: le indica cuántos defectos en promedio se puede esperar que tenga cada unidad. En
este caso, es decir 0.18 defectos en promedio.
Rendimiento por primera vez (FTY)
El rendimiento a la primera es la relación entre las unidades producidas y las unidades que se intenta producir. Por ejemplo, si pones 12 galletas en el horno, pero
solo 10 salen comestibles, entonces no has producido 12 galletas.
La fórmula para FTY es:
Número de unidades buenas producidas / número de unidades que ingresan al proceso
En el ejemplo de la cookie, el FTY es 10/12 o .833.
La mayoría de los productos o servicios se crean a través de múltiples procesos; usted multiplica el FTY para cada proceso para calcular un total
FTY. Por ejemplo, considere la siguiente cadena de procesos:
Entran 100 unidades al proceso A y salen 95 unidades.
Página | 60
Machine Translated
Traducción by
automática Google
por
Google
Entran 95 unidades al proceso B y se logran 85 unidades buenas. Entran
85 unidades al proceso C y salen 80 unidades buenas.
El FTY se calcularía de la siguiente manera:
95/100 = 0,95 = FTY del proceso A 85/95 =
0,89 = FTY del proceso B 80/85 = 0,94 =
FTY del proceso
* C 0,95
* 0,94 = 0,79
0.89
El FTY general del proceso es 0,79.
Rendimiento de rendimiento rodado (RTY)
El rendimiento de rendimiento rodado, o RTY, proporciona una probabilidad de que una unidad sea generada por un proceso sin defectos.
Una de las principales diferencias entre RTY y el rendimiento básico o el rendimiento por primera vez es que RTY
considera si fue necesario volver a trabajar para generar la cantidad de unidades finales. Esta es una preocupación valiosa, porque
las organizaciones no siempre piensan en el retrabajo que es inherente a un proceso, lo que significa que a menudo miden un
proceso y lo consideran exitoso incluso si muda está presente.
RTY se calcula de manera similar a FTY, pero tiene en cuenta el retrabajo. Si el proceso A del ejemplo de FTY solo logró un
rendimiento de 95 porque alguien reelaboró cinco elementos para hacerlos buenos, entonces los cálculos de RTY agregan cinco
instancias de reelaboración a la proporción. La fórmula es:
(Número de unidades que ingresan (chatarra + reelaboración))/número de unidades que ingresan al proceso
En el caso del proceso A: (100 (5+5))/100 = 90/100 = 0,9
Considere la siguiente cadena de procesos:
100 unidades ingresan al proceso A. Cinco se desechan, 5 se reelaboran y se produce un total de 95. Entran 95 unidades al
proceso B. Se desechan 10, se reelaboran 5 y se producen un total de 85. 85 unidades ingresan al proceso C. Cinco se
desechan, 15 se reelaboran y se producen un total de 80.
El RTY se calcula de la siguiente manera:
100 – (5 + 5) = 90, 90/100 = 0,9 RTY para A 95 – (10 +
5) = 80, 80/95 = 0,84 RTY para B 85 – (5 + 15) = 65,
65 /85 = 0,76
* RTY p*ara C 0,9 0,84
0,76 = 0,574
Página | 61
Machine Translated
Traducción by
automática Google
por
Google
El RTY general para el proceso es de 0,574, que es una tasa mucho más baja que cuando observa solo el FTY.
RTY no proporciona una indicación de la producción o las ventas finales, pero un RTY bajo indica que hay desperdicio en el proceso en
forma de reelaboración.
Ver por ti mismo
Una agencia gubernamental maneja las solicitudes de asistencia para las familias locales. El proceso para cada aplicación
incluye:
Un representante ingresa la información de la familia en un sistema informático
Otro miembro del personal revisa la información y utiliza una escala de ingresos para determinar si el
la familia es elegible para cualquier asistencia
El segundo miembro del personal envía a la familia una carta indicando sus opciones de asistencia.
Se revisaron todas las solicitudes y los comentarios de los clientes de marzo, y el equipo encontró la siguiente información:
643 familias buscaron asistencia en marzo 3 familias no
pudieron completar el proceso de solicitud porque el representante tardó demasiado
para verlos
50 solicitudes no se pudieron pasar al segundo representante debido a información incompleta 45 solicitudes no tenían
información completa al principio, pero esa información fue posterior
recibió
El segundo miembro del personal pudo procesar todas las solicitudes completas que recibió
De todas las cartas que se enviaron a las familias, 10 incluían información incorrecta
Calcule el FTY y el RTY para este proceso.
Página | 62
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 6: Abordando el Problema
Comprender cómo abordar el problema, comenzando por identificar el problema y definiéndolo con una declaración, es
fundamental para crear una base para proyectos Six Sigma exitosos. En capítulos posteriores, cubriremos la importancia de definir
una variedad de aspectos del proyecto, proceso y problema, pero en este capítulo, vamos a discutir el proyecto en general,
profundizando a través de una serie de preguntas de por qué y creando una declaración general del problema como punto de partida
para un proyecto.
Funciones problemáticas: y = f(x)
Debido a que Six Sigma aborda las cosas con una mentalidad estadística, considera todos los problemas como una función.
Usando símbolos matemáticos, esto se ve así:
La declaración y=f(x) se puede usar de dos maneras. Primero, es un mapa general para plantear un problema. Y (el problema)
ocurre porque está ocurriendo alguna X (entrada o causa). En realidad, Y generalmente ocurre debido a algún grupo de causas o
entradas, lo que significa que habrá más de una entrada X.
La idea también se puede aplicar a procesos y resultados específicos dentro del problema. A medida que se vuelve más y más
granular, el concepto y=f(x) se vuelve cada vez más matemático; En muchos casos, puede graficar la relación entre la salida (y) y la
entrada (x).
Para entender el concepto de pensar en los problemas como una función, veamos un problema que podría ocurrirle a un
gran proveedor de servicios HVAC. El gerente de un equipo de servicio ha descubierto que las llamadas de servicio tardan mucho más
de lo esperado; De hecho, los cinco miembros de su equipo tardan en promedio 1,75 veces más que otros representantes de servicio
de la empresa en atender todo tipo de llamadas.
Para averiguar qué podría estar causando la situación, el gerente investiga el problema hablando con los representantes, hablando
con los clientes y realizando llamadas al azar con los cinco representantes. Hace las siguientes observaciones:
Página |
Machine Translated
Traducción by
automática Google
por
Google
• Un representante es nativo del área de servicio del equipo, lo que significa que él o ella sabe
muchos de los clientes personalmente. Esto da como resultado una charla amistosa que alarga el tiempo en el trabajo.
• Un representante brinda a los propietarios de viviendas explicaciones y educación muy detalladas.
sobre problemas de HVAC, a veces más allá de lo que el propietario necesitaría saber sobre su unidad de HVAC.
• Un representante es nuevo en el trabajo y tarda más en completar cada tarea porque él o ella es
no está seguro del trabajo, tiene que volver a verificar el trabajo o llama a otro representante para hacer preguntas sobre el trabajo.
• Los dos representantes restantes realizan el trabajo en tiempos que están a la par con los promedios de la empresa.
El gerente destila estos datos en dos causas generales del problema:
• Hablar demasiado (repeticiones uno y dos) •
Entrenamiento inadecuado
Ahora el problema se puede expresar como una función:
El tiempo extra es una función de hablar demasiado y de un entrenamiento inapropiado.
El gerente ahora también tiene dos causas fundamentales que abordar. El ejemplo es simple, pero ilustra el concepto básico al definir la relación
ay=f(x) para un problema y sus causas. No siempre es tan fácil realizar la investigación y el análisis para encontrar la relación, pero la relación
siempre está presente.
Algunos otros ejemplos de relaciones y=f(x) incluyen:
• La baja satisfacción del cliente con el sabor de las hamburguesas es una función de una parrilla no calibrada. • La baja
moral de los empleados es consecuencia de un sistema de aprobación de tiempo libre deficiente. •
Los tiempos de espera de los clientes son una función de las distracciones tecnológicas para los empleados.
Los 5 porqués
El análisis de datos es una de las mejores formas de validar la suposición ay=f(x), pero los equipos que están familiarizados con los procesos
a menudo pueden llegar a algunas relaciones básicas a través de un proceso conocido como los 5 porqués. Esta es una herramienta de lluvia de
ideas que hace preguntas cada vez más granulares acerca de un problema o proceso, buscando comprender la causa raíz o el problema real.
Los 5 porqués se pueden utilizar para definir un problema o para empezar a buscar las causas.
Por ejemplo, considere el ejemplo de la hamburguesa anterior. Los equipos que abordan un problema de satisfacción del cliente pueden
comenzar a hacerlo porque los formularios de comentarios han mostrado una satisfacción inferior a la normal con la calidad de los alimentos
durante la última semana.
El equipo primero pregunta: ¿Por qué los clientes no están satisfechos con la comida?
Al observar los comentarios relacionados con los pedidos, el equipo observa que los clientes que califican mal la comida son en su mayoría
clientes que ordenaron hamburguesas de algún tipo. La respuesta a la primera pregunta es que los clientes no están satisfechos con la
comida porque no están satisfechos con las hamburguesas.
Página |
Machine Translated
Traducción by
automática Google
por
Google
¿Por qué los clientes están insatisfechos con las hamburguesas?
El equipo analiza los comentarios escritos en los formularios o habla directamente con los clientes y descubre que muchos clientes sienten
que sus hamburguesas no estaban bien cocidas. La nueva respuesta es que los clientes no están satisfechos con las
hamburguesas porque la carne no está bien cocida.
¿Por qué la carne está poco cocida?
Una investigación en la cocina revela que la parrilla no está calibrada correctamente y proporciona resultados inconsistentes.
En este punto, tienes la relación y=f(x), pero el equipo podría seguir haciendo preguntas.
¿Por qué la parrilla no está bien calibrada?
La investigación posterior muestra que el turno de la mañana, responsable de calibrar la parrilla, tiene un nuevo cocinero de parrilla.
Durante el entrenamiento, se omitió la educación sobre el desempeño de esta función. La parrilla no está debidamente calibrada
porque el empleado responsable no recibió la capacitación adecuada. Ahora el equipo tiene una causa específica y una solución:
capacitar al cocinero de la parrilla.
En un entorno Six Sigma, el equipo podría continuar con una pregunta más: ¿Por qué el cocinero de la parrilla no recibió la capacitación
adecuada? Esto podría conducir al desarrollo de una política de capacitación consistente para que el problema no ocurra la próxima vez que
se contrate a un nuevo cocinero de parrilla.
En el ejemplo de la hamburguesa, solo se necesitaron cuatro preguntas de por qué para llegar a la raíz del problema, y una quinta
pregunta comenzó a señalar controles o soluciones a largo plazo. No siempre es tan fácil; la herramienta se llama los 5 porqués porque a
menudo conduce a respuestas dentro de cinco preguntas. Sin embargo, los equipos podrían hacer una docena de preguntas si comienzan en
un nivel muy alto y avanzan a través de un proceso complejo.
Cuándo usar los 5 porqués
Un beneficio de los 5 porqués es que su uso solo le cuesta a su equipo una pequeña cantidad de tiempo: un equipo familiarizado con un
proceso puede realizar una sesión completa de los 5 porqués en menos de una hora si un moderador mantiene las cosas en la tarea. .
Debido a su simplicidad, la herramienta 5 Whys se puede utilizar para casi cualquier problema. Úselo para abordar un problema que
plantean los miembros del equipo, para abordar un problema que notó un supervisor o para abordar la vaga sensación de que hay un
problema cuando nadie ha podido definir qué es lo que realmente está mal. Como mínimo, una sesión de los 5 porqués facilita la comunicación y
el pensamiento.
En un entorno de proyecto Six Sigma, los 5 por qué generalmente se implementan cuando los procesos involucran interacciones
humanas o aportes impulsados por personas, aunque puede ser un comienzo eficaz para la lluvia de ideas sobre cualquier tema.
proceso.
Realización de una sesión de los 5 por qué
Dado que una sesión de los 5 por qué generalmente se basa en los aportes de expertos en la materia, reúna a personas cercanas al
proceso. En una pizarra blanca o en la pantalla de una conferencia web, muestre un enunciado del problema básico tal como lo entiende.
Esta declaración del problema no va a ser detallada como las declaraciones que discutiremos en la próxima sesión: una sesión de 5 por qué es
a menudo una de las herramientas que usa para llegar a esa declaración detallada.
Ejemplos de afirmaciones que podría ver en una estación de los 5 porqués incluyen:
• Los clientes no están contentos con la selección de productos
Página | 65
Machine Translated
Traducción by
automática Google
por
Google
• Los clientes están recibiendo pedidos tarde •
El proceso de impresión está dando lugar a demasiados defectos •
Los plazos de entrega en el proceso de embotellado son excesivos •
Los empleados no están contentos con los horarios de vacaciones.
Estas son todas declaraciones bastante generales que simplemente dicen algo sobre defectos o insatisfacción. Comience preguntando al
nivel más alto "¿Por qué?" pregunta posible acerca de la declaración. “¿Por qué los empleados no están contentos con los horarios de
vacaciones?” Escriba esta pregunta.
El equipo trabaja en conjunto para proporcionar una respuesta de alto nivel a la pregunta. Los empleados no están contentos con los
horarios de vacaciones porque es raro obtener el tiempo libre exacto solicitado. Escriba la respuesta debajo de la pregunta, luego cree el
"¿Por qué?" de más alto nivel. pregunta que puedas sobre la nueva respuesta.
"¿Por qué los empleados no obtienen su primera opción de tiempo libre para las vacaciones?" Tal vez la respuesta es que los
supervisores tardan tanto en aprobar las solicitudes de vacaciones que otros empleados también las han pedido por el mismo tiempo, por lo
que es difícil para los supervisores complacer a todos.
La siguiente pregunta es "¿Por qué los supervisores tardan demasiado en aprobar las solicitudes?" La respuesta podría ser que el sistema
de tiempo libre es demasiado engorroso, por lo que los supervisores posponen las aprobaciones hasta que tengan mucho tiempo para
administrarlas.
“¿Por qué los supervisores ven el sistema tan engorroso?” Porque hay tiempos de espera al pasar de una pantalla a otra y cada aprobación
requiere una gran cantidad de clics y entradas.
Ahora, el equipo tiene una causa raíz: el sistema en sí mismo es ineficiente, lo que genera problemas en el futuro. Si el equipo puede corregir
los problemas de programación y alentar a los supervisores a aprobar las solicitudes de vacaciones más rápido, se puede mejorar la moral
de los empleados.
Creación de una declaración del problema
Un proyecto de mejora Six Sigma generalmente comienza con una declaración formal del proyecto. Esto es diferente de las declaraciones
básicas que se utilizan para iniciar una sesión de los 5 porqués. Una declaración sólida del problema es similar a un discurso de ascensor
de 30 segundos, que los ejecutivos y los vendedores de todo el mundo utilizan para enganchar a los clientes o inversores
comerciales con una idea. La declaración del problema, como ese discurso, brinda suficiente información para que un ejecutivo ocupado pueda
comprender cuál es el problema y por qué es necesario un esfuerzo de mejora.
Las declaraciones del proyecto deben incluir:
• Dónde y cuándo se registró o estaba ocurriendo el problema • Una medida de la
magnitud del problema, preferiblemente con algún vínculo con el costo • Una breve descripción del problema que
podría ser entendida por profesionales que no están estrechamente alineados con el proceso (evite demasiados nichos palabras y
acrónimos si va a presentar información a profesionales que no son de nicho)
• Una breve anotación sobre la métrica utilizada para medir o describir el problema
Página |
Machine Translated
Traducción by
automática Google
por
Google
Ejemplo de una Declaración de Problema Fuerte En el
primer trimestre, el centro de distribución de California envió 108,000 paquetes. De esos paquetes, se devolvieron 15.000, lo que resultó
en una tasa de devolución del 13,8 por ciento. La tasa de rendimiento está por encima de la tasa aceptada del 7 por ciento y le costó a la
compañía $372 000 adicionales para el trimestre. En el transcurso del año, el proceso actual podría resultar en costos
adicionales de más de $1.4 millones.
Este enunciado del problema cubre toda la información básica:
• ¿Cuando? Durante el primer trimestre de este año.
•¿Dónde? El centro de distribución de California
• ¿What? devoluciones
• ¿Cuántos? 15.000, o 6,8 por ciento por encima de las expectativas •
¿Cuál es la magnitud? El costo podría ser de $ 1.4 millones al año.
El enunciado del problema no habla de soluciones ni proporciona demasiados detalles. Esta es una declaración de problema
fuerte porque responde a todas las preguntas básicas y proporciona una razón importante para que el liderazgo invierta intereses:
$ 1.4 millones al año es una gran pérdida.
Ejemplo de un enunciado de problema débil La
panadería de Canton, Ohio, produce pan poco cocido. La insatisfacción del cliente con el pan está dando como resultado
devoluciones y malas recomendaciones. Se supone que el pan debe hornearse a 350 grados durante 40 minutos.
Esta declaración presenta un problema, pero no brinda detalles sobre cuándo ocurrió el problema, cómo se midió y cuál es la verdadera
magnitud. La declaración del problema también comienza a entrar en las posibles causas profundas cuando incluye cómo se debe
hornear el pan; el enunciado del problema no es el lugar para comenzar este tipo de análisis.
Esta declaración podría enmarcarse mejor como:
En noviembre y diciembre de 2014, las quejas de satisfacción del cliente se remontaron al pan horneado en las instalaciones de Canton,
Ohio. La instalación produjo 300.000 panes durante ese período y recibió 50.000 quejas de pan poco cocido. Las devoluciones de
pan y la pérdida de ventas relacionadas con la calidad se estiman en $125 000 por mes.
Escribir su propio enunciado del problema Cuando
comienza a escribir enunciados del problema, a veces es más difícil de lo que podría esperar obtener toda la información en un par de
oraciones. Para evitar omitir información, es útil usar una lista y considerarse un periodista que plantea problemas.
Cuando los periodistas escriben un reportaje, buscan responder algunas preguntas específicas: ¿Qué pasó?
¿A quién le pasó? ¿Cuándo ocurrió? ¿Por qué le importa a la audiencia?
Lo mismo es cierto cuando está escribiendo una declaración de problema. Siga la lista de verificación del enunciado del problema:
o ¿Dónde ocurrió el problema? o ¿Cuándo
ocurrió el problema?
Página | 67
Machine Translated
Traducción by
automática Google
por
Google
o ¿Qué proceso implicó el problema? o ¿Cómo se
mide el problema? o ¿Cuánto cuesta el
problema (en dinero, tiempo, satisfacción del cliente u otro factor crítico)?
métrico)?
Use la lista de verificación para construir la declaración del problema y luego pregúntese: ¿Alguien más podría responder todas
las preguntas de la lista de verificación solo con la declaración de su problema? Antes de presentar su declaración a un jefe u otra
persona encargada de tomar decisiones, pruébela con un compañero de trabajo o con alguien que no sea tan
tan familiarizado con el tema como usted.
Aquí hay dos declaraciones de problemas. Vea si puede responder a todas las preguntas en la lista de verificación simplemente
usando la información provista.
Declaración del problema 1
El centro de llamadas en Jacksonville, Florida, manejó 36 000 llamadas en febrero de 2015. De esas llamadas, 8000 tenían una
velocidad de respuesta promedio (ASA) superior a los 15 segundos requeridos por el contrato. Esas 8,000 violaciones del acuerdo
de nivel de servicio resultaron en costos de $200,000.
Declaración del problema 2
El centro de llamadas en Ohio tiene un problema de acuerdo de nivel de servicio que cuesta aproximadamente $9,000 por día.
El enunciado del problema 1 responde a todas las preguntas de la lista de verificación:
o ¿Dónde ocurrió el problema? Jacksonville, Florida o ¿Cuándo
ocurrió el problema? febrero de 2015 o ¿Qué proceso implicó
el problema? Contestar llamadas telefónicas o ¿Cómo se mide el problema?
Velocidad promedio de respuesta o Cuánto está costando el problema (en
dinero, tiempo, satisfacción del cliente u otro factor crítico)
métrico)? $ 200,000 por mes
El enunciado del problema 2 no responde todas las preguntas:
o ¿Dónde ocurrió el problema? Ohio o ¿Cuándo
ocurrió el problema? Desconocido o ¿Qué proceso
implicó el problema? Desconocido o ¿Cómo se mide el problema?
Desconocido o ¿Cuánto cuesta el problema (en dinero,
tiempo, satisfacción del cliente u otra métrica crítica)? $9,000 por mes
El enunciado del problema 2 se beneficiaría al agregar un lugar, una referencia específica a un proceso y una métrica específica.
Las declaraciones de problemas conducen a declaraciones de objetivos/metas
Otra forma de saber que tiene una declaración de problema sólida es que puede crear una declaración de objetivo o meta
general del proyecto directamente a partir de la declaración de problema. Considere los dos ejemplos anteriores.
El equipo que trabaja con la declaración del problema 1 podría crear un objetivo que establezca:
Página |
Machine Translated
Traducción by
automática Google
por
Google
El objetivo es reducir las violaciones de SLA de velocidad de respuesta en el centro de llamadas de Jacksonville en un 50 por
ciento dentro de tres meses. El ahorro potencial para la empresa es de $100,000 por mes.
El equipo que trabaja con la declaración del problema 2 no podría crear una declaración de objetivos con tanto detalle.
Simplemente podrían decir que esperan reducir las violaciones del acuerdo de nivel de servicio en la instalación.
Las declaraciones específicas de problemas y objetivos son críticas para el éxito del proyecto Six Sigma por varias razones.
Primero, ser lo más específico posible establece expectativas apropiadas. En el primer ejemplo, el liderazgo tiene una expectativa
específica del proyecto: el equipo va a trabajar para reducir la velocidad promedio de respuesta y el éxito es una reducción del 50
por ciento. Nadie va a esperar que el equipo resuelva otro problema, como la satisfacción del cliente con los operadores telefónicos.
Eso está fuera del alcance de este proyecto.
En la segunda situación, las declaraciones del problema y la meta no son lo suficientemente específicas. ¿Qué violaciones de SLA
está abordando el equipo? ¿Cómo es exactamente el éxito? ¿Se espera que el equipo reduzca los costos por completo? No
ser lo suficientemente específico te prepara para el fracaso. El liderazgo puede esperar que aborde los acuerdos de nivel de servicio
que tienen que ver con la forma en que los representantes enrutan las llamadas telefónicas, pero solo tiene la intención de abordar
los acuerdos de nivel de servicio que se relacionan con la velocidad con la que se responden las llamadas. El liderazgo podría
pensar que el éxito es una reducción del 75 por ciento en los costos cuando tiene la intención de trabajar para lograr una
reducción del 25 por ciento.
La creación de declaraciones de problemas sólidas establece una base estable para el resto de su proyecto, le da al equipo un faro
cuando se sienten abrumados con la información y reduce la posibilidad de que se produzcan malentendidos y problemas de
alcance.
Alcance y Alcance Creep El
alcance es la definición de lo que está incluido, y lo que no está incluido, en un proceso o proyecto de mejora. Comienzas a
definir el alcance con tu enunciado del problema. La información que incluye en la declaración da pistas sobre en qué
trabajará, y la declaración de la meta proporciona límites apropiados sobre el trabajo a realizar.
Los proyectos Six Sigma no son iniciativas eternas, aunque la cultura de mejora que surge de Six Sigma sí lo es. Esto significa que su
proyecto individual necesita un objetivo específico, desafiante pero alcanzable. Una vez que se alcanza ese objetivo, el proyecto
concluye y comienza a buscar un nuevo problema para mejorar.
La fluencia del alcance ocurre cuando los equipos buscan hacer infinitas perfecciones en un proceso, intentan alcanzar
objetivos poco realistas o comienzan a alcanzar procesos o problemas que están fuera del alcance original. Por ejemplo,
considere el enunciado del problema de uno de nuestros ejemplos en este capítulo:
En el primer trimestre, el centro de distribución de California envió 108.000 paquetes. De esos paquetes, se devolvieron 15.000, lo
que resultó en una tasa de devolución del 13,8 por ciento. La tasa de rendimiento está por encima de la tasa aceptada del 7 por ciento
y le costó a la compañía $372 000 adicionales para el trimestre. En el transcurso del año, el proceso actual podría resultar en
costos adicionales de más de $1.4 millones.
Una declaración de objetivo relacionada podría ser:
El objetivo es reducir la tasa de retorno al 7 por ciento aceptado y ahorrarle a la empresa $372 000 por trimestre.
Página |
Machine Translated
Traducción by
automática Google
por
Google
En el alcance de este proyecto están los procesos relacionados con el envío y las devoluciones solo en la medida en que impactan
el proceso de devolución. En algún momento, el equipo podría tropezar con un proceso de empaque que utiliza demasiado
material, lo que le cuesta a la empresa $ 50,000 adicionales por mes. A menos que el proceso de empaque esté causando las
devoluciones, lo que no es probable en esta situación, este problema no está dentro del alcance del equipo y no deben buscar
solucionarlo. Sin embargo, el equipo puede notar el problema o informarlo para que se pueda lanzar un proyecto futuro para
abordar el problema.
Se necesita disciplina y organización para abordar solo lo que está dentro del alcance de un proyecto. Comprender la relación
entre los problemas y las entradas y saber cómo crear una declaración sólida del problema son los primeros pasos para controlar un
proceso de mejora.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Unidad 2: Proyectos y Procesos
Capítulo 7: ¿Qué es un Proceso?
En la Unidad 1, presentamos Six Sigma como concepto y cubrimos una gran cantidad de principios que
son fundamentales para crear y mantener la mejora en un negocio. En la Unidad 2, comenzaremos a
analizar qué es un proceso, por qué la calidad es importante en un proceso y cómo los proyectos Six Sigma pueden
mejorar los procesos. Los conceptos que aprende en las Unidades 1 y 2 se convierten en los ladrillos que se utilizan
para construir el trabajo del proyecto que analizamos a lo largo del resto del libro.
¿Qué es un proceso?
Un proceso es una colección de tareas, pasos o actividades que se realizan, generalmente en un orden específico, y dan como
resultado un producto final, como un bien tangible o la prestación de un servicio. En una empresa, varios procesos trabajan
juntos para lograr los objetivos de la organización. Técnicamente, la empresa u organización en sí puede verse como un proceso
enorme. Por ejemplo, un bufete de abogados que maneja casos de defensa penal opera a través de un proceso enorme y
complejo. Los acusados y sus casos entran en el proceso. El resultado del proceso es el resultado del caso: un trato con los fiscales,
una victoria o una derrota en el tribunal o la desestimación de los cargos antes del juicio.
Dentro del enorme proceso que lleva al acusado hasta su resultado, hay cientos, posiblemente miles, de procesos más
pequeños. Hay procesos dentro de los procesos. Un abogado y un equipo de asistentes legales podrían avanzar en el proceso de
negociación; Una secretaria legal podría pasar por el proceso de establecer citas. La celebración de declaraciones juradas,
la realización de copias, el envío de cartas y la presentación de documentos legales son ejemplos de procesos. En el nivel más
detallado, incluso contestar el teléfono o escribir una carta pueden considerarse procesos.
En el Capítulo 6, presentamos brevemente la idea del alcance y la fluencia del alcance. Para definir y mantener un alcance
adecuado, dijimos que un equipo de Six Sigma tenía que identificar los procesos que estaban relacionados con una mejora
de proceso o proyecto. En el ejemplo de la firma legal, un proyecto para reducir el tiempo que se tarda en programar
citas probablemente no incluiría un proceso para presentar un escrito legal. Sin embargo, para saber eso, debe saber que el proceso
de presentación de informes legales no comparte componentes con el proceso de establecimiento de citas. En este capítulo,
cubriremos los componentes de los procesos y un formato para mapear esos componentes conocido como SIPOC.
Cuatro capas de la definición del proceso A medida
que continúe con este capítulo, verá que los procesos pueden ser muy complejos. Nuestra definición básica anterior es solo eso:
Básico. Antes de comenzar a definir los componentes de un proceso, retiremos las capas de este concepto conocido como
"un proceso".
Los Pasos
Ya sea físico, digital o ideológico, cada proceso es una serie de cierto número de pasos. Puede poner esos pasos en papel en forma
de instrucciones, a menudo llamado procedimiento operativo estándar en un documento de política o capacitación comercial
formal, o un diagrama visual conocido como mapa de proceso. Un proceso
Página |
Machine Translated
Traducción by
automática Google
por
Google
map utiliza formas y conexiones estándar para crear un mapa de un proceso que puede ser entendido por la mayoría de los empleados
y cualquier miembro del equipo Six Sigma.
Tiempo de
procesamiento Todos los procesos toman una cierta cantidad de tiempo, y el tiempo de procesamiento puede cambiar con una variedad de factores.
Los mapas y documentos de procesos solo pueden registrar información como el tiempo promedio que toma un proceso o medidas de
variación en el tiempo de procesamiento. Esta información a menudo se anota en dichos documentos porque brinda información valiosa a los
equipos, pero la observación en tiempo real de un proceso casi siempre brinda mejor información sobre el tiempo de procesamiento.
Una cadena minorista podría crear un mapa de procesos para reabastecer un área determinada. La documentación del proceso señala
un tiempo promedio de dos horas para reabastecer completamente los estantes en el área definida. En un esfuerzo por obtener más datos
sobre el proceso, un equipo de Six Sigma observa a los empleados realizando funciones de trabajo en tiempo real en varios momentos del
día durante dos semanas. Algunas notas que provienen de esas observaciones incluyen:
• Abastecerse por la noche toma solo unos minutos. • El
abastecimiento durante el día se ve dificultado por los movimientos de los clientes. • El trabajo
de abastecimiento que se realiza durante las horas pico de compras por lo general toma más tiempo.
Con solo esta información, probablemente pueda ver una manera fácil de reducir el tiempo de almacenamiento en este ejemplo: mueva
las tareas de almacenamiento a horas no pico cuando sea posible. Simplemente comprender los pasos para abastecer el área no es
suficiente para comprender el proceso; también tiene que recopilar datos sobre los tiempos de proceso.
Interdependencias Casi
cualquier proceso en un negocio dependerá de uno o más procesos. Recuerde, el negocio en sí es una serie de procesos vinculados, todos
trabajando hacia el mismo objetivo o objetivos. A veces, las interdependencias se notan en los mapas de procesos. Otras veces, las
interdependencias están relacionadas con los recursos.
Por ejemplo, considere un escenario de tren de pasajeros muy simple. El tren sale de la estación A con pasajeros, llevándolos a la estación B.
Antes de que el tren pueda partir, el maquinista debe estar a bordo y preparado para operar la máquina. Controles de seguridad,
autorización del patio ferroviario, cierre de todas las puertas: todos estos son procesos que deben completarse antes de que el tren salga
de la estación. El proceso del tren que transporta pasajeros depende de la finalización de otros procesos.
Al trabajar con procesos durante un proyecto de mejora Six Sigma, los equipos deben ser conscientes de las interdependencias.
¿En qué se basa cualquier proceso en el que esté trabajando? ¿Qué depende de su proceso?
El primero es importante porque es posible que necesite ayuda de los procesos o de las personas que se encuentran aguas arriba
de su proceso al realizar mejoras. El segundo es importante porque debe saber cómo afectarán sus mejoras a los
procesos y a las personas posteriores, y la mejora en el rendimiento de su proceso no hace ningún bien a la empresa u organización
en su conjunto si obstaculiza la
Página |
Machine Translated
Traducción by
automática Google
por
Google
rendimiento de un proceso aguas abajo.
Los recursos y los procesos de
asignación requieren recursos. Al igual que un vehículo motorizado requiere combustible o electricidad para funcionar, un
proceso requiere recursos tales como energía, personas, efectivo, ancho de banda digital, equipos informáticos, maquinaria,
suministros, piezas e incluso habilidades. Dado que alguien en una organización tiene que aprobar y pagar los recursos, los
equipos de proyecto deben comprender los recursos involucrados, el costo de esos recursos y los propietarios de los mismos.
procesos y recursos en cuestión para que puedan hacer las solicitudes apropiadas sobre la necesidad de
recursos.
Componentes principales del proceso
Los procesos se componen de componentes que incluyen entradas, salidas, eventos, tareas (actividades) y decisiones.
Las entradas ingresan al proceso cuando ocurre un evento específico; las tareas y decisiones se realizan sobre o con las
entradas. Al final del proceso, se genera una salida. La mayoría de las veces, la idea de los componentes del proceso se
presenta con una simple ilustración basada en la fábrica: las materias primas de algún tipo ingresan a la fábrica, se realiza el
trabajo y los productos terminados salen de la fábrica. Por ejemplo, si una fábrica hace dulces duros, cosas como azúcar,
agua, plástico y energía eléctrica ingresan a la fábrica.
Equipos y empleados toman los insumos y trabajan con ellos. El resultado final es un dulce envuelto listo para la tienda.
La siguiente figura ilustra la idea de los componentes del proceso utilizando el ejemplo de una pizzería. Un evento, el pedido de
cierta pizza, inicia el proceso. Puede ver todos los componentes en el diagrama, y hablaremos de cada componente en detalle en
la siguiente sección.
Página | 73
Machine Translated
Traducción by
automática Google
por
Google
El cliente hace un
pedido de un
pizza mediana de queso.
Proceso: Haz una pizza mediana de queso
Entradas: Tareas: decisiones:
Queso Qué tamaño
Juntando los
masa ingredientes corteza/cómo
Sauce
muchos
¿ingredientes?
horno
Poner la pizza
temperatura en el horno ¿Cuánto
dura el
hora de cocinar
Sacando la cocinero de pizza
pizza del horno para?
Producción:
un queso mediano
pizza
Figura 1 Proceso de pizza de queso mediano
Entradas
La entrada se refiere a todo lo que ingresa a un proceso o se requiere que ingrese a un proceso para impulsar la creación de una
salida. En el ejemplo de pizza anterior, las entradas son todos los ingredientes necesarios para hacer la pizza. También puede
considerar factores como la temperatura del horno, el tipo de horno y el nivel de habilidad del cocinero como entradas en el
proceso.
Comprender todas las entradas de un proceso es importante en Six Sigma porque las entradas a menudo son factores causales,
o relacionados con causales, con respecto a un proceso. Las entradas o los resultados de esas entradas pueden causar errores o
Página |
Machine Translated
Traducción by
automática Google
por
Google
defectos en el proceso. Las galletas se queman cuando el horno está demasiado caliente. Las computadoras hechas en una
fábrica no funcionan cuando las placas de circuito están malas. Un abogado no gana su caso si su información es incorrecta. La
temperatura del horno, las placas de circuitos y la información del abogado: todas estas son entradas en los procesos que también
están causando problemas dentro de los procesos.
Otras razones para definir entradas cuando se trabaja con un proceso incluyen:
• Comprender los recursos necesarios para que se ejecute un proceso •
Identificar insumos extraños que no son necesarios •
Comprender los costos del proceso •
Comprender cómo se relaciona el proceso con los procesos que le preceden
Recuerde, en un negocio, los procesos están vinculados entre sí para lograr una meta o metas finales. Las entradas que ingresan
al proceso B pueden ser las salidas que salen del proceso A.
Salidas La
salida de un proceso es el servicio o producto que utiliza el cliente del proceso. En el ejemplo de la pizza, la salida es la pizza de queso
que se va a comer el cliente. En el ejemplo de la fábrica de dulces, la salida son los dulces duros que venderá la tienda minorista.
El cliente de proceso no siempre es el cliente final tradicional que compra un producto o servicio.
Los clientes pueden ser internos o externos. Un ejemplo de un proceso que atiende a un cliente interno podría verse en una oficina
comercial que emplea a una recepcionista para atender llamadas telefónicas. Si el recepcionista toma mensajes o transfiere
llamadas telefónicas, él o ella está atendiendo tanto a la persona en el teléfono como a la persona que recibe la llamada o el
mensaje.
En algunos casos, el cliente de un proceso ni siquiera es una persona. Muchos procesos alimentan otros procesos. En una farmacia,
el proceso de ingreso de datos sobre una receta alimenta el proceso de facturación del medicamento a una compañía de seguros.
Desde una perspectiva Six Sigma, una salida casi siempre tiene más valor para el proceso final que la entrada. El proceso en sí
implica agregar valor de algún tipo a las entradas. Una panadería pone masa de pan cruda en el horno para agregarle valor: el
resultado es un producto comestible y sabroso que es más probable que un consumidor compre o pague más.
Eventos
Los eventos son criterios o acciones específicos y predefinidos que hacen que un proceso comience a funcionar. Un proceso que
funciona bien responde a un evento de la misma manera que una bombilla responde a la acción de accionar un interruptor.
Los equipos de Six Sigma deben determinar qué eventos desencadenan un proceso porque les ayuda a comprender por qué se está
realizando un proceso y si se está ejecutando cuando no se necesita.
Considere un ejemplo sobre auditorías de cumplimiento en una empresa del sector financiero. Tal vez una empresa creó un proceso
de auditoría específico que se inicia cuando se activan las banderas rojas en las cuentas; El proceso de auditoría es integral
y generalmente toma un promedio de 80 horas de trabajo. Puede imaginar que es un proceso costoso de ejecutar. En la investigación,
un equipo de Six Sigma identifica el evento asociado con el proceso: cada vez que un empleado detecta una discrepancia en
una cuenta, se activa el proceso de cumplimiento.
Página |
Machine Translated
Traducción by
automática Google
por
Google
El equipo investiga y se da cuenta de que esto es cierto incluso cuando la discrepancia fue menor (unos pocos dólares o menos) o el
empleado pudo conciliar la discrepancia más tarde ese mismo día. El equipo podría sugerir que la relación entre el proceso y el evento es
un problema. El proceso se ejecuta en momentos en los que podría no ser valioso hacerlo.
Tareas
Las tareas, o actividades, son el corazón de un proceso. Así como el corazón bombea sangre a través de su cuerpo, las tareas dentro
de un proceso bombean las entradas, convirtiéndolas en salidas. Las tareas son las acciones físicas, automatizadas o computarizadas
dentro de un proceso. Ejemplos de tareas incluyen:
• Una máquina que une dos piezas de metal con una soldadura •
Una persona que ingresa datos en un programa de software •
Una computadora que procesa datos para crear un informe • Un
correo electrónico que se
escribe • Una pieza de trabajo computarizado que se enruta dentro de un sistema de flujo de trabajo
• Un chef que corta ingredientes para una receta
Decisiones
Las decisiones están estrechamente relacionadas con las tareas y pueden ser tareas en sí mismas. Un chef que prepara ingredientes
para un plato de sopa tiene que picar esos ingredientes, pero también tiene que decidir cuánto necesita de cada ingrediente. Es
probable que su decisión se guíe por la receta y la cantidad de personas que debe alimentar.
Las decisiones dentro de un proceso normalmente se rigen por un conjunto de reglas. A veces esas reglas están formalmente
documentadas; Otras veces, las decisiones se toman a través de reglas informales junto con el conocimiento y la experiencia
del personal. Los procesos que se rigen por reglas informales pueden tener problemas de consistencia; incluso cuando todo el personal tiene
experiencia, podrían tener variaciones individuales en la realización de una tarea. Y, como discutimos en la Unidad 1, la
variación puede generar más oportunidades de defectos y una reducción en la calidad.
Usando los ejemplos de tareas anteriores, aquí hay ejemplos de decisiones en un proceso:
• Una persona que ingresa datos en un programa de software toma la decisión de seleccionar un determinado menú desplegable
categoría debido a la formación o las reglas proporcionadas por el software.
• Una computadora procesa un informe; el resultado de ese informe es un número por encima de un umbral establecido, por lo que
la computadora envía el informe a una persona •
Al escribir un correo electrónico, una persona elige incluir cierta información específica, como un
número de pedido o número de cliente, porque es protocolo hacerlo al enviar este tipo de correo electrónico
Todos los componentes están
relacionados Probablemente esté notando que los procesos pueden ser extremadamente complejos y que las relaciones entre todos
los componentes son igualmente complejas. Las entradas pueden ser salidas de procesos anteriores; las salidas pueden ser entradas
en el siguiente proceso. Una decisión puede resultar en un evento que inicia un nuevo proceso, pero también puede ser el factor que
decide qué tarea comienza. A medida que los equipos de Six Sigma trabajan con procesos, observándolos, diagramando y midiendo, los
equipos comienzan a comprender las relaciones de los componentes y eso les ayuda a tomar decisiones sobre posibles mejoras
y cambios.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Propietarios de procesos
A medida que los equipos trabajan para mejorar los procesos, necesitan comprender quiénes son los propietarios de los procesos.
Dependiendo de la organización empresarial, los propietarios de los procesos pueden ser las personas con el poder de aprobar los
cambios. En algunas organizaciones, el propietario de nivel más bajo puede no tener poder de decisión o veto sobre todos los cambios,
pero es responsable del desempeño del proceso.
El propietario de un proceso puede ser:
• Una persona a cargo de un proceso o función muy específica •
Un supervisor de equipo o gerente de departamento • Una
persona de nivel ejecutivo que probablemente sea responsable de una serie de procesos en su
su división
¿Qué hace un propietario de proceso?
Las responsabilidades de un propietario de proceso a menudo se definen por la infraestructura de un negocio específico, pero
comúnmente, un propietario de proceso:
• Supervisar el rendimiento del proceso, generalmente utilizando una o más métricas o datos informados regularmente.
elementos.
• Comprender cómo encaja el proceso en el negocio general, por qué el resultado del proceso es
críticos para los objetivos comerciales y qué insumos alimentan el proceso. •
Asegura que el proceso esté documentado a través de procedimientos operativos estándar (SOP) y que el proceso
la documentación se mantiene actualizada y precisa.
• Asegura que los operadores dentro del proceso tengan los recursos y la capacitación que necesitan para completar
sus trabajos.
En un entorno Six Sigma, los propietarios de los procesos también pueden asegurarse de que se implemente un plan de control y
revisar regularmente el proceso en busca de posibles oportunidades de mejora.
Datos
Finalmente, todos los procesos generan algún tipo de datos. Incluso si los datos aún no se capturan, la información es inherente a
cualquier proceso. Un programa de computadora que enruta automáticamente el trabajo en un flujo de trabajo podría generar
datos como la cantidad de elementos en las colas de trabajo, cuántos elementos se trabajaron ese día, el tiempo que los elementos
han estado esperando en las colas, cuántos elementos se transfirieron y dónde esos elementos fueron trasladados a. Un proceso
para llenar botellas con líquido podría generar datos tales como cuánto líquido se coloca en cada botella, cuántas botellas por hora se
llenan y quizás la variación entre las botellas.
Los datos son extremadamente valiosos para los equipos de Six Sigma porque a menudo es la forma en que definen si un proceso está
bajo control y es exitoso.
Definición de los componentes del proceso: el SIPOC
El diagrama SIPOC suele ser una parte importante de la etapa de definición de un proyecto Six Sigma. Pero puede usar el diagrama
SIPOC en cualquier momento que desee obtener más información sobre un proceso o comprender cómo un proceso en un entorno
empresarial está vinculado a otros procesos.
Página |
Machine Translated
Traducción by
automática Google
por
Google
SIPOC significa Proveedores, Entradas, Procesos, Salidas y Cliente. A los efectos de un SIPOC, las entradas y salidas siguen las
mismas pautas descritas anteriormente en este capítulo. Los proveedores son las personas, los procesos y las organizaciones
que suministran insumos a su proceso. Los clientes son las personas, los procesos y las organizaciones que hacen uso de los resultados
de su proceso. El proceso en sí es la serie de pasos que toman las entradas y las convierten en salidas.
Beneficios de un diagrama SIPOC El
PYME: Experto en la materia
diagrama SIPOC es una de las herramientas más utilizadas para
comprender los componentes del proceso y la relevancia del proceso Una PYME es alguien que está estrechamente
asociado o familiarizado con un
porque es muy efectivo y simple. Los equipos pueden crear diagramas
SIPOC en una única sesión de lluvia de ideas, aunque la creación de proceso o función de trabajo. Los equipos de
diagramas efectiva generalmente requiere la presencia de un propietario Six Sigma invitan a las PYMES a participar
del proceso y una o más PYME que estén familiarizadas con el proceso a en debates, sesiones de mapeo de procesos o
nivel diario. intercambio de ideas sobre
problemas y soluciones, porque las PYMES
Los diagramas SIPOC también son infinitamente escalables. Los
tienen información valiosa que quizás no
equipos pueden diagramar procesos en un nivel muy pequeño, pero
proporcionen los propietarios de
también pueden usar SIPOC para diagramar un negocio completo. procesos de alto nivel o una revisión de los datos.
Veremos la creación de un diagrama SIPOC y luego proporcionaremos
algunos ejemplos de SIPOC en varios niveles para ilustrar la escalabilidad.
Creación de un diagrama SIPOC
Puede crear un diagrama SIPOC como un ejercicio individual o dentro de un entorno de equipo. Los SIPOC se pueden crear utilizando
una computadora y una herramienta de software como Word o Excel, pero también se pueden dibujar a mano alzada en
una pizarra o en una hoja de papel. La creación de diagramas a mano alzada es una valiosa herramienta de lluvia de ideas
porque los equipos pueden editar rápidamente el borrador del diagrama mientras discuten un proceso. Tenga esto en cuenta:
muchos de los diagramas presentados en este libro se ven limpios porque ya han sido escritos a máquina y editados. A medida que
diagrama sus propios procesos, pueden parecer desordenados al principio con ediciones, flechas, tachaduras e inserciones. “Editar” o
poner reglas en el proceso de lluvia de ideas puede limitar las ideas y la información que fluyen durante el proceso. Siempre puede
crear una copia limpia del diagrama para fines de presentación cuando haya terminado con la lluvia de ideas.
Paso 1: crear carriles de natación
Un diagrama SIPOC se basa en carriles de natación. Los carriles de natación le permiten mostrar cómo las actividades y los
recursos multifuncionales se relacionan con su proceso. Un diagrama SIPOC tiene cinco carriles: uno para Proveedores,
Entradas, Procesos, Salidas y Clientes. Terminarás con algo que se parece a la figura de abajo.
proveedores Entradas proceso Salidas clientes
Página | 78
Machine Translated
Traducción by
automática Google
por
Google
Paso 2: Establezca límites y nombre su proceso Antes de comenzar
una sesión de SIPOC, establezca una definición de dónde comienza y termina su proceso o responsabilidad. Si no comprende el alcance de
su proceso, entonces su sesión SIPOC puede salirse de control o producir un diagrama que no es útil para su proyecto.
Nombrar su proceso ayuda al equipo a identificarse más fácilmente con un aspecto específico del negocio. Por ejemplo, un equipo que
trabaja para mejorar los procesos dentro de un consultorio médico podría considerar un proceso denominado "Recopilación de información
de nuevos pacientes". Al nombrar el proceso, el equipo ha establecido algunas limitaciones de alcance: el equipo hablará sobre cosas relacionadas
con la recopilación de información de los pacientes. El alcance se limita aún más al proceso mediante el cual el personal recopila información de
nuevos pacientes.
Mientras trabaja en el ejercicio de creación de diagramas SIPOC, puede señalar el nombre y el alcance que ha definido para mantener al
equipo concentrado en la discusión.
Paso 3: Complete los carriles de natación
Puede completar los carriles de natación SIPOC en cualquier orden, pero las mejores prácticas generalmente hacen que los equipos ingresen datos
en el siguiente orden:
• proceso
• Salidas •
Cliente
• Entradas •
Proveedores
De manera realista, los equipos pensarán en las cosas a medida que avanzan en el proceso, por lo que regresará a los carriles de natación
repetidamente para mover información y agregar nueva información.
Un SIPOC no suele ser un mapa detallado o de bajo nivel del proceso real, así que mantenga a los equipos en un nivel alto cuando completen
el carril de nado del proceso. Simplemente puede ingresar el nombre del proceso en esa sección, o puede enumerar algunos de los pasos de alto nivel
necesarios para el proceso. Enumerar los pasos es un buen ejercicio si los equipos no están seguros acerca de los resultados y las entradas:
comenzar a visualizar el proceso generalmente ayuda a que fluyan las ideas sobre cómo el proceso está conectado con otros procesos y recursos
en la empresa.
Para evitar que la sesión se convierta en una actividad detallada de mapeo de procesos, pídale al equipo que describa el proceso en menos de
cinco a siete pasos. Simplifique las cosas limitando los pasos del proceso a combinaciones cortas de verbo y sustantivo, como "Ingresar
información", "Recoger dinero" o "Colocar etiquetas".
Nombre las salidas y los clientes Una vez
que tenga una definición de proceso rudimentaria, comience con entradas o salidas. Pregúntele al equipo “¿Qué hace este proceso? ¿Qué sale
de este proceso?” Esas respuestas van al carril de nado de salidas.
Luego, pregunte al equipo "¿Quién o qué usa las cosas que provienen de este proceso?" Coloque esas respuestas en el carril de natación del cliente.
Recuerda que los clientes pueden ser externos o internos, y otro proceso puede ser el cliente en casos de automatización.
Página | 79
Machine Translated
Traducción by
automática Google
por
Google
Nombre insumos y proveedores
Pregunte al equipo “¿Qué debe realizar el proceso? ¿Qué materias primas o materias alimentan el proceso?” Registre
esas respuestas en la sección de entradas.
Puede dividir la idea de las entradas en dos tipos, si lo desea. Primero, tiene las entradas reales: los bienes y servicios que el
proceso transforma para crear las salidas. En segundo lugar, tiene habilitadores del proceso. Éstos no son técnicamente entradas
porque no entran en el proceso y no son cambiados por el proceso; en cambio, son necesarios para que el proceso funcione. La
maquinaria es un habilitador. En un proceso que corta partes metálicas de una lámina de acero, la máquina que realiza el corte es un
habilitador. Si bien no es obligatorio, separar los habilitadores en su SIPOC lo ayuda a definir el proceso y proporciona información
adicional para más adelante en el proyecto.
Una vez que tenga una lista de insumos, pregúntele al equipo: “¿De dónde provienen los insumos? ¿Quién o qué suministra
estas cosas al proceso? Al igual que con los clientes, los proveedores pueden ser externos o internos. Un vendedor puede
proporcionar el azúcar sin refinar que se usa en los dulces en una fábrica; el departamento de marketing puede proporcionar
los clientes potenciales que el departamento de ventas utiliza para crear pedidos.
Los proveedores también pueden ser otros procesos, especialmente en un entorno automatizado, y puede tener una lista de varios
proveedores para una entrada en un diagrama SIPOC sin procesar. Por ejemplo, los tickets de soporte llegan al departamento de
Tecnología de la Información (TI). El proveedor del ticket podría ser tanto el usuario final que envía el ticket como el
proceso automatizado que dirige el ticket a la cola de trabajo adecuada. Si está documentando habilitadores, puede registrar al usuario
final como el proveedor y el proceso automatizado como el habilitador.
Paso 4: Valide la información Asegúrese
de que su comprensión del proceso en este alto nivel sea precisa mediante la validación de su diagrama. Si ha formado un equipo
completo que incluye a las PYME, el equipo puede validar la mayor parte de la información por sí solo. Sin embargo, siempre
es una buena idea obtener una segunda opinión sobre cualquier cosa de la que el equipo no esté seguro. Invite a otras PYMES o
al propietario del proceso a revisar el diagrama brevemente con el equipo y brindar comentarios.
Consejos para una sesión de lluvia de ideas SIPOC
Una de las mejores formas de crear un diagrama SIPOC inicial durante una sesión de equipo es en hojas grandes de papel o en una
pizarra. Cree carriles de natación dibujándolos en la pizarra o colgando una hoja de papel para cada carril de natación en la pared.
Proporcione al equipo notas adhesivas y marcadores; escriba en notas adhesivas en lugar de escribir directamente en la
pizarra o en el papel. Esto le permite mover los componentes rápidamente mientras trabaja en el diagrama.
Ejemplos de diagramas SIPOC
Aquí hay algunos ejemplos de diagramas SIPOC. El primer diagrama está en el nivel más alto: el proceso es el negocio
mismo. El segundo diagrama presenta un proceso automatizado. El tercer diagrama ilustra un proceso de fábrica impulsado por
personas e incluye facilitadores.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Diagrama SIPOC de nivel empresarial Esto
El diagrama muestra el SIPOC para una imprenta mediana. Es un SIPOC simplificado de muy alto nivel que muestra cómo los clientes
y los vendedores proporcionan información y artículos; la empresa de impresión luego convierte esos insumos en productos tales como negocios impresos
tarjetas El producto final va a las personas, empresas y profesionales de marketing que realizaron el pedido.
proceso clientes
proveedores Entradas Salidas
pedidos/cliente Orden recibida Cartas de negocios Individuos

vendedor de papel
especificaciones
proveedor de tinta folletos dueños de negocios

Diseños de diseño
Papel
pancartas y
Copia e imprime Imprimir diseños Marketing
tinta
proveedor de máquinas señales departamentos
entregar impreso
cliente Sobres
diseños producto
membrete
La mayoría de las veces, un equipo de Six Sigma no se ocupará de un diagrama SIPOC de nivel empresarial. Sin embargo, si el equipo incluye
miembros de fuera de la división o empresa, como proveedores o consultores que ayudan con una mejora, luego comenzar con un diagrama de alto nivel puede ayudar a
los que están fuera del negocio a comprender los objetivos generales de la empresa.
SIPOC de un Proceso Automatizado El
El siguiente diagrama representa un proceso automatizado en una farmacia de pedidos por correo. El proceso en cuestión pone etiquetas en botellas que
deben llenarse con los medicamentos correspondientes. El alcance del proceso es únicamente el etiquetado de las botellas.
proceso clientes
sin etiquetar Elige el tamaño de la botella
clasificación de botellas Botella etiquetada Estación de llenado de botellas
máquina botellas
etiqueta de impresión
máquina de etiquetas Datos para etiquetas
Página | 81
Machine Translated
Traducción by
automática Google
por
Google
pegar etiqueta
etiquetas
software de
prescripción
tinta para imprimir
tinta y etiqueta
vendedores
Debido a que este es un proceso dentro de una cadena de procesos automatizados, casi todos los componentes son máquinas, procesos y
cosas. Antes del etiquetado, una máquina clasifica las botellas por tamaño. Esa máquina alimenta la estación de etiquetado según sea necesario. Una vez
realizado el etiquetado, otra estación llena las botellas.
SIPOC con habilitadores señalados
El siguiente diagrama SIPOC ilustra cómo se pueden registrar los habilitadores para su proceso. El proceso en cuestión tiene lugar en una fábrica de
muebles; En este proceso, una persona coloca patas en un taburete de bar en una línea de montaje. A los efectos de esta ilustración, la
fijación de patas es el último paso en la finalización del producto, lo que significa que el producto se mueve desde la estación de fijación de patas
hasta el embalaje y el envío.
proceso clientes
taburete con
Estación de tapicería parte superior del taburete alinear las piernas estación de embalaje
(proporciona la parte piernas unidas
superior final del taburete)
piernas Fije las piernas con
tornillos
Depósito
(proporciona patas, tornillos
tornillos y Lugar de protección
cubierta protectora) cubrir
Protector
cubrir
Facilitadores:
Máquina transportadora que mueve productos
Taladro para aplicación de tornillos
Página | 82
Machine Translated
Traducción by
automática Google
por
Google
Sin la máquina transportadora, las personas involucradas en este proceso tendrían que mover los artículos
manualmente. El transportador no es 100 por ciento necesario para agregar patas al taburete, pero permite que el proceso
avance a un ritmo más eficiente. Se podría argumentar que tampoco se requiere el taladro (los tornillos se pueden instalar
manualmente), pero ciertamente es lo que permite que el proceso se mueva a la velocidad requerida para la producción en
masa.
Con solo este diagrama SIPOC simple de un proceso, un equipo de Six Sigma ya tendría una idea de dónde podría estar escondida la
variación, qué impulsa la eficiencia en el proceso y cómo se relaciona el proceso con el negocio en general.
Cree su propio diagrama SIPOC Ya sea que
trabaje en equipo o por su cuenta, elija un proceso que conozca y practique la creación de su propio diagrama. Elija un proceso
asociado con su negocio o un ejemplo de negocio con el que tenga experiencia. Utilice las plantillas de la página siguiente
para empezar.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Facilitadores:
Página | 84
Machine Translated
Traducción by
automática Google
por
Google
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 8: Calidad
Una de las definiciones más concisas de calidad proviene de la Organización Internacional de Normalización,
o ISO. ISO 9000 define la calidad como el “grado en que un conjunto de características inherentes cumple con los
requisitos.”7
El mismo documento define los requisitos como expectativas o necesidades implícitas, obligatorias o establecidas, y la ISO señala que los requisitos
pueden ser generados por diferentes puntos de interés. Un equipo Six Sigma debería estar interesado en
requisitos generados por todos los puntos de interés, pero a menudo se centra más en los generados por el cliente. Varios tipos de requisitos pueden incluir:
• Expectativas del cliente, que normalmente son valores declarados o implícitos. Está implícito que un cliente quiere el producto que
o ella ordenó. Las expectativas de velocidad de entrega pueden expresarse en forma de comentarios en las encuestas de los clientes. •
Normas de cumplimiento o normativas, que son
obligatorio. Por ejemplo, los bancos deben proteger la información de la tarjeta de crédito: están obligados por las normas del gobierno.
y los Estándares de seguridad de datos de información de tarjetas de pago (PCIDSS) de la industria. Del mismo modo, las
organizaciones sanitarias deben proteger la confidencialidad y seguridad de los datos de los pacientes; están obligados a hacerlo en virtud de la
Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA). • Expectativas de marca, que provienen del liderazgo interno. Las
expectativas de la marca generalmente se expresan; Si bien no es obligatorio
en el sentido de estar respaldado por la regulación, las empresas para las que de alta calidad, una voz específica, u otro único
factor es un componente de la marca podría tratar las expectativas de la marca como obligatorias. CocaCola, por ejemplo, tiene una marca
reconocible en todo el mundo. Si bien los componentes de esa marca, como el diseño de logotipos
o las latas de refresco, no están obligados por las regulaciones y es posible que los clientes no los exijan, la propia CocaCola
considera que estos componentes son importantes y dedica recursos y esfuerzo a ellos porque valora su marca.
En este capítulo, veremos específicamente los factores de calidad críticos para los procesos y la mejora de procesos como
así como los costos asociados a la calidad en general.
Críticas a las características de calidad
Críticos para las características de calidad, o CTQ, son los factores o parámetros que son los principales impulsores de la calidad dentro de una
organización o proceso. Por lo general, los CTQ son características clave que se pueden medir; donde la actuación de dicho
métrica proporciona información sobre si el cliente va a estar satisfecho o no.
Los CTQ están estrechamente relacionados con los CTC, o son críticos para las características del cliente, pero no son lo mismo.
Algo puede ser crítico para la calidad, incluso crítico para cómo se siente un cliente en última instancia acerca de un servicio o producto, sin
siendo fundamental para el cliente directamente. Los CTQ son preocupaciones internas, pero impulsan
los CTC.
7
https://www.iso.org/obp/ui/#iso:std:iso:9000:ed3:v1:en:term:3.9.11
Página | 86
Machine Translated
Traducción by
automática Google
por
Google
Veamos algunos ejemplos de CTQ y CTC para comprender la diferencia y la relación entre estos dos factores.
Un par de pantalones
Cuando un cliente compra un par de pantalones, por lo general le preocupa cómo le queda y cómo se ve. ¿Son cómodos, la talla es correcta y
la ropa coincide con el estilo personal del cliente?
Es difícil crear una medida de si los pantalones son cómodos, pero un fabricante puede tomar los comentarios de los clientes sobre varios
tipos de pantalones y aprender que una determinada tela con un determinado corte es más cómoda para el público objetivo. El fabricante
también puede determinar las medidas adecuadas para cada tamaño. Durante el proceso de fabricación, se aplican estos factores críticos para la
calidad: solo se utiliza tela que cumple con las especificaciones identificadas. Luego, la tela se corta a medidas específicas y se cose de una
manera específica: las medidas y los métodos de costura son fundamentales para la calidad.
El cliente promedio, sin embargo, no quiere escuchar las medidas exactas de cada pieza de tela o la forma en que se cosieron las costuras.
Quieren ponerse un par de pantalones y experimentar un calce cómodo.
Barras de chocolate
Una empresa de chocolate realiza una encuesta para averiguar por qué las ventas de su producto más nuevo no han tenido el rendimiento
esperado. Los comentarios sugieren que el chocolate es demasiado dulce: el sabor y la dulzura del chocolate son fundamentales para las
características del cliente.
La compañía podría modificar su fórmula, reduciendo la cantidad de azúcar que se incluye en el chocolate. La receta, y la cantidad de azúcar,
es un factor crítico para la calidad en este caso. Pero, ¿y si los comentarios de los clientes indicaran que los consumidores conscientes de la
salud simplemente no querían comprar una barra de chocolate con tanta azúcar? Luego, la cantidad de azúcar en la receta se convierte tanto
en un CTQ como en un CTC. Es fundamental para la calidad del sabor de la barra, pero los clientes también pueden consultar la información
nutricional de la barra y tomar decisiones de compra en función de la cantidad de azúcar en el chocolate.
Desarrollo de aplicaciones móviles
Si una empresa quiere lanzar una aplicación móvil para sus clientes, una necesidad obvia centrada en el cliente es que la aplicación funcione en
el teléfono del cliente. Al cliente no le importa el proceso por el que debe pasar la empresa para lanzar la aplicación en la plataforma en cuestión,
pero la empresa debe cumplir con los criterios para Apple, Android, Windows u otros sistemas operativos móviles. Esos requisitos se
convierten en algunos de los CTQ para el desarrollo de aplicaciones móviles, aunque ciertos requisitos de las plataformas pueden no parecer
estar relacionados en absoluto con las declaraciones de los clientes sobre deseos o necesidades.
¿Por qué identificar los CTQ?
En un entorno de mejora de procesos, los CTQ son fundamentales para reducir el alcance del trabajo y comprender cómo implementar el
cambio. Considere la regla 80/20 discutida en el Capítulo 5. A menudo, los CTQ son los factores, características o resultados que impulsan
el 80 por ciento de la satisfacción del cliente. Al mejorar estos pocos factores críticos, los equipos pueden impactar sustancialmente la satisfacción
del cliente y el desempeño del proceso general. La identificación de CTQ permite a los equipos crear la mayor mejora posible con el
tiempo, el dinero y los recursos humanos disponibles.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Fuera del entorno de un proyecto, comprender los CTQ permite a las organizaciones mantenerse al tanto de la calidad. Al
administrar algunas métricas críticas, los equipos pueden garantizar un rendimiento excelente de manera continua e identificar
áreas potenciales de mejora antes de que se conviertan en problemas para el cliente.
Uso de un árbol CTQ para convertir las necesidades del cliente en métricas de calidad
En el Capítulo 5, presentamos el concepto de la Voz del Cliente, o VoC. Los equipos de Six Sigma generalmente comienzan con
algún tipo de datos de VoC cuando están definiendo un problema y trabajando en las metas de un proyecto.
El equipo realiza encuestas para escuchar a un grupo de clientes estadísticamente relevante durante las primeras fases de un
proyecto, o el equipo recibe comentarios de los clientes internos sobre un proceso.
A veces, la información de VoC con la que comienza un equipo es algo tan simple como un campeón o un individuo de nivel ejecutivo
que hace una declaración sobre las expectativas de un proceso o proyecto interno. Cuando los datos de VoC están limitados
de esa manera, es posible que los equipos tengan que trabajar más para validar las suposiciones con los datos antes de
pasar al análisis de CTQ.
Para comprender mejor cómo medir la calidad de un proceso, los equipos deben convertir las declaraciones de VoC en CTQ.
Una de las mejores maneras de hacer esto es a través de un proceso de diagramación conocido como árbol CTQ.
Un árbol CTQ comienza con las necesidades específicas y críticas del cliente, divide esa necesidad en impulsores y utiliza los
impulsores para crear requisitos. Los requisitos específicos son más fáciles de convertir en componentes de calidad medibles.
Si bien cada árbol CTQ es único, comienzan con una forma común. La estructura común de un árbol CTQ se muestra a
continuación.
Al crear un árbol CTQ, no tiene que seguir un patrón igual para los controladores y los requisitos.
Algunas necesidades de los clientes tendrán más impulsores que otras; Algunos conductores tendrán más requisitos.
También puede tener varios árboles CTQ; querrá crear uno para cada necesidad que identifique que sea crítica para un cliente.
Página | 88
Machine Translated
Traducción by
automática Google
por
Google
Identifique las necesidades críticas para el
cliente Comience el proceso del árbol CTQ creando una lista de necesidades críticas para el cliente. Un banco que trabaje en
procesos relacionados con el acceso a cheques en línea podría identificar la accesibilidad, las interfaces fáciles de usar y la
seguridad de la información como las principales necesidades críticas para el cliente, por ejemplo. Defina las necesidades en
términos amplios para ayudar a captar todos los impulsores y requisitos más adelante en el proceso de creación de diagramas.
La mejor manera de definir las necesidades es pedir directamente a los clientes sus comentarios, pero el tiempo y los recursos
no siempre permiten realizar encuestas. Los equipos de Six Sigma podrían aprovechar los datos recopilados a través de encuestas
recientes o formularios de comentarios, que es lo mejor. En ausencia de comentarios de los clientes, haga una lluvia de
ideas críticas sobre las necesidades con un grupo de empleados que tenga conocimiento y experiencia con el cliente. Los
expertos en la materia de los departamentos de ventas, servicio al cliente y quejas a menudo pueden proporcionar información
viable cuando el cliente es el usuario final. También puede comenzar un árbol CTQ con las salidas de su diagrama SIPOC;
Dependiendo de cómo estructuró los resultados en un SIPOC, es posible que deba definir factores de calidad críticos para el
resultado como punto de partida para su diagrama de árbol CTQ.
Identifique los impulsores de la
calidad Una vez que tenga una lista de necesidades críticas, trabaje con una necesidad a la vez para crear un árbol similar
al diagrama anterior. Identifique los impulsores de calidad que deben estar presentes o cumplirse para que se cumpla la
necesidad del cliente. Por ejemplo, los clientes de una empresa de servicios HVAC pueden requerir un servicio excelente. Los
impulsores de esa necesidad pueden incluir técnicos de servicio amigables, empleados serviciales y conocedores, y una respuesta
oportuna a las llamadas de servicio.
Los impulsores son el punto de transición entre las necesidades y los requisitos del cliente; no necesariamente tiene que ser capaz de
medir los impulsores, pero desea que sean un poco más detallados que las necesidades generales del cliente que ya identificó y
desea fluir en la dirección de los factores medibles cuando sea posible.
Lista de requisitos para cada conductor Los
requisitos son el desglose más detallado de las características críticas para la calidad. Estas son las cosas que puede medir que
lo llevan a comprender si los conductores se están desempeñando adecuadamente para satisfacer las necesidades
del cliente.
Por ejemplo, veamos nuestro ejemplo de HVAC en un formato de árbol CTQ.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Puede ver en el árbol CTQ anterior que los controladores se han convertido en requisitos, y cada uno de esos requisitos se
puede medir con números. En algunos casos, las conversiones de controlador a requisito equivalen a un número concreto. El
ejemplo de la barra de chocolate al comienzo de este capítulo presenta tal escenario: si la empresa afirma que la receta con un
cuarto de taza de azúcar es la receta correcta, entonces la métrica del proceso para la calidad es exactamente un cuarto de taza
de azúcar.
En otros ejemplos, las empresas pueden brindar margen para excepciones o el entendimiento de que un proceso no alcanzará un
número exacto cada vez. Por ejemplo, es imposible que un equipo de HVAC llegue a la casa de un cliente exactamente 24 horas
después de realizar una llamada telefónica, y si los técnicos de servicio pueden llegar antes de las 24 horas, la mayoría de la
gente querría que lo hicieran. Eso significa que la empresa tiene que crear una definición para el requisito: ¿cuántas horas pasan
antes de que un cliente considere que un técnico no ha llegado a tiempo?
En el caso de nuestra empresa de ejemplo, son 48 horas. El requisito en otra situación podría ser de 24 horas.
Debido a que los equipos utilizarán los requisitos de los árboles CTQ para desarrollar medidas y métricas de proceso para el
éxito, es extremadamente importante que cada requisito sea examinado antes de que los equipos lo incorporen al proyecto o
proceso. Los requisitos deben compararse con los datos de VoC, con las mediciones existentes y con la experiencia y el
conocimiento de los expertos y líderes en la materia. El equipo debe preguntarse a sí mismo y a los demás: "Si se cumplen
estos requisitos, ¿quedará satisfecho el cliente?" Si la respuesta alguna vez es no, entonces los requisitos necesitan trabajo. El
equipo también podría considerar preguntar "¿Son posibles estos requisitos en el mundo real?" Si la respuesta es
no, entonces el proceso o los requisitos necesitan trabajo.
Página |
Machine Translated
Traducción by
automática Google
por
Google
El CoQ y el CoPQ
Los equipos de Six Sigma siempre deben ser conscientes de que la calidad tiene un costo. Cuando se habla de costos de calidad,
muchas organizaciones consideran lo que se conoce como el costo de la mala calidad o CoPQ. El costo de la mala calidad se define
como los costos o gastos asociados con los defectos creados por un proceso. La calidad en realidad tiene un costo más amplio:
evitar la mala calidad también tiene un costo. El costo de la calidad, o CoQ, cubre los gastos asociados con el mantenimiento de una
buena calidad en toda una organización o proceso. A veces, esto se conoce como el costo de la buena calidad. En esta sección,
hablaremos sobre ambos tipos de mediciones de costos, cómo se relacionan con Six Sigma en general y cómo se
relacionan con los equipos y proyectos Six Sigma.
El costo de la mala calidad De
alguna manera, el costo de la mala calidad es más fácil de medir que el costo asociado con la calidad general.
CoPQ generalmente se divide en dos categorías principales: costos asociados con fallas externas y costos asociados con
fallas internas. Las fallas externas e internas a menudo se conocen como los costos de
no conformidad: son los gastos que ocurren cuando los productos no se ajustan a los requisitos críticos para la calidad.
fallas externas
Las fallas externas generalmente ocurren después de que se han entregado los productos o servicios, lo que significa que están
directamente asociadas con la insatisfacción del cliente. Las fallas externas pueden incluir pérdidas de ingresos asociadas
con una reducción en las ventas debido a la calidad de los productos, servicios, sistemas o información. Otros tipos de
pérdidas externas incluyen gastos asociados con reparaciones, devoluciones o reelaboraciones asociadas con una queja del cliente;
gastos asociados con garantías; o pérdida de ingresos o ventas debido a la voluntad del cliente o al mal boca a boca.
fallas internas
Las fallas internas ocurren cuando los productos, servicios o procesos no se ajustan a los requisitos establecidos por la empresa
y el producto o servicio se proporciona al cliente de manera insatisfactoria.
Las fallas internas generalmente se manejan desechando el trabajo, rehaciéndolo o reparándolo.
Obviamente, dicha reelaboración da como resultado costos adicionales de material y mano de obra, pero también da como resultado
pérdidas asociadas con demoras, escasez de piezas o inventario y falta de flexibilidad o capacidad de adaptación. Por ejemplo, si un
proceso tiene una calidad tan baja que el 50 por ciento de los artículos producidos por él requieren reelaboración, entonces
el proceso podría estar produciendo diariamente un 40 por ciento menos de lo que podría ser. Eso significa que el proceso puede servir
a menos clientes, generar menos producción y contribuir menos en general a las ganancias de la empresa.
Cálculo del costo de la mala calidad Comprender
el costo de la mala calidad es fundamental para las organizaciones Six Sigma porque les permite a los líderes comprender
cómo se relacionan las necesidades financieras con la necesidad de mejorar la calidad. Cuanto mayor sea el costo de la mala
calidad, más probable es que una organización trabaje para mejorar.
A nivel de proyecto o proceso, el costo de la mala calidad podría ayudar a determinar los presupuestos para la mejora. Si la mala
calidad dentro del proceso le está costando a una organización $5,000 por mes, un proyecto que cuesta $20,000 pero ahorra
$3,000 por mes en calidad se amortizaría solo en siete meses. En el otro extremo, un
Página |
Machine Translated
Traducción by
automática Google
por
Google
proyecto que cuesta $ 100,000 cuando los costos de mala calidad son sólo $ 1,000 por mes tiene menos probabilidades de hacer
sentido.
La ecuación para CoPQ es:
CoPQ = Costos de fallas externas + Costos de fallas internas
Si bien la ecuación parece simple, identificar todos los costos asociados con la mala calidad puede ser difícil. La mayoría de
los expertos utilizan la metáfora de un iceberg para explicar los costos ocultos de la mala calidad. En la superficie, se ve la diminuta
punta del iceberg: los costos obvios de la mala calidad. Estos pueden ser cosas como chatarra, reprocesamiento, reclamos de garantía,
devoluciones de clientes y envío adicional.
Sin embargo, debajo de la superficie, un iceberg siempre es mucho más grande. Lo mismo suele ocurrir con el costo de la mala calidad, y los
costos ocultos pueden incluir:
• Pérdida de lealtad del cliente •
Pérdida de la moral
• Pérdida de empleados si la moral permanece baja durante períodos prolongados •
Conflictos asociados a la programación o reprogramación •
Mayores riesgos de problemas de cumplimiento, incluidas multas •
Mayores costos administrativos •
Ingresos, ventas o producción impredecibles
Calcular el costo de la mala calidad es extremadamente difícil a nivel de toda la empresa y aún moderadamente difícil a nivel de proceso. No
existe un método para enumerar todos los costos posibles y formularlos en cantidades en dólares.
Es una buena idea que las organizaciones desarrollen un método simplificado que se utilice en toda la empresa al calcular el CoPQ. Como
mínimo, los expertos en Six Sigma de la organización podrían considerar definir una forma específica de enumerar los costos de
mala calidad en toda la empresa para que varios equipos de procesos utilicen medidas similares cuando informen al liderazgo.
El costo de la calidad El
costo de la calidad, o CoQ, incluye el costo de la mala calidad y el costo de la buena calidad. Además de los costos de fallas internas
y externas, CoQ incluye costos de prevención y evaluación. Los costos de prevención y evaluación a menudo se denominan
costos de conformidad: son los gastos relacionados con garantizar que los resultados cumplan con los requisitos críticos para
la calidad.
Costos de prevención
Los costos de prevención son los gastos que están relacionados con cualquier actividad destinada a evitar que ocurra un error o defecto.
La corrección de errores, que se trata en detalle en capítulos posteriores sobre el control de procesos, da como resultado costos
de prevención. Por ejemplo, si una empresa produce productos horneados, en algún momento del proceso, las personas o las máquinas
deben medir los ingredientes para agregarlos a los lotes de masa. Una forma de evitar errores en un proceso de este tipo es
proporcionar maquinaria especializada que solo permita introducir una cantidad específica de cada ingrediente en un lote. Tal máquina
probablemente sería bastante costosa; también tendría que ser manejado por un operador calificado y mantenido por personal de
reparación y limpieza apropiado. Toda esa actividad generaría costos que podrían considerarse de carácter preventivo.
Página | 92
Machine Translated
Traducción by
automática Google
por
Google
Otros tipos de costos de prevención incluyen gastos relacionados con la planificación de la calidad, revisiones o educación y
capacitación enfocada en la calidad. Los procesos de revisión y evaluación de la calidad también crean costos de prevención,
ya sea que esas revisiones estén relacionadas con proveedores, productos, procesos o personas. Las encuestas a los clientes, la
creación de manuales técnicos, el trabajo de creación y gestión de requisitos y especificaciones, y la gestión de las
descripciones de puestos pueden generar costes de prevención. Incluso los costos de limpieza pueden considerarse costos
preventivos, especialmente si se requiere un entorno de trabajo limpio para reducir fallas o errores en la fabricación del
producto.
Costos de evaluación
Los costos de evaluación son aquellos asociados con cualquier actividad destinada a garantizar altos niveles de calidad en un
proceso u organización. Si una planta de fabricación contrata a un especialista en control de calidad y el trabajo de esa persona es
revisar las piezas que llegan a la línea de fabricación y devolver el trabajo para su corrección o informar el nivel de calidad como una
métrica, entonces el salario de esa persona y los gastos relacionados con su empleo son costos de tasación. En algunos casos,
esos gastos también podrían considerarse costos de prevención, pero no se contarían dos veces al calcular el CoQ.
Otros tipos de costos de evaluación pueden incluir gastos relacionados con auditorías de calidad de productos, servicios o procesos,
el costo del equipo o software de calibración y medición, y los costos de las pruebas de campo.
Inspecciones de prototipos, gastos de consultoría, informes y auditorías financieras, controles de seguridad, controles de
seguridad, certificaciones de proveedores, encuestas de empleados y comentarios de los clientes son otros ejemplos de áreas
en las que pueden existir costos de evaluación.
Cálculo del costo de la calidad
La ecuación para CoQ es:
CoQ = CoPQ + Costos de prevención + Costos de evaluación
Los mismos desafíos inherentes al cálculo de CoPQ también existen al calcular CoQ. La misma analogía del iceberg es relevante,
y las actividades de prevención y evaluación a menudo tienen costos ocultos, como horas extra innecesarias, papeleo o gastos del
sistema.
El costo de la calidad y Six Sigma La sabiduría
tradicional podría decir que si el costo de la mala calidad disminuye, es probable que aumente el costo de la buena calidad. Tienes
que gastar dinero en calidad para tener buena calidad, en otras palabras. Si bien históricamente eso podría ser cierto para muchas
organizaciones, no es el caso en una empresa Six Sigma. Debido a que Six Sigma trabaja para crear la calidad que es inherente
al proceso, lo que significa que las cosas se hacen bien la primera vez y se reducen los defectos, los costos de la calidad a menudo
bajan mientras que la calidad misma aumenta.
En el Capítulo 1, mostramos que un proceso con un nivel sigma más alto (y, por lo tanto, de mayor calidad) tiene menos defectos.
Los defectos disminuyen de manera exponencial a medida que aumenta el nivel sigma. Debido a que hay menos defectos, los
costos de mala calidad también se reducen exponencialmente. Pero una y otra vez, Six Sigma también ha reducido el costo de la
calidad general. A medida que aumenta el nivel sigma de los procesos mediante la aplicación de herramientas y metodología Six
Sigma, el costo de la prevención y la evaluación también disminuye.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Una forma de relacionar el costo de la calidad, y quizás la forma más común de hacerlo entre las corporaciones, es como un porcentaje de
las ventas. El costo de la calidad como porcentaje de las ventas generalmente se alinea tan estrechamente con los valores sigma que puede
predecir el costo de la calidad en función del valor sigma de una empresa o proceso. Los rangos promedio de CoQ en relación con los
valores sigma se muestran en la siguiente tabla. Como puede ver, a medida que las empresas mejoran sus niveles sigma, experimentan
ahorros sustanciales a costa de la calidad.
nivel sigma Costo de la calidad como porcentaje de las ventas
2 Por encima del 40%
3 25 a 40%
4 15 a 25%
5 5 a 15%
6 menos que 1%
Gestión del coste de la calidad Six
Sigma es una de las mejores metodologías para gestionar el coste de la calidad porque funciona para incorporar la calidad en todos los
procesos. Al acercarse a una organización o proceso que tiene un alto costo de calidad, los equipos y el liderazgo pueden aplicar un método
basado en triage para reducir esos costos. Si bien ninguna organización puede eliminar los costos de calidad al 100 por ciento, el objetivo debe ser
cero costos de fallas, ya sean internas o externas, y costos mínimos de prevención y evaluación.
Primero, los equipos deben concentrarse en los costos asociados con las fallas. A menudo es más fácil y menos costoso detectar los costos
asociados con la no conformidad, y las mejoras que buscan corregir las causas de algunas fallas críticas pueden tener un gran impacto en la
calidad general y el costo total. En lugar de agregar capas de programas de calidad sobre los procesos para garantizar la calidad, lo que solo
agrega actividades de prevención o evaluación y aumenta el costo de la calidad, los proyectos de mejora de Six Sigma incorporan
medidas preventivas en los procesos mismos. En otras palabras, los procesos Six Sigma eficientes se autorregulan. Han incorporado
controles y equilibrios que funcionan para reducir constantemente los defectos.
y reelaborar.
El beneficio de incorporar puntos de detención de fallas en un proceso incluye:
Página | 94
Machine Translated
Traducción by
automática Google
por
Google
• Detección más temprana cuando ocurren errores, lo que mantiene bajos los costos ocultos. Cuando el error no puede
llegar al siguiente proceso o al cliente, evita muchos problemas y costos asociados con la baja moral, la reducción de la lealtad del
cliente o las devoluciones de productos.
• Los empleados pueden apoyar y gestionar una mayor calidad. Cuando la calidad es algo
los empleados tienen propiedad, es más probable que trabajen duro para crear el mejor resultado posible. Por el contrario, los
programas de calidad de estilo de evaluación pueden provocar sentimientos de paranoia al ser observados de cerca o crear
una relación en la mente de los empleados entre la idea de calidad y la idea de represalia o corrección. Es necesario abordar el bajo
rendimiento de forma continua, pero los empleados no deben adoptar una mentalidad negativa cuando escuchan la
palabra calidad.
• El aseguramiento de la calidad durante el proceso es en realidad más efectivo que el postproceso o el sobreproceso
métodos de prevención y evaluación. El control estadístico de procesos y las mejoras Six Sigma pueden llevar un proceso al nivel Six
Sigma. Para garantizar el mismo nivel de rendimiento (3,4 defectos por millón de oportunidades), los empleados de control de
calidad tendrían que revisar millones de piezas y asegurarse de que solo unas pocas tuvieran defectos. Simplemente no es una
opción económica para la mayoría de las organizaciones, si es que hay alguna.
Después de que los equipos utilicen los métodos de gestión de procesos Six Sigma y Lean discutidos a lo largo de este libro para reducir los
costos de fallas, los equipos pueden recurrir a los costos de prevención y evaluación. A menudo, en un proceso que funciona a un alto nivel
sigma, las actividades de prevención y evaluación son una forma de muda. Se pueden eliminar del proceso sin afectar el producto final, la
calidad, la satisfacción del cliente o la moral de los empleados. En algunos casos, eliminar la prevención o la evaluación de los
procesos genera un impacto positivo en la calidad, la producción y la satisfacción de los clientes y empleados.
Identificación de actividades de prevención y evaluación El primer
paso para eliminar el muda relacionado con la calidad es identificarlo. Los mapas de procesos, los diagramas de espagueti y los mapas de flujo
de valor son herramientas valiosas para descubrir actividades que no necesitan incluirse en un proceso.
Todas estas herramientas se tratan en profundidad en la Unidad 9.
Ya sea que esté mapeando un proceso o simplemente discutiendo varios componentes con los propietarios del proceso o un equipo de Six
Sigma, hacer preguntas sobre el valor y la necesidad también puede ayudar a identificar mudas de prevención y evaluación. Si cree que una
actividad relacionada con un proceso podría ser una forma innecesaria de prevención o evaluación, pregunte:
• ¿La actividad en sí agrega algún valor al resultado? • ¿La actividad reduce
sustancialmente el tiempo que tarda el proceso en producir un resultado? • ¿La actividad aumenta sustancialmente el costo del proceso? •
Si la actividad está diseñada para prevenir defectos dentro del proceso, ¿puede la actividad
hacerse más
¿eficiente?
• Si la actividad está diseñada para prevenir defectos, ¿se puede abaratar la actividad? • Si una actividad está diseñada para
capturar datos de calidad sobre el proceso con fines informativos, ¿son necesarios esos informes?
• Si los informes de calidad son necesarios, ya sea debido a requisitos obligatorios como el cumplimiento o porque los informes proporcionan
valor en otro proceso, ¿se pueden automatizar los informes para reducir los gastos asociados?
Página |
Machine Translated
Traducción by
automática Google
por
Google
Las respuestas a estas preguntas ayudan a los equipos a identificar áreas en las que se puede eliminar el muda o en las que se
pueden mejorar los procesos relacionados con la calidad.
La calidad es fundamental para el éxito
Cuando los equipos de Six Sigma eliminan los costos relacionados con la calidad y las actividades innecesarias de los procesos, es
fundamental que en realidad no eliminen la calidad. Si bien es cierto que los costos y los programas de calidad tradicionales no
tienen que estar presentes para garantizar una reducción de defectos y una mejora en la satisfacción del cliente, es igualmente
cierto que debe reemplazar esos programas con alguna otra forma de control.
Al final de este libro, habrá aprendido acerca de una serie de herramientas, desde control estadístico de procesos hasta poka yokes, que
puede usar para crear calidad dentro de un proceso.
También vale la pena señalar que un solo equipo de Six Sigma, o incluso un departamento completo dedicado a Six Sigma, no puede
reducir los costos de calidad en una organización por sí solo. El liderazgo corporativo debe aceptar la creencia de que la calidad es mejor
cuando se incorporan controles dentro del proceso, y deben estar dispuestos a comunicar este hecho a través de la capacitación
y el ejemplo. Algunas empresas optan por utilizar Six Sigma para mejorar los procesos mientras mantienen el gasto de los
departamentos tradicionales de calidad, cumplimiento y auditoría. Para algunas industrias, como la atención médica o las finanzas, las
leyes y regulaciones pueden exigir auditorías y otros costos de evaluación y prevención. Fuera de ese mandato, casi siempre
es mejor eliminar cualquier actividad de calidad que no proporcione un valor adicional.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 9: Selección de los proyectos correctos
Los equipos pueden aportar abundante conocimiento de Six Sigma a la mesa, pero si las organizaciones no eligen los proyectos correctos, las
mejoras no generarán cambios efectivos en beneficio de la línea de fondo y/o la satisfacción del cliente. Dado que Six Sigma funciona
mejor cuando se implementa como una cultura de toda la empresa, la selección de proyectos debería funcionar como una función de toda la
empresa. Este capítulo cubre una serie de herramientas y métodos para la lluvia de ideas y la selección de proyectos que tienen más probabilidades
de aportar mejoras significativas a los procesos y servir a los objetivos comerciales generales.
Hacer malabarismos con la cantidad adecuada de proyectos
Una parte fundamental del éxito de Six Sigma para las organizaciones es saber cuándo los equipos alcanzan la carga máxima del proyecto.
Incluso cuando las organizaciones contratan empleados dedicados a la mejora de procesos, solo pueden sostener una cierta cantidad de proyectos
de mejora sin reducir sustancialmente los resultados positivos de esos proyectos. Si bien el trabajo del proyecto, incluida la recopilación y
el análisis de datos, puede ser manejado por empleados comprometidos al 100 por ciento con los proyectos de mejora, los equipos
generalmente tienen que involucrarse y obtener recursos de los miembros del personal regular. Una organización que hace malabarismos
con demasiados proyectos pone en riesgo la producción diaria. Al buscar mejorar los procesos, una empresa que selecciona demasiados
proyectos a la vez podría tener un impacto negativo en la calidad.
No existe una fórmula para cuántos proyectos Six Sigma debe ejecutar una empresa en un momento dado, pero es más probable que unos pocos
proyectos bien diseñados tengan un mayor impacto que muchos proyectos mal diseñados, superpuestos o sin financiación. Las organizaciones
solo deben lanzar proyectos que puedan:
• Fondo. Los proyectos Six Sigma toman recursos monetarios, lo que significa que las organizaciones deben priorizar en función de
criterios financieros.
• Apoyo con recursos humanos. Los proyectos Six Sigma requieren el trabajo de los empleados en todos los niveles.
Las empresas no deberían lanzar tres proyectos a la vez que recurran en gran medida a los recursos de TI o intentar varios
proyectos simultáneos que necesiten información del Director de Cumplimiento de manera regular. Depender demasiado de los
recursos para múltiples proyectos puede agotar a los empleados, disminuir la moral, afectar la calidad e impedir el trabajo que es
necesario para que el negocio funcione día a día.
• Administrar. Los equipos de proyecto requieren liderazgo; Los equipos de Six Sigma generalmente están dirigidos por Black Belts,
a veces junto con Gerentes de Proyecto certificados. Dado que los Black Belts cuentan con el apoyo de los Green Belts que
manejan gran parte del trabajo de recopilación y análisis de datos, un solo Black Belt generalmente puede administrar más de un
proyecto a la vez si es necesario. Esto es especialmente cierto para los Black Belts experimentados que no son responsables de
ningún tipo de operación diaria. Aun así, las organizaciones con expertos en Six Sigma limitados en el personal no pueden
lanzar docenas de proyectos sin ejercer presión sobre esos recursos.
Proceso de selección a nivel empresarial
Cuando las empresas están trabajando para aplicar la cultura Six Sigma a toda la empresa, los líderes ejecutivos y otros tomadores de decisiones
deben trabajar directamente con los expertos de Six Sigma para identificar oportunidades de mejora y lanzar proyectos. Al
hacerlo, permite que el liderazgo alinee la selección de proyectos con la organización
Página |
Machine Translated
Traducción by
automática Google
por
Google
asegurar que los proyectos estén organizados de manera que coincidan con los recursos y mantener una vista panorámica de
los esfuerzos de mejora. Las organizaciones pueden aplicar un procedimiento de cinco pasos para identificar proyectos viables de
mejora Six Sigma.
1. Revisión basada en datos del estado actual de la organización
Las organizaciones pueden comenzar con una mirada de alto nivel a las fuentes internas y externas de información sobre el
desempeño. La información interna puede incluir quejas o problemas planteados por los empleados, métricas o informes de
desempeño existentes, informes financieros e informes de calidad. Las fuentes externas incluyen todas las herramientas de Voice
of the Customer que cubrimos en el Capítulo 5. Al revisar la información interna y externa, las organizaciones deben preguntarse:
• ¿De qué tipo de cosas se quejan los clientes o empleados? • ¿Dónde se está quedando
corta la organización respecto de los puntos de referencia o el desempeño de la competencia? • ¿Qué necesidades
tienen los clientes que la organización no está satisfaciendo? • ¿Qué necesidades podrían
tener los clientes en un futuro cercano que la organización aún no puede satisfacer?
¿encontrarse?
• ¿Qué procesos están generando la mayor cantidad de defectos?
• ¿Qué procesos son conocidos por la mayor cantidad de
reelaboración? • ¿Cuáles son los procesos más lentos o más costosos de la organización? •
¿Cuáles son algunos de los obstáculos que impiden que la organización alcance sus objetivos?
2. Lluvia de ideas y descripción de proyectos potenciales
Las respuestas a las preguntas del primer paso se convierten en una lista de lluvia de ideas para proyectos potenciales. ¿De qué
tipo de cosas se quejan los clientes? Tal vez las encuestas y los formularios de comentarios muestren que los clientes se
quejan de los largos tiempos de envío, la mala calidad de los productos o el servicio al cliente grosero. Con una sola pregunta,
una organización tiene una lista de posibles proyectos:
• Un proyecto para reducir el tiempo que tardan los clientes en recibir pedidos • Un proyecto
para aumentar la calidad de los productos • Un proyecto
para crear un mejor servicio al cliente
Es cierto que el alcance es enorme con estos ejemplos, por lo que las organizaciones deberían buscar un poco más de detalle.
¿Por qué los clientes piensan que la calidad de los productos es baja? En el Capítulo 6, cubrimos el método de lluvia de ideas
de los 5 porqués, y ese método es relevante aquí. Durante el proceso de lluvia de ideas, las organizaciones y los equipos
deben preguntarse repetidamente "¿Por qué?" preguntas para obtener una visión más granular de las posibilidades del proyecto.
Por ejemplo, si un formulario de comentarios para una empresa de instalación de alfombras indica que los clientes no están
satisfechos con el servicio que reciben, el equipo podría preguntar "¿Por qué los clientes están insatisfechos?" Una investigación
más profunda de los comentarios de los clientes podría indicar que los clientes no están contentos porque los bordes de la
alfombra se levantan poco después de instalar la alfombra. ¿Por qué está pasando esto? La respuesta corta es que algo anda mal en
el proceso de instalación. La organización podría agregar "Mejorar el proceso de instalación de alfombras" a una lista de posibles
proyectos.
Página |
Machine Translated
Traducción by
automática Google
por
Google
Crear una lista de posibles proyectos de esta manera no siempre es una cuestión de una sola sesión de lluvia de ideas.
A medida que surgen problemas, es posible que se requiera más información para enumerar posibles proyectos, pero si reúne al
grupo adecuado de personas para algunas sesiones de lluvia de ideas, es probable que alguien ya tenga esa
información o sepa algunas respuestas básicas. Recuerde, el objetivo de este ejercicio es identificar posibles áreas de mejora, no
validar suposiciones ni proponer soluciones.
Una vez que los equipos tengan una gran lista de posibles proyectos, deben comenzar a crear descripciones breves que se
convertirán en la base del paso tres. Las descripciones también permiten que los equipos identifiquen rápidamente cosas
que en realidad no son problemas o que no se aplicarían dentro de un entorno de proyecto de mejora. Las descripciones deben
incluir respuestas a tres preguntas:
• ¿En qué medida es doloroso el problema para el cliente, los empleados o la organización? En resumen, ¿cómo
impide el problema que alguien obtenga lo que quiere o necesita?
• ¿Cuál es el objetivo que se lograría con una mejora? • ¿Por qué una organización
debería abordar este problema ahora?
Si esto empieza a sonar familiar, es porque las respuestas a estas preguntas crean algo similar, aunque un poco menos formal, que
las declaraciones de problemas discutidas en el Capítulo 6. Usando el ejemplo de instalación de alfombras, por ejemplo, la
descripción podría ser:
Los clientes no están satisfechos con la instalación de alfombras porque los bordes salen a las pocas semanas de la instalación. Los
bordes deficientes crean problemas estéticos y de seguridad y aumentan los gastos y el retrabajo para los equipos que tienen que
regresar a los sitios para corregir los defectos. El objetivo es reducir la cantidad de veces que los bordes de la alfombra se
levantan en un 80 por ciento. La organización debe abordar el problema porque está costando $20,000 por mes en errores.
Se proporciona una idea básica de lo que el equipo quiere hacer, y el liderazgo tiene una medida muy real de por qué la mejora es
importante. Aún mejor, la medida (20 000 dólares en costos adicionales cada mes) se puede comparar con otras oportunidades de
proyectos.
3. Aplicar algunos criterios básicos para acortar la lista
Una vez que se crea una lista de posibles proyectos, los equipos pueden aplicar algunos criterios muy básicos para eliminar
proyectos que son inapropiados, que no funcionarían con la metodología Six Sigma, que no tienen un alcance de propiedad o
que tienen pocas probabilidades de retorno de la inversión. Este paso generalmente comienza durante la segunda parte del
paso dos, cuando los equipos crean descripciones breves de posibles proyectos.
Primero, los equipos pueden eliminar elementos de la lista donde no hay un punto de dolor real. Si no existe una diferencia
significativa entre el estado deseado y el estado actual, entonces no hay nada que mejorar. Por ejemplo, si la queja de un solo
empleado sobre la eficiencia de una pieza de software figura en la lista inicial, una empresa no buscará mejoras adicionales
si resulta que nadie más tiene el problema.
En segundo lugar, los equipos pueden eliminar problemas que tienen problemas y/o soluciones muy evidentes. Considere el problema
de la instalación de alfombras: si el problema de los bordes surgió en el último mes y alguien del equipo que revisa
problemas potenciales recibió recientemente un correo electrónico sobre defectos en los materiales de los bordes de un proveedor
de alfombras, la solución podría ser obvia. Tal vez el proveedor envió una notificación de que los materiales de cierto lote de
alfombras estaban defectuosos y proporcionó instrucciones para una solución. En este caso, se requiere acción por parte
de la organización, pero esa acción no es un proyecto Six Sigma. Hablaremos más en
Página |
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 11 sobre el proceso DMAIC, pero si ya se definió un problema y se proporcionó una solución, no es necesario que dedique tiempo a
pasar por las fases DMAIC.
4. Cree criterios comerciales únicos
Después de eliminar las ideas de proyectos que no se ajustan a la metodología Six Sigma, los equipos deben crear y aplicar criterios
comerciales para filtrar aún más la lista. Los criterios comerciales generalmente vienen en forma de gastos, ganancias
monetarias, impacto en la satisfacción del cliente y urgencia. Algunas preguntas que los equipos pueden hacer incluyen:
• ¿Cómo afectará la mejora a las mediciones de los ingresos, como ganancias, pedidos o
¿ingreso?
• ¿Qué ahorros generará la mejora? • Cómo
¿El problema es tendencia? ¿Se está convirtiendo rápidamente en un problema mayor y más urgente, o la organización puede operar con
un impacto mínimo sin hacer un cambio inmediato o en un futuro cercano? • ¿Cuánto costará el
costo de mejora? • ¿Cuántos empleados/
¿Serán necesarias las horas de los empleados para la mejora? • ¿Qué recursos se requieren para la
¿mejora?
5. Utilice criterios comerciales para priorizar listas de proyectos
Usando los criterios comerciales, los equipos deben priorizar proyectos y seleccionar proyectos de la parte superior de la lista priorizada
para el trabajo inmediato. Una de las mejores formas de priorizar proyectos es crear una matriz de selección con criterios definidos y
un sistema de clasificación numérica.
Por ejemplo, utilizando las preguntas de ejemplo del paso cuatro, podríamos crear la siguiente lista de criterios:
• Ahorros potenciales •
Costo potencial
• Aumento potencial de los ingresos
• Capacidad para acceder a los recursos necesarios
Se puede crear una matriz utilizando los criterios y una lista de proyectos. Luego, los equipos pueden calificar cada proyecto según cada criterio
utilizando una escala numérica. En el siguiente ejemplo, aplicamos una escala del 1 al 10, siendo 1 el más negativo y
Siendo 10 el más positivo.
Es importante tener en cuenta que, en este ejemplo, los números no están asociados con números del mundo real. Por ejemplo,
al calificar los ahorros, un número más alto solo significa una expectativa más positiva. En este caso, la expectativa positiva sería una gran
cantidad de ahorro. Sin embargo, cuando la calificación cuesta, el número más alto (y la expectativa más positiva)
se relacionaría con un proyecto con un costo total más bajo.
El acceso a los
costos Aumento de ingresos
ahorros recursos Total
Proyecto 1 8 9 10
1 28
5 5 4 6
proyectos veinte
Página | 100
Machine Translated
Traducción by
automática Google
por
Google
Proyecto 10 2 2 2
3 dieciséis
En la tabla anterior, puede ver que el Proyecto 1 tiene ahorros esperados bajos, pero el equipo también estima que tendrá
un costo general bajo, genera un gran aumento en los ingresos y tiene fácil acceso a los recursos. El Proyecto 3, por otro lado, tiene un alto ahorro esperado,
pero calificaciones negativas en todas las demás categorías.
Para clasificar los proyectos, sume las puntuaciones de todas las categorías y ordene los proyectos de mayor a menor según la puntuación total.
Los equipos del modelo de viabilidad
del proyecto pueden optar por crear sus propios criterios para una matriz de selección de proyectos, o pueden utilizar un modelo de viabilidad de 15
puntos como se define a continuación. Un beneficio del modelo de viabilidad del proyecto es que proporciona cierta ponderación, lo que permite
que los equipos hagan que algunos criterios sean más importantes que otros. También elimina algo de la naturaleza objetiva de la matriz de
selección definida en la sección anterior.
Este modelo se basa en 15 criterios, que se definen en la siguiente tabla.
criterios definición
1.Patrocinio Es probable que el proyecto sea patrocinado a un alto nivel. (Para obtener más
información sobre el patrocinio de proyectos, consulte la información sobre formación de equipos
en el Capítulo 10). El patrocinio aumenta la posibilidad de que los equipos tengan acceso a los fondos
y recursos necesarios para un proyecto potencial exitoso.
2. Alineación corporativa Los objetivos del proyecto están alineados con los objetivos del negocio.
Trabajar en proyectos potenciales que no están alineados con los objetivos comerciales puede
reducir la eficacia comercial.
3. Citas Los datos están disponibles o se puede acceder a ellos para que el equipo pueda diseñar las
métricas del proyecto. Sin acceso a los datos, no se puede aplicar una metodología Six
Sigma. Si la recopilación de datos consume demasiado tiempo o es costosa, entonces el proyecto
potencial generalmente no es la mejor opción.
4.Definición de defecto
Hay un defecto o problema específico y bien definido. Sin un defecto bien definido, los proyectos
potenciales corren el riesgo de que el alcance se desplace.
5. Estabilidad El proceso potencial es estable y no hay expectativas de que el proceso se revisará, rediseñará o cambiará
en un futuro próximo. Por lo general, no hay razón para gastar tiempo y dinero en mejorar un proceso
que de todos modos cambiará drásticamente pronto.
6. Cliente
El objetivo planificado del proyecto potencial crearía un impacto sustancial y positivo en la
satisfacción del cliente o la percepción de la calidad.
7.Beneficios
El proyecto potencial tiene una fuerte relación costobeneficio.
8.Cronología
El cronograma para un proyecto potencial es relativamente corto. Plazos para
Página | 101
Machine Translated
Traducción by
automática Google
por
Google
La mayoría de los proyectos de mejora de Six Sigma duran alrededor de 6 meses,
aunque algunos duran más. Los plazos más largos disminuyen la posibilidad de que
una mejora se ajuste a la metodología DMAIC.
9.Solución
El propósito potencial del proyecto es encontrar una solución que aún no se conoce o
define. Como dijimos anteriormente, si una solución es obvia, no necesita ejecutar un proyecto
para encontrarla.
10. Es probable que se implemente Una solución identificada y verificada por el proyecto potencial es probable que se
implemente. Si, por alguna razón, el cambio es muy poco probable dentro de un
proceso, entonces pasar por el trabajo de mejora de Six Sigma es una pérdida de tiempo.
recursos.
11. Inversión requerida El proyecto potencial requiere una gran inversión de efectivo. En general, cuanto mayor sea
la inversión en efectivo o capital requerida, es menos probable que se seleccione un
proyecto o que se implemente una solución debido al análisis de costobeneficio.
12. Recursos Six Sigma Los Black Belts y Green Belts necesarios para el proyecto están disponibles.
disponibles
13. Las entradas se pueden controlar Para que un proyecto de mejora de procesos Six Sigma tenga éxito, al menos algunos
de las entradas debe estar bajo el control del equipo u organización.
Por ejemplo, un equipo no puede trabajar para mejorar la calidad de una pieza que
proporciona en su totalidad un proveedor.
14. Rediseño El proceso se puede mejorar tal cual y no necesita un rediseño completo.
15. Se mejora/mantiene la La mejora no tiene un impacto negativo en la calidad del servicio o de los productos a
calidad del proceso lo largo de la cadena de valor.
Con base en los criterios anteriores, los equipos crean una matriz.
No tenedores
Principalmente posiblemente Principalmente
Peso (1) No (2) (3) Sí (4) (5)
¿Hay algún patrocinador o campeón?
¿Los objetivos del proyecto se alinean con los objetivos corporativos?
¿Hay datos disponibles o accesibles?
¿Están bien definidos los defectos?
¿Es estable el proceso?
¿Hay beneficios para el cliente en el proyecto?
¿Hay beneficios para la empresa en el proyecto?
¿Se puede completar el proyecto en 6 meses?
Página | 102
Machine Translated
Traducción by
automática Google
por
Google
¿Se desconoce la solución?
¿Es probable que se implemente una solución descubierta?
¿Una nueva solución costaría poco o nada de efectivo?
¿Están disponibles los miembros del equipo Six Sigma para el proyecto?
¿Se pueden controlar las entradas en el proceso?
¿Se puede mejorar el proceso sin un rediseño completo?
¿Las mejoras mantendrán o mejorarán la calidad en toda la cadena de valor?
Luego, los equipos aplican un peso numérico a cada criterio. Pondera cada criterio en una escala del 1 al 5, siendo 1 el menos importante y 5 el más importante.
Por ejemplo, nuestro equipo con el problema de instalación de alfombras podría crear ponderaciones de la siguiente manera:
Peso
¿Hay algún patrocinador o campeón? 3
4
¿Hay datos disponibles o accesibles? 3
¿Están bien definidos los defectos? 3
¿Es estable el proceso? 1
¿Hay beneficios para el cliente en el proyecto? 5
¿Hay beneficios para la empresa en el proyecto? 5
¿Se puede completar el proyecto en 6 meses? 3
¿Se desconoce la solución? 4
¿Es probable que se implemente una solución descubierta? 3
¿Una nueva solución costaría poco o nada de efectivo? 5
¿Están disponibles los miembros del equipo Six Sigma para el proyecto? 3
¿Se pueden controlar las entradas en el proceso? 5
2
5
A continuación, los equipos deben responder a cada pregunta marcando un 1 en la casilla correspondiente de la cuadrícula; las respuestas se corresponden con
no, mayormente no, posiblemente, mayormente sí, y sí. Se presenta la cuadrícula completa para nuestro problema de instalación de alfombras
abajo.
No Sí
Principalmente posiblemente Principalmente
Peso (1) No (2) (3) Sí (4) (5)
¿Hay algún patrocinador o campeón? 3 1
4 1
¿Hay datos disponibles o accesibles? 3 1
Página | 103
Machine Translated
Traducción by
automática Google
por
Google
¿Están bien definidos los defectos? 3 1
¿Es estable el proceso? 1 1
¿Hay beneficios para el cliente en el proyecto? 5 1
¿Hay beneficios para la empresa en el proyecto? 5 1
¿Se puede completar el proyecto en 6 meses? 3 1
¿Se desconoce la solución? 4 1
¿Es probable que se implemente una solución descubierta? 3 1
¿Una nueva solución costaría poco o nada de efectivo? 5 1
¿Están disponibles los miembros del equipo Six Sigma para el proyecto? 3 1
¿Se pueden controlar las entradas en el proceso? 5 1
2 1
¿Las mejoras mantendrán o mejorarán la calidad en todo el
¿la cadena de valor?
5 1
Una vez que se completa una matriz para cada proyecto, los equipos deben calcular y comparar la puntuación de los proyectos potenciales.
Estos cálculos se completan a través de los siguientes pasos.
1. Divida cada peso por 3; un peso de 3 es igual a 1, pero un peso de 5 es igual a 5/3, o 1,7
2. Convierta cada uno de los 1 enumerados en su cuadrícula en un valor ponderado multiplicándolo por el peso convertido del paso uno. Por
ejemplo, el peso de la primera pregunta en la cuadrícula
* de arriba es 3. Dividimos 3/3 para obtener 1. Multiplicaríamos 1, todos los números han
sido 1 en la primera fila. La siguiente fila tiene un peso de 4; 4/3 es 1.3. Los convertidos en la cuadrícula de abajo.
No tenedores
Principalmente Principalmente
Peso (1) nº (2) 1 posiblemente (3) Sí (4) (5)
¿Hay algún patrocinador o campeón? 3
4 1.3
¿Es estable el proceso? 1 0.3
¿Hay beneficios para el cliente en el proyecto? 5 1.7
¿Hay beneficios para la empresa en el proyecto? 5 1.7
¿Se desconoce la solución? 4 1.3
¿Una nueva solución costaría poco o nada de efectivo? 5 1.7
¿Están disponibles los miembros del equipo Six Sigma para el proyecto? 3 1.3
¿Se pueden controlar las entradas en el proceso? 5 1.7
2 0.4
Página | 104
Machine Translated
Traducción by
automática Google
por
Google
¿Las mejoras mantendrán o mejorarán la calidad en todo el
¿la cadena de valor?
5 1.7
3. Sume los números en cada una de las cinco columnas.
No tenedores
Principalmente Principalmente
Peso (1) No (2) posiblemente (3) Sí (4) (5)
¿Hay algún patrocinador o campeón? 3 1
4 1.3
¿Es estable el proceso? 1 0.3
¿Hay beneficios para el cliente en el proyecto? 5 1.7
¿Hay beneficios para la empresa en el proyecto? 5 1.7
¿Se desconoce la solución? 4 1.3
¿Una nueva solución costaría poco o nada de efectivo? 5 1.7
¿Están disponibles los miembros del equipo Six Sigma para el proyecto? 3 1.3
¿Se pueden controlar las entradas en el proceso? 5 1.7
2 0.4
¿Las mejoras mantendrán o mejorarán la calidad en toda la cadena de
valor? 5 1.7
1.3 4.4 4.7 3.3 4.4
4. Multiplique cada uno de los puntajes ponderados sumados por el número en la parte superior de la columna. Por ejemplo, la suma de la
columna de las respuestas "No" es 1,3. Multiplicando eso por 1 es igual a 1.3. Las otras columnas se calculan como:
*
• 4.4 2 = 8,8
*
• 4.7 3 = 14,1
*
• 3.3 4 = 13,2
*
• 4.4 5 = 22
5. Sume las respuestas del paso anterior. En este caso, el total es 59,4.
6. Divida la suma del paso cinco por la suma de los totales ponderados del paso tres. En este caso, 59,4 / 18,1 = 3,28
7. La respuesta del paso 6 es la puntuación de su proyecto.
Página | 105
Machine Translated
Traducción by
automática Google
por
Google
Una vez que puntúas cada proyecto potencial, puedes determinar si es un proyecto viable dentro de una metodología
DMAIC con la siguiente clave:
puntaje
Viabilidad DMAIC
<2.0 No viable para DMAIC
2.0 a 3.0 Posibilidad viable, pero las organizaciones deberían
validar más
Por encima de 3,0
Un proyecto DMAIC viable
Cabe señalar que la matriz de 15 puntos descrita anteriormente solo se puede utilizar para determinar si un proyecto es viable
dentro de una estructura DMAIC. Es posible que un proceso aún deba mejorarse aunque no se ajuste a la metodología
DMAIC; en el caso de un rediseño, la estructura DMADV podría permitir que los equipos de Six Sigma se acerquen a la
mejora. Las diferencias entre las metodologías DMAIC y DMADV, y cómo determinar qué método es el mejor para un proyecto,
se tratan con mayor profundidad en el Capítulo 11.
Selección de proyectos a nivel de proceso El
objetivo de un equipo Six Sigma no es definir proyectos apropiados a nivel empresarial. Un departamento o equipo responsable
de solo unos pocos procesos podría estar buscando hacer una mejora. En una organización donde Six Sigma es
importante para la cultura empresarial, los líderes departamentales probablemente estén familiarizados con algunas herramientas
de Six Sigma e incluso podrían ser Green Belts o Black Belts. Si bien estos líderes tienen responsabilidades diarias que no están
relacionadas con Six Sigma, pueden llevar los procesos de pensamiento de Six Sigma a su departamento.
Los líderes departamentales pueden querer identificar oportunidades potenciales para presentar para el liderazgo. También
podrían querer identificar áreas en las que ellos y sus equipos puedan trabajar para mejorar ellos mismos. En
algunas organizaciones, los líderes de departamento pueden ejecutar versiones más pequeñas de proyectos con la guía de
expertos en Six Sigma en el personal, especialmente cuando dichos proyectos requieren poco capital o recursos.
El personal del departamento puede utilizar todas las herramientas de este capítulo para identificar posibles proyectos. Sin
embargo, a menudo están lo suficientemente cerca de la situación como para identificar posibilidades de mejora sin pasar por
etapas de lluvia de ideas. Si los datos ya están presentes, el personal del departamento podría usar diagramas de Pareto para
identificar algunas áreas donde la mejora generaría resultados; luego pueden usar la matriz de selecciones para validar esos
supuestos y priorizar los esfuerzos.
Véalo usted mismo Considere
un problema o necesidad de mejora en su propia empresa o que haya enfrentado en una experiencia laboral pasada.
Practique completar la matriz de viabilidad del proyecto usando la plantilla a continuación.
Página | 106
Machine Translated
Traducción by
automática Google
por
Google
tenedores
Número de peso (1) Principalmente Posiblemente (3) En su mayoría
No (2) Sí (4) (5)
¿Hay algún patrocinador o campeón?
¿Hay datos disponibles o accesibles?
¿Están bien definidos los defectos?
¿Es estable el proceso?
¿Hay beneficios para el cliente en el proyecto?
¿Hay beneficios para la empresa en el proyecto?
¿Se puede completar el proyecto en 6 meses?
¿Se desconoce la solución?
¿Es probable que se implemente una solución descubierta?
¿Una nueva solución costaría poco o nada de efectivo?
¿Están disponibles los miembros del equipo Six Sigma para el proyecto?
¿Se pueden controlar las entradas en el proceso?
TOTALES:
puntaje:
Página | 107
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 10: Gestión básica del
equipo Six Sigma
Six Sigma normalmente se gestiona en dos niveles dentro de una organización. Primero, la cultura de Six Sigma debe administrarse a
nivel de toda la empresa, generalmente por un grupo o consejo de gerentes senior, como ejecutivos, con la guía de un Master
Black Belt o Black Belt. En última instancia, este grupo establece el tono de Six Sigma dentro de una organización, brinda la aprobación
final de los proyectos y responsabiliza a otros por las métricas, el rendimiento y el éxito. Si bien muchas de estas personas también
pueden trabajar como patrocinadores o campeones en proyectos, como grupo no tienden a involucrarse en los detalles del día a día
del proyecto.
Algunos roles de un grupo de liderazgo Six Sigma de alto nivel incluyen:
• Crear una justificación para el uso de Six Sigma en la organización y el proceso de apoyo
mejoras como objetivo cultural.
• Establecer objetivos claros para las iniciativas Six Sigma para garantizar que las metas del proyecto se alineen con el negocio
objetivos.
• Responsabilizar a los equipos de Six Sigma ya la organización por las mejoras y el desempeño. • Exigir y revisar mediciones de
resultados. • Comunicar ganancias y pérdidas al equipo de manera
honesta. • Recompensar a equipos e individuos por los éxitos de Six Sigma. • Abogar por
los recursos y la financiación de los proyectos de mejora necesarios.
Six Sigma también debe administrarse a nivel de equipo, que es el enfoque principal de este capítulo. Cubriremos la creación de
un equipo, detallaremos los diversos roles comunes dentro de un equipo Six Sigma y hablaremos sobre la gestión de un
equipo con cronogramas y cronogramas, hitos, presupuestos y una medida definida de éxito.
Construyendo un equipo Six Sigma
No puede simplemente tener un equipo prefabricado listo para comenzar a trabajar en cada proyecto que surja. Los equipos de Six
Sigma deben adaptarse de manera única a los objetivos y procesos en cuestión. Los mismos expertos en Six Sigma (líderes Black Belt,
analistas de datos o gerentes de proyecto) pueden trabajar en múltiples proyectos, pero los expertos en la materia y los miembros
del equipo solo aportan un gran valor al equipo si están familiarizados con el proceso o tienen alguna educación relacionada. ,
conocimiento o habilidad para ofrecer. Tampoco todos los miembros del equipo servirán consistentemente a lo largo de toda la vida
de un proyecto. A menudo, esta es la razón por la que las empresas envían a los empleados existentes a recibir capacitación en
Six Sigma en lugar de contratar a expertos en Six Sigma.
Los grupos de liderazgo ejecutivo que trabajan con líderes y expertos en Six Sigma generalmente forman equipos. Cualquier equipo de
mejora de procesos debe tener, como mínimo:
• Un líder Six Sigma •
Propietario de un proceso •
Un experto en el proceso •
Alguien para administrar el presupuesto y la contabilidad.
Página | 108
Machine Translated
Traducción by
automática Google
por
Google
Algunos de esos roles pueden ser manejados por la misma persona; el propietario del proceso también puede ser el experto en
procesos. Según las expectativas de las necesidades, es posible que el equipo también deba incluir recursos técnicos, como un
programador o un líder de TI, así como personas de los departamentos de recursos humanos, cumplimiento, legal u otros
departamentos auxiliares.
Tres tipos de miembros del equipo Al
formar equipos, las organizaciones deben recordar que existen tres tipos básicos de miembros del equipo en relación con un
proyecto Six Sigma. En primer lugar, están los miembros regulares del equipo. Estos individuos participan en todas las actividades
del equipo y asisten a todas o casi todas las reuniones del equipo. Los miembros regulares del equipo incluyen líderes de
proyectos, propietarios y expertos de procesos, y expertos en la materia identificados que el equipo o los ejecutivos consideran
que serían componentes críticos de su grupo.
En segundo lugar, los miembros del equipo ad hoc brindan experiencia según sea necesario. Por lo general, estos son expertos
en la materia o empleados que trabajan directamente con el proceso. No desea sacar a estos empleados de sus
funciones laborales para cada evento del equipo, ya que eso afectaría negativamente el estado de la producción actual. En
cambio, estos empleados se incluyen en las reuniones del equipo según sea necesario cuando se requiere información o
asistencia adicional.
Finalmente, los miembros del equipo de recursos solo se incluyen cuando el líder del equipo del proyecto siente que se los
necesita en una reunión o evento del equipo para brindar información experta, asesoramiento o ayuda para acceder a los recursos.
Los miembros del equipo de recursos suelen ser miembros de departamentos auxiliares como contabilidad, recursos humanos
o cumplimiento. Los miembros del equipo de recursos también pueden ser gerentes o líderes en departamentos relacionados con
el proceso que se está mejorando. Por ejemplo, si un equipo busca mejorar un departamento de servicio al cliente, es posible que
necesite ayuda con aportes del departamento de marketing; alguien del departamento de marketing podría agregarse como miembro
del equipo de recursos.
Consejos para seleccionar a los miembros
del equipo La mayoría de los equipos de mejora de procesos de Six Sigma son relativamente pequeños: cinco miembros
regulares del equipo se considera un buen número en promedio. Agregar demasiados miembros regulares del equipo
puede crear problemas de comunicación, dificultar la gestión de las sesiones de lluvia de ideas y causar agotamiento. Cuando todos
los equipos Six Sigma de una empresa son grandes, es muy probable que los miembros del equipo estén trabajando en varios
proyectos. Mientras que los miembros del equipo ad hoc o de recursos pueden servir varios proyectos y manejar su propio trabajo
diariamente, no se les debe pedir a los miembros regulares del equipo que trabajen en más de un equipo y manejen las cargas de
trabajo diarias. De hecho, los líderes organizacionales pueden querer considerar reducir los requisitos de trabajo para los
miembros del equipo que se desempeñan como miembros de tiempo completo en un proyecto.
Otros consejos para seleccionar a los miembros del equipo incluyen:
• Elegir empleados que tengan conocimientos sobre el cliente, el producto o el proceso relacionado
al proyecto
• Elegir empleados que hayan demostrado voluntad y capacidad para trabajar en pro de la mejora en un entorno de equipo.
• Seleccionar empleados que tengan acceso y comprensión de los datos necesarios para conocer y medir el proceso o
problema.
• Seleccionar empleados que puedan proporcionar al menos cinco horas de trabajo por semana al equipo.
Página | 109
Machine Translated
Traducción by
automática Google
por
Google
• Adaptar las habilidades de los empleados a los proyectos en cuestión; Si es probable que un proyecto incluya todos
mejoras técnicas, sería menos probable que agregara un miembro del equipo que sea experto en marketing.
• Eliminación de obstáculos políticos a través de la selección de equipos; si una persona específica en una organización es
Es probable que sea un obstáculo para un equipo, a veces poner a esa persona en el equipo puede aumentar la posibilidad
de que acepte el proceso.
Funciones de los miembros del equipo
Los roles de los miembros del equipo descritos en esta sección se basan en las mejores prácticas de mejora de procesos de Six
Sigma, pero las mejores prácticas también dicen que los equipos y los líderes de equipo no deben ser demasiado rígidos.
Los líderes y expertos experimentados en Six Sigma entienden cómo trabajar dentro de las mejores prácticas y, al mismo tiempo,
crean estructuras de equipo únicas que se adaptan al proyecto o proceso en cuestión.
Patrocinadores y campeones Nos
hemos referido brevemente a los patrocinadores y campeones en capítulos anteriores. En la mayoría de los entornos
Six Sigma, estos son los líderes de alto nivel que supervisan los proyectos al más alto nivel. Incluso el Black Belt debe informar al
patrocinador o campeón del proyecto. El líder principal suele ser responsable del resultado final de un proyecto, lo que significa que
normalmente quiere informes regulares sobre el progreso; A veces, el patrocinador o campeón es el enlace entre el equipo y
el consejo de liderazgo. Como líder sénior, el campeón o patrocinador también es responsable de ayudar al equipo a obtener fondos y
recursos para garantizar el éxito del proyecto. Algunas funciones adicionales dentro de este rol incluyen:
• Coaching del equipo, particularmente en la etapa de constitución del proyecto. El patrocinador a menudo brinda
información sobre el alcance de un proyecto y quién podría incluirse en un equipo. • Ubicar
recursos para el equipo, incluido el apoyo de otros departamentos, dinero, equipos, tiempo y horas de
trabajo. • Manejar asuntos de política dentro
de una estructura corporativa para que el equipo no tenga que hacerlo. • Trabajar con otros gerentes dentro de
la organización para ayudar al equipo a tener éxito en mejorar un
proceso y transición de mejoras a un entorno de trabajo diario.
Propietarios de negocios o procesos
El propietario del negocio o proceso suele ser alguien que es directamente responsable del proceso en una capacidad de
liderazgo. Por lo general, el propietario del proceso es la persona que va a "recibir" una solución implementada por un equipo
de Six Sigma una vez que la solución esté lista para implementarse entre todos los miembros del equipo o usarse a diario. Debido
a esto, el propietario del proceso generalmente se incluye en el equipo porque debe comprender cómo y por qué se realiza cualquier
cambio. El propietario del proceso también debe estar familiarizado con los métodos de control creados por el equipo Six Sigma, ya
que será responsable de mantener y monitorear esos controles una vez que el proceso pase de un entorno de equipo a la
producción diaria.
El propietario de un proceso por lo general también actúa como experto en procesos en un equipo de Six Sigma. El propietario
del proceso tiene una idea del proceso existente, comprende las necesidades de los clientes y empleados relacionados con el proceso
y es posible que ya tenga acceso a los datos relacionados con el proceso. El propietario del proceso no siempre es
Página | 110
Machine Translated
Traducción by
automática Google
por
Google
sin embargo, el único experto en procesos en un equipo; En algunos casos, la persona que posee el proceso no tiene suficiente interacción diaria con el
proceso para ser un experto.
Al liderar o administrar un equipo de Six Sigma, los Black Belts y otros deben tener cuidado con los propietarios de procesos que se resisten al cambio
o que creen que tienen todas las respuestas. Alguien que tiene sus propias costumbres podría no querer involucrar a otros miembros del equipo o podría creer
que ciertos cambios son "imposibles" porque son nuevos. Algunos líderes que también son propietarios de procesos pueden tener miedo de que
un miembro del equipo los eclipse o amenace su posición, lo que podría llevarlos a bloquear a los miembros del equipo para que no participen en un
equipo. Estos son algunos de los problemas políticos y de recursos humanos que enfrentan los líderes de Six Sigma, y los Black Belts y los
líderes de proyectos deben trabajar con tacto con los campeones, patrocinadores y gerentes de procesos para resolver tales problemas.
Líderes de Six Sigma Los
proyectos de Six Sigma generalmente están dirigidos por Black Belts certificados, aunque algunas organizaciones permiten que los Green Belts actúen como
líderes en pequeñas iniciativas con comentarios y orientación ocasionales de Black Belts. En la mayoría de las organizaciones, el Black Belt tiene la
responsabilidad principal del trabajo regular realizado por un equipo y, por lo general, solo trabaja con un equipo o proyecto a la vez.
Los mejores escenarios permiten a las organizaciones alinear a los Black Belts con proyectos en áreas con las que ya están familiarizados. Por ejemplo,
un banco puede tener varios Black Belts en el personal. Cada Black Belt puede especializarse en trabajar con ciertos procesos o departamentos; Por lo
general, uno podría trabajar con procesos de cumplimiento y auditoría, otro con contabilidad, un tercero con procesos orientados al cliente y un cuarto
con procesos en línea. Dado que los recursos de Black Belt pueden ser limitados, esto no siempre es posible. La mayoría de los Black Belts certificados
pueden aportar métodos Six Sigma para mejorar los procesos, incluso en áreas con las que no están muy familiarizados. En algunos casos, varios
gerentes u otras personas están certificadas como Black Belts y pueden liderar procesos además de sus responsabilidades habituales, aunque esto puede
suponer una carga indebida para los empleados y no siempre es la mejor solución.
Los líderes de proyectos Black Belt a menudo trabajan para:
• Ayudar a crear una justificación para un proyecto. •
Proporcionar información para la selección de los miembros del equipo del proyecto. •
Liderar equipos a lo largo de todas las fases de DMAIC, que se tratan en profundidad en la Unidad 3. • Educar y apoyar a los
miembros del equipo a medida que aprenden y utilizan las herramientas Six Sigma. • Proporcionar supervisión a través de la
gestión del tiempo, la toma de decisiones y la planificación. • Mantener horarios y líneas de tiempo, a veces en conjunto
con un Gerente de Proyecto certificado. • Proporcionar experiencia en forma de análisis estadístico u orientación con el análisis. • Ayudar con
la transición del proyecto. • Informar al patrocinador o campeón de forma regular. • Proporcionar documentación al
final del proyecto.
En algunas organizaciones, los Master Black Belts desempeñan un papel general en la dirección de múltiples proyectos Six Sigma.
Los Master Black Belts actúan como entrenadores de múltiples equipos; Los Black Belts que lideran equipos de Six Sigma pueden trabajar con Master Black
Belts para resolver problemas especialmente difíciles o buscar ayuda para análisis estadísticos complejos.
Master Black Belts brinda educación continua tanto a Black Belts como a Green Belts, ayudando a los miembros del equipo a mejorar constantemente su
comprensión de las metodologías Six Sigma.
Página | 111 ©
Machine Translated
Traducción by
automática Google
por
Google
Gerentes de proyecto
Algunas organizaciones utilizan técnicas tradicionales de gestión de proyectos junto con metodologías de mejora de Six Sigma. En estas
organizaciones, generalmente se asigna un gerente de proyecto a un proyecto Six Sigma.
Si bien las estructuras varían según la organización, el director del proyecto no suele liderar el equipo. En cambio, el PM ofrece apoyo de
líder al Black Belt al mantenerse al día con la documentación y los cronogramas, ayudando a mantener las reuniones encaminadas
y asegurando que se haga un seguimiento de los elementos después de las reuniones. Al principio, podría pensar que agregar un PM a
un equipo le causaría problemas a un Black Belt, pero cuando los dos roles trabajan juntos, el Black Belt se beneficia. Con un
PM preocupado por los plazos o si la reunión se está desviando demasiado, un ejercicio Six Sigma es libre para concentrarse en la sesión
de lluvia de ideas o el análisis estadístico en cuestión.
Cronometrador
No todos los equipos de Six Sigma utilizan cronometradores, pero pueden ayudar a mantener las reuniones encaminadas, reducir la
posibilidad de que el alcance se desplace y aumentar la productividad general. El cronometrador puede ser cualquier persona del equipo
que no participe regularmente en la conducción de reuniones, actividades de intercambio de ideas o registro de actividades y notas
del equipo. El cronometrador no debe controlar el tiempo de una manera tan rígida que se pierdan los beneficios de la discusión fluida y la
lluvia de ideas, pero debe guiar suavemente a los equipos para que sigan los cronogramas de la agenda o proporcionar al líder del
proyecto una indicación de que se acabó el tiempo para el tema. a mano.
Para funcionar correctamente, un cronometrador necesita una agenda a seguir. Por lo general, es responsabilidad del Black Belt
o del gerente del proyecto proporcionar una agenda detallada para cada reunión. La agenda debe incluir indicaciones claras sobre cuánto
tiempo se espera que tome cada elemento, aunque los equipos siempre deben tener en cuenta que las agendas pueden cambiar
durante la reunión a discreción del gerente o líder del proyecto.
Los líderes de equipo deben elegir un cronometrador que sea organizado y sensato. En medio de discusiones y discusiones, es fácil
que cualquier miembro del equipo pierda la noción del tiempo, y el cronometrador es un miembro del equipo. Además de los deberes
habituales como miembro del equipo, se espera que el cronometrador:
• Vigila la agenda y el tiempo •
Avise a los miembros del equipo cuando se acabe el tiempo para una determinada agenda; Es posible que los equipos deseen
configurar una regla de advertencia de cinco minutos para que tengan unos minutos para concluir una discusión.
• Indicar que se acabó el tiempo para una determinada discusión o tema
Si bien los líderes del proyecto pueden optar por ignorar las agendas, también deben respaldar la capacidad del cronometrador para
interrumpir cortésmente. Los cronometradores no pueden actuar si otros miembros del equipo los interrumpen por anotar el
tiempo.
Escribas o registradores de actas
Mucha discusión ocurre en medio de la lluvia de ideas Six Sigma y las sesiones de equipo, y alguien necesita registrar esa información.
Las notas son importantes porque ayudan a los miembros del equipo a revisar lo que se discutió, crear listas de seguimientos y
acciones de una discusión y registrar tablas, gráficos y diagramas que se crearon durante los procesos de lluvia de ideas. Si bien todos
pueden tomar notas, el líder del equipo debe designar a una persona como escriba oficial del equipo. A veces, esa persona es un
gerente de proyecto certificado que trabaja en conjunto con un líder de equipo de Six Sigma. Otras veces, es un miembro del
equipo el que es visto como detallista y organizado.
Página | 112
Machine Translated
Traducción by
automática Google
por
Google
El Black Belt u otro líder de proyecto nunca debe ser el escriba; es demasiado difícil tomar notas mientras se dirige una discusión o un
ejercicio. El Black Belt puede tomar algunas notas durante la discusión, pero es probable que se pierda detalles importantes mientras trabaja
directamente con otros miembros del equipo.
El escriba debe crear notas o actas de la reunión en formato mecanografiado y distribuir esas notas a todos los miembros del equipo tan pronto
como sea posible después de la reunión. Los miembros del equipo pueden revisar las notas y agregar cualquier información que falte si lo desean;
A menudo, las organizaciones crean portales o sistemas de archivos compartidos para que los equipos puedan guardar notas y todos los
demás documentos en una ubicación de fácil acceso.
Un desafío en el registro de las discusiones de una reunión del proyecto Six Sigma es registrar los diagramas y la lluvia de ideas que se
produjo. Esto es especialmente cierto si los equipos usan pizarras, papel o notas adhesivas para crear diagramas; el escriba no siempre está
equipado con las habilidades o el software para recrear una versión computarizada de dichos documentos. Un consejo para registrar
dicha información que utilizan muchos equipos modernos de Six Sigma es tomar una fotografía de los diagramas con un teléfono inteligente
o una cámara digital. Luego, las imágenes se pueden cargar en el espacio de trabajo compartido del equipo; Si es necesario, un Black Belt
o Green Belt puede convertir los diagramas sin procesar a una versión computarizada con el fin de presentar información al liderazgo u otros
departamentos si así lo desea.
miembros del equipo
Al comienzo de este capítulo, cubrimos los tres tipos principales de miembros del equipo: regulares, ad hoc y de recursos. La selección de
miembros para cada uno de estos roles depende del líder del proyecto, el patrocinador o campeón y el equipo de liderazgo organizacional
en general. Además del líder del proyecto, el propietario del proceso y el experto en procesos, los equipos Six Sigma generalmente
están compuestos por uno a tres miembros regulares del equipo. Además de actuar como cronometrador o escribiente según lo indique el
líder del equipo, los miembros del equipo también:
• Participar en sesiones de intercambio de ideas, debates y otras actividades de equipo. • Recolectar datos y
realizar análisis bajo la dirección del Black Belt. A menudo, los miembros del equipo
realizando estas funciones son Green Belts.
• Realizar el trabajo entre reuniones según lo requiera el líder del proyecto. • Informar los
resultados y el progreso de las asignaciones individuales al equipo. • Revisar el trabajo realizado por
otros miembros del equipo y el equipo en su conjunto, ofreciendo sugerencias
y retroalimentación
Líneas de tiempo, programación e hitos
Programar y mantener ese cronograma es una parte integral del proceso del proyecto Six Sigma.
Los líderes organizacionales deben comprender cuánto tiempo llevará un proyecto, cuándo se pueden esperar resultados y cuándo se
liberarán los recursos del equipo para otros esfuerzos. Sin esta información, el liderazgo no puede planificar la mejora continua y los
empleados pueden sentirse atrapados en un proyecto que parece no tener fin. En esta sección, cubriremos dos métodos para crear un
cronograma o cronograma del proyecto y tocaremos la importancia de los hitos.
Página | 113
Machine Translated
Traducción by
automática Google
por
Google
Línea de tiempo basada en fases
Los proyectos Six Sigma suelen seguir una serie específica de fases; Hemos introducido brevemente el concepto del método DMAIC. DMAIC
divide un proyecto en cinco fases: Definir, Medir, Analizar, Mejorar y Controlar. Los expertos en Six Sigma experimentados con algunos
datos e información sobre un proyecto y proceso generalmente pueden proporcionar una estimación de tiempo muy básica y sin procesar al
asignar una cierta cantidad de semanas a cada fase. También vale la pena señalar que es probable que la mayoría de las fases se
superpongan.
Para crear una línea de tiempo sin procesar para un proyecto, un cinturón negro u otro líder de Six Sigma generalmente comienza con un
requisito de tiempo general. Él o ella estima el tiempo total requerido para una mejora o trabaja con una fecha límite impuesta por el grupo de
liderazgo. Por ejemplo, el grupo de liderazgo podría decir que se debe completar una mejora en un plazo de cuatro meses.
Utilizando un cronograma de cuatro meses y la información que ya está disponible sobre el proceso, el problema y los recursos, Black Belt
podría crear un cronograma estimado para el proceso DMAIC que se parece a la figura a continuación.
El plazo estimado es de 16 semanas; el experto cree que la fase Definir tomará 3 semanas y la fase Medir tomará 5. La fase Medir se
superpone con las fases Definir y Analizar, lo cual es normal con los proyectos Six Sigma.
El beneficio de este enfoque es que puede generar una línea de tiempo rápidamente. Las desventajas son que alguien sin experiencia
en Six Sigma y con bastante conocimiento del proceso que se está mejorando puede fácilmente juzgar mal el tiempo requerido
para cada fase y el liderazgo puede considerar que este es un cronograma difícil, lo que puede crear expectativas poco realistas. Al
presentar un cronograma de este tipo, asegúrese de que todos sepan que es una estimación aproximada y que el tiempo para cada fase
puede cambiar a medida que avanza en el proceso.
Método del camino crítico
El método de ruta crítica es una forma más detallada de definir cronogramas para varios elementos de un proyecto, pero requiere más
información y aportes de un equipo de proyecto. Esto significa que probablemente no podrá proporcionar un cronograma detallado hasta
que el proyecto esté en marcha; Un diagrama de ruta crítica podría ser una de las actividades que el equipo emprende como parte de la fase
Definir.
Creación de un diagrama de ruta crítica Se
puede crear un diagrama de ruta crítica para todo el proyecto o para cada fase de un proyecto. A medida que avanzamos en los pasos
para crear un diagrama de ruta crítica, usaremos la fase Definir de un proyecto para reducir las deudas incobrables (facturas no cobradas)
en un entorno de facturación médica como ejemplo.
Página | 114
Machine Translated
Traducción by
automática Google
por
Google
1. Identificar las necesidades o actividades críticas para completar el proyecto o fase de un proyecto.
Para completar la fase de definición de nuestro proyecto para mejorar la deuda incobrable en un entorno de facturación médica, el
equipo debe elegir un equipo, organizar el proyecto, definir el problema y crear una métrica de referencia.
2. Poner en orden las actividades críticas.
El orden en que el equipo debe realizar las tareas definidas en el paso uno es:
• Elige un equipo
• Formular el proyecto y definir el problema (estas tareas se pueden realizar simultáneamente) • Crear una métrica
de referencia
3. Asigne un tiempo a cada tarea.
Un experto en Six Sigma estima que llevará una semana elegir un equipo, una semana crear un estatuto, un día crear una declaración del
problema y dos semanas crear una métrica de referencia.
4. Crear un diagrama de las tareas, apilando procesos simultáneos o paralelos e incluyendo cifras de tiempo.
El diagrama se crea de izquierda a derecha. Los elementos de la izquierda deben completarse antes de que se puedan completar
los elementos de la derecha. Cuando los elementos se pueden hacer al mismo tiempo, se apilan.
5. Dibuje una ruta crítica a través del diagrama.
Cuando se apilan los pasos, la ruta crítica pasa por el paso con la estimación de tiempo más larga. Por ejemplo, el equipo puede
crear una declaración de problema mientras trabaja en un acta de constitución del proyecto; El acta de constitución del proyecto tarda
de lunes a viernes en completarse. El enunciado del problema está completo el martes. Sin embargo, el equipo no ha terminado con
todos los pasos de esa serie hasta que haya terminado con el acta de constitución del proyecto.
Página | 115
Machine Translated
Traducción by
automática Google
por
Google
6. Sume los tiempos más largos de cada sección.
En este caso, el equipo suma 1 semana, 1 semana y 2 semanas para llegar a un total de 4 semanas para la fase Definir.
Hemos usado un ejemplo muy simple, pero puede usar el método de la ruta crítica para estimar los plazos para tareas extremadamente complejas.
proyectos o procesos.
Reuniones de hitos Una vez que
se establece un cronograma, establezca reuniones y fechas de hitos para ayudar a mantener al equipo encaminado y notifique al patrocinador o campeón.
de progreso En un proyecto DMAIC, los hitos generalmente se establecen al final de cada fase (Definir, Medir, Analizar, Mejorar y Controlar). Sin embargo,
los equipos pueden establecer hitos personalizados y los patrocinadores pueden requerir hitos específicos si son
aprobar grandes solicitudes de recursos o financiación para un proyecto.
También puede configurar hitos dentro de un entorno de equipo para administrar objetivos y tareas; estos hitos se pueden mantener dentro del equipo. Por
ejemplo, un equipo que trabaja para una cadena de tiendas de sándwiches espera mejorar el proceso mediante el cual se preparan los sándwiches.
juntar. Han establecido los siguientes hitos:
Definir: 21 de enero
Medida: 12 de febrero
Analizar: 22 de febrero
Mejorar: 15 de marzo
Control: 10 de abril
Las fechas clave son cuando el equipo o el Black Belt se reunirá con el patrocinador para presentar los hallazgos o resultados de
cada fase del proyecto. Cada fecha le da al equipo algo por lo que trabajar.
Sin embargo, el equipo ha determinado que se deben realizar ciertas tareas durante la fase de Medición.
Primero, tienen que crear algunas definiciones de términos para que todos estén en la misma página cuando se habla de medidas.
En segundo lugar, el equipo debe recopilar datos sobre la temperatura a la que se almacenan y cocinan los ingredientes. Finalmente, el equipo
quiere observar activamente a los empleados de la tienda de sándwiches para medir el tiempo que se tarda en hacer varios sándwiches.
Página | 116
Machine Translated
Traducción by
automática Google
por
Google
El equipo podría establecer hitos internos para la fase Medir, indicando que las definiciones se crearán el 25 de enero, los
datos de temperatura se recopilarán el 5 de febrero y los datos de tiempo se recopilarán el 10 de febrero.
Al dividir cada fase y cada tarea más grande en partes más pequeñas, es más fácil para el equipo mantenerse encaminado y completar
el trabajo. Las tareas más pequeñas parecen más manejables, por lo que es más probable que se realicen.
Presupuestos
Los equipos, y especialmente los líderes de equipo, siempre deben preocuparse por los presupuestos de los proyectos. Si bien los
clientes finales califican el éxito en términos de desempeño, calidad y satisfacción, los equipos de Six Sigma también responden al
liderazgo corporativo. Para los líderes, el éxito también se mide en términos de tiempo y presupuesto. Una línea de tiempo sólida y
buenos hitos lo ayudan a cumplir con los requisitos de tiempo, y una comprensión de los impulsores financieros, una
comunicación sólida y una supervisión financiera lo ayudan a mantener un proyecto dentro del presupuesto.
Uno de los desafíos cuando se trata de presupuestos en un proyecto Six Sigma es que todos los miembros del equipo no siempre son
completamente conscientes de los factores financieros. En algunos casos, la información financiera puede incluso estar
restringida; Por lo general, los empleadores no quieren que los datos específicos sobre el pago de los empleados se hagan
públicos a varios miembros del equipo, por ejemplo. En tales casos, es posible que parte de la información y el análisis deban ser
realizados únicamente por un Black Belt líder en proyectos, especialmente si los datos son críticos o confidenciales.
Fuera de las preocupaciones con los datos confidenciales, los proyectos de mejora de procesos funcionan mejor cuando
todos los miembros del equipo conocen la mayor cantidad posible de controladores y datos. Cuando los equipos saben cuánto
financiamiento está dispuesto a buscar un campeón en su nombre, pueden tomar decisiones realistas sobre cómo mejorar un
proceso. A veces, la solución que es más probable que genere la mayor mejora no es viable debido al presupuesto. Si un proyecto
de mejora tiene un presupuesto de $50 000, el equipo no puede implementar una solución que requiera una inversión de capital de $80
000 en maquinaria, por ejemplo.
Las preocupaciones presupuestarias varían según la organización. En algunas organizaciones, los líderes están más preocupados por
los gastos específicos de un equipo, incluidos los gastos en nuevos equipos, la contratación de nuevo personal o la compra de
nuevos productos o software. Algunas organizaciones adoptan un enfoque más granular para los presupuestos de
proyectos, considerando el gasto de las horas dedicadas por el equipo al proyecto, así como los gastos asociados con la capacitación
y la implementación de una solución fuera del entorno del equipo.
Los líderes de equipo de Six Sigma deben asegurarse de comprender cómo los líderes y las organizaciones administran los
presupuestos de los proyectos. Trabajar por primera vez con una organización o patrocinador significa tener conversaciones
honestas y exhaustivas sobre cómo se calculan los presupuestos, cuántos patrocinadores están dispuestos a trabajar para aumentar un
presupuesto y cuál es el papel esperado del líder Six Sigma en el mantenimiento de los presupuestos.
Medidas de éxito definidas Finalmente,
los equipos Six Sigma deben crear una medida de éxito bien definida. Para administrar mejor un proyecto y un equipo Six
Sigma, los líderes deben asegurarse de que todos los miembros del equipo, líderes y patrocinadores estén de acuerdo con lo
que significa el éxito. Si el éxito no se define en absoluto, el equipo corre el riesgo de perder el alcance y perderse en un proyecto
que parece no terminar nunca. Si el éxito no está bien definido, los equipos corren el riesgo de concluir un proyecto sin satisfacer
al cliente, al patrocinador oa todos los miembros del equipo. Si un patrocinador y el equipo no se ponen de acuerdo sobre cómo se
ve el éxito, el equipo podría pensar que ha concluido un proyecto exitoso mientras que el liderazgo cree que el proyecto fue un
fracaso.
Página | 117
Machine Translated
Traducción by
automática Google
por
Google
Al final, la gestión exitosa del equipo Six Sigma depende de muchos de los mismos conceptos que el liderazgo exitoso en otros
emprendimientos. Elegir a las personas adecuadas, tener claras las expectativas, abordar el trabajo de manera
organizada y ser honesto y abierto sobre el progreso ayuda a que cada miembro del equipo tenga éxito y aporte valor.
Página | 118
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 11: Introducción a DMAIC y
DMAD
Una de las cosas que distingue a Six Sigma de otras metodologías de gestión y mejora de la calidad es un enfoque
estructurado para cada proyecto. Los proyectos destinados a mejorar un proceso existente siguen una hoja de ruta para el éxito
conocida como el proceso DMAIC; DMAIC se divide en cinco fases: Definir, Medir, Analizar, Mejorar y Controlar. Las principales
actividades de un proyecto DMAIC incluyen la identificación de las entradas o causas críticas (las X) que están creando
el problema (la Y), la verificación de esas causas, la lluvia de ideas y la selección de soluciones, la implementación de
soluciones y la creación de un plan de control para garantizar el estado mejorado. es mantenido.
La metodología DMAIC está diseñada para ser bastante inclusiva: la gran mayoría de los equipos que buscan mejorar un
proyecto podrán adaptar sus actividades a los pasos de DMAIC porque esos pasos están diseñados para permitir cierta
flexibilidad. Sin embargo, a veces los equipos se dan cuenta de que arreglar o mejorar un proceso no es la forma correcta de
lograr una mejora sostenida para la organización. En su lugar, es posible que un proceso deba reemplazarse o rediseñarse por
completo para cumplir con los objetivos de satisfacción del cliente o mejora organizacional. En tales casos, los equipos
pueden emplear el método DMADV.
DMADV significa definir, medir, analizar, diseñar y verificar. Los principios que rigen el método son muy similares a los que rigen
DMAIC, pero las dos últimas fases están orientadas a implementar y probar un proceso completamente nuevo. Los equipos
de Six Sigma podrían abordar mejoras a través de DMADV si:
• La empresa quiere lanzar un nuevo servicio o producto. • Los líderes
empresariales deciden reemplazar un proceso debido a las necesidades de actualización o para alinear el negocio
procesos, maquinaria o empleados con metas futuras.
• Un equipo de Six Sigma descubre que es poco probable que mejorar un proceso proporcione el éxito deseado.
de un proyecto
La mayoría de los equipos ingresan al proyecto sabiendo si están empleando enfoques DMAIC o DMADV, pero algunos proyectos
DMAIC pueden convertirse en proyectos DMADV, generalmente durante las etapas Definir, Medir o Analizar, cuando el equipo
se da cuenta de la necesidad de un reemplazo completo del proceso. Cambiar a la nueva metodología durante la mitad del
proyecto puede requerir algunos cambios de recursos y podría afectar los cronogramas del proyecto, lo que significa que
es imperativo mantener a los campeones y patrocinadores informados sobre el progreso y las decisiones del equipo.
Vale la pena señalar que algunas organizaciones no usan formalmente el enfoque DMADV para ningún proyecto, en parte
porque les resulta más fácil ceñirse a la nomenclatura de una sola metodología. Estas organizaciones aún pueden
completar proyectos de rediseño de procesos alterando algunas de las actividades manejadas en las etapas Mejorar y Controlar
de DMAIC. En resumen, los equipos usan el enfoque DMADV, pero usan la palabrería asociada con DMAIC para optimizar la
educación Six Sigma en todos los niveles de la organización.
Página | 119
Machine Translated
Traducción by
automática Google
por
Google
DMAIC frente a DMADV
Las principales diferencias entre DMAIC y DMADV son los objetivos que establece el equipo y el resultado del proyecto
completado. De alguna manera, un proyecto DMADV puede parecer que tiene un resultado más tangible, pero en realidad, ambos
métodos buscan brindar mejor calidad, mejor eficiencia, más producción, más ganancias, mayor satisfacción del cliente o alguna
combinación de estas cosas. Presentaremos cada una de las fases de ambos métodos en este capítulo. Pero primero, veamos
algunas definiciones rápidas de cada fase según se relacionan
a DMAIC frente a DMADV.
Fase 1: Definir
Durante un proyecto DMAIC, la fase Definir se ocupa de identificar el problema, definir los requisitos para el proyecto
y establecer metas para el éxito. Los requisitos y el establecimiento de objetivos pueden relacionarse con una variedad de factores
y dependen en cierta medida de la orientación del equipo de liderazgo y los presupuestos esperados, y los líderes
de Six Sigma pueden usar varias herramientas dentro de la fase para crear flexibilidad que permita una variedad de tipos de
proyectos.
En un proyecto DMADV, la etapa Definir es un poco más rígida.
¿Qué es la Gestión del Cambio?
Los equipos también tienen que identificar un problema y comenzar a
definir los requisitos, pero los requisitos deben hacerse dentro de La gestión del cambio se refiere a un
un entorno de gestión de cambios. A veces, las proceso estrechamente gestionado de
organizaciones cuentan con un programa de gestión de cambios, lo que realizar cambios en una organización. A
significa que los equipos de Six Sigma deben incorporar todos menudo, las empresas utilizan políticas y
los requisitos de ese programa en las fases de DMADV. El equipo también reglas de gestión de cambios para
trabaja para definir los requisitos del cliente para crear una vara de medir controlar cómo se realizan los cambios
con la que se pueda comparar el desarrollo del proceso. en el software, la infraestructura o los procesos
que tienen elementos de cumplimiento o auditoría.
Fase 2: Medir Durante la gestión de cambios, los equipos
La fase de Medición DMAIC es cuando los equipos usan datos para deben documentar todas las actividades de
validar sus suposiciones sobre el proceso y el problema. La acuerdo con las políticas corporativas e
validación de suposiciones también se fusiona con la fase de análisis. informar los cambios y los resultados a un
La mayor parte de la fase de medición se dedica a recopilar datos y comité de supervisión. A veces, los
formatearlos de manera que puedan analizarse. La medición puede ser proyectos de Six Sigma implican cambios que
una de las tareas más difíciles en un proyecto Six Sigma si los datos no también se rigen por estas políticas, lo
se están capturando ya. Es posible que los equipos tengan que que significa que los líderes de Six
crear herramientas para capturar datos, crear consultas para datos Sigma deben estar preparados
digitales, filtrar enormes cantidades de datos para encontrar para informar a los comités de gestión de cambios.
información relevante o capturar datos a mano en algún proceso
manual.
Después de validar las suposiciones de la etapa Definir con datos reales, el equipo puede revisar las declaraciones de
problemas, las metas y otras definiciones relacionadas con el proceso. Si el equipo deja Definir con un "borrador" de estas cosas,
debe dejar Medir con un borrador final. Los equipos también trabajan durante las fases de Medición para medir entradas y
pasos clave en el proceso de preparación para Definir.
Página | 120
Machine Translated
Traducción by
automática Google
por
Google
Los equipos que trabajan a través de un enfoque DMADV pueden hacer algunas de las mismas cosas durante la fase de
Medición, pero las actividades suelen ser más específicas. Es probable que los equipos recopilen datos y medidas que les
ayuden a definir los requisitos de rendimiento para el nuevo proceso.
Fase 3: Analizar
Durante la fase Analizar de un proyecto DMAIC, los equipos desarrollan hipótesis sobre las relaciones causales entre entradas
y salidas y entre X e Y, reducen la causalidad a unos pocos vitales (utilizando métodos como el principio de Pareto) y utilizan
análisis estadístico y datos para validar las hipótesis y suposiciones que han hecho hasta ahora. La fase Analizar
tiende a desembocar en la fase Mejorar en un proyecto DMAIC; Las pruebas de hipótesis para validar suposiciones y posibles
soluciones pueden comenzar en Analizar y continuar en la fase Mejorar.
Un equipo que utiliza DMADV también puede identificar las relaciones de causa y efecto, pero por lo general están más
preocupados por identificar las mejores prácticas y puntos de referencia para medir y diseñar el nuevo proceso. Los equipos
también pueden comenzar el trabajo de diseño de procesos identificando actividades de valor agregado y sin valor
agregado, ubicando áreas donde es probable que haya cuellos de botella o errores, y refinando los requisitos para satisfacer mejor
las necesidades y objetivos del proyecto.
Fase 4: Mejorar o diseñar Los
equipos de Six Sigma comienzan a desarrollar las ideas que comenzaron en la fase de análisis durante la fase de mejora de un
proyecto. Usan estadísticas y observaciones del mundo real para probar hipótesis y soluciones. La prueba de hipótesis en
realidad comienza en la fase de análisis, pero continúa durante la fase de mejora a medida que los equipos seleccionan soluciones
y comienzan a implementarlas. Los equipos también trabajan para estandarizar soluciones en preparación para implementar
procesos mejorados en la producción diaria y los empleados que no forman parte del equipo. Los equipos también comienzan
a medir los resultados y sientan las bases para los controles que se construirán en la última fase.
La cuarta fase es donde los proyectos DMADV comienzan a divergir sustancialmente de los proyectos DMAIC. Actualmente,
el equipo trabaja para diseñar un nuevo proceso, que implica algunas de las pruebas de soluciones mencionadas
anteriormente, pero también incluye mapeo, principios de flujo de trabajo y la construcción activa de nuevas
infraestructuras. Eso podría significar instalar nuevos equipos, contratar y capacitar a nuevos empleados o desarrollar nuevas
herramientas de software. Los equipos también comienzan a implementar los nuevos sistemas y procesos durante la cuarta
fase.
Fase 5: Controlar o Verificar Para
los equipos DMAIC y DMADV, la fase de control o verificación es donde se atan los cabos sueltos y se hace la transición del
proyecto a un entorno de trabajo diario. Se establecen controles y estándares para que se puedan mantener las mejoras, pero la
responsabilidad de esas mejoras se transfiere al propietario del proceso.
Durante la transición, el equipo Six Sigma podría trabajar con el propietario del proceso y su departamento para solucionar cualquier
problema con la mejora.
¿Qué metodología usarías?
Considere los siguientes proyectos de mejora. ¿Qué metodología cree que podría utilizar un equipo Six Sigma para abordar cada
proyecto?
Página | 121
Machine Translated
Traducción by
automática Google
por
Google
1. Una empresa quiere crear una aplicación de teléfono inteligente para ayudar a los clientes a hacer y administrar
equipo.
2. El consultorio de un médico ha recibido numerosas quejas de los pacientes porque es demasiado difícil
conseguir citas, las comunicaciones de las citas son confusas o los pacientes se presentan a las citas
y se les dice que no tienen una cita.
3. Una empresa que fabrica cajas de pizza no está contenta con los márgenes de beneficio en el tamaño pequeño
cajas
El equipo que maneja una mejora para el negocio en el ejemplo 1 elegiría un enfoque DMADV.
Están creando un producto que aún no existe; mientras que el equipo está satisfaciendo una necesidad que ya existe y está
mejorando un proceso general, la programación de citas, la aplicación en sí es un nuevo proceso y un nuevo producto. La
aplicación deberá diseñarse, integrarse en los sistemas existentes y probarse el producto final antes de la implementación
completa.
El ejemplo 2 es para un proceso existente, por lo que el equipo comenzaría con un enfoque DMAIC. Es posible que el equipo
pueda determinar durante el proceso que una solución podría ser desarrollar un nuevo software de programación
de citas o reemplazar el software existente con algo de un proveedor diferente. En algunos casos, eso podría justificar un
cambio a DMADV, pero, como se indicó anteriormente, no todas las organizaciones lo harían. Algunas organizaciones
continuarían con el proceso DMAIC y modificarían las actividades en cada fase para adaptarse a las necesidades del proyecto
en cuestión.
El ejemplo 3 es un ejemplo clásico de lo que lleva a muchos equipos al método DMAIC. El problema aún no está definido, pero
la organización sabe que no se están cumpliendo las metas y expectativas. Un equipo de liderazgo podría trabajar
con expertos en la materia y uno o más expertos en Six Sigma para descubrir más sobre los procesos involucrados antes de
decidirse por uno o más proyectos de mejora.
definir
Durante la fase de definición de un proyecto de mejora de procesos de Six Sigma, los equipos crean lo que se conoce como una
carta del proyecto y un plan básico de trabajo. Una carta es una sinopsis del proyecto. Proporciona información común
y un resumen de lo que el equipo espera lograr. El estatuto generalmente presenta una lista de los miembros del equipo,
los nombres de los responsables de los resultados, una declaración del problema, una meta y algunas definiciones básicas de
alcance y métricas para el éxito. Algunas cartas también incluyen un cronograma aproximado para el proyecto.
Además, durante la fase de definición, los equipos crean o enumeran los requisitos medibles del cliente y crean documentos
de alto nivel sobre el proceso (incluidos los mapas de proceso). A menudo, los equipos comenzarán con un diagrama
SIPOC para ayudarlos a comenzar a comprender un proceso. Los equipos también deben identificar a las partes interesadas
durante la fase de definición. Las partes interesadas son individuos, tanto dentro como fuera de una organización, que tienen
cierto nivel de influencia en el éxito de un proyecto de mejora. Al comprender quiénes son las partes interesadas, los equipos
pueden permanecer en contacto con varias personas a lo largo del proyecto, comunicándose con esas partes interesadas
según sea necesario para garantizar la viabilidad futura de cualquier mejora que se cree. Una forma de identificar a las
partes interesadas es a través de un Análisis de Partes Interesadas.
Sugerencias para un movimiento positivo en la etapa de
definición Uno de los mayores desafíos que enfrentan los equipos de Six Sigma cuando se encuentran en la fase de definición de
un proyecto es generar un impulso positivo y específico que sienta las bases para el resto del proyecto. Como un equipo Six Sigma
Página | 122
Machine Translated
Traducción by
automática Google
por
Google
líder, puede aumentar las posibilidades de éxito al mantener al equipo lo más concentrado posible durante la etapa
Definir. Comience explicando el proceso Six Sigma y el propósito del proyecto para cualquier miembro auxiliar del equipo
que no esté familiarizado con Six Sigma y DMAIC. Luego, trabaje en equipo para crear reglas básicas sobre cómo se
ejecutará el proyecto, incluida la forma en que se organizan y administran las reuniones, cómo se comunicará la información y de
qué podría ser responsable cada miembro del equipo durante el proyecto.
Cree una carta y un plan de proyecto para que el equipo tenga algo en lo que concentrarse. Si es posible, haga que el Campeón
del proyecto pase tiempo con el equipo. Escuchar directamente de un líder ejecutivo sobre las expectativas y el apoyo de
liderazgo para el proyecto ayuda a motivar a un equipo. Al mismo tiempo, asegúrese de que el Campeón no intervenga
para hacerse cargo del proyecto, ya que ese no es su rol.
Definir también es un buen momento para explicar los roles del escribiente y el cronometrador y hablar sobre el propósito de la
lluvia de ideas. A algunos líderes de Six Sigma les gusta dejar que los miembros del equipo se turnen para facilitar varios ejercicios
para el grupo, ya que esto integra a cada persona más estrechamente en el proceso y ayuda a los miembros del equipo en todos los
niveles a aprender más sobre Six Sigma.
medida
Una vez que un equipo tiene una buena comprensión de lo que hace el proceso y cómo funciona, cuál es el problema y cuál
es el objetivo del proyecto, el equipo pasa de Definir a Medir. Por lo general, la transición entre fases está marcada
por una revisión de peaje en la que el equipo presenta su trabajo definido a un campeón o una junta de liderazgo de
Six Sigma. El campeón o la junta proporciona comentarios y toma la decisión sobre si el equipo está listo para pasar a Medir.
Durante la fase de Medición, el equipo se preocupa por crear una métrica de referencia para el proceso y refinar las
declaraciones de problemas y otros resultados de la etapa de Definición. La creación de una métrica de referencia les
permite a los equipos comprender cómo se debe medir un proceso y cómo se está desempeñando realmente el proceso antes
de que comiencen las mejoras. También proporciona un punto de comparación para que los equipos puedan mostrar cuánta
mejora han aportado a un proyecto al final del método DMAIC.
Uno de los mayores desafíos, especialmente para los equipos y los miembros del equipo que son nuevos en el método Six
Sigma, puede ser decidir qué medir. Muchas veces, los equipos sin experiencia terminan dedicando tiempo a recopilar
datos que no brindan respuestas o que no se pueden usar para el proceso. Debido a que la fase de medición comienza con
algunas conjeturas informadas y prueba y error, los equipos y los líderes de Six Sigma deben vigilar de cerca el progreso y
redirigir el trabajo cuando las mediciones no crean las respuestas o la producción requerida.
Una fase de medición exitosa requiere sólidas habilidades de observación, una comprensión de las razones detrás de la medición,
conocimiento de los tipos de datos, como discretos y continuos, herramientas para la evaluación de la medición y una sólida
formación en análisis estadístico. Algunas de las herramientas implementadas a menudo en la fase de Medición, como el árbol
CTQ y el cálculo del nivel sigma, se trataron en capítulos anteriores.
Sugerencias para una fase de medición efectiva
La fase de medición suele ser la fase más desafiante para un líder de equipo Six Sigma, especialmente cuando trabaja con
equipos que no tienen experiencia en la metodología. Cuando los equipos comienzan a profundizar realmente
Página | 123
Machine Translated
Traducción by
automática Google
por
Google
en un proceso y comienzan a medir las cosas, a menudo obtienen una idea real de cuán desafiante es realmente el problema.
También pueden tener dificultades para comprender cómo y cuándo medir las cosas, y recopilar datos que no se han recopilado
antes puede llevar mucho tiempo y ser tedioso. Debido a todos estos desafíos, los equipos pueden entrar en lo que se llama una etapa
de tormenta: los miembros del equipo cuestionan la viabilidad del proyecto, critican al Campeón o al líder del equipo, se quejan
de cuánto tiempo les quita el proyecto a otras tareas o dejan de presentarse. a las reuniones juntos.
Los líderes de Six Sigma pueden reducir el impacto de la tormenta en un equipo demostrando un enfoque tranquilo de cada aspecto
del proyecto y redirigiendo la fuerte emoción de la tormenta hacia un trabajo más productivo. Si puede identificar una tarea o un
problema fácil, dejar que el equipo trabaje en eso y logre algo de inmediato puede reducir la emoción de la tormenta; Los
líderes de Six Sigma también deben asegurarse de que el trabajo se distribuya de manera justa y que cada miembro del equipo sepa
exactamente cuáles son sus responsabilidades.
Analizar
Una vez que se recopilan las mediciones, o están en proceso de recopilarse, los equipos de Six Sigma generalmente pasan a la fase
de análisis. Nuevamente, una revisión de peaje a menudo se realiza entre fases, pero las líneas entre Medir y Analizar a menudo son
más borrosas que las líneas entre Definir y Medir. En algunos casos, un equipo tiene que medir, analizar y luego medir un poco
más, especialmente si las métricas aún no están establecidas para un proceso.
Las fases de análisis son cuando los equipos realizan un trabajo de detección en el proceso. Utilizando las pistas recopiladas durante
las fases de definición y medición, junto con la información proporcionada por el patrocinador, el propietario del proceso y los
expertos en la materia, los equipos intentan identificar las causas fundamentales de un problema; también utilizan análisis
estadísticos y otras herramientas para verificar las causas antes de dedicarse al trabajo de identificar posibles soluciones.
Durante la fase de análisis, los equipos utilizan una variedad de herramientas, algunas de las cuales se presentaron en
capítulos anteriores. Las herramientas comunes en la fase de análisis incluyen gráficos de Pareto, gráficos de ejecución, histogramas,
diagramas de causa y efecto, diagramas de dispersión, mapas de procesos y análisis de valores.
A medida que los equipos trabajan en la fase de análisis, también comienzan a prepararse para la fase de mejora. Durante
Analizar, los equipos pueden comenzar a trabajar en posibles soluciones y seleccionar soluciones, desarrollar planes de
mejora y preparar documentación básica sobre el trabajo de mejora. El hecho de que un equipo comience este trabajo durante
el análisis a menudo depende del proyecto individual y de la forma en que el líder del equipo de Six Sigma le gustaría proceder. El
líder del equipo Six Sigma debe asegurarse de que los equipos no asuman demasiado del proyecto a la vez y que trabajar en el
trabajo de mejora inicial no reduzca la eficacia del trabajo realizado para la fase de análisis.
Sugerencias para una fase de análisis fuerte
Los equipos en la fase de análisis pueden seguir sufriendo tormentas; si los equipos no intervinieron durante las fases Definir o Medir,
podrían comenzar a hacerlo en Analizar. Los líderes de Six Sigma pueden usar los mismos consejos para controlar la tormenta en la
fase de Medición en la fase de Análisis.
Otro desafío común para los líderes de equipo de Six Sigma es presentar y explicar conceptos estadísticos durante la fase de análisis.
Cuando otros miembros del equipo o incluso el campeón del proceso no están familiarizados con el análisis estadístico, presentar
un análisis avanzado en términos de palabrería estadística solo puede ser
Página | 124
Machine Translated
Traducción by
automática Google
por
Google
equivocarse. Los miembros del equipo no entenderán cómo llegó a las conclusiones que está presentando, lo que hace
que sea menos probable que respalden la solución o la mejora de manera positiva.
Los expertos en Six Sigma deben ser conscientes de las limitaciones de conocimiento de varios miembros del equipo y trabajar
para presentar la información de una manera que todos entiendan y continuar aumentando el conocimiento de los miembros del
equipo explicando conceptos cuando sea posible.
Mejorar
Durante la fase de mejora de un proyecto, un equipo de Six Sigma selecciona una solución final y comienza a implementarla.
A veces, los equipos seleccionarán más de una solución, especialmente si algunas soluciones más pequeñas están muy
relacionadas y funcionan juntas para una solución general. Sin embargo, puede ser difícil determinar qué solución mejora
realmente un proceso, por lo que generalmente es una mejor práctica implementar un cambio a la vez y verificar ese cambio
antes de pasar a otra cosa.
Los equipos también podrían encontrar muchas soluciones posibles, todas las cuales proporcionarían alguna mejora para el
proceso. Deben usar una matriz de selección de soluciones u otra herramienta Six Sigma para evaluar soluciones,
eligiendo solo las mejores soluciones. Vale la pena señalar nuevamente que la mejor solución no siempre es la solución
que brinda la mayor mejora. Los equipos de proyecto nunca deben seleccionar soluciones que sean tan costosas o disruptivas
que causen desventajas que superen cualquier beneficio.
Durante la mejora, los equipos de Six Sigma deben seguir teniendo en cuenta las definiciones del proyecto. La solución debe
abordar una causa raíz verificada en la fase de Análisis; la causa raíz debe estar directamente relacionada con el problema
planteado durante la fase Definir. Después de seleccionar las soluciones, los equipos deben probarlas utilizando herramientas
estadísticas y muestreo del mundo real para garantizar la eficacia antes de implementar soluciones en un entorno de
trabajo real.
Sugerencias para mantenerse fuerte al acercarse el final de un proyecto DMAIC
Posiblemente, el problema más común que afecta a los equipos de Six Sigma durante la fase de mejora es la fatiga del proyecto.
Cuando los equipos vienen a Mejorar, han estado trabajando en un proyecto durante semanas o incluso meses; Para
muchos miembros del equipo, el trabajo del proyecto está por encima del trabajo regular. La fatiga o la frustración pueden
empujar a los miembros del equipo a seleccionar e implementar soluciones solo para completar el proyecto. Los líderes de
Six Sigma tienen que trabajar para mantener a los equipos motivados en la calidad y la mejora.
La mejor manera para que un líder de equipo Six Sigma fortalezca a medida que el equipo se acerca a la finalización del
proyecto es construir una buena base para Six Sigma en las fases iniciales. Es más probable que los equipos que entienden el
proceso DMAIC y tienen al menos un conocimiento básico de Six Sigma y análisis estadístico en la fase Mejorar se apeguen
a la planificación, el análisis y el método DMAIC.
Los líderes de equipo de Six Sigma también deben continuar fomentando un enfoque de equipo en todos los aspectos del proyecto.
Un desafío para algunos líderes es la tentación de tomar medidas y análisis y comenzar a realizar gran parte del trabajo ellos
mismos. A veces, es más rápido y más fácil manejar la toma de decisiones y el análisis por su cuenta, especialmente cuando se
trata de miembros del equipo que no dominan los métodos DMAIC o Six Sigma. Sin embargo, hacerlo aliena a los miembros
del equipo y puede resultar en que un líder Six Sigma sin conocimiento directo del proceso tome una decisión equivocada.
Mantener al equipo involucrado, y hacer que los ejercicios y las reuniones sean divertidos y productivos, lo ayuda a superar la fase
de mejora.
Página | 125
Machine Translated
Traducción by
automática Google
por
Google
Control
El control es la fase final para los equipos Six Sigma que emplean el proceso DMAIC. Durante la fase de control, los equipos generalmente
manejan cuatro tareas: crear la base para la disciplina del proceso, finalizar los documentos relacionados con la mejora, establecer
métricas continuas para evaluar el proceso y crear un plan de gestión del proceso que permita al equipo hacer la transición de
la mejora al propietario del proceso.
Las herramientas utilizadas por un equipo durante la fase de control incluyen listas de verificación de documentación, gráficos
de control, planes de respuesta, mapas de procesos y tableros de procesos.
La fase de control suele ser fácil para un equipo porque el trabajo del equipo ya ha alcanzado un crescendo. En un proceso
DMAIC bien ejecutado, la fase de control es un momento para terminar los cabos sueltos y llegar al final de un proyecto. Al mismo
tiempo, a los equipos les puede resultar difícil abandonar un proceso en el que han dedicado tanto tiempo. Cuando los equipos llegan
a la fase de control, es posible que hayan estado trabajando con un proceso durante meses. Si un líder de Six Sigma ha hecho su
trabajo, el equipo se ha hecho cargo del proceso y se siente personalmente vinculado a la calidad y el resultado, lo que dificulta
entregar el trabajo a otros equipos o empleados.
Terminar con una nota positiva Los
líderes de Six Sigma pueden ayudar a los miembros del equipo a hacer la transición de un proyecto preparándolos con anticipación
para esta fase. También puede encontrar formas de incorporar a los miembros del equipo en reuniones o presentaciones donde se
comparten los resultados del proyecto. Los líderes de Six Sigma siempre deben organizar una reunión para concluir el proyecto.
La reunión debe tener una naturaleza algo festiva: si el presupuesto, el tiempo y la política lo permiten, los líderes de Six Sigma
podrían considerar almorzar o tomar un refrigerio en la reunión. Tómese el tiempo para reconocer la contribución de cada
miembro del equipo y pídales que identifiquen algo que aprendieron que se puede aplicar a su propio trabajo. Esto ayuda a los miembros
del equipo a ver que Six Sigma es una cultura continua dentro de una organización, y el final de un proyecto en particular
no equivale al final de la participación de cada persona en la mejora continua.
El reconocimiento es extremadamente importante al finalizar un proyecto Six Sigma. Los miembros del equipo podrían haber dedicado
horas extra para realizar un trabajo excelente en un proyecto mientras mantenían sus propias responsabilidades. A menudo, el
trabajo en un proyecto Six Sigma no es parte de los deberes habituales de un miembro del equipo, por lo que van más allá de lo que
normalmente se espera de ellos. Los líderes de Six Sigma deben esforzarse por reconocer el trabajo de los miembros del equipo frente a
un patrocinador o campeón del proyecto y, cuando sea posible, frente al departamento para el que se está realizando la mejora.
diseño
El diseño es la cuarta fase de DMADV; reemplaza la fase Mejorar de DMAIC. DMADV es un enfoque para lo que se llama Diseño para Six
Sigma o DFSS. Otro enfoque se llama DMADOV, que significa Definir, Medir, Analizar, Diseñar, Optimizar y Validar. Los equipos que
usan el enfoque DMADV generalmente combinan las actividades de Diseño y Optimización, y presentaremos brevemente esas
actividades en esta sección.
La fase de diseño de DMADV es cuando los equipos crean un nuevo proceso o desarrollan un nuevo producto. Un equipo de Six Sigma
habría hecho previamente todo el trabajo para sentar las bases para el desarrollo durante las etapas Definir, Medir y Analizar, lo que
significa que la mayor parte de la fase de Diseño se ocupa del trabajo real involucrado en la creación del proceso o proyecto.
Página | 126
Machine Translated
Traducción by
automática Google
por
Google
Usando los planes, instrucciones o mapas creados en fases anteriores, el equipo crea un producto por sí mismo o trabaja
con proveedores, fabricantes u otros empleados para crear el producto. Por ejemplo, si el proyecto DMADV implicaba la
creación de una nueva aplicación para clientes o empleados, el equipo podría trabajar con el personal de los departamentos
técnico y de programación. También pueden trabajar con un proveedor que proporcionará la aplicación o el software en cuestión;
en tal caso, un representante del proveedor debería haber formado parte del equipo durante todas las fases.
Durante el diseño, un equipo también probará el producto, proceso o servicio. Las pruebas se pueden realizar en entornos
de prueba, en entornos de producción limitados o mediante pruebas Beta. Por lo general, el equipo implementa el nuevo
proceso o producto para un número limitado de clientes internos o externos; Esos clientes brindan comentarios y el equipo usa
los comentarios para solucionar los problemas del nuevo proceso o producto según sea necesario.
Buscar comentarios y solucionar problemas del nuevo proceso para crear la mejor solución posible es donde entra en juego
Optimize en DMADOV.
Sugerencias para una fase de diseño exitosa
En un proyecto de rediseño de procesos, todas las fases son esenciales, pero el diseño suele verse como la más crítica.
Los equipos que fallan en la fase de diseño pueden desperdiciar el trabajo que se puso en otras fases, y es fácil que los
equipos caigan presa de la fatiga del proyecto justo cuando los requisitos laborales aumentan para todos los involucrados.
Los líderes de equipo de Six Sigma pueden ayudar a mejorar las posibilidades de una fase de diseño exitosa siguiendo los
consejos para administrar las fases de mejora. Los equipos también deben ser realistas acerca de las fechas objetivo para el
trabajo de diseño. Al principio, prometer una solución completa en un corto período de tiempo complace al liderazgo, pero si los
equipos tienen prisa, tienden a entregar procesos de baja calidad. Si promete un cronograma demasiado bueno para ser
verdad, también corre el riesgo de retrasarse mucho, lo que puede impedir el trabajo de otros proyectos y mejoras de procesos.
verificar
La fase de verificación de un proyecto DMADV o DMADOV es muy similar a la fase de control de un proyecto DMAIC. El
nuevo proceso, producto o servicio sale del modo de proyecto y se entrega al propietario del proceso oa los empleados que
trabajan diariamente con el proceso o producto en cuestión. El equipo puede implementar planes de control, incluidos
gráficos de control, para realizar un seguimiento de los resultados continuos, y casi todas las herramientas utilizadas en una fase
de control DMAIC son relevantes para Verify.
Una de las diferencias entre Verificar y Controlar es que los equipos de DMADV pueden tomar tiempo para completar un
análisis CTQ adicional al final de un proyecto para que puedan identificar nuevos factores críticos para la calidad. Esto se
hace porque el proceso o producto es diferente de lo que era cuando el equipo empezó a trabajar. Si bien el equipo debería
haber hecho conjeturas informadas sobre los CTQ para el nuevo producto, y haber usado esos CTQ en la planificación y el diseño,
no pudieron predecir al 100 por ciento cómo reaccionaría el cliente ante el nuevo producto o proceso. Un nuevo proceso podría
tener una capacidad que el anterior no tenía; Teniendo esa capacidad, el cliente puede decidir que es el factor más importante
en la calidad del proceso o producto.
Al final de la fase Verificar, un equipo entrega un producto o proceso final que satisface las necesidades identificadas por
primera vez en la etapa Definir. El proceso o producto debe estar libre de problemas y defectos conocidos siempre que sea
posible, y los equipos deben haber proporcionado una forma de administrar y controlar el proceso a través de gráficos de control
estadístico, plantillas Lean y políticas.
Página | 127
Machine Translated
Traducción by
automática Google
por
Google
Cerrar un proyecto DMADV Una de
las principales diferencias entre DMAIC y DMADV es la posible línea de tiempo. Anteriormente dijimos que un problema se ajusta al modelo
DMAIC si se puede resolver en menos de seis meses. Si bien algunos proyectos DMADV pueden demorar solo unos meses, muchos
diseños de procesos o productos pueden demorar años. Debido a esto, los desafíos finales para un equipo DMADV son similares a los de un
entorno DMAIC, pero pueden aumentar según el tiempo que el equipo haya dedicado a un proyecto.
Los miembros del equipo que han pasado un año o más trabajando para desarrollar un nuevo proceso o producto pueden sentir que el final
del proyecto amenaza su trabajo. Esto es especialmente cierto cuando los miembros del equipo no han estado manejando tareas laborales
regulares además de las tareas del producto. Los líderes y campeones de Six Sigma pueden reducir estas preocupaciones al comunicar
claramente los siguientes pasos y expectativas al personal.
Los miembros del equipo que han estado trabajando en tareas laborales regulares junto con el trabajo del proyecto durante años pueden
tener dificultades para volver a sus tareas regulares sin algo más en lo que trabajar. Uno de los beneficios de Six Sigma es que los
miembros del equipo aprenden a esperar más de sí mismos, de sus compañeros de trabajo y de los procesos de una organización. Los líderes
de equipo de Six Sigma pueden trabajar con los empleados que regresan al trabajo diario y ayudarlos a aplicar lo que aprendieron de manera
positiva dentro de sus respectivos departamentos.
Finalmente, los líderes de equipo de Six Sigma deben asegurarse de que un proyecto DMADV cierre con una nota positiva validando
a todos los miembros del equipo y asegurándose de que los propietarios del proceso tengan todas las herramientas que necesitan para
aceptar el nuevo proceso sin interrumpir el trabajo.
Romper el elefante
Ahora debería tener una comprensión básica de cómo un equipo de Six Sigma aborda un problema o la mejora de un proceso. Ya sea
mejorando un proceso existente o creando un nuevo proceso o producto, los equipos trabajan a través de enfoques por etapas. Las fases de
DMAIC y DMADV brindan control y organización para un proyecto, ayudan a mantener a todos enfocados y permiten que los equipos dividan
lo que pueden parecer tareas enormes en partes que son tolerables. Como dice el viejo adagio: ¿Cómo te comes un elefante? Un bocado
a la vez.
De manera similar, el enfoque por etapas de Six Sigma rompe el elefante para que los equipos puedan trabajar en él bocado a bocado.
Página | 128
Machine Translated
Traducción by
automática Google
por
Google
Unidad 3: DMAIC Avanzado
Capítulo 12: Definir
Los equipos Six Sigma ingresan al proceso del proyecto con varios niveles de información. A veces, un problema está bastante bien definido
antes de que el equipo comience a trabajar, particularmente en organizaciones que utilizan un consejo de liderazgo Six Sigma para
elegir proyectos y crear equipos. Otras veces, los equipos comienzan a trabajar con poca información, excepto que existe un
problema, de algún tipo, porque los resultados de un proceso no son los esperados. Es posible que los equipos no sepan dónde están ocurriendo
los errores o incluso que comiencen un proyecto con una comprensión completa de las entradas y salidas asociadas con el proceso.
Cualquiera que sea el conocimiento con el que comiencen los equipos, la fase de definición es cuando los equipos pasan de la
información muy básica sobre un proceso o problema al conocimiento y la organización necesarios para ingresar a la medida y otras fases
posteriores con una base exitosa. En la fase de definición, los equipos establecen reglas, crean un estatuto que regirá los esfuerzos en el futuro,
identifican a las partes interesadas y a los clientes, definen un proceso a través del mapeo de procesos y se preparan para definir un peaje
antes de ingresar a la fase de medición.
Creación de una carta del proyecto
Un acta de constitución del proyecto, o acta de constitución del equipo, es un documento breve que incluye información sobre el equipo y
lo que planea lograr. El propósito del estatuto es establecer expectativas que puedan ser acordadas por el equipo, así como por el patrocinador
o los líderes ejecutivos, mantener al equipo enfocado en la meta, garantizar que el proyecto permanezca alineado con las metas del negocio y
documentar el hecho. que el control de un proceso se traslada de un ejecutivo o gerente comercial a un equipo de proyecto Six Sigma.
Como mínimo, los estatutos del equipo deben incluir:
• Una declaración completa y concisa del problema que sigue las pautas establecidas en el Capítulo 6. • Una lista de métricas críticas
para la calidad, o aquellas mediciones que finalmente determinarán el proyecto.
o el éxito del proceso. Crítico para la calidad se introdujo en el capítulo 8. • Los nombres y
roles de cada persona en el equipo. Selección de los miembros del equipo y
Los roles de los miembros del equipo se tratan en el Capítulo 10.
• Una lista de clientes de procesos internos y externos. Use un SIPOC, discutido en el Capítulo 7, para comenzar a definir clientes
internos o externos.
• El nombre de un patrocinador y/o campeón. • Una duración
para el proyecto.
Los equipos también pueden incluir información como una lista de partes interesadas que no son clientes, un cronograma estimado
para cada fase del proyecto, definiciones de alcance para el proceso o proyecto e impulsores financieros para el proyecto.
La información para la constitución del equipo por lo general no se puede recopilar en una sola sesión de lluvia de ideas; la carta es el
resultado de toda la fase de definición, no una anotación rápida al principio. Al tomarse el tiempo para considerar adecuadamente todos los
elementos de un estatuto de equipo, los equipos de Six Sigma crean una base más sólida para el resto de su trabajo.
Página | 129
Machine Translated
Traducción by
automática Google
por
Google
Beneficios de una plantilla de acta de constitución del equipo organizacional Las
empresas que están implementando Six Sigma en toda la organización podrían considerar la creación o el uso de una plantilla específica
para la acta de constitución del equipo. Las plantillas simplifican las fases de definición y facilitan que los equipos de liderazgo y otros empleados
comprendan los componentes críticos del proceso de un vistazo. Si bien es probable que la documentación final del equipo sea extensa, e
incluso en la fase de definición, los propios equipos pueden trabajar con documentos de requisitos extensos, los estatutos en sí deben ser lo más
concisos posible. Algunas organizaciones condensan los estatutos en una sola página, mientras que otras usan documentos de varias páginas.
Al final de este capítulo se adjunta una plantilla de carta de muestra de una página.
Detalles de los elementos del estatuto
Hemos cubierto algunos de los elementos más importantes del estatuto en detalle en capítulos anteriores, pero aquí hay un vistazo rápido a
algunos de los elementos que no cubrimos con tanto detalle y que vale la pena mencionar nuevamente.
Caso de negocio
El caso de negocios también podría denominarse los impulsores financieros detrás de un proyecto. En estrecha relación con la declaración del
problema, el caso de negocios es una breve declaración que proporciona una razón por la que se debe emprender el proyecto. El enunciado del
problema le dice a alguien dónde, cuándo y cómo; el caso de negocios dice por qué es importante. Si recuerda el Capítulo 6, dijimos que era
importante incluir cantidades en dólares u otra métrica financiera en el enunciado del problema. Si incluye un caso comercial en su estatuto, se
basará en ese estado financiero básico para explicar por qué, específicamente, la pérdida de dinero, eficiencia o calidad es importante para los
consumidores, los empleados o la organización. También puede argumentar por qué el problema debe resolverse ahora; en esencia, ¿por qué se
ejecuta este proyecto ahora en lugar de otro proyecto?
Alcance del proyecto
Presentamos brevemente el concepto de alcance en el Capítulo 6. A los efectos de los estatutos del equipo, el alcance debe incluir un
comienzo y un final concretos del proceso o problema que se está considerando. También puede incluir una breve lista de elementos o actividades
que están dentro y fuera del alcance de su proyecto. Un diagrama SIPOC ayuda a los equipos a identificar los parámetros de un proyecto, y también
puede usar el método In and Out of the Box que se describe más adelante en este capítulo para comprender el alcance previsto de un proyecto.
El alcance debe ser claro. Enumerar el alcance de un proyecto o proceso como "comenzando en la etapa de pedido y finalizando con el cumplimiento"
no está claro, porque diferentes personas pueden considerar diferentes puntos como el comienzo de la etapa del pedido o el final del
cumplimiento. Una mejor declaración de alcance podría ser "comenzar cuando un cliente realiza un pedido y terminar cuando el pedido se
empaqueta para su envío". Yendo aún más lejos, un equipo puede considerar que los procesos de devolución y reemplazo están fuera del
alcance de un proyecto, por lo que solo se ocupan de los pedidos originales. Los proyectos exitosos tienen un alcance bien definido que está
aprobado y respaldado por un patrocinador o campeón del proyecto.
Lista de las partes interesadas
La inclusión de las principales partes interesadas en la carta ayuda al equipo a recordar a quién y qué es probable que impacten además de
los clientes finales. Tener la lista visible durante las reuniones reduce la posibilidad de que el equipo inicie cambios que puedan tener un efecto
negativo o no deseado en otros procesos o propietarios de procesos, y ayuda a dirigir al equipo a recursos fuera del equipo que pueden
proporcionar ayuda, acceso o información a las áreas relacionadas con el proyecto.
Página | 130 ©
Machine Translated
Traducción by
automática Google
por
Google
Funciones de los miembros del equipo
Los miembros del equipo y sus roles se cubrieron en el Capítulo 10, y el acta de constitución del equipo simplemente necesita
enumerar los nombres de todos los miembros del equipo junto con su rol y compromiso de tiempo esperado. Agregar
compromisos de tiempo al estatuto ayuda a los patrocinadores y al liderazgo ejecutivo a comprender los requisitos de recursos
humanos para el proyecto; A menudo, un líder de equipo Six Sigma tiene que buscar la aprobación de miembros del personal de
otras áreas para dedicar una cantidad específica de tiempo al proyecto.
Los compromisos de tiempo se pueden enumerar en horas por semana, pero a menudo se enumeran como un porcentaje del
tiempo total del empleado. Por ejemplo, un experto en la materia que se espera que asista a todas las reuniones del equipo para
brindar aportes, pero que no se espera que complete la recopilación de datos, el análisis o el trabajo de mejora, podría figurar
como alguien que brinda el 10 por ciento de su tiempo al equipo. Una lista de los miembros del equipo en un estatuto podría
parecerse a la lista a continuación. No es necesario que enumere a todos los miembros del personal que podría consultar
durante el curso del proyecto.
• Mike Smith, cinturón negro, 100 % •
Chase Michaels, cinturón verde, 100 % •
Lisa Javes, cinturón verde, 100 % •
Rosalie Myers, propietaria del proceso, 25 % •
Brent Reed, experto en la materia, 10 % •
Brenda Tran, experta en la materia, 10 %
Hitos
En el Capítulo 10, cubrimos la creación de un cronograma preliminar para un proyecto Six Sigma. El diagrama incluido en el
Capítulo 10 que desglosó la línea de tiempo de un proyecto se llama diagrama de Gantt. Adaptado por Henry Gantt a principios
del siglo XX, un gráfico de Gantt es un gráfico de barras que muestra las fases de un proyecto según el tiempo.
Uno de los beneficios de usar un diagrama de Gantt para mostrar un cronograma aproximado del proyecto es que se puede incluir
fácilmente en un acta de constitución del proyecto de una página; Cualquiera que revise la carta puede visualizar rápidamente el
elemento de tiempo requerido para el proyecto.
Los equipos deben asegurarse de que se proporcione una fecha para el final de cada una de las fases de DMAIC y que todos
los miembros del equipo estén de acuerdo en que las fechas son plausibles dado lo que el grupo quiere hacer. En
algunos casos, los hitos pueden ser establecidos por el patrocinador o campeón del proyecto, pero el equipo debe acordar que
las fechas de los hitos son posibles. Si las fechas parecen inverosímiles, los equipos pueden presentar un cronograma
opuesto con argumentos lógicos sobre por qué el cronograma original no funcionaría.
Además de los hitos al final de cada fase del proyecto, es posible que los equipos de Six Sigma también deseen establecer
hitos para el trabajo dentro de cada fase, específicamente para las fases más laboriosas de medir, analizar y mejorar. Si
bien el equipo debe documentar todos los hitos que acuerde, los hitos detallados no necesariamente pertenecen al documento de
constitución de una página.
Medición del éxito
Todo el mundo necesita saber cómo el equipo va a medir el éxito. Si un patrocinador mide el éxito en los puntajes de satisfacción
del cliente y el equipo mide el éxito en los puntajes de calidad internos, es probable que las ideas sobre el resultado del
proyecto difieran. Por lo general, las medidas de éxito se pueden extraer de las métricas críticas a las de calidad discutidas en
el Capítulo 8. Si los equipos pueden convertir un CTQ en una medición, pueden comprender qué métricas principales determinan el
éxito de un proyecto. Si bien los equipos pueden comenzar a reunirse
Página | 131
Machine Translated
Traducción by
automática Google
por
Google
Mediciones o mirar las mediciones existentes mientras se encuentra en la fase de definición, la finalización de las métricas puede
extenderse a la fase de medición.
Beneficios financieros esperados
Es probable que la información financiera ya esté incluida en el estatuto tanto en el caso comercial como en la declaración del
problema. Los equipos pueden incluir los beneficios financieros esperados en la sección de caso de negocios de un estatuto, pero debe
incluirse en alguna parte. Para algunos patrocinadores y líderes ejecutivos, el beneficio financiero es la información más importante
incluida en un estatuto. Un ahorro estimado o un aumento en los ingresos también proporciona una vara de medir con la que los
líderes pueden considerar las solicitudes de recursos para un proyecto.
Un experto en Six Sigma nunca debe exceder las estimaciones con respecto a los beneficios financieros; casi siempre es mejor
prometer poco y cumplir en exceso. Si les dice a los líderes que un proyecto ahorrará $ 500,000 en el primer año porque un número
grande significa que es más probable que obtenga la aprobación del proyecto y todos los recursos que solicita, usted es el que
responde cuando el proyecto ahorra solo $ 80,000. Al igual que con cualquier aspecto de un proyecto Six Sigma, sea lo más
preciso posible, pero sea conservador con las estimaciones cuando la precisión esté en duda.
Revise la Carta con el éxito en mente
Antes de que un equipo de Six Sigma presente un estatuto para su aprobación, debe tomarse un tiempo para revisar el documento
como grupo para asegurarse de que el estatuto sienta las bases para el éxito. Algunas preguntas que un equipo podría hacerse
sobre un estatuto incluyen:
• ¿Es todo, especialmente las metas, las expectativas financieras y el cronograma, desafiante pero
¿realista?
• ¿Todos los miembros del equipo pueden dedicar la cantidad de tiempo comprometida al proyecto? • ¿El
proyecto está respaldado por un patrocinador o campeón con suficiente influencia para impulsar críticas?
asistencia y recursos?
• ¿Espera el equipo ser apoyado por departamentos auxiliares tales como información
tecnología, recursos humanos, cumplimiento, contabilidad o legal según sea necesario para el éxito del proyecto?
• ¿El equipo espera tener la libertad necesaria para implementar una solución que diseñe después de la
¿La solución es aprobada por el patrocinador, campeón o comité directivo ejecutivo? • Hace
¿Tiene el equipo un líder que conozca bien las herramientas Six Sigma y la gestión de proyectos?
Si la respuesta a cualquiera de las preguntas anteriores es no, entonces el equipo podría estar preparándose para el fracaso.
Antes de seguir adelante, el equipo debe abordar estas inquietudes y, si es posible, realizar cambios que conviertan las
respuestas negativas en respuestas afirmativas.
Reglas básicas del proyecto
Antes de seguir adelante con cualquier trabajo, incluso definir los estatutos del equipo, es una buena idea que un equipo Six Sigma
establezca algunas reglas y requisitos básicos para el equipo. Hablamos brevemente de esto en el Capítulo 10 cuando discutimos la
gestión de un equipo. Las reglas básicas de un proyecto deben mantenerse por escrito y ser aprobadas por todos los miembros
del equipo, pero no tienen que ser parte de un documento oficial de estatutos. La razón para documentar las reglas y hacer
que todos los miembros del equipo las aprueben es porque un solo miembro del equipo no puede afirmar más tarde que
ignora las reglas.
Página | 132
Machine Translated
Traducción by
automática Google
por
Google
Al mismo tiempo, la generación de reglas en un equipo Six Sigma no debería ser un proceso completamente democrático.
Algunas de las reglas más críticas o de sentido común pueden ser proporcionadas por el cinturón negro o el líder del equipo. Por
ejemplo, las reglas básicas deben cubrir temas como quién debe asistir a cada reunión y el hecho de que los miembros del equipo
deben mantener cierta información confidencial. Un Black Belt podría simplemente indicar que los miembros del equipo deben
observar las reglas de confidencialidad y asistencia, llegar a tiempo a las reuniones y respetarse mutuamente. Es probable que el propio
equipo vote sobre la frecuencia de las reuniones y cuándo se deben programar las reuniones. Buscar la opinión de los
miembros del equipo garantiza que todos los miembros del equipo puedan realmente comprometerse con los intervalos de tiempo de
las reuniones. Para mantener la coherencia, es mejor celebrar reuniones los mismos días ya la misma hora cada semana, pero es
comprensible que sea difícil mantener ese horario durante toda la vida de algunos proyectos.
Los Black Belts también pueden proporcionar algunos consejos y sugerencias sobre cómo los miembros del equipo deben
participar durante las reuniones, particularmente durante las sesiones grupales de lluvia de ideas. Para obtener más información
sobre cómo llevar a cabo una sesión de lluvia de ideas, consulte el Capítulo 35. Los cinturones negros también deben dictar las reglas
para crear una agenda y llevar a cabo una reunión de acuerdo con la agenda, aunque pueden delegar algunas de estas funciones,
como el cronometraje y la secretaría.
Definir conjunto de herramientas
Hemos cubierto una serie de herramientas de definición en capítulos anteriores, incluido el diagrama SIPOC y los 5 porqués. Los
mapas de procesos y el mapeo de flujo de valor son dos herramientas avanzadas de Six Sigma que se usan a menudo en la etapa de
definición. Algunos equipos de Six Sigma comienzan a usar gráficos de ejecución para comenzar a definir una línea de base en la fase
de definición; Los gráficos de ejecución se tratan en el Capítulo 13 sobre la fase de medición.
En esta sección, cubriremos tres herramientas adicionales que son comunes a la fase de definición: el análisis de las partes
interesadas, el método dentro y fuera de la caja y la matriz Is/Is Not.
Análisis de las partes
interesadas Un análisis de las partes interesadas es una forma rápida de identificar cómo varias personas dentro de una organización
se relacionan con un proyecto y cómo el equipo debe mantenerlas informadas. Comience el análisis con una cuadrícula dibujada
sobre un eje x e y. El eje vertical representa la cantidad de poder que tiene una persona en la organización. El eje horizontal
representa la cantidad de interés que una persona tiene en el proyecto del equipo. El análisis de las partes interesadas funciona
mejor cuando los equipos lo realizan en una pizarra blanca o en un rotafolio grande. Dibuje el diagrama básico, como se ve en la
figura a continuación, en formato grande.
Página | 133
Machine Translated
Traducción by
automática Google
por
Google
Proporcione al equipo notas adhesivas. Pídales que escriban posibles partes interesadas para un proyecto o proceso.
Las partes interesadas son cualquier persona que tenga un interés en el proyecto, que pueda beneficiarse del resultado
del proyecto o que pueda verse afectada por el trabajo realizado a través del proyecto. Tómese unos minutos para analizar los
nombres que se generaron y descarte los que el equipo considere que no son en realidad partes interesadas.
Una vez que el equipo decida quiénes son las partes interesadas, comience a colocar los nombres en el cuadro según el
poder y el interés. Las personas con poco poder y poco interés se colocarán en la esquina inferior izquierda. Las
personas con mayor poder y poco interés se ubican en la parte superior izquierda; las personas con menos poder pero mucho
interés se ubican en la esquina inferior derecha, y las personas con altos niveles de poder y mucho interés se ubican en la
esquina superior derecha. Se puede colocar un nombre en lo alto ya la derecha de la esquina inferior izquierda si la parte
interesada tiene una cantidad moderada de interés y poder, pero el equipo no siente que la persona cruce la línea. Del mismo modo, un
nombre colocado en los límites inferiores de cualquier cuadrante podría mostrar cantidades de poder más bajas que los colocados
más cerca de la parte superior de la caja; el análisis de las partes interesadas permite que los equipos prioricen a las
partes interesadas de esta manera, incluso dentro de los cuatro cuadrantes.
Cada uno de los cuadrantes del diagrama se correlaciona vagamente con el tipo de parte interesada, lo que proporciona
una guía sobre cómo el equipo podría interactuar con cada persona o departamento enumerado.
Arriba a la izquierda: manténgase satisfecho
Las partes interesadas que caen en el cuadrante superior izquierdo del diagrama tienen suficiente poder como para
interferir con un proyecto, pero no están muy interesadas en los resultados del día a día. El equipo debe asegurarse de
que estas personas estén satisfechas en cualquier forma en que interactúen con el proyecto. equipos
Página | 134
Machine Translated
Traducción by
automática Google
por
Google
también podría consultar con estas personas en varios momentos durante el proyecto. Por ejemplo, un equipo que trabaja para resolver problemas
de envío en un almacén podría necesitar consultar con los gerentes de compras en algún momento porque el equipo identifica la necesidad de
un tipo diferente de cinta de embalaje.
Los líderes de adquisiciones tienen poder sobre la obtención del recurso, pero es posible que no tengan mucho interés en el proyecto en general.
A veces, los equipos pueden identificar a una parte interesada que cae en esta sección y darse cuenta de que sería valioso para el equipo que esa parte
interesada en particular se involucre más en el proyecto. Los líderes de Six Sigma pueden trabajar con las partes interesadas para tratar de mover a alguien de las
categorías de bajo interés a las de alto interés; esta es una táctica política que utilizan algunos equipos para reforzar el apoyo a un proyecto.
Abajo a la izquierda: esfuerzo mínimo
Las partes interesadas que caen en el cuadrante inferior izquierdo tienen la conexión menos importante con un proyecto.
Los equipos comunicarán principalmente información general sobre un proyecto a través de boletines o correos electrónicos a estas partes interesadas.
Si bien estas partes interesadas requieren un esfuerzo mínimo por parte de los equipos, pueden existir algunas situaciones en las que los equipos
deseen mover a las partes interesadas de este cuadro al cuadro inferior derecho.
Abajo a la derecha: Manténgase informado
Las personas en el cuadro inferior derecho tienen un fuerte vínculo o interés en el proyecto, pero no tienen acceso al poder para apoyar los proyectos
desde el punto de vista de los recursos. Estas partes interesadas pueden incluir empleados en departamentos relacionados con el proceso que se está
mejorando o expertos en la materia que serán consultados sobre aspectos individuales de un proyecto.
Si bien las partes interesadas en el cuadrante inferior derecho generalmente no pueden aportar recursos, pueden actuar en apoyo de un proyecto, a
menudo en forma de embajadores de buena voluntad.
Arriba a la derecha: jugador clave
Las personas en el cuadrante superior derecho son jugadores clave con respecto a un proceso o líderes ejecutivos con la capacidad de asignar recursos a un
proyecto. Estos son los equipos individuales a los que se reportarán en varios peajes; A menudo, los ejecutivos responsables del éxito final de un proceso o
proyecto aparecen en el cuadrante superior derecho.
Método dentro y fuera de la caja
El método In and Out of the Box es un método rápido y fácil que ayuda a los equipos a definir el alcance del proyecto o proceso. Comience dibujando un cuadro
grande en una pizarra o rotafolio. Proporcione marcadores y notas adhesivas para el equipo. Pida al equipo que escriba los elementos del proceso en el que se
trabajará, incluidos los recursos, las actividades y las personas. Cada elemento debe escribirse en una nota adhesiva. Trabajen juntos para crear una lista lo más
completa posible, colocando las notas adhesivas en una pared o mesa a medida que avanzan. Asegúrese de que todos en el equipo entiendan
que no hay respuestas incorrectas y que la primera fase del ejercicio no requiere discusión. Al hacer una lluvia de ideas sobre elementos con poca o
ninguna discusión, los equipos pueden capturar más ideas, lo que lleva a una imagen más precisa de lo que está dentro y fuera del alcance.
Una vez que haya hecho una lista completa, comience a trabajar en equipo para asignar cada elemento a un lugar dentro, en la línea o fuera de la caja. Los
artículos fuera de la caja son aquellos que se considerarán fuera del alcance de
Página | 135 ©
Machine Translated
Traducción by
automática Google
por
Google
el proyecto. Los equipos pueden colocar elementos fuera de la caja porque no tienen acceso o control sobre los elementos, no tienen tiempo
para trabajar en los elementos o se les ha dicho específicamente que no incluyan el elemento en el proyecto.
Los elementos que están dentro de la caja se consideran dentro del alcance del proyecto. Estos deben ser elementos del proceso en el
que se puede esperar razonablemente que el equipo influya. Si el equipo aún no está seguro de dónde podría caer un artículo, debe
colocarlo en la línea. Los elementos que van en la línea pueden ser los que el equipo espera poder impactar, pero para los cuales el líder
del equipo debe buscar el permiso o la ayuda de alguien fuera del equipo.
Una vez que todos los elementos estén colocados sobre, dentro o fuera de la caja, revise las ubicaciones en equipo y realice los cambios.
Documente el ejercicio fotografiando el diagrama o recreándolo en una computadora. El equipo puede volver a reflexionar sobre el diagrama
cuando intente controlar el avance del alcance o cuando considere a quién debe acudir para obtener ayuda con un proyecto.
es/no es matriz
La Matriz Is/Is Not es otra herramienta rápida de lluvia de ideas que los equipos pueden usar para definir el alcance. También se puede
utilizar para ayudar a definir parte de la información necesaria para la declaración de un problema. La matriz funciona al considerar
cosas específicas sobre el proceso o proyecto y generar respuestas tanto si es como si no.
Por ejemplo, si un equipo de Six Sigma tiene la tarea de determinar por qué los hornos de una determinada fábrica no se calientan a las
temperaturas adecuadas, podrían crear una matriz Is/Is Not como la que se muestra a continuación.
ES no es
dónde
planta sur Plano norte o este
What hornos de vapor hornos de madera
Cuando
enero 2015 Antes de enero de 2015
La matriz muestra claramente que el alcance del proyecto solo incluye el trabajo en la planta sur en los hornos de vapor. El
problema se detectó en enero de 2015, lo que proporciona al equipo un punto de partida para recopilar datos. Esta es una matriz muy simple;
Los equipos pueden hacer tantas preguntas como deseen para reducir el alcance o comprender mejor los procesos y proyectos a través de la
estructura Is/Is Not.
Definir lista de verificación de peaje
Una fase de definición exitosa finaliza con todos los siguientes entregables:
o Una declaración integral del proyecto o
Carta de un equipo
o Una comprensión del proceso y un diagrama o mapa del proyecto o
Una comprensión de la Voz del Cliente o Una definición de cómo
será el éxito que haya sido acordada por los miembros del equipo y
cualquier patrocinador o líder ejecutivo
Página | 136
Machine Translated
Traducción by
automática Google
por
Google
Plantilla de constitución del equipo
Nombre del proyecto:
miembros del equipo
Patrocinador:
Tiempo
batata Role
comprometido
CTQ:
Impulsores financieros:
Clientes internos:
Partes interesadas no clientes
En alcance
Clientes Externos:
fuera del ámbito
Planteamiento del problema:
Página | 137 ©
Machine Translated
Traducción by
automática Google
por
Google
Objetivo/Meta
Cronograma del proyecto:
Página | 138
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 13: Medida
Pasando de la fase de definición a la fase de medición de un proyecto, los equipos de Six Sigma continúan profundizando en el proceso,
y ahora llegan a comprender los procesos más completamente a través de los datos. La fase de medición suele ser la fase más laboriosa
para el equipo, especialmente cuando los datos aún no están disponibles en formatos digitales. En este capítulo, revisaremos algunas de
las métricas cubiertas en capítulos anteriores e introduciremos algunos conceptos para la recopilación de datos. Continuaremos
construyendo sobre los conceptos de medida presentados en capítulos posteriores sobre análisis estadístico.
Uno de los primeros pasos de la fase de medición es determinar la capacidad de un proceso. Este paso se puede completar antes
de que un equipo abandone formalmente la fase de definición si los datos necesarios para realizar los cálculos del nivel sigma
están disponibles. El cálculo de los niveles sigma para un proceso se cubrió en el Capítulo 1. Además de los niveles sigma, los
equipos también pueden calcular varias métricas para un proceso, incluidos defectos por millón de oportunidades, FTY o RTY,
que se trataron en el Capítulo 5.
Modos de falla y análisis de efectos
El Análisis de Modos y Efectos de Falla es una herramienta que puede ser aplicada por un equipo Six Sigma en cualquier fase
desde la definición hasta el análisis. A menudo, los equipos comienzan a trabajar con FMEA en medida porque les ayuda a
identificar las prioridades de riesgo para varias entradas y errores dentro de un proceso. Utilizado correctamente, el FMEA
utiliza datos sistémicos y aportes del equipo para preparar el escenario para el análisis de causa raíz en la siguiente fase DMAIC.
Recuerde, si bien se producen peajes y los equipos pasan por cinco fases durante un proyecto DMAIC, no siempre existen límites
estrictos entre las fases. Los equipos pueden comenzar a trabajar en las tareas de la fase de medición antes de abandonar la
fase de definición, y es casi seguro que los equipos comenzarán algunos análisis mientras aún recopilan datos.
En última instancia, se debe usar una herramienta FMEA cuando los equipos necesitan información más detallada sobre las
entradas y los posibles puntos de falla asociados que las herramientas discutidas en el capítulo de definición que permiten. El FMEA
ofrece parte de la información que ofrece SIPOC, pero también proporciona evaluaciones de las entradas. Los equipos suelen crear
FMEA en un programa de hoja de cálculo, ya que se requieren algunos cálculos durante el proceso.
Para crear un FMEA, cree una hoja de cálculo con los siguientes encabezados de columna:
1. Paso del proceso
2. Fallo potencial
3. Efecto de falla potencial
4.SEV
5. Posible causa de falla
6.OCC
7. Monitor/control de corriente
8. DET
9.RPN
10. Cambios/acciones recomendados 11.
¿Quién y cuándo?
12.Acción completada
Página | 139
Machine Translated
Traducción by
automática Google
por
Google
13.SEV
14.DEST
15.RPN
Las columnas 1 a 9 del FMEA pueden completarse durante la fase de medición, mientras que las columnas 10 a 15 son más
apropiadas para la fase de mejora.
Comience identificando todos los posibles pasos del proceso, actividades o entradas en la columna uno. En la columna dos,
indique qué podría salir mal en cada paso del proceso. Tenga en cuenta que puede enumerar los pasos del proceso más de una vez si
hay múltiples oportunidades de error dentro de cada paso. Sin embargo, si el equipo ha creado una lista de pasos lo suficientemente
detallada, es probable que este no sea el caso para la mayoría de los pasos.
En la columna tres, ingrese una breve descripción del impacto de la falla en el cliente. La medición incorrecta puede resultar
en una mayor variación en un producto, por ejemplo. En la columna SEV, califique la gravedad de la posible falla que describió en
las columnas anteriores. Califique la gravedad del 1 al 10, siendo 1 ningún efecto, 5 una interrupción menor de la producción y 10 lo
suficientemente grave como para poner en peligro
un proceso o una persona.
En la columna cinco, ingrese las posibles razones por las que podría ocurrir la falla específica, y en la columna OCC, ingrese una calificación
numérica de la frecuencia con la que se puede esperar la falla, siendo 1 una falla muy poco probable y 10 una falla.
fracaso casi inevitable.
En la columna siete, cree una breve descripción de los controles actuales que están implementados para monitorear el proceso o prevenir
las fallas descritas por el equipo. En la columna DET, califique la capacidad del proceso o del personal para detectar fallas si ocurren.
Califique la detección entre 1 y 10, siendo 1 un proceso que incluye detección automática que rara vez falla y 10 sin detección en
absoluto.
Finalmente, calcule el número de prioridad del riesgo multiplicando las calificaciones de gravedad, ocurrencia y detección, como en el ejemplo
a continuación.
Un equipo de Six Sigma que trabaja en un proyecto para mejorar la velocidad con la que se procesan los reembolsos a los
clientes está creando un FMEA. Una fila del FMEA incluye la siguiente información:
• Paso del proceso: la solicitud de reembolso se ingresa en el sistema.
• Falla potencial: Se ingresó una cantidad incorrecta.
• Efecto de falla potencial: el cliente recibe más o menos reembolso de lo previsto. • SEV: 8
• Posible causa de falla: el empleado de ingreso de datos transpone números o hace un tipeo similar
error.
• COC: 10
• Monitoreo/control actual: un supervisor revisa aleatoriamente una muestra de solicitudes de reembolso para garantizar
exactitud. •
DET: 7
occ
• NPR: (SEV * * DET) = (8*10*7) = 560
El equipo completa una segunda fila de la siguiente manera:
• Paso del proceso: Se imprime el cheque de reembolso.
Página | 140
Machine Translated
Traducción by
automática Google
por
Google
• Fallo potencial: el cheque impreso tiene defectos que dificultan su cobro. • Efecto potencial de falla:
El cliente no puede cobrar el cheque y tiene que pedir uno nuevo.
• SEV: 9
• Posible causa de falla: la impresora está desalineada o sin tinta. • COC: 1
• Monitoreo/control actual: La persona que firma los cheques revisa los cheques a medida que los firma. • DET: 2
occ
• NPR: (SEV * * DET) = (9*1*2) = 18
La falla potencial en el primer ejemplo tiene un número de prioridad de riesgo mucho más alto, lo que significa que, a medida que el equipo
avanza, es más probable que trabajen para resolver esa falla potencial. Durante las fases de análisis y mejora, el equipo recomendaría
cambios, implementaría las acciones recomendadas y volvería a calificar el proceso para determinar si el RPN del proceso modificado
es más bajo. Si es mayor o igual, entonces el cambio no fue bueno y es posible que el equipo deba volver a intentarlo.
recopilación de datos La creación
de una métrica de línea de base para un proceso comienza en la fase de definición, pero los equipos no pueden abandonar la fase de
medición sin una sólida comprensión del rendimiento actual del proceso. Esa comprensión comienza con cifras como el nivel sigma, pero los
equipos también deben definir una métrica específica del proceso cuando sea posible y recopilar datos históricos con respecto a esa
métrica para que tengan algo con lo que comparar datos futuros para demostrar que se realizaron mejoras.
Idealmente, el equipo tendría acceso a métricas históricas para el proceso. En algunos casos, el equipo tiene que recopilar datos desde
cero. Introduciremos la recopilación de datos más adelante en este capítulo y la cubriremos en profundidad en las unidades de muestreo.
Datos continuos versus discretos
Antes de crear y mostrar una métrica de referencia a través de una representación gráfica, debe comprender el tipo de datos con los que
está tratando. Los datos son discretos o continuos, y los equipos recopilan datos como una muestra de población o una muestra de
proceso. La forma en que los equipos recopilan datos y el tipo de datos recopilados determinan cómo se pueden ver y analizar
gráficamente los datos.
datos discretos
Los datos discretos son de naturaleza categórica; también se conoce como datos cualitativos o datos de atributos. Los datos discretos se
dividen en tres categorías: datos ordinales, nominales y binarios o de atributos; Algunos datos recopilados se pueden expresar en
una o más de las categorías discretas. Por ejemplo, los puntajes de las pruebas de los estudiantes se pueden transmitir
de forma ordinal a través de las calificaciones A, B, C, D y For o de forma binaria a través de la distinción Aprobado/Reprobado.
Los datos discretos se pueden mostrar a través de gráficos de Pareto, gráficos circulares y gráficos de barras. En algunos casos, los datos se
pueden convertir en gráficos de ejecución y de control utilizando la variación dentro de los datos o las proporciones como el elemento que
se está graficando. En el capítulo sobre la fase de control, comenzará a comprender por qué un equipo podría querer convertir datos
discretos para utilizarlos en un gráfico de control.
Página | 141
Machine Translated
Traducción by
automática Google
por
Google
Dentro de los datos discretos, los datos binarios o de atributos suelen ser los datos más fáciles de recopilar. Los datos de atributos
registran una de las otras respuestas. ¿La persona elige papel o plástico? ¿La habitación está caliente o fría? ¿El vaso está vacío o
lleno? ¿La luz está encendida o apagada? Dependiendo del escenario, los datos de atributos pueden ser muy precisos. La luz está
encendida o apagada; la posición del interruptor te lo dice. Los datos de atributos en este caso se pueden automatizar con la
tecnología adecuada, lo que significa que serían muy precisos. Si la copa está vacía o llena es otra historia, porque hay muchas
variaciones entre completamente vacía y completamente llena. Si los datos están siendo recopilados por personas, los sesgos
personales pueden entrar en la ecuación. Los equipos pueden eliminar algunos de esos sesgos y garantizar mejor las mediciones
precisas, que se tratarán en las secciones sobre sistemas de medición.
Datos continuos
Los datos continuos son datos cuantitativos y se miden en unidades. Por ejemplo, la hora del día se mide en horas. La temperatura se
mide en grados, y casi todo se puede convertir en datos continuos convirtiéndolos en un porcentaje.
Los datos continuos se visualizan en gráficos como histogramas y diagramas de caja. Los diagramas de caja se analizan en el
capítulo 14 y los histogramas se analizan en profundidad en los capítulos sobre estadísticas. Los datos continuos también se pueden
ver en forma de gráficos de ejecución y control.
Elección entre datos discretos y continuos A veces, un proceso o
actividad se puede medir tanto en datos discretos como continuos. Según el propósito de las mediciones, es posible que los equipos
deban elegir entre los dos tipos de datos. Por ejemplo, si un equipo de Six Sigma ha identificado la temperatura ambiente como una
entrada en la calidad del producto, querrán monitorear la temperatura de la sala. Pueden hacerlo registrando la temperatura en grados
cada diez minutos; que los datos serían continuos. Alternativamente, el equipo podría crear una hoja de verificación, haciendo que
alguien haga una marca cada hora para anotar si la temperatura estaba en los 40, 50, 60, 70 u 80 con respecto a la escala
Fahrenheit. Ese dato sería discreto.
En este ejemplo particular, la mayoría de los equipos elegirían registrar los datos continuos. Las mediciones exactas de la temperatura
cada 10 minutos brindan mucha más información que si la temperatura de la habitación estaba en los 70 al final de la hora. Los
datos continuos podrían convertirse para proporcionar fácilmente a los equipos los datos discretos; los datos discretos en este caso,
y en la mayoría de los casos, no se pudieron convertir en datos continuos.
Lo que es cierto en el ejemplo es cierto para la mayoría de los escenarios. Cuando sea posible, los equipos deben
convertir las mediciones en datos continuos. Datos continuos:
• Proporciona más información que los datos discretos.
• Suele llevar más tiempo recopilar que los datos discretos, a menos que los equipos tengan acceso a la recopilación de
datos automatizada o computarizada.
• Es más preciso que los datos discretos. •
Permite que los equipos eliminen la variación y los errores inherentes a la estimación y el redondeo.
Niveles de datos
Los datos se pueden clasificar en cuatro niveles básicos: nominal, ordinal, de intervalo y de razón. Los datos de atributos, o binarios, son
en realidad una forma limitada de datos nominales.
Página | 142
Machine Translated
Traducción by
automática Google
por
Google
Datos nominales
Nominal se considera el nivel de clasificación de datos más bajo y simplemente implica aplicar etiquetas numéricas a una
descripción cualitativa para que se puedan aplicar pruebas y programas de análisis estadístico a los datos.
Los números asignados a cada categoría no proporcionan ninguna información sobre si los datos son mejores o peores que otros datos
de la lista; en los datos nominales, los números no reflejan una escala.
Un ejemplo de datos nominales podría aplicarse en una lista de estados de nacimiento para un salón de clases. En una clase de 30, el
número de estudiantes nacidos en varios estados se desglosa de la siguiente manera:
• Tejas: 6
• Luisiana: 4
• Arkansas: 10
• Misisipi: 1 •
Oklahoma: 9
En datos nominales, a cada estado se le proporcionaría una etiqueta numérica:
1.Texas
2. Luisiana
3. Arkansas
4. Misisipi 5.
Oklahoma
Eso no significa que 5 estudiantes sean de Oklahoma; significa que 9 estudiantes caen en la categoría 5 para la pregunta
"¿En qué estado naciste?"
Para datos nominales, las tendencias centrales no se calculan con medias o medianas, sino con la moda. Por ejemplo, una lista de los
datos nominales en nuestro ejemplo sería la siguiente:
1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5
La moda es el número que más aparece en el conjunto; en este caso, 3.
Estadísticamente, el análisis está limitado con respecto a los datos nominales, pero algunas pruebas se pueden realizar con
software de análisis estadístico.
Datos ordinales
Los datos ordinales se consideran una forma superior de datos que los nominales, aunque todavía usan números y categorías
para identificar elementos de datos. Sin embargo, con los datos ordinales, los números mismos en realidad proporcionan
algún significado. Los números utilizados en las escalas FMEA al comienzo de este capítulo eran datos ordinales. Los números
son de naturaleza cualitativa, pero también están clasificados. Las tendencias centrales con datos ordinales se miden por la moda o la
mediana, y los usos comunes de este tipo de datos incluyen clasificar varias cosas entre sí o calificar una cosa específica, como
una película o el nivel de dolor.
Los datos ordinales se pueden organizar en un orden que tenga sentido: en una escala del 1 al 10, Suzy calificó las películas como 2, 5, 6
y 9. Si una es la peor y 10 es la mejor, podemos suponer que a Suzy le gustó la última película mejor.
Página | 143
Machine Translated
Traducción by
automática Google
por
Google
Si bien los datos ordinales vienen con un orden lógico, los intervalos entre los números no significan nada.
Si Suzy calificó la película A con un 10 y la película B con un 9, la conclusión es que le gustó más la película A. Exactamente cuánto
más le gustó la película no se puede discernir utilizando datos ordinales.
Datos de intervalo
Los datos de intervalo son una forma aún más elevada de clasificación de datos. Los datos de intervalo proporcionan valores
numéricos que se pueden organizar en un orden lógico con significado; la gran diferencia entre los datos ordinales y de intervalo
es que la diferencia entre cada valor de intervalo proporciona significado. Si Frank lleva un registro de la temperatura
en su casa y ve que a las 8:00 am era de 76 grados ya las 9:00 am era de 80 grados, no solo sabe que a las 9:00 am
hacía más calor; él sabe que hacía 4 grados más a las 9:00 am que a las 8:00 am Los datos de intervalo son continuos o
cuantitativos y ofrecen más flexibilidad cuando se trata de análisis estadístico.
Datos de relación
Los datos de proporción se consideran la más alta de las clasificaciones de datos. Los datos de relación tienen un punto cero
absoluto, pueden ser de naturaleza tanto discreta como continua, y proporcionan las capacidades más altas para el análisis
estadístico en muchos casos. Algunos ejemplos de información que se pueden registrar utilizando datos de relación incluyen
fuerza, defectos por millón de oportunidades, voltaje, altura, unidades por hora y volumen.
Elección de los mejores sistemas de medición El análisis
de sistemas de medición aplica principios científicos para ayudar a los equipos a analizar cuánta variación aporta un sistema de
medición a un proceso. El propósito de la MSA es identificar errores de precisión dentro de las herramientas de recopilación
de datos. Luego, los equipos pueden corregir los sistemas de medición para crear capturas de datos más precisas o, si eso
no es posible, tener en cuenta la posibilidad de errores al realizar el análisis de los datos.
Durante el análisis de los sistemas de medición, los equipos deben revisar múltiples componentes de posibles
errores de medición. Los equipos Six Sigma analizan:
• Si se produce un sesgo en la precisión de las mediciones •
Si la medición tiene la resolución adecuada •
¿Qué linealidad de escala de medición existe?
Si las actividades de medición son estables en el tiempo
• Si las mediciones son repetibles y reproducibles
Dependiendo de las mediciones con las que trabaje el equipo, el MSA puede llevar mucho tiempo y, a menudo, es la razón por la
cual la fase de medición de un proyecto DMAIC es una de las más largas.
Creación de precisión
En esta etapa de MSA, los equipos definen la diferencia entre la medición más precisa posible y los datos recopilados por el
sistema de medición actual. El objetivo de un sistema de medición es la precisión: acercarse lo más posible a un objetivo
definido, si no a la medición exacta. Por ejemplo, en una planta de fabricación de computadoras, un empleado podría soldar un
chip a la placa base. Para que el resto de chips y cables se agreguen a la placa base, el chip debe colocarse dentro de un área de
2 mm. En este caso, se podría implementar una herramienta de medición con una precisión requerida de más o menos 0,5 mm para
garantizar que el chip se coloque dentro del área objetivo.
Página | 144
Machine Translated
Traducción by
automática Google
por
Google
Los equipos pueden garantizar la precisión de los datos al verificar que el indicador utilizado para recopilar datos funcione con precisión. Si
se utiliza una báscula digital para pesar los ingredientes, los equipos deben calibrar la báscula con pesas calibradas. Si se utilizan plantillas en una
planta de producción para hacer que las mediciones sean más eficientes, los equipos deben asegurarse de que esas plantillas sean precisas
comparándolas con herramientas de medición conocidas, como reglas y escalas verificadas. Tenga en cuenta que, a los efectos de la MSA, la
precisión refleja el rendimiento de la herramienta de medición, no del operador. Ya sea que el empleado use la herramienta de medición
correctamente o registre la cantidad correctamente, se considera una preocupación de precisión, que se trata más adelante en este capítulo bajo
Medidores R&R.
Una vez que un equipo de Six Sigma está seguro de que una herramienta de medición está calibrada correctamente, puede instruir a los
empleados u otras personas responsables de registrar los datos. Los datos deben aceptarse tal como se recopilan para un acceso más eficiente y
porque una revisión temprana puede revelar problemas específicos con la recopilación de datos.
Cuando sea posible, los equipos no deben redondear los datos, sino recopilarlos a medida que se registran.
Si los datos se recopilan manualmente, los empleados deben tener una plantilla de recopilación de datos que les indique recopilar datos en
los momentos apropiados y registrar información sobre el evento de recopilación de datos, incluida la persona que recopila los datos, la
máquina o el proceso involucrado, las condiciones del entorno. especialmente aquellos que son diferentes de las condiciones normales o que pueden
tener un impacto directo en las mediciones, y la herramienta de medición que se utiliza si varias herramientas son una opción.
Estos detalles ayudan a los equipos de Six Sigma a descartar valores atípicos, que se analizan en el siguiente capítulo.
Antes de que las mediciones pasen a la fase de análisis, los expertos en Six Sigma deben revisar los datos para asegurarse de que no haya puntos
decimales extraviados o faltantes, que no se hayan registrado entradas duplicadas, que las mediciones basadas en la frecuencia no tengan
puntos faltantes o que cualquier otro problemas obvios no han ocurrido con los datos. Abordar los problemas de datos obvios antes de comenzar las
fases de análisis reduce la posibilidad de que los equipos lleguen a conclusiones falsas sobre las causas raíz o las soluciones viables para un
proceso.
Resolución de direccionamiento
La medición con la resolución correcta garantiza que un sistema de medición pueda detectar cambios en los datos o procesarlos de forma adecuada.
Por ejemplo, si un equipo de Six Sigma está trabajando para mejorar un proceso que corta tuberías para instalaciones de accesorios de baño, podría
estar preocupado por la longitud de la tubería. Al revisar el sistema de medición para la tubería cortada, el equipo encuentra que el proceso
incluye medir la tubería al centímetro más cercano. Sin embargo, si las tuberías que están separadas por varios milímetros causan problemas en
la instalación, entonces la medida en centímetros más cercana no es una resolución lo suficientemente pequeña.
Una buena regla general a seguir para la resolución se llama la regla de los 10 cubos. Divida la resolución de su medición en una décima
parte de lo que se requiere. Si la tubería debe medir dentro de un rango de 5 mm para funcionar, la herramienta de medición debe medir hasta ½ mm.
En otro ejemplo, un departamento de servicio de alimentos podría tener la tarea de mantener la temperatura correcta en un congelador. Para
monitorear la temperatura, un empleado registra la temperatura una vez por hora. Si las temperaturas fluctúan rápidamente en el
congelador, un cambio de temperatura que afectaría la calidad de los alimentos o los ingredientes podría aparecer y desaparecer entre las
grabaciones. En este caso, la resolución adecuada puede obtenerse registrando mediciones cada 10 minutos o cada seis minutos para 10
lecturas por hora. Aún mejor, en un congelador con un termostato digital conectado a una red, los equipos podrían acceder a las lecturas
registradas cada minuto.
La resolución suele ser una de las cosas más fáciles de corregir dentro de un sistema de medición, pero no siempre es rentable o plausible medirla
con las resoluciones más detalladas. Los equipos deben considerar los recursos
Página | 145 ©
Machine Translated
Traducción by
automática Google
por
Google
requisitos al desarrollar un sistema de medición. Sin embargo, si es posible la resolución más detallada, las mediciones
obtenidas proporcionarán más información sobre el proceso y un tamaño de muestra más grande a partir del cual trabajar.
Ajuste de errores de linealidad La
linealidad describe cómo funciona un sistema de medición en un rango. Una regla métrica estándar en manos de la mayoría de las
personas es bastante precisa para medir centímetros, pero es menos precisa para medir milímetros o kilómetros. Una báscula
con un rango entre 0 y 10 kilogramos podría medir con menos precisión en cualquiera de los extremos del rango.
Tomar medidas en varios rangos con un sistema de medición existente y comparar esas medidas con los datos recopilados
con herramientas que se sabe que son precisas en todos los rangos puede ayudar a los equipos a encontrar errores de linealidad.
En algunos casos, los equipos pueden desarrollar ecuaciones matemáticas para dar cuenta de las discrepancias. Por
ejemplo, si la báscula tiene una precisión de 5 kilogramos, pero tiene un error de un cuarto de kilogramo adicional por cada
kilogramo a partir de entonces, una medición de 8,5 kilogramos en realidad sería:
8.5 – ((8.55)*.25) = 7.625
Si los ajustes matemáticos no son posibles, entonces los equipos no deben usar sistemas de medición para medir rangos
donde ocurren errores de linealidad con regularidad.
Estabilidad
La estabilidad describe la consistencia de las mediciones a lo largo del tiempo. Si los operadores miden de la misma manera y
usan las mismas herramientas, y esas herramientas no tienen ninguno de los otros problemas descritos anteriormente, entonces las
mediciones deberían reflejar la estabilidad en un gráfico de control. Los gráficos de control se presentan en el Capítulo 16 y se cubren
en profundidad en capítulos posteriores sobre control estadístico de procesos.
Si la variación de las medidas, como se refleja en un gráfico de control, no indica estabilidad, entonces los equipos podrían
querer descartar primero un problema con el sistema de medida antes de determinar que el proceso está fuera de control.
Gage R&R
Las herramientas Gage R&R se utilizan para garantizar la repetibilidad y la reproducibilidad con respecto a los sistemas
de medición. En la mayoría de los casos, las herramientas Gage R&R se aplican a sistemas de medición que involucran a
operadores y evaluadores humanos. Los equipos Six Sigma aplican pruebas Gage R&R para encontrar debilidades dentro de
tales sistemas de medición.
En las pruebas Gage R&R, la repetibilidad significa que un solo empleado, usando el mismo sistema de medición y evaluando las
mismas cosas, puede repetir sus mediciones. La reproducibilidad significa que varios empleados que usan el mismo
sistema de medición y evalúan las mismas cosas obtienen mediciones que coinciden o están muy cerca de coincidir.
La mayoría de las pruebas Gage R&R se dividen en dos tipos: atributo y variable. La premisa para probar cada tipo de
medición es la misma, aunque los criterios y el análisis estadístico que sigue a la prueba difieren ligeramente.
Atributo Gage R&R Un
atributo Gage R&R se utiliza cuando los equipos de Six Sigma analizan sistemas de medición para datos pasa/no pasa. Por ejemplo,
si los operadores revisan un artículo en la línea de productos y deciden simplemente aprobarlo o desaprobarlo, esto
Página | 146
Machine Translated
Traducción by
automática Google
por
Google
sería una medida de atributo. En el ejemplo anterior de las mediciones del congelador, un empleado podría simplemente tener la tarea de registrar
si la temperatura estaba en un rango apropiado: una medición sí/no. Como se indicó anteriormente, las mediciones de atributos proporcionan la
menos información sobre un proceso, por lo que en el caso de la temperatura del congelador, es mejor registrar la temperatura real. Si ese
el registro estuvo dentro del rango apropiado puede determinarse sistemáticamente a partir de los datos de temperatura.
Cuando se usan datos de atributos, se usa un atributo Gage R&R para probar el sistema de medición siguiendo los pasos a continuación.
1. Seleccione al menos dos tasadores.
2. Proporcionar una serie de muestras. Etiquete las muestras de manera que sepa cuál es cuál pero
eso no identificaría la muestra para el evaluador.
3. Registre la medición de atributo real para cada muestra de acuerdo con la mejor posible (la mayoría
precisa) la medida que tiene.
4. Haga que cada evaluador registre la medición del atributo para cada muestra proporcionada (pasa/no pasa;
sí No; caliente/frío; contraseña errónea; etc.).
5. Repita el proceso con las mismas muestras y evaluador, aleatorizando el orden en que
presentar las muestras. Aleatorizar el orden de las muestras la segunda vez que se les presenta a los evaluadores reduce la posibilidad de que
los tasadores recuerdan qué medida registraron la primera vez y registran la misma medida por defecto.
6. Ingrese todos los datos en una hoja de cálculo o en un archivo Gage R&R similar al siguiente que muestra una prueba de un
medición pasa/falla.
Actual
muestras Tasador 1 Tasador 2 acuerdo
etiqueta atributos
juicios 1 juicios 2 juicios 1 juicios 2 ¿Sí No?
1 PAG PAG PAG F PAG No
2 PAG PAG PAG PAG PAG tenedores
4 F PAG F F F No
6 F F F F PAG No
7 F PAG PAG F F No
8 PAG PAG PAG F F No
9 F F F F F tenedores
Del Gage R&R anterior, puede ver que el sistema de medición es reproducible solo el 50 por ciento del tiempo, lo que lo convierte en un pobre
sistema de medida. Es repetible el 90 por ciento del tiempo para el evaluador 1
Página | 147 ©
Machine Translated
Traducción by
automática Google
por
Google
y el 80 por ciento del tiempo para el evaluador 2, y los evaluadores son precisos el 80 por ciento y el 70 por ciento del tiempo, respectivamente.
Dados estos resultados, un equipo de Six Sigma podría determinar que existe algún problema de claridad con las instrucciones sobre cómo
determinar si una muestra pasa o falla. El gráfico anterior solo proporciona datos para un conjunto de 10 muestras; más preciso
Las pruebas R&R del sistema de medición de atributos generalmente requieren al menos 20 puntos de datos.
R&R de calibre variable No
todos los datos son datos de atributos, por lo que los equipos también pueden realizar pruebas de R&R variables del sistema de medición. Mientras que los datos sin procesar de una variable
La prueba Gage R&R puede proporcionar a un equipo Six Sigma una imagen de si un sistema de medición está fallando o no.
no, el análisis estadístico generalmente se requiere para hacer una determinación verdadera sobre el rendimiento de un sistema de medición.
Esto se debe a que, con mediciones variables, es probable que haya algunas diferencias entre las mediciones y los operadores,
particularmente cuando se miden cifras muy pequeñas o grandes o cuando se capturan datos en una medición en movimiento.
Configure una prueba R&R variable del sistema de medición de la misma manera que configura una prueba de atributos, usando dos o tres evaluadores y al menos
menos de cinco a diez productos a medir. Haga que cada evaluador mida cada muestra dos o tres veces, aleatorizando las
orden en el que se presentan las muestras para evitar que los evaluadores recuerden las mediciones ingresadas inicialmente.
Registre todos los datos en una plantilla de Gage R&R variable, como el ejemplo a continuación.
Actual variación
muestras Tasador 1 Tasador 2 Tasador 3
medición
El análisis estadístico realizado en Excel SPC o Minitab por un Black Belt o Green Belt generalmente arroja cuatro cifras:
• % de variación del estudio • %
Tolerancia
• % Contribución
• Número de categorías distintas
Los equipos deben asegurarse de que los cuatro elementos de un cálculo de prueba R&R variable del sistema de medición estén en lo que se considera "seguro".
rangos Comúnmente, cada elemento viene con una escala para zonas seguras o verdes junto con zonas de precaución y zonas de falla.
Si uno de los elementos cae en zona de precaución y todos los demás en
Página | 148
Machine Translated
Traducción by
automática Google
por
Google
el verde, entonces un equipo probablemente concluirá que el sistema de medición es suficiente. En algunos casos, la totalidad o la mayoría
de las puntuaciones de la zona de precaución pueden considerarse aceptables, especialmente si aumentar la precisión del
sistema de medición sería costoso o causaría problemas de aplicación para otros procesos.
Los sistemas de medición que puntúan en la zona de falla de cualquier elemento probablemente deberían repararse o reemplazarse.
Los criterios comunes utilizados para juzgar cada elemento de los cálculos de R&R del sistema de medición variable son los siguientes:
elementos aprobar Precaución fallar
0 a 10 10 a 30 30 y más

% de variación del estudio
% Tolerancia 0 a 10 10 a 30 30 y más
% contribución 0 a 1 1 a 9 10 y más
6 a 10 1 a 5
# de categorías distintas 10 o más
Nota: Otra herramienta que es efectiva para identificar la variación en un sistema de medición se llama ANOVA, o Análisis de varianza.
ANOVA también es útil para analizar la variación de cualquier tipo y se tratará en la Unidad 5 sobre estadísticas intermedias.
Recopilación de muestras de
datos Una vez que los equipos están seguros de que cuentan con las mejores herramientas de medición posibles, pueden comenzar a recopilar
datos para utilizarlos en la fase de análisis del proyecto DMAIC. Las conclusiones más precisas surgen cuando un equipo puede analizar
los datos de toda la población, pero eso rara vez es posible debido a las limitaciones de tiempo y costo. Si puede obtener acceso a datos
automatizados o almacenes de datos, es posible que pueda recopilar datos de población o tamaños de muestra extremadamente grandes
que se aproximen mejor a los datos de población. De lo contrario, los equipos de Six Sigma deben muestrear aleatoriamente la
población disponible y usar esas muestras para sacar conclusiones sobre la población en su conjunto.
Para garantizar que las muestras se puedan utilizar para sacar conclusiones estadísticas, deben manipularse correctamente y tener el
tamaño adecuado. En esta sección, simplemente cubriremos los tipos de estrategias de muestreo que los equipos Six Sigma pueden usar y
por qué.
Muestreo aleatorio simple El
muestreo aleatorio simple funciona cuando existe la misma probabilidad de que se elija cualquier elemento dentro de la población.
Por ejemplo, si coloca 20 canicas del tamaño, peso y textura exactos en una bolsa y selecciona una a ciegas, cada canica en la bolsa tiene una
probabilidad de 1 en 20 de ser seleccionada. Si las canicas son de diferentes tamaños o pesos, esos diferentes atributos pueden afectar
la posibilidad de que se seleccione cada canica.
Las canicas más pesadas podrían clasificarse en el fondo de la bolsa; es más probable que se elijan canicas más grandes
arriba.
El muestreo aleatorio para el análisis estadístico requiere que la muestra represente atributos y porcentajes similares a los de la
población total. La población es de "N" elementos grandes. El tamaño de la muestra es de "n" artículos grandes.
El tamaño que debe tener la muestra para representar estadísticamente a la población se decide por una serie de factores.
Página | 149
Machine Translated
Traducción by
automática Google
por
Google
Muestreo estratificado
El muestreo estratificado ocurre cuando la población como un todo se divide o se puede dividir en subgrupos con diferentes
atributos. Por ejemplo, si una empresa de transporte quiere probar la precisión de sus tiempos de envío estimados con los tiempos
de envío reales, puede suponer que los resultados variarán según la distancia que tenga que viajar un paquete. Al seleccionar
muestras al azar de toda la población de paquetes, existe la posibilidad de que la empresa solo termine con muestras para los
paquetes entregados dentro de un radio de 200 millas.
Para evitar sesgos en los datos, la empresa naviera podría dividir la población en cuatro subgrupos:
• Entregas dentro de un radio de 200 millas
• Entregas dentro de un radio de 201 a 400 millas
• Entregas dentro de un radio de 401 a 600 millas
• Entregas de más de 600 millas
Mediante el muestreo aleatorio de los subgrupos estratificados, el equipo garantiza un tamaño de muestra con menos sesgo.
Muestreo secuencial El
muestreo secuencial implica seleccionar cada elemento X para su inclusión en el muestreo. El muestreo secuencial se puede
utilizar cuando los equipos recopilan datos a intervalos como el tiempo. El equipo podría recopilar datos cada 10 minutos. El muestreo
secuencial también se puede utilizar para muestrear elementos físicos; cada quinto artículo en una línea de productos puede ser
revisado. Con los parámetros correctos y el tiempo suficiente, el muestreo secuencial puede proporcionar resultados estadísticos
válidos. Sin embargo, los equipos deben ser conscientes de que la secuencia del muestreo podría, en casos excepcionales, sesgar
los resultados. Es posible, por ejemplo, que ocurra algo durante cada quinta iteración de un proceso que cause una diferencia.
Muestras que no son aleatorias El
muestreo no aleatorio no debe utilizarse cuando se trata de análisis estadístico porque es más probable que introduzca errores de
usuario o de muestreo. Si bien todo muestreo viene con algún tipo de error, los errores de muestreo aleatorio se pueden
calcular y contabilizar en el análisis. No se puede decir lo mismo de las muestras no aleatorias.
El muestreo no aleatorio incluye el muestreo por conveniencia o juicio. El muestreo de conveniencia ocurre cuando un equipo toma
las medidas más convenientes. “Queremos saber sobre el proceso en este momento, así que revisemos la próxima docena de
elementos que salen de la línea”. Ese tipo de análisis solo le dice realmente al equipo cómo se realizó el proceso en ese momento
exacto.
El muestreo de juicio ocurre cuando un experto o una persona con conocimientos tiene la tarea de "seleccionar" las
muestras apropiadas. Un supervisor podría decirles a los miembros de su equipo: "Seleccione algo de su trabajo que represente
la forma normal en que funciona en un día determinado". En la mayoría de los casos, los miembros del equipo seleccionan lo que
creen que es un trabajo de mejor calidad, sesgando los resultados de la muestra.
Entrega de una métrica de referencia
Uno de los principales resultados que surgen de las fases de definición y medición es la métrica de referencia. ¿Cómo se está
desempeñando el proceso ahora y qué medida usará el equipo para comparar el desempeño actual con el desempeño posterior a la
mejora?
Página | 150
Machine Translated
Traducción by
automática Google
por
Google
Las métricas de referencia son números, pero la mayoría de los equipos encuentran que presentar la métrica gráficamente resuena mejor con los ejecutivos y
los recursos comerciales. Las representaciones visuales también brindan a los equipos una forma rápida de determinar si se está avanzando.
El tipo de representación visual que utilice depende de si su métrica principal es discreta o continua. Los datos discretos se pueden mostrar en
gráficos de Pareto (consulte el Capítulo 5) y los datos continuos se pueden mostrar a través de gráficos de ejecución. También puede usar variaciones u otros
cálculos para convertir datos discretos en datos continuos para mostrarlos en gráficos de ejecución y gráficos de control (consulte el Capítulo 16 para
obtener información sobre los gráficos de control).
Ejecutar gráficos
Se puede usar un gráfico de ejecución para monitorear el desempeño de cualquier variable o proceso a lo largo del tiempo. Con un único gráfico intuitivo, los
equipos de Six Sigma pueden mostrar tendencias, cambios y ciclos dentro de un proceso; también pueden monitorear un proceso en busca de problemas,
aunque los gráficos de ejecución no son tan efectivos en esto como lo es el gráfico de control muy similar.
Un gráfico de ejecución básico es simplemente un gráfico de líneas de los datos a lo largo del tiempo, lo que significa que cualquiera puede crear el gráfico.
La mayoría de los gráficos de ejecución de Six Sigma también cuentan con una línea que representa la mediana de todos los puntos de datos como
referencia visual. Según el tipo de información que se registre, es posible que deba convertir los datos a una relación para obtener un gráfico de ejecución más
preciso. Por ejemplo, si está trazando la temperatura de una superficie a lo largo del tiempo, no es necesario convertir los datos. Si está trazando el número
de pacientes readmitidos en un hospital dentro de los 30 días posteriores al alta, resulta útil convertir los datos en un porcentaje del número de pacientes
dados de alta en el mismo período de tiempo. En un período de 30 días en el que se dio de alta a 10.000 pacientes, puede esperar un mayor número de
devoluciones que en un período en el que solo se da de alta a 5.000 pacientes.
La siguiente figura ilustra un gráfico de ejecución de la temperatura a lo largo del tiempo. Puede ver cómo cambia la temperatura a lo largo del
tiempo y comenzar a ver algunas posibles tendencias. Un equipo de Six Sigma podría alejarse y ver el gráfico de ejecución durante más tiempo para validar
las suposiciones de tendencias. También puede ver que la temperatura mediana para el proceso es 33.
Página | 151 ©
Machine Translated
Traducción by
automática Google
por
Google
El siguiente gráfico de ejecución indica el número de devoluciones por cada cien ventas para cada mes del año. Puede ver que las
devoluciones como tasa de ventas aumentan constantemente durante la primera parte del año antes de mantenerse estables de mayo a
noviembre. La línea naranja indica la mediana de los rendimientos por cientos de ventas, que es un poco menos de 7.
Crear gráficos de ejecución básicos en Excel
El software de análisis estadístico, incluidos Minitab y Excel SPC, crea todos los elementos de un gráfico de ejecución automáticamente
a partir de los datos ingresados, pero cualquiera puede usar las funciones básicas de Excel para crear un gráfico de ejecución si es
necesario.
Primero, crea una tabla de datos.
Crear una tabla de datos para un solo atributo, como la temperatura, solo requiere ingresar las etiquetas de tiempo en una columna y las
medidas del atributo en otra. Para el ejemplo, veremos cómo crear una tabla de datos de tarifas, ya que implica pasos adicionales.
1. Ingrese las etiquetas de datos (mes, semana, hora, etc.) en la primera columna de Excel.
2. En la siguiente columna, ingrese las medidas correspondientes para el atributo que le interesa.
in: en este caso, el número total de devoluciones por mes.
3. En la tercera columna, ingrese el número total de elementos con los que está comparando el atributo: en este caso,
el número total de ventas por mes.
Página | 152
Machine Translated
Traducción by
automática Google
por
Google
4. En la cuarta columna, calcule el porcentaje de la primera columna de datos de la segunda. En esto
caso, el porcentaje de devoluciones por ventas de cada mes. El cálculo se logra en este caso mediante la fórmula =B2/
C2 para enero, =B3/C3 para febrero, y así sucesivamente.
5. Decida si desea crear un gráfico de ejecución que muestre porcentajes o si desea
cree el gráfico que ilustre la tasa por 100, por 1,000, etc.
6. Si desea ilustrar una tasa por (x), multiplique el cálculo porcentual en la cuarta columna
por (x). En este caso, las cifras de la columna D se multiplican por 100.
Página | 153
Machine Translated
Traducción by
automática Google
por
Google
7. Use Excel para calcular la mediana del número que planea graficar. La mediana se calcula
con la fórmula =Mediana(Número 1, Número 2,...), donde los números en la fórmula se correlacionan con el rango de
todos los puntos de datos graficados. En este caso, la mediana es 6,96679 8. Resalte las etiquetas
de datos (en este caso, la columna A) y las cifras que se van a graficar (columna E)
9. Seleccione Insertar > Gráficos > Gráfico de líneas para insertar un gráfico de líneas del atributo o del cálculo del atributo.
Página | 154
Machine Translated
Traducción by
automática Google
por
Google
10. Seleccione Insertar > Forma > Dibujar línea.
11. Dibuja una línea en tu gráfico de ejecución aproximadamente donde estaría la mediana. Utilice las herramientas de Excel para
seleccione un color y grosor para la línea que desee.
Página | 155
Machine Translated
Traducción by
automática Google
por
Google
El gráfico de ejecución completo se puede utilizar para presentar información al equipo de Six Sigma o incluir una
representación gráfica del rendimiento del proceso de referencia en una presentación de peaje de fase de medición.
Una vez más, se debe tener en cuenta que la creación manual de un gráfico de ejecución no es necesaria para la mayoría de los
Black Belts y Green Belts, quienes tendrán acceso al software de análisis estadístico.
Medir la lista de verificación de la barrera de peaje
Use la lista de verificación a continuación para determinar si un equipo está listo para pasar de la fase de medición a la fase de
análisis de un proyecto DMAIC.
o El equipo ha acordado las medidas clave y ha llegado a una medida de referencia del rendimiento del proceso.
o El equipo ha analizado los sistemas de medición e identificado cualquier problema que pueda contribuir a
errores de análisis.
o Siempre que sea posible, el equipo ha corregido los sistemas de medición para eliminar los riesgos de error. o El
equipo ha calculado la variación del proceso y el nivel sigma. o El equipo ha
realizado un muestreo apropiado para permitir conclusiones estadísticamente válidas en el
siguiente fase
o El patrocinador o campeón ha revisado y aprobado todos los elementos de la fase de medida.
Página | 156
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 14: Analizar
Si el capítulo de la fase de medida nos ha parecido especialmente largo es porque la fase en sí es larga y requiere mucho
trabajo. Sin una fase de medición sólida, el equipo no puede pasar a analizar datos y tomar decisiones basadas en datos que
impulsen las fases de mejora y control. Las fases de análisis también requieren mucho trabajo, pero ese trabajo generalmente lo
realizan Black Belts y Green Belts, quienes informan los hallazgos al equipo de Six Sigma y solicitan comentarios sobre el
análisis y la verificación del análisis.
En este capítulo, analizaremos una serie de herramientas que los equipos Six Sigma pueden utilizar durante la fase de análisis,
pero también haremos referencia a otros capítulos y unidades. Las unidades 4, 5, 7 y 8 brindan información detallada sobre las
herramientas estadísticas a las que se hace referencia a lo largo de este capítulo.
Análisis de raíz de la causa
Una de las actividades fundamentales de la fase de análisis realizada por todo el equipo con la ayuda de expertos en la
materia identificados es el análisis de causa raíz. El análisis de causa raíz se utiliza para identificar las causas raíz de problemas
o defectos cuando un equipo ha llegado a la fase de análisis sin una idea clara de la causalidad primaria. Algunas de las
herramientas descritas para identificar las causas raíz en este capítulo podrían usarse en las fases de definición o medición a
discreción del Black Belt que lidera el equipo; el FEMA descrito en el Capítulo 13 sobre la medición también podría usarse
en la fase de análisis como parte del análisis de causa raíz.
El diagrama de causa y efecto, o de espina de pescado Un
método popular para generar ideas y analizar la causalidad en un proceso es el diagrama de espina de pescado. El diagrama
de espina de pescado puede ser completado por un solo experto en Six Sigma, pero generalmente tiene más valor cuando lo
completa todo el equipo de Six Sigma. El diagrama permite que los equipos se concentren en un proceso de lluvia de ideas
que genera ideas sobre posibles causas de problemas, organiza esas posibilidades de manera lógica y permite que los equipos
visualicen la información para identificar prioridades, tendencias y relaciones entre ideas. Cuando se utiliza como una
actividad de equipo, el diagrama de espina de pescado fomenta la participación y el aporte de todos los miembros del equipo,
lo que aumenta la posibilidad de sentar las bases para una solución viable y original.
El diagrama de causa y efecto se llama diagrama de espina de pescado porque comienzas con lo que parece un dibujo simple
del esqueleto de un pez. Consulte el siguiente diagrama y siga las instrucciones para crear un diagrama de espina de pescado
como parte de un ejercicio de lluvia de ideas en equipo. También puede usar estas instrucciones ahora para practicar un
diagrama de espina de pescado basado en un proceso o problema con el que tenga experiencia.
Página | 157
Machine Translated
Traducción by
automática Google
por
Google
1. Dibuje una forma básica de espina de pescado en una pizarra blanca o en un rotafolio grande. Escriba una versión resumida de la
problema donde debería estar la cabeza del pez. Nota: No es necesario que realice un diagrama de espina de pescado solo en el
enunciado del problema de la fase de definición. Los equipos también pueden realizar el diagrama sobre un defecto o problema
específico encontrado durante la fase de definición o medición. Por ejemplo, si el enunciado del problema analiza la
cantidad de desperdicio en un restaurante, el equipo podría haber descubierto durante la fase de medición que el pan se
tira a un ritmo mayor que todos los demás alimentos. Una de las actividades manejadas en la fase de análisis podría ser un
diagrama de espina de pescado específicamente sobre la razón de tanto desperdicio de pan.
2. Dibuja una espina de pescado y cuatro conectores principales. Etiquete cada conector como Personas, Procesos,
Materiales y Procedimiento. Algunos Black Belts también incluyen otros dos conectores principales: Equipo y Medio ambiente.
3. Explique las categorías del diagrama de espina de pescado al equipo. Tenga en cuenta que hay algunos lugares, especialmente
con procesos particulares, donde las diversas categorías se superpondrán. Algunas ideas generadas por el equipo a
medida que completan el diagrama de espina de pescado pueden encajar en más de una categoría, y eso está bien.
a. Personas hace referencia a cualquier persona que lleva a cabo o interactúa con un proceso. b.
Proceso o máquina se refiere al proceso por el cual las entradas se convierten en salidas. C.
El procedimiento o método se refiere a la forma en que se hacen las cosas, ya sea mediante documentos escritos o
reglas no escritas.
d. Los materiales son las entradas, como las materias primas, en el proceso. y. El
equipo incluye la tecnología o las máquinas requeridas para manejar el trabajo. F.
El medio ambiente es el área inmediata que rodea el proceso.
4. Comience con cada categoría en el diagrama de espina de pescado, preguntando al equipo cómo algo en ese
categoría podría ser responsable de un problema o defecto.
5. Use notas adhesivas para escribir ideas y colóquelas en el diagrama de espina de pescado para que pueda moverse
ideas alrededor más adelante. También puede escribir directamente en el diagrama.
6. Combine la lluvia de ideas de causa y efecto con el ejercicio de los 5 porqués descrito en el Capítulo 6. Para
cada rama del diagrama de espina de pescado, pregunte "¿Por qué?" al menos cinco veces para garantizar el detalle más granular
posible.
7. Una vez que el equipo se haya quedado sin ideas para la primera categoría, repita los pasos 4 a 6 para todas las demás.
categorías.
Página | 158
Machine Translated
Traducción by
automática Google
por
Google
8. Tómese un tiempo como equipo para revisar el diagrama, discutiendo la ubicación de las posibles causas y moviéndolas a las
categorías y subsecciones apropiadas para crear una representación visual organizada.
9. Eliminar o tachar las causas que no resulten válidas después de la discusión inicial.
10. Como equipo, decida qué causas fundamentales parecen más probables o de mayor prioridad. Encierre en un círculo esas causas como
posibilidades de alta prioridad para una mayor investigación.
Ejemplo de lluvia de ideas de causa y efecto Para
proporcionar una mejor idea de cómo funciona un diagrama de espina de pescado, considere la imagen de ejemplo a continuación y veremos
cómo el equipo obtuvo la información registrada en la línea de procedimiento/método de este diagrama.
El equipo anterior estaba trabajando para resolver un problema de tortas quemadas en una panadería de servicio de alimentos. Al
discutir el método por el cual se hornean los pasteles, el equipo primero descubrió la razón por la cual los pasteles se horneaban en tiempos
inconsistentes. Tal vez, sugirió un miembro del equipo, el personal no estaba prestando atención y estaba dejando pasteles en el
horno demasiado tiempo. La idea fue escrita.
Las instrucciones para hornear pasteles son vagas, dijo otro miembro del equipo, esta vez, un experto en la materia de la panadería. "¿Por
qué?" preguntó el equipo. El experto en la materia respondió que las instrucciones en la panadería no tienen en cuenta varios tipos
de pasteles, lo que hace que el personal tenga dudas sobre los tiempos de horneado de algunos pasteles. Más “¿Por qué?” Las preguntas
ayudaron al equipo a determinar que se agregaron nuevos pasteles al menú sin que se actualizaran las instrucciones generales para el personal
de la panadería.
Después de profundizar en los tiempos de cocción inconsistentes, el equipo se preguntó nuevamente cómo los métodos podrían ser responsables
de las tortas quemadas. Alguien sugirió que la temperatura en el horno era demasiado alta, y el equipo vinculó esa sugerencia a la misma causa
principal que los tiempos de horneado inconsistentes. Tras la revisión final, alguien notó que la sugerencia de que el personal no prestaba
atención era una causa no era válida, porque la panadería estaba equipada con alarmas que sonaban cuando se terminaba el tiempo de
horneado. El equipo tachó esa idea del diagrama.
En este caso, el equipo de Six Sigma podría priorizar el hecho de que las instrucciones no están disponibles para todos los tipos de artículos que
se preparan en la panadería. Debido a que esta sería probablemente una mejora simple y de sentido común, el Black Belt podría
incluso asignar a alguien para que comience a trabajar en la mejora.
Página | 159
Machine Translated
Traducción by
automática Google
por
Google
fase tan pronto como se verifique la causa. Muchas veces, la causa raíz no es tan obvia y la solución a la causa incluso
menos obvio, que requiere análisis y validación adicionales antes de seguir adelante.
Matriz de verificación de causa raíz una vez
los equipos identifican posibles causas raíz, deben verificar que las causas sean válidas. La verificación de la causa raíz puede ser
completado a través de una variedad de métodos, incluido el análisis estadístico, el diseño de experimentos, el cuestionamiento lógico,
observar un proceso, recopilar datos adicionales, analizar datos a través de representaciones gráficas y mapear procesos a un nivel más granular que el logrado
en la fase de definición. Si bien este capítulo aborda brevemente el análisis estadístico y
la representación gráfica, esos temas, así como los experimentos y el mapeo de procesos, se tratan en unidades posteriores.
Cualquiera que sea el método que se utilice para validar las suposiciones de causa raíz, el equipo de Six Sigma debe documentarlo.
La documentación relacionada con la verificación de la causa raíz generalmente se completa en una matriz que incluye el problema, la posible raíz
causas, el método de verificación, por qué se eligió el método de verificación, los resultados de la verificación y, en algunos casos, si un líder senior Six Sigma, como un
Master Black Belt, está de acuerdo. A continuación se incluye una plantilla para dicha matriz, pero los equipos
También puede crear documentos similares en Excel o Word.
problema posible raíz método de razón para verificado? notas
causas verificación Método de verificación
La matriz de verificación de causa raíz para el ejemplo de pastel quemado se puede completar de la siguiente manera:
problema posible raíz método de Motivo del método de verificación verificado? notas
causas verificación
tortas en Ejecutar gráfico de tenedores

temperatura Permite al equipo visualizar
el demasiado caliente
temperatura determinar si las temperaturas exceden
Delaware
contra requisitos en cualquier momento durante el horneado
panadería son requerido proceso
próximo temperatura
Página | 160
Machine Translated
Traducción by
automática Google
por
Google
fuera quemado tiempos de horneado tenedores

Diagrama de Proporciona una representación visual de la variación
inconsistente
10 por ciento de caja de tiempos de por tipo de pastel; los tiempos de horneado no
los
horneado por tipo de pastel deben variar mucho según el pastel, por lo que
tiempo. las cajas deben ser planas; permite que los equipos
determinen si ciertos
tipos de torta son más de un problema.
instrucciones proceso tenedores

Manera fácil de determinar si el personal de la
observación panadería tiene las instrucciones
no proporcionado
al personal
necesario para completar el trabajo sin
defectos
Análisis gráfico
Los expertos y equipos de Six Sigma pueden usar una variedad de herramientas de análisis gráfico para ayudar a generar ideas sobre las causas fundamentales o
comprender cómo las entradas y salidas realmente se impactan entre sí. Algunas de esas herramientas de análisis gráfico requieren software de análisis estadístico y
se tratarán en capítulos posteriores. En esta sección, veremos algunas representaciones gráficas que puede crear fácilmente con Excel.
Diagrama de Pareto
La primera herramienta gráfica para validar las causas raíz es el diagrama de Pareto, que se trató en el capítulo 5.
El Capítulo 5 discutió el Principio de Pareto, o la regla del 80/20, que dice que el 20 por ciento de las causas conducen al 80 por ciento de los resultados. Debido a esto, un
diagrama de Pareto es un buen punto de partida para la lluvia de ideas sobre la causa raíz: los equipos pueden comenzar con las pocas entradas
o atributos que representan la mayor parte del diagrama de Pareto.
Así como puede "profundizar" usando el diagrama de espina de pescado, preguntando más y más "¿Por qué?" preguntas, puede profundizar utilizando un diagrama
de Pareto.
Considere el gráfico de Pareto que ilustra las razones de las denegaciones de reclamos médicos del Capítulo 5.
Página | 161 ©
Machine Translated
Traducción by
automática Google
por
Google
En este caso, el equipo podría decidir concentrarse en las dos principales razones de denegación de reclamos: reclamo duplicado y presentación oportuna. El equipo podría usar
varios métodos para profundizar en las causas fundamentales de estos dos motivos de denegación de reclamaciones. Podrían realizar un diagrama de espina de pescado para descubrir
por qué se generan reclamos duplicados. Para comprender el problema de la presentación oportuna, los equipos pueden recopilar datos adicionales para gráficos
análisis.
La presentación oportuna significa que el reclamo no se presentó originalmente con una compañía de seguros antes de la fecha límite para la presentación de reclamos.
Las diferentes compañías de seguros tienen varios requisitos de presentación oportuna, y la cuenta regresiva generalmente comienza en el momento del servicio al paciente.
o el momento de la descarga de una instalación. Es posible que el equipo quiera saber qué pagadores están denegando reclamos por presentación oportuna, para recopilar
datos de la siguiente manera sobre cuántas denegaciones de presentación oportuna están asociadas con cada pagador. Debido a que el análisis de Pareto se ocupa de los primeros pocos,
puede agrupar a los muchos otros en una sola entrada y, a los efectos del análisis de Pareto, ignorarlos. Un proveedor médico podría
facturar reclamaciones a decenas de proveedores; Incluir a todos los proveedores en la tabla de datos y el diagrama de Pareto sería una pérdida de tiempo y espacio para esto.
ejercicio particular.
Negaciones del pagador
A 3512
B. 2779
C. 1575
D. 1142
Y 945
F 847
GRAMO.
702
h 502
otros 1241
Página | 162 ©
Machine Translated
Traducción by
automática Google
por
Google
Convertidos a un diagrama de Pareto básico, los datos se ilustran en el siguiente gráfico.
Es fácil ver en el gráfico que la mayor parte del problema es con los pagadores A y B; Tal vez estas compañías tengan
pautas de presentación oportuna más cortas que las otras compañías o el personal de facturación no conozca los requisitos
adecuados de presentación oportuna para esos pagadores. Los equipos de Six Sigma pueden comenzar a hacer
preguntas específicas para estos pagadores a medida que continúan analizando datos y descubriendo las causas fundamentales.
Diagramas de caja
Los diagramas de caja son otra representación gráfica que se puede manejar con Excel. En capítulos posteriores sobre
análisis estadístico, veremos cómo se pueden relacionar los diagramas de caja con la prueba de hipótesis y otros análisis.
Sin embargo, cuando las diferencias entre las distribuciones están marcadas o cuando los valores atípicos son bastante obvios dentro de los
datos, la imagen de un diagrama de caja cuenta su propia historia sin necesidad de conocimientos estadísticos avanzados.
Los diagramas de caja a menudo se denominan gráficos de caja y bigotes. Para entender cómo leer un diagrama de caja, considere
la tabla de datos y el gráfico a continuación. La tabla de datos muestra el tiempo en minutos en el que varios corredores
completaron una carrera de una milla. Los resultados se dividen en las categorías Niños y Adultos.
Niños adultos
9.9 4.1
10.2 4.1
11.6 4.5
12.7 4.6
13.8 4.7
13.4 7.5
13.4 8.3
13.9 8.9
Página | 163
Machine Translated
Traducción by
automática Google
por
Google
15.2 9.7
15.8 9.8
15.7 10.1
16.2 11.6
16.7 13.5
18.9 13.7
19.4 14.8
20.1 14.9
29 quince
La imagen de arriba muestra un diagrama de caja de la tabla de datos, generado en Excel. Incluso sin más
explicaciones, es probable que se dé cuenta de que los niños completaron la carrera en promedio más lento que los adultos.
El cuadro azul, que representa a los niños, es más corto que el cuadro naranja, lo que indica que el 50 por ciento medio de los
niños completó la carrera de una milla en tiempos que tuvieron menos variación que el 50 por ciento medio de los adultos.
Para comprender cómo se llegó a esta conclusión, veremos todos los elementos de un diagrama de caja.
Un diagrama de caja comienza con la bisagra superior e inferior: la parte superior e inferior de la caja. La parte superior representa
el percentil 75; la parte inferior representa el percentil 25 de los datos. La línea dentro del cuadro representa el
percentil 50. Dentro del cuadro se encuentra el 50 por ciento de los puntos de datos entre los percentiles 25 y 75.
Cada diagrama de caja recibe bigotes superior e inferior que indican el rango de la mayoría de los demás datos dentro de un conjunto.
En este caso, Excel crea bigotes que se extienden hasta la parte superior e inferior de un rango barriendo cualquier
Página | 164
Machine Translated
Traducción by
automática Google
por
Google
valores atípicos estadísticos. Algunos software o metodologías de análisis estadístico utilizan otros métodos para crear los bigotes.
con resultados muy similares.
Finalmente, dado que todos los puntos de la gráfica deben representarse en un gráfico de diagrama de caja, los valores atípicos se indican con puntos.
Verá un punto azul sobre el cuadro de los niños, que representa el punto de datos de 29 minutos. Ese punto en particular es un valor atípico
estadístico; Los equipos de Six Sigma que anotan valores atípicos en diagramas de caja deben considerar los datos que se muestran como valores atípicos.
Si se puede encontrar una explicación para el valor atípico, se puede ignorar. Por ejemplo, si el niño que tardó 29 minutos en completar la milla
era mucho más pequeño que los otros niños o caminaba con una lesión, el punto de datos se explica y se puede excluir de un análisis
posterior.
Además de señalar los valores atípicos, los diagramas de caja le permiten comparar dos distribuciones gráficamente para ver si, como en el
ejemplo anterior, existen diferencias obvias entre los conjuntos de datos. Los diagramas de caja son útiles para comparar cómo
varios atributos impactan un proceso. Los equipos de Six Sigma pueden comparar los resultados del proceso para diferentes operadores, diferentes
momentos del día, diferentes equipos o utilizando diferentes entradas. Al comparar datos de esta manera, es importante modificar solo un
atributo o entrada; de lo contrario, no podrá saber cuál fue la causa de cualquier diferencia entre los conjuntos de datos si una diferencia estadística
parece probable en un diagrama de caja.
Use alguna información para un proceso de trabajo con el que esté familiarizado, o use los datos de muestra proporcionados, para crear diagramas de
caja en Excel siguiendo los pasos que se proporcionan a continuación.
Un gerente de departamento cree que el personal de sus equipos sería más productivo si pudieran trabajar con dos monitores de computadora.
Debido a que equipar todo un departamento con monitores duales sería costoso, el jefe del gerente requiere alguna prueba de que
su suposición es correcta. El gerente equipa algunas estaciones con doble
monitorea y permite que diferentes miembros del equipo trabajen en las estaciones. Ella registra la cantidad de trabajo realizado dentro
incrementos por hora en las estaciones que tienen dos monitores, así como estaciones que tienen un solo monitor. sus datos son
aparece en la tabla a continuación.
Uno Dos
Monitor monitores
9 10
8 4
4 9
7 7
2 8
6 7
1 9
8 9
5 14
4 10
3 12
7 7
9 9
5 4
1 9
Página | 165
Machine Translated
Traducción by
automática Google
por
Google
5 7
6 8
7 14
4 13
2 10
9 12
5 12
4 8
8 6
2 10
Cree un diagrama de caja de la información en la tabla de datos del gerente.
1. Copie los datos de la tabla anterior en Excel.
2. Resalte todas las celdas de datos, incluida la fila del encabezado.
3. Haga clic en Insertar > Gráfico estadístico > Más gráficos estadísticos
4. Seleccione Caja y bigotes y haga clic en Aceptar.
Página | 166
Machine Translated
Traducción by
automática Google
por
Google
5. Usando las funciones normales de edición de gráficos de Excel, edite el título y las etiquetas de datos de su gráfico como desee.
Página | 167
Machine Translated
Traducción by
automática Google
por
Google
Si bien un Six Sigma Black Belt podría respaldar la conclusión con pruebas de hipótesis u otros análisis, el gerente podría obtener
la aprobación de su solicitud de monitores con nada más que este diagrama de caja. Es fácil ver que el segundo monitor
aumentó la capacidad de producción del personal. Otra cosa que vale la pena señalar es que las distribuciones para cada una
de las cajas y bigotes son similares, lo cual es algo esperado. Los productores altos seguirán produciendo más, y los productores
bajos seguirán produciendo menos que los productores altos, incluso si todos están produciendo un poco más con la
nueva configuración.
Tenga en cuenta que los dos ejemplos usados en este capítulo usaron conjuntos de datos que eran lo suficientemente diferentes
como para ser visibles en un diagrama de caja. Este no es siempre el caso, por lo que los diagramas de caja y otras
representaciones gráficas a menudo son solo el punto de partida para el análisis.
Análisis estadístico
Debido a que el análisis estadístico se trata en varias unidades futuras, esta sección enumera algunas herramientas comunes de
análisis estadístico con definiciones.
Prueba de hipótesis La
prueba de hipótesis permite a los expertos Six Sigma sacar conclusiones sobre la población basándose en el análisis estadístico
realizado en una muestra. Debido a que las conclusiones se basan en muestras y no en toda la población, siempre existe
cierto riesgo de error. Es posible que haya visto o escuchado los resultados de la encuesta con un signo más/menos en el
resultado: “60 por ciento, más o menos 2 puntos porcentuales, votaría por el candidato hoy”. Ese más/menos es el valor del
riesgo de error.
En el análisis estadístico, el riesgo de que una muestra no ofrezca una buena representación de la población se conoce
como riesgo alfa y riesgo beta. Usando información sobre la muestra y los riesgos alfa y beta,
Página | 168
Machine Translated
Traducción by
automática Google
por
Google
Los estadísticos calculan lo que se llama el valor p. El valor p es una estimación de probabilidad que les dice a los
estadísticos la probabilidad de que una suposición o conclusión extraída de los datos de muestra sea incorrecta.
El software estadístico elimina muchos de los cálculos manuales del proceso de configuración y ejecución de pruebas de hipótesis. Con
Minitab, por ejemplo, los expertos en Six Sigma pueden realizar pruebas de hipótesis sobre datos preparados con unos pocos clics del
mouse. Tienen que saber qué tipos de pruebas de hipótesis usar en qué situaciones.
Análisis de correlación y regresión El análisis
de regresión y correlación ayuda a los expertos de Six Sigma a comprender cómo se pueden relacionar las variables dentro de un
proceso. El análisis de regresión ayuda a los equipos a definir la relación entre una variable independiente, posiblemente una
entrada, y una variable dependiente, posiblemente una salida. ¿La temperatura en el horno tiene una relación con si el pastel se hornea
correctamente y qué tan cerca están las dos cosas relacionadas? ¿La cantidad de horas que trabaja una persona tiene un impacto en su
productividad? ¿Puede el equipo mostrar una correlación entre una menor producción a medida que los empleados se acercan al final
de un turno? Estos son los tipos de preguntas que puede responder el análisis de regresión.
Para trabajar con el análisis de regresión, ambas variables que se estudian deben estar en formato numérico. Para realizar un análisis de
regresión con respecto a la relación entre la temperatura del horno y si un pastel se hornea correctamente, un equipo de Six Sigma horneó
pasteles a diferentes temperaturas y los calificó numéricamente según su "cocinación". Una calificación de 1 indicaba que el pastel
apenas se cocinaba; Una calificación de 5 indica un pastel perfectamente horneado. A las 10, el pastel estaba completamente
quemado. Las temperaturas y las clasificaciones correspondientes se ven en la siguiente tabla de datos.
Estado de cocción del pastel
Temperatura del horno
200 1
225 1.2
250 2.2
275 2.4
300 4
325 5
350 5.2
375 6.2
400 8
425 8.9
450 9.5
475 10
Usando estos datos, el equipo crea un diagrama de dispersión con una línea de tendencia, como se ve a continuación.
Página | 169
Machine Translated
Traducción by
automática Google
por
Google
Con solo mirar este gráfico, puedes decir que existe una relación. Los gráficos de datos se agrupan estrechamente alrededor de
la línea de tendencia, lo que indica que a medida que aumenta la temperatura, también aumenta la cocción del pastel.
Diseño de experimentos El
análisis de correlación y regresión no siempre proporciona la información que un equipo necesita para determinar las relaciones
entre las variables, especialmente cuando esas relaciones son complejas o hay múltiples variables presentes. Debido a que la
fase de análisis prepara el escenario para la fase de mejora, los equipos deben estar lo más seguros posible en sus
conclusiones analíticas antes de decidir sobre las soluciones para la implementación. Un diseño de experimentos puede
proporcionar los detalles y análisis más granulares necesarios para ese nivel de certeza.
El diseño de experimentos, o DoE, se realiza a través de un software de análisis estadístico como Minitab. Los equipos pueden
configurar experimentos para un factor o múltiples factores.
Analizar lista de verificación de peaje
o Se han identificado las causas raíz primarias. o El
equipo ha priorizado las causas raíz. o El
campeón o patrocinador está de acuerdo con las prioridades del equipo al pasar a la fase de mejora. o
Siempre que sea posible, las suposiciones de causa raíz están respaldadas por datos
estadísticos. o Se entienden las relaciones entre las variables dentro de un proceso.
o Siempre que fue posible, las relaciones de las variables se confirmaron con análisis estadísticos.
Página | 170
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 15: Mejorar
Durante la fase de mejora de un proyecto DMAIC, los equipos de Six Sigma hacen una lluvia de ideas sobre posibles soluciones para las
causas raíz identificadas en la fase de análisis y clasifican esas soluciones según los costos, la eficacia de la solución y la probabilidad de
que se implemente. Las clasificaciones analíticas se utilizan para priorizar y seleccionar soluciones para su implementación. Los equipos
prueban las soluciones a través de pruebas beta o implementaciones pequeñas, recopilan datos sobre la solución y verifican que la solución
funciona según lo esperado a través del análisis estadístico. Una vez que el equipo está seguro de que la solución funciona para
abordar el problema, planifica e implementa una implementación completa de la solución.
Matriz de selección de soluciones A soluciones
La matriz de selección es una herramienta analítica que permite a los equipos proponer y clasificar soluciones para cualquiera de las causas
fundamentales identificadas en la fase de análisis. Si bien los equipos pueden trabajar simultáneamente en múltiples soluciones si se
encontraron múltiples causas raíz priorizadas, Black Belt y otros líderes de equipo deben conocer los plazos, los recursos, el alcance y el propósito
del proyecto. Si una sola solución proporciona suficiente impacto positivo para lograr los objetivos del proyecto, entonces se pueden guardar
otras soluciones para futuros proyectos de mejora. Si una solución logra resultados, pero otra solución es especialmente fácil de
implementar y proporciona resultados positivos adicionales, es probable que el equipo decida implementar ambas.
Se puede crear una matriz de selección de soluciones en Excel, y los equipos deben trabajar juntos en el documento en forma de lluvia de ideas.
Es una buena idea incluir a todo el equipo, así como a los expertos en la materia y las partes interesadas durante la lluvia de ideas de
soluciones. Esto garantiza que las soluciones que proponga el equipo sean más realistas para el proceso y el negocio; Una vez que se
seleccionan las soluciones utilizando la matriz, es probable que los equipos también tengan que obtener el apoyo de un patrocinador,
campeón o consejo de liderazgo antes de que sea posible una implementación parcial o total. Esto es especialmente cierto cuando las
soluciones requieren gastos o afectarán procesos y personas fuera del alcance del proyecto.
A continuación se muestra una matriz de selección de soluciones de ejemplo.
La matriz se completa con:
1. Ingresar el enunciado del problema en la primera columna. Esta debería ser la declaración final del problema a la que se llegó durante la
fase de medición si el equipo decidió que la declaración debería ser
Página | 171
Machine Translated
Traducción by
automática Google
por
Google
modificado después de la recopilación de datos. De lo contrario, esta puede ser la declaración del problema de la fase de
definición.
2. Introducir una causa raíz prioritaria validada desde la fase de análisis. Si el equipo va a intentar resolver más de una causa raíz
durante la fase de mejora, debe crear una matriz de selección de soluciones para cada causa raíz.
3. Lluvia de ideas sobre posibles soluciones en la columna tres. Durante el proceso de lluvia de ideas, los equipos
no debe cuestionar ni intentar analizar soluciones, pero debe registrar cualquier solución sugerida que parezca viable. Las
únicas soluciones que podrían ignorarse son aquellas que están claramente fuera de alcance o son imposibles, pero el Black Belt
que lidera el ejercicio de lluvia de ideas tendrá que usar su propio discernimiento sobre tales sugerencias.
4. Tomar nota, a un nivel muy alto, de los métodos prácticos mediante los cuales se podría implementar una solución. En un ejemplo
utilizado en el capítulo de análisis, una panadería comercial tuvo un problema causado por la falta de instrucciones para hornear.
En este caso, el equipo Six Sigma podría proponer que el personal reciba las instrucciones adecuadas. El método por
el cual ocurre esa solución es la documentación escrita y la capacitación.
5. Soluciones de calificación. Después de crear una lista de posibles soluciones y métodos prácticos, el equipo
califica cada posibilidad en términos de efectividad, factibilidad y costobeneficio. Cada categoría recibe una calificación entre
1 y 10. a. La efectividad es la
medida de qué tan bien una solución eliminará la causa raíz de un
problema, siendo 1 no eficaz y 10 muy eficaz. b. La factibilidad es la medida del esfuerzo
requerido para implementar la mejora, con 1
siendo no factible por el esfuerzo o recursos requeridos y 10 siendo altamente factible.
C. El costobeneficio es una medida estimada de cómo se comparan los costos de un proyecto con los
ahorro esperado. Esta calificación no es un análisis formal de costobeneficio, sino una estimación de alto nivel. Si
se espera que los ahorros superen los costos asociados con un proyecto, el equipo clasifica la solución como alta.
De lo contrario, el equipo califica la solución como baja.
6. Los puntajes de efectividad, factibilidad y costobeneficio se multiplican para calcular un total
puntaje. El puntaje general se puede usar para priorizar soluciones y seleccionar la solución que presenta la mejor calificación
general de efectividad, factibilidad y costobeneficio.
Considere una matriz de selección de posibles soluciones creada con respecto al ejemplo de denegación de reclamaciones médicas utilizado
en el capítulo de análisis.
Página | 172
Machine Translated
Traducción by
automática Google
por
Google
Durante el capítulo de análisis, un análisis de Pareto indicó que los problemas de presentación a tiempo eran la causa principal de
las denegaciones de reclamaciones elevadas. En la matriz de selección de soluciones anterior, un equipo identificó y priorizó cuatro
posibles soluciones después de descubrir que los reclamos no se presentaron a tiempo porque el personal de facturación de reclamos no
tenía toda la información adecuada a tiempo.
La primera solución es exigir que la recepción recopile la mayor cantidad de información posible. El equipo le dio a esta solución una
calificación de efectividad de rango medio porque no aborda el hecho de que aún puede faltar información clínica en el
reclamo. Sin embargo, el proceso sería efectivo para recopilar información demográfica y no requeriría grandes gastos o
esfuerzos para implementarlo, por lo que el equipo lo calificó alto para las otras categorías.
Luego, el equipo consideró crear y solicitar un sistema de portal o correo electrónico para pacientes para que el personal de
facturación pudiera comunicarse rápidamente con los pacientes cuando faltaba información. Debido a que no todos los pacientes tienen
correo electrónico y es poco probable que muchos utilicen dicho sistema, el equipo clasificó esta solución como baja en cuanto a
factibilidad y efectividad.
La tercera solución que consideró el equipo fue exigir a los médicos que incluyeran toda la información necesaria para la facturación tal
como la registraron durante la visita al paciente. El equipo pensó que esta solución sería bastante efectiva, pero que sería poco
probable que los médicos se tomaran el tiempo para ser tan minuciosos al tratar los problemas de los pacientes. La solución también
podría retrasar las visitas al médico, lo que tendría un impacto negativo en
ganancia.
Finalmente, el equipo consideró una solución que puso a ciertos miembros del personal a cargo de los reclamos con información
faltante. Debido a que esos miembros del personal podrían concentrarse en los reclamos faltantes y trabajarían a través de un nuevo flujo
de trabajo creado por el equipo, sería más probable que presentaran los reclamos a tiempo. En general, el equipo
Página | 173
Machine Translated
Traducción by
automática Google
por
Google
clasificaron esta solución como la más alta, pero decidieron implementar ambas soluciones, la uno y la cuatro, porque la
solución uno requería muy poco esfuerzo y, de hecho, ayudaría a impulsar el éxito de la solución cuatro.
Análisis costebeneficio
Cuando los equipos incluyen a las personas adecuadas en el proceso, una matriz de selección de soluciones es muy adecuada para
identificar las mejores soluciones posibles para la implementación. Sin embargo, los consejos de liderazgo y los
patrocinadores ejecutivos a menudo desean más información sobre los costos y beneficios esperados para una solución, por lo
que los equipos deben estar preparados para crear un análisis de costos y beneficios. Los Black Belts a menudo tienen muchos de
los elementos necesarios para dicho análisis después de las fases de medición y análisis, pero es posible que los equipos también
deban trabajar con los departamentos de contabilidad, finanzas o planificación empresarial para obtener los detalles financieros precisos necesarios.
El objetivo de un análisis de costos y beneficios es comparar los costos de implementar una solución con los beneficios
monetarios esperados de la solución. Los costos incluyen gastos tales como desarrollo o compra de software, compra de equipos,
desarrollo o renovación de edificios, mano de obra o contratación adicional, gastos de capacitación, suministros adicionales y
cualquier pérdida asociada con la interrupción a medida que se implementa la solución.
Los beneficios pueden incluir un aumento en el margen del producto, aumento en los ingresos, ahorro o evitación de costos y
beneficios intangibles como el aumento de la moral del personal o la retención de clientes.
Los equipos de Six Sigma generalmente no están en condiciones de manejar un análisis detallado de costobeneficio como el
que podría realizar un contador certificado, pero pueden crear una idea de las relaciones de costobeneficio a través del método
de análisis de recuperación. Esta es la forma más sencilla de abordar dicho análisis y proporciona a los líderes un tiempo
estimado antes de que un proyecto "valga la pena".
Análisis de recuperación o pago Para
realizar un análisis de recuperación, los equipos de Six Sigma deben tener un costo estimado para el proyecto, así como el beneficio
financiero estimado por año. Recuerde, los beneficios financieros no solo incluyen aumentos en los ingresos. Los ahorros de
costos, los nuevos clientes o la mitigación de la pérdida de clientes pueden considerarse como una contribución a los
beneficios cada año. El equipo también necesita comprender los costos operativos estimados de una mejora para cada año.
La fórmula para este análisis es:
(Costo de implementación de la solución) / (Beneficios financieros anuales costos anuales)
Si la implementación de un proyecto cuesta $50 000 y $2000 por año en mano de obra adicional, y el equipo espera que el
proyecto genere $15 000 en beneficios financieros cada año, entonces el cálculo es:
$50,000 / ($15,000 $2,000)
$50,000/$13,000
O, aproximadamente 3,84 años hasta que el proyecto se pague solo.
Obviamente, los líderes organizacionales buscan cálculos de recuperación que sean lo más breves posible, pero si la solución resolverá
un problema importante o sentará las bases para un éxito extraordinario en el futuro, un tiempo de recuperación más largo no
necesariamente impide que se presente una solución. .
Página | 174
Machine Translated
Traducción by
automática Google
por
Google
Valor actual neto A
Una forma más concisa de calcular los costos y beneficios se conoce como valor actual neto o VAN. VPN ajusta beneficios y
costos a medida que pasa el tiempo porque el flujo de efectivo en el futuro no es tan valioso como el flujo de efectivo actual debido a la inflación y otros
factores económicos. La tasa de descuento para varios esfuerzos se puede calcular
utilizando el rendimiento esperado, las tasas de interés o las tasas de inflación. A menudo, los departamentos de finanzas corporativas pueden
proporcionar a los equipos de Six Sigma una tasa de descuento utilizada para el VAN de la empresa. A continuación se muestra un modelo NPV muy básico.
Este año primer año segundo año Tercer año general
Beneficios
Aumento de ingresos $10,000 $20,000 $30,000
Ahorro de costes $5,000 $10,000 $15,000
costos
Capital $20,000 $20,000
Equipo $15,000 $15,000
Capacitación $5,000 $5,000
Trabajar $2,000 $2,000 $2,000
Beneficios totales – $50,000 $13,000 $27,000 $3,000

Costo anual
VPN (5 por ciento con $12,350 $25,650 $2,850
descuento)
En este modelo, el equipo gastó $50 000 en la implementación de una solución y espera un gasto de mano de obra de $2000 asociado con la
solución cada año. Los beneficios estimados de la solución se registran durante los dos primeros años y todos
los beneficios y costos se suman para una vista de tercer año. El VPN se descuenta en un 5 por ciento y el número final se ve en la celda
inferior derecha: $2,850. El objetivo es un VAN positivo, por lo que este proyecto se ajusta a ese objetivo.
Prueba piloto de una solución
Una vez que se selecciona una solución y se realiza el trabajo para ponerla en producción a un nivel mínimo, el equipo de Six Sigma está listo
para un piloto. Un piloto es una prueba limitada de una solución en un entorno real. No importa cuánto análisis se haya completado o qué tan bien se
ejecutaron los casos de prueba, los equipos no pueden saber con certeza cómo una solución
Página | 175
Machine Translated
Traducción by
automática Google
por
Google
se comportará en el "salvaje". El entorno de producción en vivo siempre tendrá variables que los equipos no pueden tener en cuenta,
especialmente cuando hay personas involucradas en el proceso.
Los beneficios de un piloto limitado incluyen:
• El uso de recursos es limitado, lo que reduce el desperdicio si la solución resulta ser incorrecta o no es efectiva para resolver
el problema. •
Confirmación de que se producen los resultados esperados •
Permite la resolución de problemas de una nueva solución en una escala más pequeña para minimizar la interrupción durante la plena
transición
• Permita que los empleados fuera del equipo de Six Sigma brinden retroalimentación sobre la solución y
implementación para que la implementación final sea más exitosa
Los equipos no tienen que probar cada cambio que hacen. Se pueden realizar cambios simples o pequeños sin pruebas piloto,
siempre que los equipos documenten bien los cambios y midan los resultados para su verificación. Cuando los cambios son de gran alcance,
podrían tener consecuencias costosas o expansivas, o serían difíciles de revertir, los equipos deben comenzar con un piloto. Lo mismo es cierto
para cualquier solución que pueda ser costosa de implementar a gran escala.
Los pilotos pueden ocurrir en una escala limitada o por un tiempo limitado. Los pilotos de escala limitada incorporan una región, un equipo, un grupo
de personas o una maquinaria específica. Los pilotos por tiempo limitado implementan un cambio temporal; Al final de un tiempo programado, el
equipo toma una decisión sobre si el cambio debe hacerse permanente.
Los pilotos pueden ocurrir con procesos o productos. Los pilotos de procesos pueden presentar pruebas en ubicaciones específicas, pruebas
de resultados con algunos clientes, trabajar con algunos empleados para probar nuevos procesos o realizar ejecuciones en
seco de un proceso sin impacto para el usuario final. Los pilotos de productos se llevan a cabo utilizando mercados de prueba, modelos de
productos o pruebas alfa y beta del producto con ciertos usuarios finales.
Para crear un piloto, un equipo de Six Sigma primero debe seleccionar la audiencia para el piloto. Los pilotos de procesos internos pueden ser
realizados por un equipo selecto o por unos pocos empleados seleccionados. Los pilotos de productos externos se pueden realizar utilizando
un subconjunto de clientes. Para obtener los mejores resultados de la prueba piloto, evite sesgar los resultados seleccionando a los clientes con el
mejor desempeño posible o a los clientes que tienen más probabilidades de trabajar arduamente para garantizar que un producto
tenga éxito. Cuando la solución se implemente a gran escala, todos la utilizarán, por lo que debe asegurarse de que funcione para
todos.
Cuando sea posible, realice una prueba piloto a un nivel muy pequeño y luego amplíe la prueba piloto a una audiencia más amplia.
Esta es la premisa detrás de las pruebas alfa y beta. Un grupo muy pequeño de clientes leales prueba el producto primero, porque
sabe que le darán su opinión. A continuación, un conjunto ampliado de clientes prueba el producto después de que los equipos hayan realizado
cambios asociados con los comentarios del primer grupo de usuarios. Finalmente, si las pruebas limitadas tienen éxito, los equipos eligen
lanzar el producto a toda la audiencia.
Analizar resultados de pruebas y pilotos
Los expertos en Six Sigma pueden usar todas las herramientas asociadas con la fase de análisis para probar si las soluciones tienen un impacto
positivo durante las pruebas o los programas piloto. La prueba de hipótesis se puede utilizar para comparar datos anteriores a la solución con datos
posteriores a la solución, determinando si hay un cambio estadísticamente significativo y positivo. El análisis gráfico puede ser muy
útil para demostrar a los líderes ejecutivos cómo una solución ha tenido un impacto positivo en un problema al reducir los defectos, mejorar la
producción o la eficiencia o reducir los costos.
Página | 176
Machine Translated
Traducción by
automática Google
por
Google
implementacion de planificacion
Una vez que se han verificado las soluciones a través de pruebas y análisis, los equipos pueden comenzar el trabajo de implementar
cambios a gran escala. Los equipos deben crear y trabajar a partir de un plan de acción durante esta etapa vital y activa del proceso
DMAIC para garantizar que ningún plan o requisito se pase por alto. Durante la parte activa de la fase de mejora, es probable que
el líder del proyecto delegue numerosas actividades a los miembros del equipo, y el equipo también dependerá de los aportes y la
asistencia de personas ajenas al equipo Six Sigma. Mantener un documento de plan de acción ayuda a todos los miembros
del equipo a ver dónde se encuentran en el proceso, de qué son responsables y en qué fecha se debe completar el trabajo.
Si el equipo Six Sigma está trabajando con un gerente de proyecto, él o ella probablemente sea responsable de la documentación
y el seguimiento del plan de acción. Los equipos también pueden usar una hoja de cálculo básica o un documento de Word, que debe
guardarse en una ubicación común, para realizar un seguimiento del trabajo que se debe realizar y quién lo hará.
Porque cada proyecto es único, los planes de acción de mejora también lo son. La mayoría de los planes de acción contendrán
tareas comunes como documentación, capacitación y transición.
Documentación
Primero, el equipo Six Sigma debería haber documentado todo su trabajo hasta el momento durante el proceso DMAIC. Si se le
solicita, el cinturón negro o el miembro del equipo designado debe poder presentar un análisis en forma de tablas de datos, cálculos
estadísticos y explicaciones, y análisis gráfico. Todas las actividades y diagramas de lluvia de ideas deben guardarse en una
ubicación de archivo central donde todos los miembros del equipo puedan verlos y los miembros apropiados del equipo
puedan editarlos según sea necesario. El acceso a estos documentos ayuda a los miembros del equipo a trabajar de manera
eficiente en la documentación adicional necesaria para la implementación.
Casi cualquier organización requerirá que los procesos nuevos o los cambios en los procesos se registren en los procedimientos
operativos estándar. Dependiendo de la estructura organizativa de una empresa, los equipos de Six Sigma pueden ser responsables
de redactar dichos documentos o pueden necesitar trabajar con recursos de gestión del conocimiento para crear SOP de
acuerdo con la marca y las plantillas corporativas. Los equipos también pueden crear comunicaciones generales para informar a
otros miembros del personal sobre los próximos cambios y las razones de esos cambios, así como documentos de
referencia generales, como hojas de trucos y preguntas frecuentes.
Capacitación
La documentación sólida es clave para la siguiente parte de la implementación de mejoras, que es la capacitación del personal.
Los equipos de Six Sigma generalmente no están a cargo de la capacitación completa del personal sobre cualquier mejora que
realicen. En cambio, los equipos comienzan el proceso de capacitación trabajando con expertos en la materia de capacitación
o delegados en el departamento afectado por los próximos cambios. El equipo de Six Sigma capacita a estas personas, quienes
luego capacitan a otras personas que se verán afectadas por el proceso. En algún momento, el proceso de capacitación debe
integrarse en la capacitación organizacional regular por parte de capacitadores o departamentos de gestión del
conocimiento.
transición
Durante la fase de mejora de un proyecto DMAIC, los equipos deben comenzar a considerar la necesidad de hacer la transición
de un proceso de regreso al propietario del proceso comercial y tradicional. La transición es parte de la fase de control, pero los
equipos deben pasar de la mejora al control con una buena comprensión de cómo debe ser el proceso.
Página | 177
Machine Translated
Traducción by
automática Google
por
Google
medido y monitoreado. La sólida documentación y capacitación durante la fase de mejora ayuda a consolidar el éxito de la fase de
control.
Mejorar la lista de verificación de la puerta de peaje
o Las soluciones fueron revisadas y priorizadas. o Se
seleccionaron una o dos soluciones principales para la acción. o
Las soluciones se implementaron de forma limitada. o Se
analizaron datos de ensayos limitados y las soluciones parecen funcionar como se esperaba. o Se realizó
un análisis de costobeneficio. o El patrocinador,
campeón o comité directivo ejecutivo aprobó la implementación del
solución por completo.
o Todos los miembros del equipo están de acuerdo en que se debe implementar la
solución. o La solución está completamente documentada a través de SOP y materiales de
capacitación. o El personal crítico recibió capacitación sobre la solución y está preparado para transmitir esa capacitación a
otros.
Página | 178
Machine Translated
Traducción by
automática Google
por
Google
Capítulo 16: Control
La última etapa de un proyecto DMAIC es el control. Durante la fase de control, los equipos crean monitores que les permiten
garantizar que el proceso continúe funcionando correctamente después de que se implementen los cambios en el proceso
comercial habitual. Al mismo tiempo, los equipos de Six Sigma trabajan para hacer la transición del proceso de regreso a la
dueño del proceso.
Hasta este punto en el proceso DMAIC, los equipos de Six Sigma han trabajado con herramientas de análisis estadístico, y un Black
Belt u otro experto en Six Sigma ha estado presente para guiar a los miembros del equipo a través del análisis y la
interpretación. Si bien muchas organizaciones capacitan a los propietarios de procesos y otros empleados en los
fundamentos de Six Sigma, no siempre es cierto que un propietario de procesos y su equipo estén familiarizados con los
controles estadísticos que los expertos de Six Sigma han estado utilizando. Por eso, la documentación adecuada a través de un plan
de control y la educación sobre herramientas como los gráficos de control pueden ser necesarias para garantizar que los
equipos comerciales puedan mantener un proceso e identificar cuándo está fuera de control y necesita remediación.
Comprobar FMEA
En este momento, los equipos de Six Sigma podrían querer revisar la herramienta FMEA que se presentó originalmente en el
capítulo 13. Los equipos de Six Sigma utilizan inicialmente los modos de falla y el análisis de efectos para identificar fallas potenciales
en un proceso y las causas de esas fallas. En el capítulo 13, discutimos cómo FMEA enumeró los posibles puntos de falla y los
clasificó según la gravedad, la ocurrencia y la detección, calculando un número de prioridad de riesgo total.
Al final de la fase de mejora o al comienzo de la fase de control, los equipos de Six Sigma deben revisar el FMEA, anotando qué
acciones recomendadas se completaron y recalculando los números de prioridad de riesgo para el proceso mejorado. Hay dos
razones para revisar el FMEA. Primero, el equipo puede ver que se han producido cambios positivos y significativos debido a las
soluciones adaptadas durante la fase de mejora. Para cualquier causa raíz que coincida con una solución implementada, el equipo
esperaría ver una prioridad de riesgo menor
número.
En segundo lugar, un FMEA actualizado ayuda al equipo a identificar el siguiente problema o causa raíz que podría
abordarse. Recuerde, Six Sigma es una iniciativa de mejora continua. Es posible que el equipo haya implementado una
solución y alcanzado un objetivo de mejora, pero siempre se pueden realizar mejoras adicionales.
El control es un momento para revisar el proceso y sugerir posibles mejoras para futuros proyectos.
Crear un plan de control
Para facilitar el éxito continuo, los equipos Six Sigma deben crear un plan de control por escrito para el propietario del proceso.
El propósito de un plan de control es ayudar al propietario del proceso y al equipo comercial a rastrear y responder a los indicadores
clave de rendimiento para que el proceso siga mejorando. El plan de control debe ser un documento conciso y de fácil
referencia que le indique al equipo comercial cuándo monitorear, cómo monitorear, qué rango de datos es aceptable para el monitor
y cómo responder con una acción correctiva si el rango medido no es aceptable.
Página | 179
Machine Translated
Traducción by
automática Google
por
Google
Los planes de control pueden ser hojas de cálculo, documentos digitales especializados o documentos impresos publicados en una estación de
trabajo. Los elementos comunes de un plan de control incluyen:
• Nombre de la empresa, división o departamento • Nombre
de la persona que creó el plan • Fecha del plan
fue creado • Nombre de la persona
quién editó el plan por última vez • Fecha de la última vez que se editó el plan
editado • Nombre del proyecto y/o proceso
o identificador
• Dueño del proceso
• Lista de pasos del proceso donde se requiere una acción de control • CTQ o
métrica asociada con cada acción requerida • Especificaciones de
límites, o el rango aceptable de medidas
• La unidad de medida
• El método de medición
• El tamaño de muestra necesario •
La frecuencia de medición • La
persona responsable de la medición • Dónde se registra la
información
• Acciones de corrección
• Documentos de políticas y procedimientos asociados
Al analizar la calidad en el capítulo 8, presentamos el ejemplo de una empresa que fabrica barras de chocolate y notamos que la cantidad de azúcar en
la receta de la barra de chocolate era fundamental para la experiencia del cliente con el producto final.
Si un equipo de Six Sigma tuviera la tarea de mejorar la satisfacción del cliente con un nuevo producto de barra de chocolate, podría haber implementado
una solución que garantice que se agregue la cantidad adecuada de azúcar a la mezcla a la temperatura adecuada para incorporar el
ingrediente adecuadamente.
Un plan de control para la nueva solución de barra de chocolate podría parecerse al siguiente documento.
Empresa: Dulces XYZ Plan de Control Creado por: Joe Black Belt
Proceso: adición de azúcar, mezcla de materias primas Plan de Control Creado el: 4 de enero de 2012
Propietario del proceso: Sue Processor
Paso de proceso Adición de azúcar al lote Calentamiento de lote
CTQ/métrico Importe total añadido al lote
Temperatura media durante la
mezcla
LSL: 105F
especificación de límite LSL: 4,90 tazas
EE.UU.: 110F
USL: 5,10 tazas
Unidad de medida
Tazas grados F
Página | 180
Machine Translated
Traducción by
automática Google
por
Google
Método de medición
Tazón de prueba de azúcar de 6 tazas Leer termómetro digital
integrado en la máquina
mezcladora
un lote
Tamaño de la muestra 3 lecturas, con 2 minutos de diferencia,
durante la mezcla
Frecuencia cada 2 horas cada 2 horas
empleado operador mezclador operador mezclador
registrar datos en
Hoja de cálculo de registro de operaciones de mezcla Hoja de cálculo de registro de operaciones de mezcla
Acción correctiva Apague la máquina, deseche el
Mida manualmente la cantidad
correcta para el lote actual para
lote mal calentado e informe el problema
permitir el procesamiento, calibrar la de calibración de temperatura a
máquina dispensadora de azúcar
mantenimiento.
siguiendo SOP 100.54, probar el desembolso
de azúcar para el primer lote
después de la calibración para asegurar
se resuelve el problema. Informe el
problema al supervisor.
El plan de control de ejemplo anterior proporciona instrucciones para dos pasos específicos en el proceso con requisitos de monitoreo y
medición fáciles de entender. Para reducir la posibilidad de errores, el equipo de Six Sigma incluso ha especificado una herramienta de
medición especial para medir el azúcar en el lote de prueba para que cada operador que realice las mediciones del monitor use la misma
herramienta.
Al final del documento de control, el equipo proporciona pasos para la acción correctiva. El primer paso puede ser corregido por el operador,
quien tiene la capacidad de calibrar la máquina por sí mismo. La calibración de temperatura en este caso no puede ser realizada por el operador,
lo que significa que el proceso debe detenerse para que alguien pueda atender el problema. Tenga en cuenta que siempre es preferible, cuando
sea posible, construir una acción correctiva a nivel de proceso, como se hizo con la medición de azúcar. Esto minimiza el tiempo
de inactividad, otorga a los empleados un mayor control de los procesos que poseen y ayuda a los empleados a permanecer involucrados
en el proceso de calidad.
El plan de control anterior asume que se deben tomar o registrar mediciones manuales. De manera óptima, los equipos de Six Sigma deberían
buscar formas de automatizar las mediciones, lo que significa que los datos se pueden recopilar continuamente y convertir en controles de
procesos estadísticos, como gráficos de control. La recopilación de datos automatizada no significa que no sea necesario un plan
de control, solo significa que un plan de control no incluirá instrucciones para recopilar los datos. En su lugar, se puede indicar a los
empleados y propietarios de procesos que revisen los datos automatizados o los gráficos de control y tomen medidas si es necesario.
También notará que los requisitos de especificación indicados anteriormente se proporcionan con LSL y USL. LSL es el límite de especificación
inferior y USL es el límite de especificación superior. Estos son los límites superior e inferior del rango aceptable.
Página | 181
Machine Translated
Traducción by
automática Google
por
Google
manejo visual
Además de proporcionar un plan de control, los equipos Six Sigma pueden implementar controles visuales específicos en un lugar de
trabajo para ayudar a los equipos comerciales a mantener un proceso controlado. Algunas de estas herramientas se trataron en el capítulo
4 sobre la gestión de procesos Lean, incluidas las 5S. Otros controles visuales que los equipos pueden implementar incluyen letreros,
matrices e instrucciones publicadas, tableros de auditoría que permiten a los equipos realizar un seguimiento del desempeño individual o
grupal a lo largo del tiempo, códigos de colores y señales de seguridad.
Los procedimientos operativos estándar a menudo se pueden resumir en representaciones visuales en carteles. Una cafetería, por ejemplo,
podría proporcionar a los empleados una representación visual de los ingredientes que se utilizan para crear varios sabores de
bebidas complejas. Dicho cartel garantiza que los empleados puedan preparar bebidas rápidamente y reducir los errores en la inclusión de
ingredientes.
Otras visualizaciones de SOP pueden incluir procedimientos de seguridad en un entorno médico, como recordatorios visuales para
lavarse las manos y representaciones pictóricas breves sobre cómo operar equipos como camas de hospital. En un entorno de oficina, las
instrucciones pictóricas se encuentran en las fotocopiadoras, donde las imágenes indican cómo se debe cargar el papel y los gifs
visuales a menudo se muestran en las pantallas LED para ayudar a los empleados a eliminar el papel atascado. Estos son algunos ejemplos
que los equipos de Six Sigma pueden seguir al crear documentos que ayudarán al personal comercial a aceptar la propiedad de un
proceso mejorado y mantener las mejoras realizadas.
Gráficos SPC
Uno de los métodos más comunes que utilizan los equipos Six Sigma para monitorear un proceso es el gráfico de control. Existen varios
tipos de gráficos de control, y los expertos en Six Sigma deben elegir el gráfico de control correcto para el tipo de datos y el propósito
analítico.
Ahora, cubriremos las pruebas visuales que le permiten a un equipo de Six Sigma o al propietario del proceso saber que un proceso está fuera
de control.
Un gráfico de control básico tiene los siguientes elementos:
• Un gráfico de líneas de datos con puntos de trazado para puntos de datos específicos
• Una línea de barra x que representa el promedio de los puntos de datos • Líneas
por encima y por debajo de la línea de barra x que representan 1, 2 y 3 desviaciones estándar de la mediana en
cualquier dirección
• Una línea de límite de control superior (UCL) a 3 desviaciones estándar por encima de la mediana • Una
línea de límite de control inferior (LCL) a 3 desviaciones estándar por debajo de la mediana
Página | 182
Machine Translated
Traducción by
automática Google
por
Google
Arriba hay un ejemplo de un gráfico de control. La línea media, que es negra, es la línea de barra x. La línea de la barra x está delimitada por líneas
verdes en ambos lados, lo que indica 1 y 2 desviaciones estándar de la línea media.
Esas líneas están delimitadas por líneas naranjas a ambos lados: en la parte superior, el límite de control superior y en la parte inferior,
el límite de control inferior. Entre las distintas líneas hay áreas del gráfico de control, designadas como C, B y A que van en cualquier dirección.
Estas distintas áreas son importantes para comprender si un proceso podría estar fuera de control. También se denominan Zonas 1, 2 y 3.
Un gráfico de control se muestra mejor mediante un sistema o panel de control automatizado, donde los propietarios del proceso o los
empleados responsables pueden verlo según sea necesario. Si la recopilación de datos automatizada y los gráficos de control no son
posibles, entonces se puede asignar a un analista comercial la tarea de recopilar datos y presentarlos en este formato periódicamente, aunque
es menos probable que el análisis gráfico periódico detecte un problema de control dentro de un proceso.
Pruebas de Control Estadístico de Procesos: Gráficas de Control
Existen ocho pruebas que pueden decirle rápidamente a alguien que está viendo un gráfico de control si un proceso está fuera de control.
• Prueba uno: aparece un solo punto en el gráfico de control fuera del control superior o inferior.
límites. Si esto ocurre, los propietarios de procesos deben tomar medidas inmediatas, ya que es evidencia de un problema importante
dentro de un proceso. Si bien existe una posibilidad muy remota de que se produzcan aleatoriamente cambios fuera de las tres
desviaciones estándar, la probabilidad es de solo 3 en 1000.
• Prueba dos: Nueve puntos seguidos aparecen en un lado de la línea central. Esto indica que ocurrió un cambio en el proceso; si el
propietario del proceso sabe qué cambio causó el cambio y fue un cambio intencional, no se necesita hacer nada y el gráfico de
control se corregirá con el tiempo con los nuevos datos. De lo contrario, el propietario del proceso debe investigar el proceso. •
Prueba tres: Seis puntos en el gráfico de control aumentan o disminuyen en una fila, lo que indica que el proceso
se está volviendo menos o más eficiente o está generando menos o más errores. Los propietarios de procesos deben investigar a menos
que exista una razón conocida para la tendencia. • Prueba cuatro: Catorce puntos en el gráfico de control en una fila se alternan
moviéndose hacia arriba y hacia abajo. Este podría indicar variación en
máquinas, empleados, turnos o corrección excesiva.
• Prueba cinco: Dos de tres puntos en una fila en el gráfico de control están en la sección A superior o en la sección A inferior. Esto podría
indicar algún tipo de causa especial que crea una variación alta repentina.
Página | 183
Machine Translated
Traducción by
automática Google
por
Google
• Prueba seis: cuatro de los cinco puntos seguidos en el gráfico de control están ubicados en la sección B superior (o más allá) o
en la sección B inferior (o más allá). Esto puede indicar un problema de causalidad importante o un problema de cambio
similar al de la prueba cuatro.
• Prueba siete: Quince puntos en una fila están ubicados dentro de la sección C por encima o por debajo de la
línea central Esto puede indicar que los límites de control ya no son relevantes para el proceso; si un equipo ha mejorado la
variación de un proceso, debe volver a calcular los límites de control para nuevos parámetros.
Alternativamente, esto podría ocurrir temporalmente cuando la variación a corto plazo es alta o baja en relación con el resto
de los puntos en un gráfico de control. • Prueba
ocho: ocho puntos seguidos en el gráfico de control están ubicados a cada lado del centro
línea, pero ninguno está ubicado en la sección C por encima o por debajo de la línea. Esto podría indicar un problema de
recursos o procesos mixtos; Un equipo podría pensar que está midiendo un solo proceso cuando en realidad está midiendo
dos procesos, por ejemplo. Alternativamente, podría indicar una gran diferencia en el procesamiento de dos
empleados o equipos.
Cuando es posible crear gráficos de control y mostrar datos actuales de forma regular, estos gráficos son una buena adición a un plan de
control. Las personas no tienen que estar bien versadas en el control de procesos estadísticos para aprender sobre las ocho pruebas, y los
equipos comerciales con el beneficio de los gráficos de control pueden dedicar más tiempo a trabajar en la producción o corregir
problemas y menos tiempo a recopilar y documentar mediciones.
Control versus capacidad Es
importante tener en cuenta la distinción entre un proceso controlado y uno que es capaz de cumplir con los requisitos del cliente.
Tocamos este concepto en la unidad 1: los procesos controlados no tienen mucha variación. Los procesos capaces no tienen
mucha variación y los resultados se centran en los requisitos del cliente. Esta es la razón por la que tanto los límites de control
como los límites de especificación son importantes.
Considere el ejemplo que se usó anteriormente en este capítulo sobre el azúcar en la mezcla de chocolate. Los límites de
especificación oscilaron entre 4,9 y 5,1 tazas de azúcar en cada lote. Es posible que un gráfico de control muestre que el proceso está
bajo control si las medidas oscilan entre 3,5 y 3,6 tazas de azúcar por lote, pero el propietario del proceso debe saber que esas
medidas no contribuirán a un producto que cumpla con los requisitos críticos. requisitos de calidad del cliente.
Para comprender cómo se está desempeñando un proceso frente a los límites de especificación, los equipos Six Sigma pueden
calcular el nivel sigma y la capacidad del proceso.
Nivel sigma El
nivel sigma es el número de desviaciones estándar entre el centro de proceso actual, medido por la mediana, y el límite de especificación
más cercano (no el límite de control). La ecuación para el nivel sigma es el menor de los siguientes cálculos:
ÿ ÿ
ÿ ÿ
Por ejemplo, si un proceso tiene un USL de 5 y un LSL de 3, una desviación estándar de 0,25 y una mediana de 4,2, entonces calcularía
a partir del USL, ya que la mediana está más cerca del USL.
Página | 184
Machine Translated
Traducción by
automática Google
por
Google
5ÿ4.2
.25
= 3.2 = nivel sigma
Capacidad del proceso
La capacidad del proceso se calcula dividiendo el nivel sigma por 3. En el caso del ejemplo, la capacidad es 1,06.
La capacidad del proceso se denota como Cpk. Una capacidad de proceso de 1,33 equivale a un nivel sigma de 4, que es lo que
la mayoría de los expertos consideran el nivel mínimo en el que la mayoría de los clientes estarán satisfechos. Bajo el control de
procesos estadísticos, muchas organizaciones apuntan a una capacidad de proceso de 2.0 con una capacidad de proceso
aceptable mínima de 1.5.
Celebración y reflexión del equipo
Cuando los equipos de Six Sigma consideran que las mejoras y el proceso relacionado son capaces y están bajo control, y han
devuelto esos procesos al control del propietario del proceso y del negocio, deben tomarse un tiempo para celebrar y reflexionar
sobre el resultado del proyecto. Esto generalmente se hace después de la revisión final del peaje con un patrocinador o
campeón, y puede ser una reunión rápida para cerrar cabos sueltos, reconocer el trabajo realizado por el equipo y discutir las
lecciones aprendidas dentro del proceso.
La reunión de celebración y reflexión también es un buen momento para que los miembros del equipo aporten ideas para
posibles proyectos de mejora. Si bien las mejoras, y los problemas y causas relacionados, todavía están frescos en la mente del
equipo, pueden generar ideas de manera efectiva para los próximos pasos. Al igual que con cualquier sesión de
lluvia de ideas, ninguna idea debe descartarse automáticamente porque parece tonta, sería demasiado difícil de implementar, es
demasiado costosa o parece demasiado grande. No todas las ideas se convertirán en proyectos futuros, pero los
aportes del equipo brindan información valiosa que el Black Belt puede compartir más adelante con los paneles de liderazgo de
Six Sigma.
Lista de verificación de control de peaje
o El equipo ha calculado el rendimiento y la capacidad del nuevo proceso o
El equipo ha escrito un plan de control y se lo ha comunicado al propietario del proceso. o El equipo ha
creado un monitor para el proceso, ya sea a través de procedimientos para la recopilación manual de datos o
la generación automatizada de gráficos de control.
o El equipo ha proporcionado al propietario del proceso y al equipo comercial todas las herramientas y la información.
necesarios para mantener las mejoras
o El patrocinador, campeón o liderazgo ejecutivo ha sido informado sobre el estado de la
mejoras
o El equipo se reunió para reflexionar sobre el proyecto y generar una lista de ideas para futuras mejoras
Página | 185
Machine Translated
Traducción by
automática Google
por
Google
Página | 186
Machine Translated
Traducción by
automática Google
por
Google
Unidad 4: Estadísticas para principiantes
Capítulo 17: Análisis gráfico intermedio
El análisis gráfico es una parte crítica del enfoque Six Sigma. Siempre que los datos o las ideas se puedan mostrar en un formato visual, las tendencias de datos
obvias se pueden identificar y comunicar rápidamente. El análisis visual es extremadamente útil cuando se presentan ideas a personal auxiliar o ejecutivos,
que pueden no estar capacitados en estadística intermedia o avanzada. El cinturón negro u otros expertos en Six Sigma tienen la capacidad de contar la
misma historia que cuentan las estadísticas, pero en un formato que cualquiera puede entender. Las representaciones visuales son herramientas que facilitan
que los profesionales o patrocinadores de Six Sigma vuelvan a contar la historia a otros, lo que puede ser útil para la capacitación, la creación de aceptación
cultural para un cambio de proceso o incluso las solicitudes de recursos.
A lo largo de las primeras tres unidades de este libro, hemos discutido una serie de herramientas de análisis gráfico, que incluyen:
• Diagramas de Pareto en los capítulos 5 y 14 •
Gráficos de ejecución en el capítulo 13 •
Diagramas de caja en el capítulo 14 •
Introducción a los gráficos de control en el capítulo 16 •
Introducción a los diagramas de dispersión en el capítulo 14
En este capítulo, analizaremos herramientas de análisis gráfico adicionales, incluidos gráficos de barras y gráficos circulares. También veremos nuevamente los
diagramas de dispersión y cómo crearlos en Excel. En el Capítulo 16, aprendió sobre los componentes de un gráfico de control de barra X y cómo saber si un
gráfico de control indica que un proceso podría estar fuera de control. En este capítulo, recorreremos los pasos para crear manualmente un gráfico de control
de barra X en Excel. Finalmente, aprenderá a instalar un complemento de análisis de datos para varias versiones de Excel. El complemento proporciona una
funcionalidad que será relevante en los próximos capítulos.
Herramientas adicionales de análisis gráfico
Al igual que con muchas otras áreas de la metodología Six Sigma, puede ser fácil exagerar cuando se trata de análisis gráfico, especialmente cuando se
presenta información a otros. Con tantas herramientas a su disposición, es tentador elegir el gráfico nuevo, emocionante o más complejo. Sin embargo, a
menudo eso significa gastar tiempo sin valor agregado creando una herramienta visual cuando una herramienta más fácil haría el trabajo. Si recuerda
el capítulo 4, este sería un ejemplo de sobreprocesamiento que se debe evitar.
Considere los dos cuadros a continuación para comprender cuándo podría estar ocurriendo un procesamiento excesivo con respecto al análisis gráfico.
Página | 187 ©
Machine Translated
Traducción by
automática Google
por
Google
Ambos cuadros son una representación gráfica de la misma información. El primero es un gráfico de barras simple que se
creó con unos pocos clics en Excel. El segundo es un diagrama de Pareto, también creado en Excel pero que requiere muchos
más clics del mouse. En este caso particular, no es necesario un diagrama de Pareto para transmitir la información requerida.
Los datos son lo suficientemente diversos como para que cualquiera pueda ver al mirar el gráfico de barras que el vendedor E
es responsable de muchos de los errores. En este caso particular, un diagrama de Pareto está exagerando la conclusión y no
es necesario crearlo si se requiere trabajo adicional.
En este ejemplo, es posible que no se requiera una representación visual de los datos: la conclusión es obvia. Al observar
los datos sin procesar a continuación, puede ver rápidamente que el empleado E tiene el triple de errores que el siguiente
empleado más alto. Sin embargo, incluso cuando los datos sin procesar facilitan el análisis, muchos expertos en Six Sigma se
toman el tiempo para crear una representación gráfica con fines de presentación. Un gráfico es más atractivo visualmente y más
rápido de leer que una tabla de datos.
Página | 188
Machine Translated
Traducción by
automática Google
por
Google
Sales
errores
empleado
A 10
B. 5
C. 2
D. 9
Y 3. 4
F 7
GRAMO. 3
El análisis gráfico más simple no siempre es la mejor opción, especialmente cuando los elementos de datos no son tan obvios de notar. Un análisis más complejo podría
necesario para descubrir valores atípicos, relaciones y tendencias.
Incluso cuando las conclusiones sobre los datos parecen obvias, no siempre son correctas. Esto es especialmente cierto cuando se trata de la relación o correlación
entre los factores de un proceso.
Como experto en Six Sigma, lleva tiempo poder elegir rápidamente qué tipo de análisis gráfico representará mejor los datos disponibles. también es importante
tenga en cuenta que la mejor opción para el análisis gráfico se basa tanto en las preguntas que se hacen como en los datos mismos. en el ejemplo
anterior, el gráfico de barras básico es una buena opción para un equipo que quiere saber de dónde pueden provenir los errores. Si el equipo estuviera comparando errores con
los tiempos de turno que se están trabajando, el gráfico de barras no sería útil.
Si bien es cierto que no desea perder tiempo y espacio presentando datos de una manera que no es útil, o podría considerarse muda de sobreproducción,
lo mismo no siempre es cierto cuando se trata de análisis. En la etapa de análisis de un proyecto DMAIC, Black Belts y otros expertos Six Sigma
a menudo trabajan con numerosas herramientas de análisis gráfico mientras intentan comprender los datos. La necesidad de ver los datos de varias maneras es una de las razones por las que la estadística
el software de análisis es útil: dicho software elimina parte del trabajo manual de crear estos cuadros y gráficos. Trabajo de prueba y error con todos los tipos.
de las herramientas de análisis Six Sigma también lo ayuda a aprender a identificar qué herramientas se adaptan mejor a cada situación.
En esta sección, discutiremos algunas herramientas que no se han presentado hasta ahora, cubriendo beneficios, limitaciones y cómo crear las herramientas en
Excel sin software de análisis estadístico cuando sea necesario.
Gráficos de barras uno
Uno de los mayores beneficios de los gráficos de barras es que son reconocibles y fáciles de leer. Casi cualquier empleado de una empresa puede obtener información
de un gráfico de barras con el formato adecuado sin instrucciones ni orientación, lo que los convierte en una excelente opción para presentaciones de uso general y materiales de capacitación.
Los gráficos de barras también son fáciles de crear, por lo que son un método preferido de ilustración en presentaciones e informes.
Otros beneficios incluyen:
• La capacidad de resumir grandes conjuntos de datos en un formato visual simple • La capacidad de aclarar tendencias • La
hecho de que la mayoría de la gente puede estimar fácilmente
valores importantes en un gráfico de barras bien formateado • La capacidad de verificar datos visualmente e identificar áreas donde los datos pueden estar sesgados • La capacidad
para mostrar fácilmente conjuntos de datos que varían por encima y por debajo de cero en el mismo gráfico
Página | 189 ©
Machine Translated
Traducción by
automática Google
por
Google
Los gráficos de barras generalmente requieren datos nominales u ordinales, datos que se clasifican según información cualitativa. Cuando
mostrando datos nominales, a menudo es beneficioso crear un gráfico de estilo Pareto para que el lector pueda ver instantáneamente cómo la población
se relaciona con las categorías. Los datos ordinales generalmente involucran su propio orden lógico para la presentación. Por ejemplo, si los individuos son
se le pidió que clasificara la satisfacción con un producto como muy satisfecho, algo satisfecho, neutral, insatisfecho y muy insatisfecho,
entonces, por lo general, no querrá cambiar el orden de esa presentación en un gráfico de barras.
Los gráficos de barras no están exentos de limitaciones. Dependiendo de lo que se presente, es posible que se requiera una narrativa adicional para explicar
el gráfico. Los gráficos de barras a menudo no revelan información clave sobre tendencias que no forman parte del diseño específico del gráfico.
y rara vez proporcionan por sí solos datos detallados sobre causas o patrones en los datos. Por último, es fácil manipular los colores,
orden y diseño de un gráfico de barras para influir en el mensaje que se lleva su audiencia. Los expertos en Six Sigma siempre deben elegir el
mejor formato para mostrar las verdades fundamentales, pero nunca deben formatear un gráfico para crear la impresión de que
podría no estar de acuerdo con los datos estadísticos detrás de la representación gráfica.
Crear un gráfico de barras en Excel
Cree sus propios gráficos de barras en Excel comenzando con tablas de datos de datos nominales u ordinales relevantes.
Copie la siguiente tabla de datos en Excel para practicar la creación de gráficos de barras o use datos relevantes para sus propios procesos o proyectos.
La tabla de datos de muestra proporciona el número total de llamadas telefónicas experimentadas por un equipo de centro de llamadas de servicio al cliente regional
para cada hora en un día en particular.
teléfono
Hora llamadas
8:00
soy 78
9:00
soy 89
10:00
AM 107
11:00
AM 118
12:00
PM 149
1:00
PM 147
2:00
PM 105
3:00
PM 90
4:00
PM 97
5:00
PM 85
6:00
PM 178
Página | 190
Machine Translated
Traducción by
automática Google
por
Google
7:00
PM 198
8:00
PM 145
9:00
PM 57
1. Resalte las columnas que contienen los datos que desea graficar, así como las etiquetas para esos datos.
En este caso, el dato es el número de llamadas y las etiquetas son las horas.
2. Seleccione Insertar > Gráfico > Gráfico de barras
3. Para este ejemplo, la forma más simple de gráfico de barras es adecuada.
4. Utilice las herramientas de formato de Excel que desee para personalizar el título, los colores y las etiquetas del gráfico.
Página | 191
Machine Translated
Traducción by
automática Google
por
Google
La mayoría de las versiones de Excel ofrecen varios tipos de gráficos de barras y puede experimentar con estos diversos
formatos para ver cómo muestran sus datos. Algunas notas sobre formatos comunes se incluyen a continuación.
Columna vs Barra
Técnicamente, lo que comúnmente se conoce como gráfico de barras, y lo que hemos estado llamando gráfico de barras aquí, es un
gráfico de columnas. Las columnas visuales que representan cada categoría de datos se elevan verticalmente. Un gráfico de
barras literal muestra la misma información horizontalmente. La mayoría de las versiones de Excel le permiten elegir entre
las dos pantallas. La información de la tabla de datos de ejemplo se presenta a continuación en un gráfico de barras horizontales.
Página | 192
Machine Translated
Traducción by
automática Google
por
Google
Gráficos de barras y columnas en 3D
Los gráficos mostrados hasta ahora en este capítulo son todos bidimensionales. Excel también puede ayudarlo a crear gráficos
tridimensionales para agregar atractivo visual a una presentación. Los gráficos en 3D son útiles si está presentando varios gráficos de apariencia
similar en una fila, ya que ayudan a diferenciar la información en su presentación. También podría ser útil crear gráficos más atractivos
visualmente simplemente para capturar la atención de la audiencia de manera más completa. Aquí hay un ejemplo de los mismos
datos usados anteriormente en un gráfico 3D.
Gráficos de barras apiladas
Los gráficos de barras apiladas le permiten mostrar los datos nominales u ordinales totales para cada categoría y al mismo tiempo dividir esa
información en categorías codificadas por colores. Por ejemplo, si el equipo de Six Sigma que analiza las llamadas telefónicas por hora quisiera
mostrar datos que incluyeran cuántas llamadas fueron manejadas por equipos separados dentro de un departamento, el gráfico de barras podría
parecerse a la imagen a continuación.
Página | 193
Machine Translated
Traducción by
automática Google
por
Google
Crear un gráfico de barras apiladas para
Para crear un gráfico de barras apiladas, debe tener datos ordinales o nominales divididos en categorías. Las categorías deben ser las
mismo para cada conjunto de datos, de modo que el total de los números de la subcategoría sea igual al total de la categoría principal. Por ejemplo, si usted
tiene tres bolsas de canicas, es posible que tenga datos que
dice:
cantidad de canicas
Bolsa
1 10
2 3
3 quince
Tras un análisis más detallado, te das cuenta de que tienes canicas en tres colores: rojo, azul y amarillo.
bolsa 1 bolsa 2 bolsa 3
Red 7 1 5
amarillo 3 1 8
Azul 0 1 2
La bolsa 1 no incluye canicas azules, pero debe incluir el azul como categoría para la bolsa 1 porque es una categoría en las otras dos bolsas. Simplemente ponga un
0 en ese campo de datos. Notará que los totales de las subcategorías debajo de cada bolsa se suman a la
cantidad de canicas en cada bolsa. Siguiendo estas pautas, incluyendo todas las subcategorías para cada sección y asegurando el
las subcategorías totalizan correctamente: lo ayuda a crear gráficos de barras apiladas precisos.
Examine la siguiente tabla de datos, que muestra el desglose de llamadas por equipos en el centro de llamadas.
teléfono
Hora llamadas Equipo A Equipo B
8:00
soy 78 35 43
9:00
soy 89 40 49
10:00
AM 107 57 cincuenta
11:00
AM 118 90 28
12:00
PM 149 42 107
1:00
PM 147 77 70
Página | 194
Machine Translated
Traducción by
automática Google
por
Google
2:00
PM 105 57 48
3:00
PM 90 cuatro Cinco cuatro Cinco
4:00
PM 97 72 25
5:00
PM 85 64 veintiuno
6:00
PM 178 98 80
7:00
PM 198 89 109
8:00
PM 145 77 68
9:00
PM 57 54 3
1. Resalte las celdas que contienen los datos que desea incluir en su gráfico de barras apiladas, así como las celdas que contienen
las etiquetas de datos.
2. Seleccione Insertar > Gráficos > Gráficos de barras > Gráfico de barras apiladas
3. Use las opciones de formato de Excel para editar títulos, colores y etiquetas de datos como desee.
Página | 195
Machine Translated
Traducción by
automática Google
por
Google
Gráficos circulares
El gráfico circular es otra herramienta visual con la que casi cualquier empleado en un entorno empresarial estará familiarizado, por lo
que es una buena opción para mostrar ciertos tipos de información. La información ordinal y nominal también se puede
mostrar en un gráfico circular con el objetivo principal de representar visualmente cómo se relaciona cada categoría con el todo. La
sabiduría convencional dice que use un gráfico circular cuando los números que está representando suman 100, pero este no tiene por
qué ser el caso. Excel convierte valores en porcentajes para crear gráficos circulares. Considere el siguiente gráfico circular, que
representa gráficamente los números 8, 5 y 4. Excel considera cada uno de estos números contra el "pastel" total de 17. La sección azul,
que representa el 47 %, corresponde a los datos sin procesar 8/17.
Los beneficios de los gráficos circulares incluyen:
• La capacidad de resumir grandes cantidades de tipos de datos específicos en un formato visual. •
Simplicidad; el gráfico circular es uno de los tipos de gráficos más simples • La
capacidad de identificar problemas obvios con datos o cálculos • Los gráficos circulares
generalmente requieren muy poca explicación adicional cuando se etiquetan correctamente • Los
gráficos circulares muestran la relevancia de los datos de un subconjunto dentro de un conjunto de datos total
El hecho de que los gráficos circulares se utilicen constantemente en entornos empresariales es tanto una ventaja como una
desventaja para los equipos y expertos de Six Sigma. Cuando los datos se pueden representar en un gráfico circular, el experto en Six
Sigma generalmente tiene que crear menos narrativa para transmitir un punto potencial. Al mismo tiempo, los gráficos circulares no
siempre tienen el peso que tendría una representación estadística más avanzada porque los empleados de negocios están muy
acostumbrados a verlos. Otras desventajas de los gráficos circulares incluyen el hecho de que se pueden manipular de la misma manera
que los gráficos de barras, por lo general no muestran fácilmente los cambios a lo largo del tiempo y puede ser difícil visualizar los valores
exactos cuando se les presenta un gráfico circular.
Crear un gráfico circular en Excel
Practique la creación de un gráfico circular en Excel utilizando la siguiente tabla de datos, que registra cuántos minutos se dedican en
promedio a cada paso de un proceso. También puede usar datos relevantes para su propio proceso o proyecto para crear un gráfico
circular de práctica si lo desea.
Página | 196
Machine Translated
Traducción by
automática Google
por
Google
proceso
minutos
pasos
A 14
B. 18
C. 41
D. 64
Y 12
F 4
GRAMO.
3
h 7
yo 23
j 18
1. Resalte la columna de datos que desea graficar, así como las etiquetas de datos. En el ejemplo, estamos
Los gráficos de la cantidad de minutos y los números de proceso son las etiquetas de datos.
2. Haga clic en Insertar > Gráfico > Gráfico circular
3. Utilice las herramientas de formato de Excel para realizar los cambios de color, título y etiquetas que desee.
Página | 197 ©
Machine Translated
Traducción by
automática Google
por
Google
Del gráfico circular creado para nuestros datos de muestra, podemos ver que aproximadamente la mitad del tiempo total del
proceso está relacionado con solo dos pasos en el proceso de 10 pasos. También podemos ver rápidamente qué pasos toman
más tiempo en promedio y cuáles son los más cortos, aunque no podemos sacar ninguna conclusión sobre el tiempo real
solo con este gráfico.
Al igual que con los gráficos de barras, puede aprovechar las opciones de Excel para crear gráficos circulares tridimensionales.
Una función particularmente útil es la función Pastel de pastel en Excel, que le permite crear un gráfico circular general y crear
un segundo gráfico circular para profundizar en ciertas áreas de la estructura más grande. Considere un gráfico circular de
circular a continuación, que representa los mismos datos del gráfico circular anterior.
Página | 198
Machine Translated
Traducción by
automática Google
por
Google
El gráfico circular original representaba 10 pasos. La ilustración anterior muestra un gráfico circular grande con un gráfico secundario. El gráfico circular
grande parece mostrar 7 pasos, pero este gráfico circular muestra la misma información que el anterior.
Sin embargo, cuatro pasos del proceso se mencionan en un cuadro más pequeño para que pueda ver cómo se relacionan mejor entre sí. Esos
cuatro pasos combinados forman la séptima porción azul oscuro del pastel más grande. Esto hace que sea más fácil señalar la relevancia de las
categorías de datos más pequeñas dentro del conjunto o enfatizar un área determinada del gráfico.
Sin embargo, debe tener cuidado de que el espectador no asigne relevancia o importancia basándose únicamente en el tamaño de las piezas del pastel.
La porción gris del gráfico secundario anterior es más grande que algunas de las otras porciones del gráfico más grande, pero eso no significa que
ese paso lleve más tiempo. El pastel más pequeño debe considerarse una vista a gran escala de una pequeña parte del gráfico general. En este
caso, esa pequeña pieza tiene en cuenta cuatro de los pasos.
Diagramas de dispersión XY
Presentamos los diagramas de dispersión muy brevemente en el capítulo 14 y los revisaremos en profundidad en capítulos posteriores
sobre modelado de correlación y regresión. En esta sección, cubriremos cómo crear un diagrama de dispersión en Excel con cualquier
complemento de análisis. En el capítulo 19, usaremos un complemento para Excel para realizar algunos análisis estadísticos mientras creamos diagramas
de dispersión.
Los diagramas de dispersión son beneficiosos porque pueden ayudar a los equipos a ver visualmente la relación entre dos factores en un proceso.
¿La temperatura disminuye con el tiempo? ¿La productividad de una persona aumenta con su salario?
Estos son ejemplos de preguntas que podrían responderse mediante diagramas de dispersión, pero es importante darse cuenta de que la
correlación, tal como se representa en un diagrama de dispersión, no significa necesariamente causalidad. Dos variables pueden estar
estrechamente relacionadas sin que una provoque cambios en la otra.
Los diagramas de dispersión generalmente ayudan a los equipos a ver si no hay correlación, correlación débil o correlación positiva o negativa. La
correlación positiva ocurre cuando la variable 2 está relacionada con un aumento en la variable 1, o viceversa. La correlación negativa ocurre cuando la
variable 2 está relacionada con una disminución en la variable 1, o viceversa. Por ejemplo, comúnmente se observa que la tasa de criminalidad y el
ingreso per cápita promedio de las áreas geográficas de los Estados Unidos están relacionados. Las áreas que muestran índices de criminalidad
más altos a menudo también muestran estadísticas de ingresos más bajos. La declaración se puede hacer en la otra dirección: áreas que
demostrar estadísticas de ingresos más bajos a menudo demuestran tasas de delincuencia más altas. Eso no quiere decir que cualquiera de estas
cosas necesariamente cause la otra.
Los inconvenientes de los diagramas de dispersión son que no son tan familiares para los empleados de la empresa como los gráficos de barras,
circulares o incluso de líneas. También existe el riesgo de que las personas que no tienen conocimientos de análisis estadístico confundan la
correlación con la causalidad, lo que puede conducir a decisiones incorrectas. Los cinturones negros y otros expertos en Six Sigma deben ser
conscientes de estos riesgos para que puedan explicar adecuadamente los diagramas de dispersión y proporcionar una explicación más detallada.
cuando sea necesario.
Cree un diagrama de dispersión en Excel Use la
tabla de datos a continuación, que incluye el número promedio de errores por hora que crea un proceso a medida que aumenta la producción
por hora para crear un diagrama de dispersión en Excel. Copie la información de la siguiente tabla en Excel, o use datos de su propio proceso o
proyecto si lo desea.
Partes por
horas Defectos
Página | 199
Machine Translated
Traducción by
automática Google
por
Google
100 3
150 4
200 5
250 5
300 7
350 7
400 9
450 8
500 10
1. Resalte los datos que desea graficar. Para crear un diagrama de dispersión, deberá resaltar dos
conjuntos de datos que desea comparar.
1. Seleccione Insertar > Gráfico > Dispersión
2. Use las funciones de formato de Excel para editar colores, títulos y etiquetas según lo desee.
Página | 200
Machine Translated by Google
Del diagrama de dispersión creado, podemos ver que las dos variables (volumen de producción y errores) parecen estar
relacionadas de alguna manera. Si bien es una buena apuesta que el aumento de la producción en realidad cause un aumento
de los errores, no puede simplemente asumir la causalidad a partir de este gráfico. Esta suposición podría probarse aún más
utilizando técnicas estadísticas más avanzadas.
Cabe señalar que, incluso cuando la correlación parece obvia en un diagrama de dispersión, no siempre es así. Los expertos en
Six Sigma siempre deben probar las suposiciones de correlación para asegurarse de que sean correctas estadísticamente
antes de presentar un diagrama de dispersión a otros como ilustración de una relación. Cubriremos la regresión estadística y las
pruebas de correlación en el capítulo 19.
Creación de un gráfico de control de barra X sin software estadístico
El gráfico de control de barra X traza la media de una muestra a lo largo del tiempo, o la media de las muestras tomadas a lo largo
del tiempo, en el caso de un proceso activo. Los gráficos de control de barra X son uno de los gráficos de control más utilizados.
Algunos gráficos de control también se pueden crear en Excel siguiendo estos pasos; los gráficos de control más avanzados
requieren un software de análisis estadístico.
1. Cree la siguiente plantilla en una hoja de cálculo de Excel vacía.
Página | 201
2. Ingrese sus puntos de datos en la columna A.
3. En la celda G1, ingrese la fórmula =STDEV(A2:A15)
a. Las referencias de celda A2:A15 deben editarse para que correspondan a su lista de datos real. b. Esto
calcula la desviación estándar de su conjunto de datos.
4. En la celda G5, ingrese la fórmula =PROMEDIO(A2:A15) a. Las
referencias de celda A2:A15 deben editarse para que correspondan a su lista de datos real. b. Esto calcula
la media de su conjunto de datos.
5. En la celda G2, ingrese la fórmula: =G5+3*(G1)
a. Esto calcula un límite de control superior que está tres desviaciones estándar por encima de la media.
6. En la celda G3, ingrese la fórmula: =G53*(G1)
a. Esto calcula un límite de control inferior que está tres desviaciones estándar por debajo de la media.
7. En la columna UCL (B), indique a Excel que cree una columna de números donde cada número sea igual al límite de control
superior copiando =$G$2 en cada celda de una fila que tenga un punto de datos de barra X en
columna a
8. En la columna LCL (C), indique a Excel que cree una columna de números donde cada número sea igual al límite de control
inferior copiando =$G$3 en cada celda de una fila que tenga un punto de datos de barra X en la columna A.
9. En la columna Media, indique a Excel que cree una columna de números donde cada número sea igual a la media copiando
=$G$5 en cada celda de una fila que tenga un punto de datos de barra X en la columna A.
(Practica los pasos del 1 al 9 con los siguientes datos).
Puntos de datos de barra X
24.1
25.2
24.7
28.3
27.1
26.4
25.4
Página | 202
21.4
24.5
23.5
27.5
29.5
24.5
26,8
El resultado debería ser una hoja de cálculo similar a la siguiente.
10. Cree un gráfico de control resaltando los datos en las columnas A a D.
11. Seleccione Insertar > Gráficos > Gráfico de líneas > Gráfico de líneas 2D con marcadores
Página | 203
12. Haga clic derecho en las etiquetas de datos para el eje Y y seleccione "Formatear eje".
13. Modifique los límites del eje para eliminar el exceso de espacio en blanco en su gráfico de control. En este caso, haremos
cambie los límites de 0 a 35 a 15 a 35.
14. Dé formato al gráfico como desee para el color, los títulos y las etiquetas de datos. Ahora tienes un control muy básico.
cuadro.
Página | 204
Una cosa que notará que falta en este gráfico de control son las líneas que indican una y dos desviaciones estándar por
encima y por debajo de la media. En el capítulo 16, aprendió que esas líneas lo ayudan a aplicar las pruebas que determinan si
un proceso está bajo control o no. Puede agregar fácilmente esas líneas siguiendo los pasos a continuación.
Agregar líneas de desviación estándar
1. Agregue cálculos a su hoja de cálculo para:
a. La media más una desviación estándar b. La media
más dos desviaciones estándar c. La media menos
una desviación estándar
d. La media menos dos desviaciones estándar
2. Agregue cuatro columnas de datos, una para cada uno de los cálculos del paso uno. Copie los números de cada uno
de los cálculos en las columnas como lo hizo con los límites de control superior e inferior y la media en las instrucciones
originales anteriores.
3. La hoja de cálculo debería aparecer ahora similar a la imagen de abajo.
Página | 205
4. Resalte toda la información en las columnas A a H.
5. Seleccione Insertar > Gráficos > Gráfico de líneas > Gráfico de líneas 2D con marcadores.
6. Cambie el eje Y a un rango apropiado.
7. Edite las líneas de desviación estándar de fondo para que sean menos intrusivas haciendo clic en cada una y primero
seleccionando la opción de línea de degradado.
8. Vuelva a hacer clic en la línea y seleccione "Marcador". Seleccione ninguno para eliminar los marcadores de las líneas
de fondo.
9. Edite el gráfico final como desee con títulos y etiquetas.
Página | 206
Este proceso puede parecer muy lento, pero solo toma unos minutos una vez que conoce bien los elementos de un gráfico de control. Es
una buena idea saber cómo crear gráficos de control en Excel, porque los expertos en Six Sigma no siempre pueden confiar
en el acceso al software de análisis estadístico.
Agregar herramientas gratuitas de análisis de datos a Excel
Puede completar estos cálculos a mano, pero eso puede llevar mucho tiempo y requiere conjuntos de habilidades estadísticas
extremadamente avanzadas . Comenzaremos con cálculos manuales porque ayuda a comprender el razonamiento detrás de un análisis.
Pero también confiaremos en gran medida en herramientas que completen la mayoría de los cálculos.
El software de análisis estadístico no solo minimiza el tiempo que lleva realizar dicho análisis, sino que también reduce la posibilidad de
errores de cálculo y aumenta la precisión del análisis y las conclusiones que ofrecen los expertos en Six Sigma.
Para las lecciones cubiertas en los siguientes capítulos, puede confiar en la herramienta gratuita de análisis de datos disponible de
Microsoft para Excel. Para agregar esta herramienta gratuita en Excel 2013 y superior, siga los pasos a continuación.
1. Seleccionar archivo
2. Seleccionar opciones
Página | 207
3. Seleccione Complementos
Página | 208 ©
4. Busque el paquete de herramientas para análisis en complementos de aplicaciones inactivas. Nota: si el paquete de herramientas para análisis se
encuentra en Complementos de aplicaciones activas, entonces ya está activo y no necesita realizar ninguno de los siguientes pasos.
5. En la parte inferior del cuadro de diálogo, asegúrese de que "Complementos de Excel" aparezca en el cuadro Administrar y
haga clic en "Ir".
Página | 209 ©
6. En el nuevo cuadro de diálogo, asegúrese de que la opción Herramientas para análisis esté marcada.
7. Haga clic en Aceptar
8. Compruebe que el paquete de herramientas para análisis se instaló seleccionando "Datos" en la barra de menú de Excel y
buscando la opción Análisis de datos.
Si Analysis ToolPak no aparece como una opción de complemento, eso significa que no se instaló cuando se instaló su versión de
Excel. Si está utilizando Excel que se instaló desde un disco, deberá ubicar los CD de su software y reinstalar el software o completar
una instalación personalizada solo del archivo Analysis ToolPak.
Página | 210
Tenga en cuenta que hay dos archivos con el nombre de Analysis ToolPak. El archivo llamado Analysis ToolPak – VBA no es el archivo
que proporciona capacidad analítica.
Las herramientas para análisis también están disponibles en versiones anteriores de Excel. En 2003 y versiones anteriores de Excel,
encontrará el elemento de menú Complemento en Herramientas. En 2007, la opción Complemento se encuentra seleccionando el botón
de Office y luego las opciones de Excel. En 2010, seleccione Archivo, Opciones y Administrar complementos.
Página | 211
Capítulo 18: Distribuciones de probabilidad normal
Ahora que ha descargado el paquete de herramientas para análisis en el capítulo 17, puede comenzar a aprender análisis
estadísticos más detallados. En este capítulo, discutiremos cómo y cuándo usar una curva de probabilidad normal para dibujar
estadísticas inferenciales. Ahora es un buen momento para conocer la diferencia entre estadística descriptiva y estadística
inferencial.
Estadísticas descriptivas
Las estadísticas descriptivas son números que se utilizan para describir un conjunto de datos. Dado un conjunto de
datos sobre los empleados de una empresa, por ejemplo, alguien podría decir: "Más del 50 por ciento de los empleados trabajan
en departamentos de ventas o marketing" o "86 por ciento de los empleados viven en el mismo código postal que el la oficina
se encuentra en.” Estas son estadísticas descriptivas porque simplemente analizan la naturaleza de los datos disponibles. Los
promedios, las medias e incluso las desviaciones estándar asociadas con esos datos son todos descriptivos en
naturaleza.
Estadísticas inferenciales
Las estadísticas inferenciales involucran cálculos y números resultantes que sacan conclusiones más generales de los datos. Por
ejemplo, si tiene datos sobre una muestra de 150 empleados en una ciudad (no todos los empleados de una sola empresa, sino
empleados aleatorios de diferentes empresas), es posible que pueda usar estadísticas inferenciales para sacar conclusiones
sobre todas las personas que trabajan en esa ciudad con base en los datos de su muestra.
Las estadísticas descriptivas pueden relacionarse con datos de población o datos de muestra. Las estadísticas inferenciales se
utilizan para sacar conclusiones sobre la población a partir de datos de muestra. Si selecciona al azar a 20 personas de una
población general y registra su altura, entonces la media de las alturas registradas es una estadística descriptiva sobre el tamaño de
la muestra. Las estadísticas descriptivas sobre la muestra se utilizan en los cálculos de estadísticas inferenciales sobre una
población.
Distribuciones de probabilidad
La probabilidad es la probabilidad de que ocurra un determinado evento o resultado dado un conjunto específico de datos o una
acción específica. Si lanza una moneda al aire una vez, la probabilidad de que salga cara es de 1 en 2, o 50 por ciento.
Cuando hablamos de probabilidad básica, hablamos de resultados y eventos. El resultado es el resultado de una prueba: lanzas la
moneda una vez o seleccionas al azar un solo elemento de la muestra. El evento es un resultado o resultados específicos. La
moneda que sale cara es un evento. Una persona que mide 5 pies de altura es un evento si se trata de seleccionar de una
población o muestra.
La probabilidad básica se puede calcular mediante la fórmula:
Página | 212
#
=
#
En el caso de la moneda, hay dos eventos posibles, o resultados, que pueden ocurrir cuando la lanzas. Solo uno de esos
eventos está saliendo cara. Por lo tanto, ½ = 0,5 o 50 por ciento.
En el caso de lanzar un dado de seis caras, hay seis eventos posibles. Puedes sacar un 1, 2, 3, 4, 5 o 6. La probabilidad
de sacar un 5 es 1/6 o .167. Sin embargo, la probabilidad de sacar un 4 o un 5 es 2/6, o
.33.
Si bien las medidas de probabilidad se pueden expresar como un porcentaje, se calculan y generalmente se comunican
en las estadísticas como un punto decimal. Dado que las probabilidades se presentan como fracciones, la probabilidad más
baja posible es 0 y la más alta es 1. Una probabilidad de 0 significa un evento imposible; una probabilidad de 1 significa un
cierto evento.
Práctica básica de probabilidad
Se colocan veinte canicas en una bolsa. Todos son del mismo tamaño, pero son de diferentes colores de la siguiente manera:
3 rojos
5 negros
8 azul
4 verdes
¿Cuál es la probabilidad de que se saque una canica verde de la bolsa?
4 / 20 = 0,2
¿Cuál es la probabilidad de que se saque una canica azul o negra de la bolsa?
13 / 20 = 0,65
¿Cuál es la probabilidad de que se saque una canica amarilla de la bolsa?
0 / 20 = 0
Página | 213
Nota: Esta es una tarea imposible, porque no hay canicas amarillas en la bolsa.
Aplicación de conceptos básicos de probabilidad al análisis Six Sigma
En un entorno Six Sigma, no se trata de canicas y bolsas, pero las ideas de probabilidad son algo similares. Si un
proceso produce 100 productos por hora y dos de esos productos son defectuosos, la probabilidad de recibir un producto
defectuoso dentro de esa hora es 2/100, o 0,02. Sin embargo, es raro que un equipo o unidad de negocios revise los 100 productos
que se produjeron esa hora para saber que 2 de cada 100 son defectuosos. Esa información también solo es útil para establecer
probabilidades en relación con esa hora particular de producción, dado que la muestra no sería aleatoria.
En su lugar, los expertos en Six Sigma muestrean aleatoriamente la población de todos los resultados de un proceso durante
un cierto período de tiempo. Crean estadísticas descriptivas sobre esa muestra y utilizan las estadísticas descriptivas para seguir
estudiando y comprender la naturaleza de los datos con los que están trabajando. Una vez que conocen la naturaleza de los datos,
pueden trabajar con distribuciones y curvas de probabilidad para determinar la probabilidad a través de cálculos y análisis
estadísticos. En este capítulo, discutiremos cómo trabajar con lo que se llama distribuciones de probabilidad normales.
Histogramas
Antes de seguir adelante con las distribuciones de probabilidad, es importante comprender los histogramas.
Los histogramas son otra herramienta de análisis gráfico. Técnicamente, los histogramas son gráficos de barras en los que cada
barra o "bin" corresponde a un rango de datos. Los puntos de datos dentro de una muestra o población se dividen entre los
contenedores y se grafican en consecuencia.
Los histogramas se utilizan para analizar datos continuos o variables que son de naturaleza finita o provienen de muestras
de población. Los histogramas ayudan a los expertos de Six Sigma a comprender cómo se forma la dispersión o distribución de
los datos y dónde podría estar el centro de esos datos. El centro es el promedio o la mitad de la distribución de datos, aunque
los valores medios o medianos no siempre se ubican en el centro de un histograma.
Un histograma también muestra el rango de los datos: la variación entre el valor más alto del conjunto de datos y el valor más
bajo del conjunto de datos. Finalmente, la forma del histograma proporciona información sobre dónde se concentran los datos.
Considere los dos histogramas a continuación. En el primero, los elementos de datos se concentran hacia el centro.
El histograma se aproxima a lo que se llama la curva de campana o curva normal. Es probable que esta forma indique
que los datos utilizados para crear el histograma son datos normales, que se analizarán más adelante en este capítulo.
Página | 214
El segundo histograma representa los datos que se concentran en cualquiera de los extremos del rango. Cuando se observan
dos concentraciones específicas, o jorobas, en un histograma, esto se denomina distribución bimodal. A menudo, cuando ve
esta forma de datos, significa que está midiendo dos procesos que cree que son un solo proceso. Por ejemplo, si dos personas
diferentes están realizando un trabajo, es posible que tengan resultados diferentes que den como resultado dos jorobas diferentes
en el histograma. Si los datos bimodales provienen de un solo proceso, entonces los datos no son normales.
Los histogramas también pueden tener otras formas comunes, especialmente cuando presentan datos no normales o datos que
tienen un error o problema. Si el histograma parece muy aleatorio, como en el primer ejemplo a continuación, es posible que
haya un error en el proceso de medición de datos. Es posible que la medición no sea adecuada para capturar la imagen real del
proceso, o que la definición de la operación y la forma de recopilar datos sean incorrectas. Lo mismo es cierto si el
histograma muestra una distribución casi uniforme de elementos de datos entre los contenedores.
Página | 215
Una distribución sesgada, que se ve en el segundo diagrama anterior, presenta datos que se agrupan en un solo extremo del
gráfico. Los histogramas sesgados son comunes con ciertos tipos de datos, particularmente cuando los datos "caen" en un
tiempo de corte natural. Por ejemplo, en un centro de llamadas, puede medir el tiempo que tardan los representantes en
completar un determinado tipo de llamada telefónica. Un punto final natural para esos datos es 0: siempre llevará más de 0
segundos completar una llamada telefónica. Por lo general, tomará más de unos pocos segundos, por lo que no tendrá muchos
puntos de datos en el extremo inferior del rango. Quizás esta llamada telefónica en particular sigue un guión y la mayoría de
las llamadas terminan en la marca de 7 a 8 minutos. Un histograma para la duración de las llamadas podría parecerse al
siguiente gráfico.
Considere el ejemplo básico a continuación para comprender mejor los histogramas.
Página | 216
Una empresa de distribución local quiere saber más acerca de qué tan bien los repartidores están
cumpliendo con los tiempos de llegada estimados. El equipo extrae una muestra aleatoria de
entregas a partir de la información de una semana y considera dos puntos de datos para cada entrega: el
tiempo estimado de entrega y el tiempo real de entrega. Restaron el tiempo real del tiempo estimado para
determinar qué tan lejos estaban las entregas en un sentido u otro. El resultado fue la siguiente tabla de datos.
Diferencia en
Estimar Actual minutos
8:00 a. m. 7:55 a. m. 5
8:30 8:20 10
8:50 9:07 17
9:15 9:23 8
9:45 9:46 1
10:05 10:03 2
10:30 10:33 3
10:55 11:05 10
11:30 11:27 3
12:45 12:32 13
13:30 13:35 5
13:45 13:57 12
14:20 15:01 41
15:00 15:48 48
15:30 15:05 25
8:50 8:45 5
9:15 9:58 43
9:45 10:21 36
10:05 10:09 4
10:30 10:03 27
13:45 13:46 1
14:20 14:54 34
Página | 217
15:00 15:04 4
15:30 15:23 7
11:30 11:16 14
Para crear un histograma, el equipo clasificó la selección por diferencia en minutos y descubrió que el rango era de
27 a 48. El equipo decidió crear un histograma de 30 a 50 con un tamaño de contenedor de 10. Los datos
resultantes son los siguientes:
Papelera
Frecuencia
30 0
20 2
10 3
0 5
10 8
20 2
30 0
40 2
50 3
Para crear la tabla anterior, el equipo simplemente contó cuántos puntos de datos cayeron en cada contenedor. Los puntos
de datos 27 y 25 cayeron en el contenedor 20 (a 29); eso es 2 puntos de datos. Ocho puntos de datos cayeron en el contenedor 10.
Cuando se representa en un gráfico de barras, esta información crea un histograma.
Página | 218
Cuando se trata de histogramas, el número de contenedores utilizados es importante. Si tiene muy pocos contenedores, el
gráfico no proporciona ninguna información relevante. Si tiene demasiados contenedores para el conjunto de datos en cuestión,
también pierde la funcionalidad informativa y su gráfico, en lugar de aparecer como una curva aproximada, se convierte en algo que
parece un peine. Por lo general, cuantos más datos tenga, más contenedores podrá incluir en su histograma.
Considere los siguientes cuatro histogramas que representan el mismo conjunto de datos. Los datos presentan 150 números
aleatorios que van desde 38,62 a 62,89.
Página | 219
Página | 220
Los tamaños de los contenedores se hacen progresivamente más pequeños a medida que aumenta el número de contenedores. En el primer
gráfico, los tamaños de los contenedores son 5; en el último gráfico, los tamaños de los contenedores son 0,5. A los efectos de comprender qué tipo
de datos se representan en este histograma, el segundo o el tercer gráfico son probablemente los más relevantes. Cubriremos la determinación
del tipo de datos a partir de un histograma y las estadísticas asociadas más adelante en este capítulo.
Crear un histograma en Excel
Antes de continuar con las distribuciones de probabilidad, veremos la creación de histogramas en Excel usando el paquete de herramientas
para análisis que se discutió en el último capítulo.
Página | 221
1. Abra Excel y copie la siguiente tabla de datos en un libro de trabajo en blanco.
56.1
38.2
47.1
48.1
60.1
45,8
33.4
49.2
53.1
41.8
19.2
49.3
49.0
61.8
42.4
53.2
61.6
20.8
55.2
57.5
48.8
28,9
33.8
53.2
58.0
Página | 222
47.3
51.4
61.5
58,9
60.4
30.7
52.5
40.7
44.8
54.6
61.6
31.0
52.7
47.5
26.3
71.3
61.8
51,9
43,9
50.0
47.4
61,9
51.8
50.4
61.0
2. Copie las siguientes designaciones de contenedores en la segunda columna de la misma hoja de trabajo.
10
Página | 223
15
20
25
30
35
40
45
50
55
60
sesenta y cinco
70
75
3. Seleccione Datos > Análisis de datos.
4. Seleccione Histograma y haga clic en Aceptar.
5. Haga clic en el cuadro Rango de entrada y luego resalte las celdas para el rango de entrada (las 50 celdas de datos
copiaste de arriba).
Página | 224
6. Haga clic en el cuadro Bin Range y luego resalte las celdas que incluyen los datos de bin que copió de
arriba.
7. Marque la opción New Worksheet Ply:.
8. Marque la opción Salida de gráficos.
9. Asegúrese de que el cuadro de diálogo Histograma aparezca como se muestra a continuación.
10. Haga clic en Aceptar.
Página | 225
Excel genera automáticamente una tabla de intervalos y frecuencias, así como un gráfico de histograma en una nueva
hoja de trabajo. El diseño del histograma tiene como valor predeterminado un gráfico de barras estándar, pero puede crear la
apariencia de los histogramas mostrados anteriormente cambiando una configuración en el diseño.
1. Haga clic en el histograma.
2. Seleccione Diseño en el menú superior.
3. En Diseño rápido, elija el diseño donde las barras se apilan una al lado de la otra en lugar de
que con espacio entre ellos.
Su resultado debe verse como el gráfico a continuación.
Página | 226
Experimente con sus propios datos, creando histogramas con varios tamaños de contenedores para comenzar a
comprender cómo se convierten los datos en este tipo de gráfico.
Distribuciones normales
La distribución normal, también llamada distribución gaussiana, es probablemente la distribución más importante relacionada
con datos continuos desde el punto de vista del análisis estadístico. A continuación se muestra una distribución normal o
gaussiana.
Página | 227
Los datos normales tienen forma simétrica alrededor de la media, representada arriba por la línea de barra x. Una curva
normal es beneficiosa para determinar la probabilidad de que un punto de datos dado en una población se encuentre dentro de
cierto rango dentro de la distribución.
En una distribución normal perfecta, el 68,26 por ciento de todos los puntos de datos se encuentran dentro de más o menos una
desviación estándar de la media; esta área está representada por la flecha roja en la imagen de arriba. La flecha azul, que cubre
más o menos dos desviaciones estándar de la media, indica el área bajo la curva que incluye el 95,46 por ciento de los puntos de
datos. El área morada, que cubre más y menos tres desviaciones estándar de la media, indica la parte de la curva que cubre
el 99,73 por ciento de los datos. Menos del 1 por ciento de los datos caerán debajo de la curva fuera de las tres desviaciones
estándar a cada lado.
Las distribuciones, incluso las distribuciones normales, varían un poco. Para determinar las probabilidades exactas de varios
puntos de datos, se requieren estadísticas avanzadas; Excel y otros programas realizan los cálculos por usted, lo que facilita la
realización de análisis. Antes de discutir los cálculos de probabilidad usando Excel, veremos en primer lugar determinar si sus
datos son normales.
Probar si los datos son normales es fundamental para muchos pasos en el análisis estadístico, porque los resultados de
muchas pruebas pueden no ser válidos si no tiene en cuenta los datos con los que está trabajando. La forma más básica de muchas
de estas pruebas está diseñada para funcionar con datos normales.
Pruebas de normalidad en Excel: prueba de bondad de ajuste chicuadrado Hemos
mencionado cómo la inspección visual puede ayudarlo a determinar si los datos son normales o no. El siguiente histograma,
tomado de una parte anterior del capítulo, presenta lo que parecen ser datos obviamente normales.
Los puntos de datos convergen alrededor del centro y el histograma es de naturaleza aproximadamente simétrica.
Página | 228
Pero, ¿y este histograma, que es el creado en el ejercicio práctico del apartado de creación de histogramas en Excel?
El histograma anterior es un ejemplo de un gráfico que no se ajusta perfectamente a ninguna de las formas de histograma
discutidas anteriormente. Parece tener elementos de la curva normal, pero también podrían ser datos sesgados.
Es por esto que realizamos pruebas estadísticas para determinar la normalidad.
Por lo general, comenzará a explorar los datos de probabilidad siguiendo las instrucciones de la sección anterior para crear un
histograma para los datos. Para el ejemplo de la prueba de normalidad, usaremos los mismos datos de la sección anterior, que son:
19.2
20.8
26.3
28,9
30.7
31
33.4
33.8
38.2
40.7
41.8
Página | 229
42.4
43,9
44.8
45,8
47.1
47.3
47.4
47.5
48.1
48.8
49
49.2
49.3
50
50.4
51.4
51.8
51,9
52.5
52.7
53.1
53.2
53.2
54.6
55.2
56.1
57.5
Página | 230
58
58,9
60.1
60.4
61
61.5
61.6
61.6
61.8
61.8
61,9
71.3
La creación de un histograma con Herramientas para análisis genera un gráfico y una tabla de datos, como se ve a continuación.
Calcular estadísticas descriptivas para los datos.
Página | 231
Utilice la opción Estadísticas descriptivas en el paquete de herramientas de análisis para generar rápidamente estadísticas descriptivas para su
conjunto de datos.
1. Seleccione Datos > Análisis de datos > Estadísticas descriptivas. 2.
Haga clic en Aceptar.
3. Haga clic en el cuadro Rango de entrada y seleccione su rango de entrada con el mouse.
4. En este caso, los datos se agrupan por columnas. En la mayoría de los análisis estadísticos, ese será el caso, pero
si tiene datos agrupados por filas, debe cambiar la selección Agrupados por.
5. Seleccione para generar información en una nueva hoja de trabajo.
6. Asegúrese de que al menos la casilla Resumen de estadísticas esté marcada. También puede verificar el nivel de confianza para la
media y los Késimos cuadros más grandes y más pequeños, aunque esa información no se requiere en la prueba ChiSquared
GoodnessofFit, que es la prueba que estamos ejecutando para probar la normalidad de los datos. . Si marca estas casillas
adicionales, Excel simplemente le proporcionará información adicional que no usaremos en este momento.
Página | 232
8. Excel devuelve estadísticas resumidas descriptivas para su conjunto de datos.
Para la prueba de bondad de ajuste chicuadrado, deberá anotar el tamaño de la muestra (o recuento), la misma desviación estándar
y la media de la muestra. El tamaño de la muestra es el número de elementos en el conjunto de datos, que
Página | 233
fue 50 para este ejemplo. Si no recuerda cuál era el tamaño de la muestra, puede consultar el recuento que figura en las
estadísticas descriptivas. Las otras dos cifras se toman de las estadísticas descriptivas anteriores:
Media muestral: 48,778
Desviación estándar muestral: 11,444
Establece la hipótesis.
La prueba de bondad de ajuste chicuadrada es en realidad una prueba de hipótesis. Eso significa que está probando los datos
con respecto a una hipótesis nula y una hipótesis alternativa. Las dos hipótesis para la prueba de bondad de ajuste de chicuadrado
son:
• Hipótesis nula: Los datos son normales. •
Hipótesis alternativa: Los datos no son normales.
Si uno no es cierto, entonces el otro lo es. En términos estadísticos, hablamos en términos de aceptar o rechazar la hipótesis nula.
Si rechazamos la nula, aceptamos la alternativa.
Comprender la premisa de la prueba de bondad de ajuste chicuadrado.
Básicamente, la prueba ChiSquared GoodnessofFit toma el número de muestras en cada contenedor en el histograma
y lo compara con el número de muestras que podría esperar encontrar en cada contenedor dada una curva normal. Usando
la cantidad real de muestras en cada contenedor y la cantidad esperada de muestras, podemos calcular lo que se llama la
estadística ChiSquare en Excel. Ese número nos permite calcular el valor p. En este caso, es el tamaño del pValor lo que
nos permite decidir si aceptamos o rechazamos la hipótesis de que los datos son normales.
A los efectos de la prueba de bondad de ajuste chicuadrado en esta situación, si el valor p es mayor que 0,05, aceptaremos la
hipótesis nula de que los datos se distribuyen normalmente.
Los contenedores observados
Después de haber creado un histograma a través de Analysis ToolPak, ya tiene acceso a la distribución de contenedores
observada. Esa información se encuentra en la tabla de datos que Excel crea para hacer el histograma.
Papelera
Frecuencia
10 0
Página | 234
15 0
20 1
25 1
30 2
35 4
40 1
45 5
50 11
55 10
60 5
sesenta y cinco 9
70 0
75 1
Más 0
Los intervalos esperados
Podemos usar estadísticas relacionadas con la curva normal para calcular cómo podemos esperar que se comporten los intervalos
dada la mediana y la desviación estándar de nuestra muestra.
Para darle una idea de lo que está pasando con los cálculos estadísticos involucrados en la determinación del tamaño esperado
de los contenedores, considere el siguiente gráfico.
Página | 235
Este gráfico representa aproximadamente los contenedores de nuestro histograma dibujados en la curva normal.
Debido a que existen formulaciones matemáticas para determinar el área bajo una curva, es posible determinar el área bajo la
curva dentro de un contenedor específico. En última instancia, eso se hace calculando el área total y restando las porciones.
Comenzamos con un cálculo conocido como función de distribución acumulativa o CDF. La CDF mide el área total bajo una curva
a la izquierda del punto desde el que estamos midiendo. Por ejemplo, el área total bajo la curva de arriba que está a la izquierda
de 45 es 50 por ciento. Una vez que conocemos la CDF en cada borde de nuestros contenedores, es cuestión de restar para
calcular la CDF para cada contenedor individual. Por ejemplo, la CDF para el contenedor ubicado entre 40 y 45 sería igual a la
CDF de 45 menos la CDF de 40.
Un problema con esta representación aproximada es que la curva dibujada arriba se centra en 45 y sabemos por Excel que nuestra
media es 48.778. Usaremos ese número en nuestros cálculos para dar cuenta del ligero cambio.
Excel puede calcular CDF con la fórmula:
=DISTR.NORM(valor x, Media muestral, Desviación estándar muestral, VERDADERO)
Configure las tablas para calcular el CDF de cada contenedor copiando las designaciones del contenedor en la hoja de trabajo de
estadísticas descriptivas que Excel creó previamente para usted y creando dos columnas, una para el CDF total y otra para el
contenedor CDF. Use la imagen de abajo como ejemplo.
Página | 236
Ingrese la fórmula para calcular CDF en la columna E, haciendo referencia a la misma media y desviación estándar para cada fila
y usando los números en D como X.
Página | 237
Para la primera fila, en nuestro caso, el contenedor marcado con 10, el área de solo contenedor es igual a la CDF porque no queda
nada del límite superior del contenedor. Para todas las demás filas, el área de solo contenedor es la CDF menos la CDF para la
designación de contenedor anterior. Entonces, ingresaría =E2 en la primera fila de datos para la columna F. La segunda fila de
datos se calcularía como E3E2; el siguiente sería E4E3, y así sucesivamente. El resultado es el porcentaje de la curva en cada
intervalo.
Calcular el número esperado de muestras en cada contenedor es tan fácil como multiplicar los porcentajes de cada contenedor
por el tamaño de la muestra. Una vez más, puede ver en las estadísticas descriptivas que el recuento de este conjunto de datos
fue 50.
Página | 238
Para calcular la estadística ChiSquared, utilizará tanto la cantidad esperada de elementos en cada contenedor como la cantidad
real u observada. Copie los números observados de su hoja de trabajo de histograma.
Página | 239
Aplique la siguiente fórmula a cada fila:
(esperado – observado)2 / esperado
Calcule los números finales para cada fila como desee en Excel.
Sume los números finales para obtener la estadística ChiSquared, denotada por X2 . Para nuestro ejemplo, X2 es 16,7333.
Para usar la estadística ChiCuadrado para encontrar el valor p, también necesitamos un elemento más para que funcione la fórmula
de Excel: necesitamos lo que se llama los grados de libertad.
Grados de libertad = #bins – 1 #parámetros calculados
Tenemos 14 contenedores. Los parámetros que usamos para llegar a la estadística ChiCuadrado que calculamos de nuestra
muestra fueron la media y la desviación estándar: dos parámetros. Para nuestro ejemplo:
Página | 240
Grados de libertad = 14 – 1 – 2 = 11
Ahora que tenemos los grados de libertad (gl) y el valor de chicuadrado, podemos usar Excel para calcular el valor p.
Simplemente ingrese la fórmula a continuación, ingresando los valores correctos.
En el caso de nuestro ejemplo, el valor p resultante es 0,116. Como el valor p es mayor que 0,05, aceptamos la hipótesis nula.
Nuestros datos son normales.
Probabilidades normales
Una vez que verifique que sus datos son normales, puede usar muchas pruebas estadísticas para sacar conclusiones sobre los
datos y la población como un todo de su muestra. Una de las cosas que puede hacer es usar las funciones de probabilidad
normal de Excel para sacar conclusiones sobre los datos.
Por ejemplo, supongamos que los datos con los que hemos estado trabajando a lo largo de este capítulo son una selección de
muestra de los pesos de las cajas en un canal de entrega. Las 50 muestras se tomaron del mismo centro de envío en el
transcurso de una semana y se seleccionaron al azar. Dado que sabemos que los datos son normales, ¿cuál es la probabilidad de
que cualquier paquete seleccionado del centro de distribución pese más de 50 libras?
Excel proporciona la siguiente fórmula:
Página | 241
= DISTR.NORM(x, media, desviación_estándar, acumulativa)
Al usar esta fórmula:
X = el valor que está probando
Media = media muestral de las estadísticas descriptivas
Standard_dev = desviación estándar de la muestra de las estadísticas descriptivas
Acumulativo = FALSO si desea probar la probabilidad de la ocurrencia exacta; VERDADERO si desea probar la probabilidad
de que quede cualquier valor de x en la curva (o, en la mayoría de los casos, menos que x)
Ingresar la fórmula en Excel para nuestro conjunto de datos con un FALSO acumulativo nos dice que hay un 3.47 por ciento
de posibilidades de que una caja seleccionada al azar pese 50 libras. Esta es una información real e importante que podría ser
beneficiosa para un equipo de Six Sigma.
Ingresar la fórmula en Excel para nuestro conjunto de datos con un VERDADERO acumulativo nos dice que hay un 54.25 por
ciento de posibilidades de que una caja seleccionada al azar pese menos de 50 libras. Restar del 100 por ciento deja una
probabilidad del 45,75 por ciento de que una caja pese más de 50 libras.
¿Por qué esto podría ser importante? En este caso particular, un gerente de envío podría estar trabajando para contratar
representantes de envío. Debido a que existe una gran probabilidad de que los empleados manejen cajas de más de 50 libras, el
gerente sabe incluir ese requisito en las descripciones de trabajo. O bien, un equipo de Six Sigma podría estar trabajando
en un proceso para aumentar la producción en un almacén; el conocimiento de que muchas de las cajas son lo suficientemente
pesadas como para requerir un manejo especial es relevante para la forma en que el equipo aborda el proceso.
Los equipos Six Sigma pueden usar Excel para generar mucha información sobre los datos. Excel también proporciona una
fórmula para el inverso del cálculo anterior. ¿Qué pasaría si el equipo quisiera saber sobre el peso del 80 por ciento de las cajas
más pesadas en el centro de envío?
La fórmula es:
=NORMINV(probabilidad, media, desviación_estándar)
La probabilidad debe ingresarse como un punto decimal, no como un porcentaje. En el caso de 0,8 en nuestro conjunto de datos de
ejemplo, todas las cajas en el 80 por ciento más pesado pesan más de 58,40 libras.
Página | 242
Debido a que estamos sacando conclusiones estadísticas de las muestras, hay algún error inherente en el proceso. El
error generalmente se calcula para el análisis avanzado.
Cómo aplicar datos estadísticos y conclusiones a un enfoque comercial o de proyecto se trata en profundidad en la siguiente unidad,
donde veremos cómo estos conceptos pueden generar información real que es aplicable a los procesos comerciales.
Página | 243
Capítulo 19: Correlación y regresión
La correlación y la regresión son conceptos estadísticos que ayudan a los equipos Six Sigma a comprender si dos factores dentro de
un proceso están relacionados. Puede usar estas herramientas para calcular si una entrada está relacionada con una salida de alguna
manera o incluso si dos entradas pueden estar relacionadas. El concepto de correlación y regresión se introdujo en el capítulo 14 en
la sección sobre diagramas de dispersión. En este capítulo, aprenderá cómo calcular el coeficiente de correlación en Excel y qué
significa ese número, así como también cómo crear modelos de regresión lineal en Excel para probar las relaciones entre una
variable dependiente e independiente.
Vale la pena cubrir un punto que se hizo en el capítulo 14 nuevamente. Una fuerte correlación o regresión entre dos variables no
indica una relación causal. Incluso cuando se encuentra una fuerte regresión entre una variable dependiente e independiente,
no significa que el resultado dependiente sea causado por la variable independiente. Este es un concepto crítico para entender,
porque atribuir causalidad porque la correlación es fuerte puede significar tomar malas decisiones con respecto a un proceso. Un
equipo puede decidir modificar o eliminar un elemento porque tiene una fuerte correlación con un resultado; entonces podrían
sorprenderse de que la salida no cambie porque no estaba en una relación causal con la entrada en cuestión.
¿Por qué trabajar con correlación y regresión?
Todavía es importante comprender la correlación y la regresión, porque ayuda a los equipos a comprender más acerca de los
procesos, analizar cómo se relacionan los elementos de un proceso y hacer predicciones sobre un proceso.
Cuando dos elementos están fuertemente relacionados a lo largo de una línea lineal, o incluso a lo largo de una curva, los equipos
pueden crear ecuaciones que vinculen los dos elementos. Esto permite que los equipos de Six Sigma predigan cómo se desempeñará
el elemento dependiente si se realiza un cambio en la variable independiente.
Antes de continuar, se debe tener en cuenta que las herramientas de análisis de este capítulo no asumen datos normales en todos
los casos, pero es posible que los datos muy anormales puedan sesgar los resultados. Antes de analizar los datos, los expertos en
Six Sigma siempre deben entender con qué tipo de datos están trabajando.
Correlación
Normalmente, cuando hablamos de correlación, nos referimos a la asociación lineal que existe entre dos variables. En el capítulo
14, presentamos el concepto de que la correlación puede ser fuerte o débil; también puede ser positivo o negativo.
Correlación positiva: una variable aumenta a medida que aumenta otra variable.
Correlación negativa: una variable disminuye a medida que aumenta otra variable.
A veces, la correlación se puede aproximar aproximadamente al ver un análisis gráfico de datos en forma de diagrama de dispersión o
diagrama X/Y. Los pasos para crear dichos diagramas se cubrieron en el capítulo 17. Para comprender cómo pueden aparecer
gráficamente varios tipos de correlación, considere los diagramas de dispersión de ejemplo a continuación.
Página | 244
En el diagrama de dispersión anterior, la temperatura tiene
una fuerte correlación positiva con el tiempo. Esto significa que
la temperatura en el proceso tiene tendencia a aumentar
a medida que aumenta el tiempo. La relación es sólida, porque
podría dibujar una línea de mejor ajuste, como se ve en la imagen
de la izquierda, y tocaría casi todos los puntos de datos con
una desviación mínima de los puntos de datos de la línea.
Página | 245
El diagrama anterior presenta una fuerte
correlación negativa. Esto significa que la
temperatura en el proceso tiene tendencia a disminuir
a medida que aumenta el tiempo. Una vez más,
puede dibujar una línea de mejor ajuste a través de
los puntos de datos y todos ellos permanecen muy
cerca de la línea de tendencia, como se ve en el
gráfico de la derecha.
Por el contrario, el gráfico de la izquierda representa un
conjunto de datos donde la correlación podría estar presente,
pero es más débil que cualquiera de los dos ejemplos anteriores.
La correlación débil se representa en un diagrama de
dispersión donde parece existir una línea de tendencia y donde
aproximadamente la misma cantidad de puntos de datos
que no tocan la línea se encuentran arriba o abajo.
abajo. Por lo general, los puntos de datos ubicados por
encima y por debajo de las líneas de tendencia son algo
Página | 246
simétrico, lo que significa que un lado no presenta puntos que estén muy lejos de la línea en comparación con los puntos del otro lado,
pero no siempre es así. La correlación débil puede ser fácil de ver, como en este caso, o más difícil de ver en un gráfico, lo que
justifica el uso del análisis estadístico para presentar un caso sólido a favor de la correlación.
El gráfico anterior muestra un diagrama de dispersión que indica ninguna o casi ninguna correlación entre el tiempo y la temperatura en
un proceso. Los puntos de datos están dispersos aleatoriamente en el gráfico y la línea de tendencia es casi horizontal. Una línea de
tendencia horizontal suele ser una indicación de falta de correlación.
Las imágenes del coeficiente de
correlación no siempre son precisas, especialmente cuando la correlación es débil. Y en algunos casos, una imagen que
captura una pequeña muestra de datos podría mostrar correlación o no correlación cuando existía correlación en la muestra general o
el conjunto de datos. El análisis gráfico es útil para obtener una idea sobre las relaciones de datos, y muy útil para ilustrar las relaciones
a otros, pero el análisis estadístico ayuda a los equipos a comprender las relaciones con mayor certeza.
A los efectos de la correlación, el cálculo estadístico que nos ocupa se conoce como coeficiente de correlación o valor R. El
coeficiente de correlación es un número entre 1 y 1. A medida que el coeficiente de correlación se acerca a 1 o 1, se considera
más probable o más fuerte una relación entre dos variables.
• Si el coeficiente de correlación es igual a 1, entonces la relación es cierta: todos los puntos de datos del conjunto se encuentran
en la línea de tendencia positiva. • Lo mismo es cierto
para un coeficiente de correlación que es igual a 1, excepto que todos los puntos de datos
se encuentran en la línea de tendencia negativa.
Página | 247
• Un coeficiente de correlación igual a 0 significa que ciertamente no hay relación entre las variables y no hay una
línea de tendencia.
• La mayoría de las veces, cuando calcula los coeficientes de correlación, el número estará entre 0
y 1 o 0 y 1.
Cálculo del coeficiente de correlación en Excel: dos métodos Los coeficientes
de correlación se calculan mediante varias fórmulas. Una de las fórmulas más comunes utilizadas en estadística básica es la
fórmula del coeficiente de correlación de Pearson, que se muestra a continuación:
Otro cálculo utiliza la suma de cuadrados. La fórmula se muestra a continuación.
Dónde:
= ∑( − )2
= ∑( − )2
= ∑( − )( − )
Ambas fórmulas se basan en los datos específicos (x,y) a los que se llega al combinar pares de datos. Por ejemplo, considere
el siguiente conjunto de datos:
Meses en el trabajo Producción media
2 10
2 11
3 12
3 11
Página | 248
3 13
4 11
4 15
4 15
5 dieciséis
5 15
5 18
Si la producción promedio se considera el eje Y y los meses en el trabajo el eje X, los puntos pareados de este conjunto de
datos se escribirían como:
• 2, 10 • 2,
11 • 3, 12
• 3, 11 • Y
así sucesivamente
Esos números se pueden incluir en las ecuaciones anteriores; el símbolo sigma (que parece una E) indica la suma. En la
ecuación de Pearson, sumas todos los (x*y) y restas la (suma de todos los x)*(suma de todos los y) para llegar al número superior,
por ejemplo.
Es posible calcular el coeficiente de correlación usando una de estas fórmulas, pero afortunadamente la tecnología actual
proporciona métodos digitales para calcular automáticamente el número. Puede usar software de análisis estadístico o
calculadoras gráficas para llegar al coeficiente de correlación dados los datos sobre dos variables en un proceso. En esta
sección, veremos dos formas rápidas de determinar los coeficientes de correlación usando Excel.
Para los dos ejercicios a continuación, usaremos la siguiente tabla de datos. Copie la tabla de datos en una hoja de cálculo de
Excel en blanco.
Tiempo Temperatura A Temperatura B Temperatura C Temperatura D

1 30 70 35 30
2 35 68 48 31
3 37 63 75 38
4 40 62 25 24
5 41 55 50 35
6 48 47 34 49
7 57 42 48 45
8 55 41 31 59
9 59 38 24 42
10 62 36 41 sesenta y cinco
Página | 249
11 63 31 71 64
12 sesenta y cinco 25 55 59
Fórmula CORREL
Una de las formas más sencillas de calcular el coeficiente de correlación de dos conjuntos de datos posiblemente relacionados es
utilizar la fórmula CORREL de Excel. Siga los pasos a continuación para calcular el coeficiente de correlación entre el tiempo
y la temperatura A.
1. En cualquier celda de la hoja de trabajo donde copió la tabla de datos anterior, la fórmula =CORREL
2. La matriz 1 es el conjunto de celdas que contienen datos de tiempo. La matriz 2 es el conjunto de celdas que contienen
datos para la temperatura A. Puede seleccionar estos rangos de celdas con el mouse, separándolos con una
coma en su fórmula. El resultado final debería aparecer de la siguiente manera.
3. Pulse Intro.
4. Excel calculará el coeficiente de correlación. En este caso, es 0.981167422
Página | 250
El coeficiente de correlación calculado anteriormente es para el conjunto de datos que creó el primer diagrama de dispersión de este capítulo. Si
recuerda, el diagrama de dispersión parecía mostrar que los datos tenían una correlación positiva muy fuerte; un coeficiente de correlación
(o valor R) de 0,98 ciertamente está en línea con esa evaluación.
Calculemos el coeficiente de correlación para el tiempo y la temperatura C de la tabla de datos anterior. Repita los pasos anteriores, pero
cambie su rango de matriz 2 para hacer referencia al conjunto de datos para la temperatura C.
El valor R para el tiempo y la temperatura C se calcula como 0,107, que está mucho más cerca de cero. Este conjunto de datos creó el diagrama
de dispersión anterior que parecía no tener correlación. El valor de R se corresponde con las conclusiones extraídas del diagrama de
dispersión. En la mayoría de las aplicaciones, se considera que la correlación ocurre en algún nivel si el valor R es 0,4 o más o 0,4 o menos.
Paquete de herramientas de
análisis de datos También puede usar el Paquete de herramientas de análisis para calcular los coeficientes de correlación. Siga los pasos
a continuación para calcular el valor R para el tiempo y la temperatura B.
1. Formatee su hoja de cálculo para que las columnas de Tiempo y Temperatura B estén una al lado de la otra.
2. Seleccione Datos y luego Análisis de datos en el menú superior.
3. Resalte Correlación y seleccione Aceptar.
Página | 251
4. Haga clic en el cuadro de entrada y seleccione las entradas para el análisis de correlación. Seleccione los datos de ambos
las columnas B de tiempo y temperatura.
5. Tenga en cuenta que sus datos están agrupados por columnas. Si seleccionó las filas de encabezado en el rango de
entrada, marque la casilla "etiquetas en la primera fila".
6. Opte por generar una nueva hoja de trabajo.
8. Excel calculará el coeficiente de correlación.
En el ejemplo anterior, el valor R muestra una correlación negativa muy fuerte entre el tiempo y la temperatura. Este
conjunto de datos es el mismo que se usó para hacer el diagrama de dispersión de correlación negativa anterior, por lo que el valor
R es consistente con ese análisis gráfico.
Repita los pasos anteriores para encontrar el coeficiente de correlación de tiempo y temperatura D.
El valor R devuelto muestra una correlación positiva más débil que en nuestro primer cálculo usando la función CORREL, pero aún
consideraríamos que estos datos están correlacionados. Los datos para la temperatura D son los mismos datos que crearon el
tercer diagrama de dispersión en la parte de análisis gráfico de este capítulo.
Página | 252
Análisis de regresión lineal
Una vez que sepa que sus datos tienen una correlación lineal, puede realizar más análisis a través de pruebas de regresión. La
regresión le permite crear un modelo lineal que le ayuda a predecir cómo podría comportarse una variable ante cambios en la otra
variable. Tenga en cuenta nuevamente que los cambios no son necesariamente una indicación de la causa, solo que las
variables están entrelazadas de alguna manera.
Cuando trabajamos con regresión, hablamos del coeficiente de determinación, o el valor de r2 . El valor de r2 es, literalmente, el
cuadrado de R, o el cuadrado del coeficiente de correlación. Entonces, de nuestro último ejemplo en la sección del coeficiente de
correlación, R = 0.860624. El valor de r2 en este caso sería 0,74.
El valor de r2 es un número entre 0 y 1. El número nos indica la fuerza de la relación lineal entre dos variables: x e y.
Mientras que el valor R nos dice qué tan probable es que dos valores estén relacionados de alguna manera, el valor r2 nos dice
cuánto está relacionada la fluctuación en una variable (la variable dependiente, o y) con los cambios en otra variable (la variable
independiente). , o x).
2
En el ejemplo anterior, la temperatura es 0,74. Eso significa que aproximadamente el 74 por ciento de la variación en el
r está relacionada con el cambio de tiempo; el otro 26 por ciento de variación de temperatura no tiene explicación.
El análisis de regresión nos permite crear una línea y una ecuación de mejor ajuste para nuestros datos, y el valor r2 nos dice qué
tan seguros podemos estar al usar esa línea para hacer predicciones sobre los datos.
Análisis de regresión con el paquete de herramientas de análisis de datos
Para comprender cómo funciona la regresión, considere el mismo conjunto de datos utilizado en los ejemplos de coeficientes de
correlación anteriores:
Tiempo Temperatura A Temperatura B Temperatura C Temperatura D

1 30 70 35 30
2 35 68 48 31
3 37 63 75 38
4 40 62 25 24
5 41 55 50 35
6 48 47 34 49
7 57 42 48 45
8 55 41 31 59
9 59 38 24 42
10 62 36 41 sesenta y cinco
11 63 31 71 64
12 sesenta y cinco 25 55 59
Si recuerda, la correlación entre el tiempo y la temperatura A era fuerte. Veremos esa relación en un modelo de regresión usando el
paquete de herramientas de análisis en Excel.
Creación de la hoja de trabajo de regresión
Comience por crear una hoja de trabajo de regresión utilizando los datos. Siga los pasos a continuación.
Página | 253
1. Copie la tabla de datos en una nueva hoja de cálculo en Excel.
2. Seleccione Datos y luego Análisis de datos en el menú superior.
3. Seleccione Regresión y haga clic en Aceptar.
4. Seleccione Templado A como su rango de entrada Y y Tiempo como su rango de entrada X.
5. Si seleccionó datos de encabezado al ingresar rangos, verifique que las etiquetas estén incluidas.
6. Marque la casilla de nueva hoja de trabajo.
7. Marque la casilla para gráficos de ajuste de línea.
Página | 254 ©
Excel genera un nuevo libro de trabajo con una serie de resultados estadísticos. Los valores relevantes para los fines de
este capítulo se encuentran en "Múltiple R" y "R Cuadrado".
El valor Multiple R es el coeficiente de correlación. Puede ver que el coeficiente en este caso coincide con el coeficiente de
correlación calculado para este conjunto de datos en la última sección. El valor r2 para este conjunto de datos es 0,96, lo que
significa que casi toda la variación de temperatura en este conjunto de datos está relacionada con un cambio en el tiempo.
Debido a que seleccionó el cuadro de gráficos de ajuste de línea al crear su análisis de regresión, Excel también generó
un diagrama de dispersión y un gráfico de ajuste óptimo.
Página | 255
El gráfico muestra todos los puntos de datos reales en azul y los puntos de datos pronosticados a lo largo de una línea de mejor ajuste en naranja. Esos
puntos de datos son calculados por Excel usando una fórmula creada a partir de los datos. Puede mostrar la fórmula haciendo cambios en el diseño del gráfico.
Siga los pasos a continuación para mostrar la fórmula.
1. Haga clic en el gráfico en Excel.
2. Seleccione Diseño.
3. Seleccione Agregar elemento de gráfico.
4. Seleccione Línea de tendencia, Más opciones de línea de tendencia.
Página | 256 ©
5. Seleccione la opción para la línea de tendencia pronosticada y haga clic en Aceptar.
6. Haga clic en el cuadro para mostrar la ecuación en el gráfico.
Página | 257
7. Tenga en cuenta la ecuación de tendencia en el gráfico.
Página | 258
En este caso, la ecuación es y = 3,3497x + 27,561.
El valor de r2 , si recuerda, es 0,96, lo que significa que nuestra ecuación lineal será muy buena para determinar la
temperatura aproximada en nuestro proceso en relación con el tiempo.
A los 5 minutos, por ejemplo, nuestra ecuación predice que la temperatura es 44.30.
Y = 3,3497(5) + 27,561
A los 25 minutos, nuestra ecuación predice que la temperatura es 111.30.
Prueba de regresión con baja correlación Para
ver cómo se verían las pruebas de regresión con baja correlación, repita los pasos anteriores con los datos de temperatura C.
Página | 259
De nuevo, el coeficiente de correlación es muy bajo. El valor de r2 también es muy bajo; según este modelo, solo alrededor del 1
por ciento de la variación de temperatura está relacionada con el tiempo.
Si le da formato para hacerlo, Excel creará una línea pronosticada y una ecuación de tendencia lineal. Sin embargo,
dado el valor extremadamente bajo de r2 , sabe que esta ecuación no es útil para hacer predicciones reales sobre la temperatura
en un momento dado. Solo tienes que mirar el gráfico para ver que esto es cierto. Para un tiempo de alrededor de 3, la ecuación
predice una temperatura de poco más de 40. Sin embargo, la temperatura real fue de 75. Y ese número no solo refleja un valor
atípico que podría indicar un problema de recopilación de datos o un problema de proceso temporal; los datos en todo el gráfico
están sesgados lejos de la línea.
Uso de correlación y regresión en Six Sigma
La correlación y la regresión son herramientas útiles, generalmente implementadas por equipos en las etapas de medición,
análisis o mejora de un proyecto DMAIC. Las herramientas no se aplican a todos los datos y no son útiles en todas las situaciones
en las que podrían aplicarse. Una de las cosas que un experto en Six Sigma desarrolla con el tiempo es la capacidad de decidir
qué herramientas pueden ser relevantes dados ciertos datos y situaciones. Debido a que Excel y otro software de análisis
estadístico facilitan que los expertos y equipos de Six Sigma "jueguen" con datos en varios análisis gráficos y estadísticos, no hay
nada de malo en crear análisis de correlación o regresión para que los datos exploren conexiones entre variables. Esto es cierto
siempre que tenga cuidado con las conclusiones que saca. En caso de duda, siempre es mejor respaldar las conclusiones con
múltiples tipos de análisis estadístico.
Datos continuos y de razón Tanto
la correlación como la regresión funcionan con datos continuos o de razón, y ambos conjuntos de variables tienen que ser de
naturaleza cuantitativa. Por ejemplo, no puede tener x variables que sean los nombres de personas e y variables que sean el
número de salidas.
Página | 260
suzy 10
Jim 11
ronda 15
misha 14
Aisha 13
El gráfico anterior es un ejemplo del tipo de datos que no se aplicarían al análisis de regresión y correlación, pero podrían
analizarse utilizando herramientas como gráficos de Pareto o gráficos circulares.
La correlación requiere dos elementos de datos cuantificables. La regresión requiere datos que se pueden escribir como función:
y = f(x)
Algunos ejemplos de datos que se pueden escribir como una función incluyen:
• Distancia
o Y, la distancia, es función del tiempo, la velocidad, la aceleración, etc.
• Dureza de una sustancia
o Y, la dureza, es función de la temperatura, la aleación, etc.
• Temperatura experimentada (sensación) o Y, la
temperatura que se siente, es una función de la temperatura real, el viento, la humedad,
etc.
• IMC (índice de masa corporal)
o Y, el IMC, es una función de la altura y el peso
¿Por qué usar la correlación y la regresión?
Los expertos en Six Sigma pueden aplicar la correlación y la regresión en varios puntos de un proceso DMAIC. Durante la
fase de análisis, los equipos pueden usar estas herramientas para ayudar a verificar las relaciones entre las entradas o para ayudar
a reforzar la comprensión del análisis de causa raíz. Si bien la correlación y la regresión no prueban la causalidad, tampoco la
niegan. Una fuerte correlación no prueba la causalidad, pero si un equipo ya cree que la causalidad es un factor, entonces un
modelo de regresión fuerte ayuda a validar esa suposición. Esto es especialmente cierto si un equipo combina modelos
de regresión con pruebas de hipótesis de prueba y error.
Por ejemplo, un equipo de Six Sigma podría realizar una lluvia de ideas y diagramas de espina de pescado, llegando a la
conclusión de que una determinada entrada, A, está provocando una variación en una salida, B. Los expertos en Six Sigma del
equipo realizan pruebas de regresión, que muestran que la variación en B es definitivamente relacionado fuertemente con la variación en A.
El equipo puede eliminar A del proceso, o alterar A de alguna manera, y medir el proceso nuevamente. Luego, el equipo puede usar
pruebas de hipótesis para determinar si sus cambios crearon una diferencia estadística en el resultado.
Página | 261
Una función aún más importante de la regresión en el proceso DMAIC es determinar los valores de entrada óptimos para que los
equipos tengan un objetivo de control. Considere los datos de ejemplo utilizados a lo largo de este capítulo. ¿Qué pasaría si el equipo
que explora estos datos de muestra estuviera trabajando con un proceso que implicaba mezclar ingredientes en un rango de
temperatura específico para crear ciertos resultados? Si el tiempo continuo de funcionamiento de una máquina mezcladora
provoca fluctuaciones de temperatura, esas fluctuaciones crearían variaciones en el producto final. Si el equipo descubriera que el
rango de temperatura de 40 a 50 grados se correlacionaba con la producción de producto más óptima, entonces el equipo podría
usar la ecuación proporcionada por el modelo de regresión para determinar en qué rango de tiempo se debe operar la máquina
mezcladora.
Considere nuevamente los datos para la Temperatura A:
Temperatura
Tiempo A
1 30
2 35
3 37
4 40
5 41
6 48
7 57
8 55
9 59
10 62
11 63
12 sesenta y cinco
Página | 262
Estos datos tenían tanto un fuerte coeficiente de correlación como un fuerte valor de r2 , lo que significa que el equipo puede confiar
en la ecuación para la mejor línea de ajuste.
En este caso, para encontrar los valores de tiempo relacionados con un rango entre 40 y 50 grados, el equipo resolvería x
cuando y = 40 y cuando y = 50.
40 = 3,3497x + 27,561
40 – 27,561 = 3,3497x
12,439 = 3,3497x
3.71 = x cuando y = 40
50 = 3,3497x + 27,561
50 – 27,561 = 3,3497x
22,439 = 3,3497x
6.69 = x cuando y = 50
Página | 263
Con estos resultados, el equipo decide que la mezcla debe realizarse cuando la máquina haya estado encendida entre
3,71 y 6,69 minutos. Crean un cambio en el proceso que implica iniciar el procedimiento de mezcla después de que la máquina
se haya calentado durante 4 minutos.
Página | 264
Unidad 5: Estadística Intermedia
Capítulo 20: Probabilidad no normal
Distribuciones
En el capítulo 18, analizamos la curva de probabilidad normal, que también se denomina distribución gaussiana.
Si bien es cierto que la curva de probabilidad normal es la distribución más importante y más utilizada en estadísticas y por los
equipos de Six Sigma, también es cierto que todos los conjuntos de datos no se ubicarán en la distribución de probabilidad
normal. Este capítulo cubre las distribuciones de probabilidad no normales, cómo reconocer algunas de las
distribuciones más comunes a través del análisis gráfico y alguna información sobre el uso del análisis estadístico con tales
distribuciones.
En este capítulo se incluyen algunos de los cálculos estadísticos más simples para distribuciones de probabilidad no normales,
junto con detalles sobre cómo manejar esos cálculos manualmente. No se incluyen los cálculos para todas las
distribuciones mencionadas, porque pueden ser muy complejos y casi nadie maneja estos cálculos manualmente. En la unidad
6, cubriremos cómo calcular probabilidades utilizando una amplia variedad de distribuciones en Minitab.
Revisión de distribuciones de probabilidad normal
Antes de continuar, es importante repasar parte de la información fundamental sobre la curva normal cubierta en el capítulo 18.
Primero, recuerde que la distribución normal está relacionada con datos continuos.
Esto significa que sus datos están asociados con variables aleatorias que pueden tomar la forma de cualquiera de un
número infinito de puntos a lo largo de un intervalo. La temperatura a lo largo del tiempo es un tipo continuo de datos. Sí, es
posible que nunca vea que la temperatura de una habitación cae por debajo de los 40 grados F, pero dentro de un
rango como 40 grados y 80 grados hay una cantidad infinita de puntos de datos continuos si mide con un grado de
precisión lo suficientemente alto.
Recuerde que los datos discretos no son de naturaleza continua. Los datos discretos suelen tratarse de ocurrencias
categóricas. En algunos casos, los datos discretos se pueden convertir en datos continuos para permitir que los equipos de Six
Sigma utilicen más herramientas de análisis estadístico cuando trabajen con la información. Sin embargo, cuando eso
no es posible, no puede usar la curva normal o el análisis estadístico relacionado en datos discretos. Los datos discretos
generalmente involucran una distribución binomial o una distribución de Poisson; ambos se tratarán más adelante en este
capítulo.
Anatomía de una curva normal La
curva normal, cuando se presenta en formato gráfico o en un histograma, suele ser de naturaleza simétrica. Los elementos
de datos tienden a concentrarse a lo largo del centro de la curva, con elementos que se abren lentamente en abanico a ambos
lados a medida que la curva desciende hacia cero.
Si bien una inspección visual de los datos mediante un análisis gráfico puede ayudar a determinar si los datos pueden ser
normales, existen varias curvas de distribución continua que se parecen mucho a las curvas normales. Es por eso que
aplicamos pruebas estadísticas, como la prueba de bondad de ajuste chicuadrada que se analiza en el capítulo 18, para
determinar si los datos son realmente normales. No confunda la prueba de bondad de ajuste de chicuadrada con la
prueba de
chi Página | 265 © 2018 El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
Distribución al cuadrado, que aparece más adelante en este capítulo. Una es una prueba estadística y la otra es una distribución
de probabilidad.
La curva normal:
• Es simétrico • Se
requiere más comúnmente para estadísticas inferenciales • Se
describe estadísticamente utilizando tanto la media como la desviación estándar
o La curva se centra en la media o El
número de desviaciones estándar que se alejan de la media cambia la probabilidad de que
cantidad de datos bajo la curva
Distribuciones continuas no normales
Distribución exponencial La
distribución exponencial crea un histograma o línea de tendencia que es de naturaleza exponencial. Disminuye exponencialmente
a medida que viaja a través del eje x. Vea la imagen a continuación para ver un ejemplo.
En una distribución exponencial, los datos no se organizan alrededor de la media como en la curva de probabilidad normal, sino
en un extremo del eje x. Los datos utilizados para crear el histograma anterior tenían una media de 24,79 pero una mediana de
16. A menudo, cuando se trabaja con datos no normales, la mediana es un punto de datos más aplicable que la media para el
análisis gráfico. Si ubica la mediana en el eje x de un histograma exponencial, sabe que el 50 por ciento de los otros puntos
de datos se encuentran antes y el otro 50 por ciento después.
Las distribuciones exponenciales se usan a menudo cuando se trabaja con conjuntos de datos que incluyen tiempos de
llegada, el tiempo promedio o promedio entre fallas en un proceso, teorías de línea de espera o la distancia, en tiempo o
espacio, entre puntos interesantes de ocurrencia en datos, procesos, o experimentos. el exponencial
Página | 266
La distribución es particularmente valiosa cuando se trabaja con ciertas distribuciones de Poisson. Si recuerda, las
distribuciones de Poisson son discretas en lugar de continuas, lo que significa que los equipos de Six Sigma están limitados
en cuanto a las herramientas estadísticas que se pueden usar para analizar los datos. Sin embargo, la distribución exponencial
a menudo se puede usar para describir la tasa de cambio dentro de los datos que se distribuyen en una distribución de
Poisson, proporcionando un método para crear datos continuos que se pueden analizar.
La curva exponencial:
• Nunca parece simétrico • Se describe
estadísticamente por la media de los datos y un valor conocido como lambda
Aquí hay otra representación gráfica de una distribución exponencial generada en Minitab, que es un software de análisis
estadístico.
Parcela de Distribución
Exponencial, Escala=1, Umbral=0
1.0
0.8
0.6
Densidad
0.4
0.2
0.0
0 2 4 6 8 10 12 14 dieciséis
Al igual que con la distribución normal, puede ejecutar una prueba estadística en Excel para determinar si sus datos
son exponenciales. La prueba es básicamente la misma prueba de bondad de ajuste de chicuadrado que usamos en el
capítulo 18. Se usa la misma idea: primero predice la cantidad de puntos de datos que encontraría en cada contenedor en
una curva exponencial perfecta dados los datos estadísticos con respecto a su conjunto. Luego, compara el desglose real de
sus datos con los números esperados para encontrar el valor de chicuadrado, que se usa para evaluar su hipótesis de que
los datos son exponenciales.
Debido a que vamos a presentar el uso de Minitab para funciones de análisis estadístico en las próximas unidades, y debido
a que Minitab maneja pruebas de bondad de ajuste chicuadrado y muchos otros cálculos estadísticos
automáticamente, no cubriremos los pasos detallados para probar cada tipo de Distribución de datos en Excel. Porque la
mayoría de las pruebas que se pueden realizar con el paquete de herramientas de análisis gratuito en Excel requieren Página
| 267 © 2018
El Consejo para la Certificación Six Sigma. Reservados todos los derechos.
datos distribuidos normalmente, los pasos para probar datos normales en Excel en el capítulo 18 deberían ser suficientes
para gran parte de su trabajo basado solo en Excel.
Distribución Lognormal Al
principio, la distribución lognormal puede parecer una distribución exponencial, pero en un análisis gráfico, obviamente está
restringida por cero. La distribución lognormal en un histograma es asimétrica, con la línea de tendencia que aparece más como una
onda que se mueve por la página. La ubicación y el tamaño de la ola varían con cada conjunto de datos, y la forma puede incluso
ser muy diferente a la que se muestra a continuación.
Las distribuciones logarítmicas normales se utilizan a menudo cuando se trabaja con conjuntos de datos que describen duraciones
de tiempo, como el tiempo que un proceso o una máquina están inactivos, o la distribución de activos o riqueza entre la población.
Cada vez que los datos tienen un sesgo positivo, lo que significa que la cola de los datos está a la derecha, entonces podría ser
posible una distribución lognormal. Considere el ejemplo de la riqueza dentro de una población. Si solo consideramos la cantidad de
ingresos que reporta cada hogar dentro de una población, casi ningún hogar reportará un ingreso de cero, y es imposible tener un
ingreso de menos de cero. (Sí, puede tener un valor neto negativo y un flujo de efectivo negativo si considera los ingresos y los
gastos, pero para nuestro ejemplo, solo estamos hablando de los ingresos).
Ahora, en una muestra aleatoria de ingresos de una gran población, una ciudad, por ejemplo, es probable que los datos sean
lognormales. A medida que avanza hacia la derecha en los contenedores en un histograma, que representa cifras de ingresos en
dólares crecientes, hay menos hogares que caerán en cada contenedor. A medida que alcance los contenedores de dólares
más altos, es probable que vea la menor cantidad de hogares representados en un histograma. Si bien el efecto es similar a
la distribución exponencial positiva vista anteriormente, existen algunas diferencias. La distribución logarítmica normal de la riqueza
normalmente no comienza con la mayor cantidad de puntos de datos en el primer contenedor; Página | 268 © 2018 El Consejo para
la Certificación
Six Sigma. Reservados todos los derechos.
más a menudo, verá una pequeña cantidad de puntos de datos o ninguno en el primer contenedor, seguido de un ascenso rápido a
un punto medio y luego un sendero inclinado hacia la derecha.
La distribución lognormal:
• Por lo general, describe un conjunto de datos con valores en rangos amplios
• Se puede describir tanto con la media como con la desviación estándar
• Siempre tiene un sesgo positivo
Aquí hay otra imagen de una distribución lognormal, generada a partir de Minitab.
Lognormal, Loc=0, Escala=1, Umbral=0
0.7
0.6
0.5
0.4
Densidad
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8
X
Distribución de Weibull Solo
para hacer las cosas más confusas, las probabilidades pueden clasificarse en familias de distribuciones, como las distribuciones
de Weibull. Los datos que se ajustan a una distribución de Weibull también pueden ajustarse a otra distribución, incluidas todas las
discutidas anteriormente en este capítulo. Tenga en cuenta que las distribuciones de Weibull se relacionan con datos continuos,
por lo que es probable que los datos no se ajusten a una distribución de datos discretos.
Mire las distribuciones de Weibull a continuación, que se crearon en Minitab. ¿Te resultan familiares estas imágenes?
Página | 269
Diagrama de
distribución Weibull, Forma=1.5, Escala=1, Umbral=0
0.8
0.7
0.6
0.5
Densidad
0.4
0.3
0.2
0.1
0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
Diagrama de
distribución Weibull, Forma=0.2, Escala=3, Umbral=0
0.08
0.07
0.06
0.05
Densidad
0.04
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90
Página | 270
Weibull, Forma=4, Escala=1, Umbral=0
1.6
1.4
1.2
1.0
Densidad
0.8
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8
Las curvas parecen ajustarse a las distribuciones lognormal, exponencial y normal, respectivamente, aunque cada una de ellas
también se ajusta a la distribución de Weibull.
Las distribuciones de Weibull pueden describir muchos tipos de datos y, a menudo, se usan cuando se trabaja con aplicaciones
de confiabilidad y probabilidades de falla que cambian o varían con el tiempo. Por ejemplo, la posibilidad de que una pantalla
de plasma se dañe debido a quemados aumenta tanto con el tiempo que se usa la pantalla como con el tiempo que se muestra
una sola imagen fija en una pantalla. Los datos asociados con tal preocupación podrían presentar una distribución de Weibull.
Otros tipos de distribuciones continuas Como se indicó
anteriormente, normalmente trabajará con distribuciones normales al aplicar el análisis estadístico. Incluso si la distribución
subyacente de su conjunto de datos no es normal, si tiene una gran muestra aleatoria de datos continuos, generalmente puede
realizar análisis estadísticos que están reservados para datos normales gracias al Teorema del límite central . El teorema del
límite central establece que la distribución
de la media de un gran número de variables independientes idénticamente distribuidas se aproximará a la curva normal. Debido
a esto, podrá usar software como Minitab para aplicar análisis estadísticos a varios conjuntos de datos.
Todavía es una buena idea poder reconocer distribuciones continuas comunes que no son normales, incluidas las
enumeradas anteriormente. En esta sección, destacaremos algunas otras distribuciones continuas no normales y
proporcionaremos imágenes.
Distribución de Cauchy En
una representación gráfica, la distribución de Cauchy a menudo parece una curva normal alargada con un pico más estrecho.
Mientras que la distribución de Cauchy comparte algunas características con la curva normal, la
Página | 271
los datos en sí no son normales. De hecho, la distribución no tiene una media o varianza definida, lo que hace que no sea útil para
muchas herramientas de análisis estadístico comunes que se usan en Six Sigma.
Cauchy, Loc=0, Escala=1
0.35
0.30
0.25
0.20
Densidad
0.15
0.10
0.05
0.00
10 5 0 5 10
Distribución logística La
distribución logística también parece aproximarse a la curva normal y, de hecho, se usa en algunas funciones científicas y
matemáticas para aproximar otras distribuciones simétricas. Esto se debe a que la CDF de una distribución logística es más
consistentemente calculable. Recuerde que la CDF es la función de densidad acumulativa y calcula la probabilidad de que un
punto de datos determinado sea menor o igual que X, donde X es cualquier punto en el eje x de una curva de probabilidad.
Página | 272
Logística, Loc=0, Escala=1
0.25
0.20
0.15
Densidad
0.10
0.05
0.00
5.0 2.5 0.0 2.5 5.0 7.5
X
Distribución de Laplace La
distribución de Laplace a menudo se denomina distribución exponencial bilateral o distribución exponencial doble. Puede
ver en la imagen a continuación que la distribución de Laplace parece emparejar distribuciones exponenciales consecutivas.
Página | 273
Laplace, Loc=0, Escala=1
0.5
0.4
0.3
Densidad
0.2
0.1
0.0
5.0 2.5 0.0 2.5 5.0
X
Distribución uniforme Una
distribución uniforme se produce cuando los puntos de datos se dividen por igual entre los contenedores. Las
distribuciones uniformes exactas casi nunca ocurrirán en datos muestreados aleatoriamente, lo que significa que los equipos de Six
Sigma que ven tales distribuciones en los datos deben verificar la autenticidad de los datos. La uniformidad a menudo apunta a un
error de medición, un problema con el sistema de medición, una muestra no aleatoria o un problema con un proceso.
En algunos casos muy específicos, las distribuciones uniformes podrían apuntar al éxito. Por ejemplo, en una planta
de fabricación, una máquina puede fabricar espigas que se utilizan más adelante en el proceso de fabricación.
Si las espigas deben medir 4 pulgadas para que funcionen más adelante, y una muestra aleatoria de espigas en todos los intervalos
de tiempo de la máquina muestra que se están fabricando espigas de 4 pulgadas, entonces la uniformidad es igual al éxito.
Página | 274
Uniforme, Inferior=0, Superior=1
1.0
0.8
0.6
Densidad
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
X
Distribución Beta Al
igual que las distribuciones de Weibull, las distribuciones Beta pueden adoptar varias formas, dos de las cuales se muestran a
continuación. Las distribuciones beta se consideran extremadamente flexibles y pueden convertirse en sustitutos de otras
distribuciones dados ciertos parámetros estadísticos.
Página | 275
Beta, Primero=1, Segundo=5
3
Densidad
0
0.0 0.2 0.4 0.6 0.8 1.0
X
Beta, Primero=2, Segundo=2
1.6
1.4
1.2
1.0
Densidad
0.8
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
X
Página | 276
Las
distribuciones Gamma Gamma son similares a las distribuciones Beta y Weibull, ya que adoptan varias formas. De hecho,
algunas distribuciones que no se tratan en este capítulo son en realidad formas más específicas de la distribución Gamma.
Sin embargo, las distribuciones gamma siempre están sesgadas hacia la derecha.
Gamma, Forma=1, Escala=1, Umbral=0
1.0
0.8
0.6
Densidad
0.4
0.2
0.0
0 1 2 3 4 5
X
Página | 277
Gamma, Forma=5, Escala=2, Umbral=0
0.10
0.08
0.06
Densidad
0.04
0.02
0.00
0 5 10 15 20 25 30
X
Distribución triangular Una
distribución triangular se forma utilizando la moda y los límites superior e inferior de un conjunto de datos.
Triangular, Inferior=1, Modo=8, Superior=15
0.16
0.14
0.12
0.10
Densidad
0.08
0.06
0.04
0.02
0.00
0 2 4 6 8 10 12 14 dieciséis
Página | 278
Distribuciones discretas no normales
Distribución binomial Se utiliza
una distribución binomial cuando se trata de datos discretos y solo hay dos resultados para cada ensayo o muestra. En
resumen, las distribuciones binomiales se relacionan con datos de atributos: sí o no, pasa o falla, uno u otro.
Una distribución binomial asume que el resultado de cualquier ensayo dado es independiente del resultado de otro ensayo. Si
lanzas una moneda, será cara o cruz. Si lo lanza de nuevo, nuevamente será cara o cruz, con un 50 por ciento de probabilidad
para cualquiera de los dos resultados. No importa lo que pasó con el primer lanzamiento de la moneda.
En la mayoría de los casos, cuando se consideran los resultados de los atributos, la probabilidad no se distribuye uniformemente
entre los dos eventos, como ocurre con el lanzamiento de una moneda. En cambio, existe una probabilidad de éxito (indicada
como p) y una probabilidad de fracaso (indicada como 1 – p). Por ejemplo, si una máquina que fabrica piezas crea defectos
en el 5 por ciento de las piezas, entonces tiene dos resultados para cada pieza fabricada. O la pieza será defectuosa o no será
defectuosa.
Para este ejemplo, p (el resultado de que la pieza será defectuosa) es igual a 0,05 y 1 – p (el resultado de que la pieza no será
defectuosa) es 0,95. Si selecciona una pieza al azar, la probabilidad de obtener una pieza defectuosa es de 0,05.
(Vale la pena señalar antes de pasar a la aparente discrepancia en los dos párrafos anteriores. Primero, dijimos que la probabilidad
de éxito se anotó como p. Luego, dijimos que la probabilidad de extraer una pieza defectuosa es p, o 0.05. En los negocios
"Extracción de una pieza defectuosa no se consideraría un éxito. Sin embargo, en términos estadísticos, no estamos hablando de la
naturaleza de calidad del resultado. Estamos hablando de si un resultado coincidirá con la definición que hemos creado. En
este caso , si el resultado será defectuoso.)
La distribución binomial de los datos descritos anteriormente en un histograma podría aparecer de la siguiente manera:
Página | 279
Diagrama de
Distribución Binomial, n=20, p=0.05
0.4
0.3
Probabilidad
0.2
0.1
0.0
0 1 2 3 4 5 6
X
Cuando se trata de conjuntos de datos binomiales, puede utilizar la función de probabilidad de distribución binomial para
determinar la probabilidad de la cantidad de éxitos que tendrá dentro de una cantidad determinada de intentos dados los datos
de muestra que tiene. Las respuestas generadas por la función de probabilidad de distribución binomial se correlacionan con el
histograma generado por Minitab dada la misma información.
Para entender lo que queremos decir con esto, consideremos nuevamente el ejemplo del lanzamiento de una moneda. Para este
ejemplo, imagine que se lanza una moneda 10 veces y consideramos que cara es un éxito. La probabilidad de éxito (cara) para
cada lanzamiento de moneda es de 0,5. Dada esa información, Minitab crea el siguiente histograma.
Página | 280
Diagrama de
0.25
0.20
0.15
Probabilidad
0.10
0.05
0.00
0 2 4 6 8 10
Este gráfico nos muestra que, si lanzamos la moneda 10 veces, la posibilidad de obtener 1 éxito en todos esos 10 lanzamientos
es muy pequeña, al igual que la posibilidad de obtener 9 éxitos. La posibilidad de obtener 5 éxitos de 10 es mucho mayor, pero en
realidad no es del 50 por ciento.
Para aplicar este concepto a una situación del mundo real, echemos un vistazo nuevamente a nuestro proceso de máquina, que
produce piezas defectuosas a una tasa de 0,05. Nuevamente, el histograma a continuación ilustra los datos que podrían ocurrir
si tomamos 20 muestras aleatorias del proceso.
Página | 281
Diagrama de
0.4
0.3
Probabilidad
0.2
0.1
0.0
0 1 2 3 4 5 6
X
La probabilidad de que tengamos 0 éxitos (piezas defectuosas) en nuestra muestra de 20 es un poco más de 0,35. La probabilidad
de que tengamos 1 pieza defectuosa es un poco mayor, pero la posibilidad de que tengamos cinco piezas defectuosas en 20 es
muy, muy pequeña. La probabilidad de más de 5 piezas defectuosas en nuestro lote de 20 es casi inexistente.
¿Qué le dice esto a un equipo Six Sigma del mundo real? Imagine que un equipo de control de calidad toma 20 muestras aleatorias
de este proceso todos los días. Durante dos semanas seguidas, el equipo de calidad no registra defectos en esas muestras. Si
el equipo de Six Sigma cree que un proceso genera 0,05 piezas defectuosas, entonces la falta de piezas defectuosas en las
muestras indica que (1) algo ha cambiado para mejorar el rendimiento del proceso, (2) el sistema de medición es defectuoso o (3 )
las muestras no son realmente aleatorias.
Si aumenta el número de intentos a 100, se mantiene la distribución binomial.
Página | 282
Diagrama de
0.20
0.15
Probabilidad
0.10
0.05
0.00
0 2 4 6 8 10 12 14
Aquí puede ver que la mayor probabilidad para este proceso es que, dentro de 100 muestras, 4 o 5 serán defectuosas. Dada una
tasa de defectos de 0,05, es poco probable que una muestra aleatoria de 100 tenga más de 11 o 12 piezas defectuosas.
Lo que hemos hecho gráficamente, también puedes hacerlo matemáticamente usando la función de probabilidad de
distribución binomial. La ecuación se proporciona a continuación.
! −
( ) =
! ()!
Para esta fórmula:
• x es igual al número de éxitos deseados • n es igual al
número de intentos • p es igual a la probabilidad
de éxito en cada intento • q es igual a 1 – p • El signo de exclamación
indica un factorial.
o 3! = 3x2x1 = 6
o 4! = 4x3x2x1 = 24 o 5! =
5x4x3x2x1 = 120
Usando la función de probabilidad de distribución binomial, podemos calcular la probabilidad de que 20 intentos produzcan 4
piezas defectuosas en un proceso que entrega 0,05 piezas defectuosas.
Página | 283
! −
( ) =
! ()!
20!
( ) = (.054)(. 9520−4)
4! (20 4)!
2432902008176640000 ( )
= (.054)(. 9516)
24(20922789888000)
( )
2432902008176640000
= (0.00000625)(0.440127)
502146957312000
( ) = (4845)(0.00000625)(0.440127)
( ) = 0.013
La probabilidad de sacar 4 piezas defectuosas es muy baja, como se muestra en el gráfico de distribución.
¿Cuáles son algunas de las razones por las que este tipo de cálculo podría ser importante en el mundo de los negocios o para los equipos de
Six Sigma?
Página | 284 ©
Considere una empresa que vende chocolates. Si en cada caja vienen 20 chocolates, ¿cuál es la probabilidad de que un cliente
reciba un producto defectuoso en su caja? ¿Cuál es la probabilidad de que un cliente reciba más de un chocolate defectuoso?
Los equipos pueden calcular estas probabilidades después de muestrear datos para determinar con qué frecuencia un proceso
genera un producto defectuoso.
¿Qué pasa si un equipo de Six Sigma toma muestras al azar del proceso del chocolate y determina que el proceso opera a un
nivel de 4 sigma? Recuerde de la Unidad 1 que en 4 sigma, un proceso genera 6210 defectos por millón de oportunidades.
Supongamos que eso significa 6.210 chocolates defectuosos por millón creado, o una probabilidad de que un chocolate sea
defectuoso igual a 0,00621.
En una caja de 20 chocolates, con p = 0.00621, Minitab genera el siguiente histograma binomial.
Diagrama de
0.9
0.8
0.7
0.6
Probabilidad
0.5
0.4
0.3
0.2
0.1
0.0
0.5 0.0 0.5 1.0 1.5 2.0 2.5
En el histograma anterior, puede ver que la probabilidad de que una caja no tenga chocolates defectuosos es aproximadamente
del 88 por ciento. La probabilidad de que una caja tenga un chocolate defectuoso es aproximadamente del 10 por ciento. La
probabilidad de que una caja tenga dos o más chocolates defectuosos es casi inexistente.
¿Qué significa esto para el negocio? Depende de los objetivos del negocio o del proyecto Six Sigma.
Si el equipo de Six Sigma se encargó de mejorar la satisfacción del cliente o disminuir la tasa de devolución de las cajas de
bombones, entonces una probabilidad del 10 por ciento de un chocolate defectuoso en una caja podría ser algo que el equipo
quiera abordar. Sin embargo, si la satisfacción del cliente es alta y los costos de devolución son bajos, entonces las posibles
quejas o devoluciones asociadas con una pequeña cantidad de cajas podrían ser aceptables para la empresa, particularmente si
un equipo de Six Sigma descubre que reducir la tasa de error costaría mucho más de lo esperado. cantidad que cuesta manejar los
errores.
Al aplicar la distribución binomial de esta manera para pasar/fallar, sí/no o defecto/no defecto, los equipos de Six Sigma pueden
calcular datos que son útiles en una variedad de situaciones del mundo real. La capacidad de vincular los costos a
Página | 285
defectos hace que sea aún más posible evaluar este tipo de información utilizando la probabilidad binomial, porque los equipos
pueden hablar en términos de la probabilidad de que diferentes procesos o resultados cuesten cantidades variables de
dinero, o ahorren cantidades variables de dinero, los cuales son métricas de la compañía. el liderazgo estará interesado en
escuchar.
Distribución de veneno
La distribución de Poisson se usa a menudo cuando se trata de datos que se distribuyen aleatoriamente en el tiempo, la distancia
u otra unidad de medida. Por ejemplo, la distribución puede ser relevante cuando se trata de llamadas por hora en un centro de
llamadas, accidentes de tránsito por semana en una cuadra o calle específica o número de defectos en un lote. De hecho, la
palabra "por" en una métrica es una buena indicación de que la distribución de Poisson podría ser útil.
Como puede ver en el gráfico anterior, la distribución de Poisson puede parecerse un poco a la curva normal, pero no es simétrica.
Esta curva, basada en una media de 4, se inclina ligeramente hacia la derecha.
Poisson, Media=4
0.20
0.15
Probabilidad
0.10
0.05
0.00
0 2 4 6 8 10 12
X
Página | 286
Este gráfico de una distribución de Poisson con una media de 42 se parece aún más a la curva normal. Sin embargo, si mira muy
de cerca y cuenta los intervalos a la izquierda y a la derecha de la media, verá que la curva se inclina muy ligeramente hacia la
derecha. Este es un buen ejemplo de por qué se necesita el análisis estadístico además del análisis gráfico cuando se
trabaja con datos. Los datos pueden aproximarse a la curva normal en un gráfico sin ser normales.
Poisson, Media=42
42
0.06
0.05
0.04
Probabilidad
0.03
0.02
0.01
0.00
20 30 40 50 60 70
X
Una cosa interesante a tener en cuenta sobre la distribución de Poisson es que se relaciona estrechamente con la distribución
exponencial. Recuerde, la distribución de Poisson es discreta, no continua. La distribución es un análisis de cuántos de una
cosa ocurren por otra. Por ejemplo, considere la cantidad de errores en el trabajo de un empleado de entrada de datos cada hora.
Errores por hora
5
8
5
5
4
7
4
12
3
Página | 287
6
9
9
7
3
6
5
7
6
4
5
5
2
4
7
6
Aquí está el histograma de los datos anteriores:
Histograma de C1
Frecuencia
0
2 4 6 8 10 12
C1
Página | 288
Los datos no son continuos. En cambio, es categórico. ¿Cuántos errores comete el empleado en la hora 1, la hora 2, la hora 3 y así
sucesivamente? Sin embargo, si el proceso sigue una distribución de Poisson, entonces el tiempo entre cada evento en el proceso
cuando se observa continuamente produce una distribución exponencial.
Comprender esta relación puede ayudar a los equipos de Six Sigma a convertir las distribuciones de Poisson en distribuciones
exponenciales cuando sea necesario para el análisis estadístico. Es probable que el uso de esta conversión dentro de un entorno
Six Sigma no sea común para la mayoría de los equipos, pero podría ser útil en aplicaciones especiales, algunas de las cuales
cubriremos en las secciones específicas de la industria al final de este libro.
La distribución de Poisson puede ser aplicable cuando se pueden usar las siguientes declaraciones para describir sus datos:
• Los datos describen eventos que ocurren en una medición de intervalo aleatorio: la palabra "por" suele ser
involucrado.
• El tamaño de la muestra (número de intervalos) es de al menos 16. Si está midiendo por hora, tiene al menos 16 horas de datos.
Si está midiendo por pie, tiene al menos 16 pies de datos.
• Sabes que el tamaño de la población es 10 veces el tamaño de la muestra o más grande. Si usted es
medir la productividad del trabajador, por ejemplo, no puede tomar las primeras 16 horas que el trabajador está en el trabajo.
• Las ocurrencias de eventos son independientes entre sí. En nuestro ejemplo de entrada de datos, si contamos cada pulsación de
tecla innecesaria como un error, podríamos contar el retroceso. Sin embargo, el retroceso depende de que la persona cometa
otro error. Si la persona escribe "b" cuando quería decir "n", eso es un error. Si contamos el retroceso como error 2, entonces los
errores no son independientes.
• La probabilidad de ocurrencia es menor a 0.1. Considere el ejemplo anterior de ingreso de datos. Cuando se utiliza un teclado
numérico de 10 teclas, la tasa promedio de ingreso de empleados en los Estados Unidos es de aproximadamente 8000
por hora. Si un empleado comete de 8 a 12 errores por hora, la probabilidad de cometer un error por cada pulsación de tecla es
muy inferior a 0,1. • La tasa de ocurrencia por intervalo es
constante. El número promedio de llamadas telefónicas por hora es
50; el promedio de errores por hora es de 6.
Si los datos se ajustan a la distribución de Poisson, puede usar una ecuación para determinar la probabilidad de ciertos
eventos.
La ecuación de Poisson es:
−
( ) =
!
Dentro de la ecuación de Poisson:
• e es igual a la constante de Poisson, que es 2,71828
• es la media o promedio del proceso
Página | 289
• es el caso específico o punto de datos; recuerda que el signo de exclamación indica un factorial.
Por ejemplo, si un equipo Six Sigma estaba trabajando para mejorar los procesos en un centro de llamadas, es posible
que hayan recopilado datos que indiquen que la cantidad promedio de personas en espera para un
representante de servicio al cliente en un momento dado es 10. Dada esa información y un Poisson distribución
al considerar el número de retenciones por incrementos de tiempo, el equipo puede usar la ecuación de Poisson para calcular
las probabilidades relacionadas con varios escenarios de llamada.
¿Cuál es la probabilidad de que haya 15 llamadas en espera en un momento dado?
−
( ) =
!
2.71828−101015
( ) =
¡15!
2.71828−101015
( ) =
1307674368000
2.71828−101,000,000,000,000,000
( ) =
1,307,674,368,000
Página | 290
45.400.235.147,3734
( ) =
1.307.674.368.000
( ) = 0.034
La probabilidad de tener exactamente 15 llamadas en espera en un momento dado en el centro de llamadas es 0,034,
o aproximadamente 3,4 por ciento.
Ese número en sí mismo no es extremadamente útil para una empresa o un equipo de Six Sigma, a menos que haya un protocolo
específico o un problema de proceso que ocurra solo cuando las llamadas en espera lleguen exactamente a 15. No es un escenario
muy probable. Sin embargo, ¿qué sucede si un equipo de Six Sigma ha notado que cuando el número de llamadas en espera llega a
15 o más, es poco probable que un equipo del centro de llamadas con personal regular se ponga al día, lo que resulta en tiempos
y volúmenes de espera altos continuos? Sabiendo esto, el equipo podría informar al propietario del proceso que cuando los números en
espera lleguen a 15, es hora de mover algunos recursos de otras áreas para responder llamadas.
Pero, ¿cómo planifica adecuadamente un propietario de proceso o un equipo de Six Sigma? ¿Es necesario disponer
constantemente de otros recursos? ¿La probabilidad de que ocurra esta situación es alta o baja?
Para responder a la pregunta, puede usar la ecuación de Poisson para encontrar la probabilidad de que haya 0, 1, 2, 3, 4, 5, 6, 7,
8, 9, 10, 11, 12, 13 y 14 llamadas en mantener en un momento dado. Debido a que la probabilidad de todos los resultados
posibles suma 1, restarías la suma de todas esas probabilidades de 1 para determinar la probabilidad de que el número de
retenciones sea 15 o más.
Matemáticamente, el concepto se escribe como:
( 15) = 1 − (0) + (1) + (2) + (3) + (4) + (5) + (6) + (7) + (8) + (9) + (10) + (11) + (12) + (13) + (14)
Para calcular manualmente la probabilidad anterior, tendría que usar la ecuación de Poisson para cada P(x) enumerada
anteriormente. También puede usar software de análisis estadístico, como Minitab, para hacer los cálculos por usted. Cubriremos
cómo manejar dicho análisis en Minitab en capítulos posteriores. Por ahora, sin embargo, considere la siguiente tabla, que muestra
la probabilidad de cada x.
0 0.0000454
1 0.0004540
2 0.0022700
3 0.0075667
Página | 291
4 0.0189166
5 0.0378333
6 0.0630555
7 0.0900792
8 0.112599
9 0.125110
10 0.125110
11 0.113736
12 0.0947803
13 0.0729079
14 0.0520771
La suma de las probabilidades de cada X proporciona una probabilidad total de que x sea menor que 15 de 0,916541.
Alternativamente, puede usar software estadístico para determinar la probabilidad acumulada: el área bajo la curva a la izquierda
de un punto determinado. Las probabilidades acumuladas de que x sea menor o igual a 14 es 0.916541.
Por lo tanto, la probabilidad de que x sea 15 o mayor es 1 – 0,916541 o 0,083459.
La probabilidad de que haya 15 o más llamadas en espera en un momento dado es de aproximadamente 0,083, o un poco más
del 8 por ciento. Dada esta probabilidad, el liderazgo del centro de llamadas puede tomar una decisión más informada
sobre si quiere pagar por más personal o correr el riesgo de alcanzar el mayor volumen de llamadas y tener que ponerse al día
durante el resto del turno.
Los equipos pueden usar la distribución de Poisson y los cálculos de esta manera para comprender las probabilidades de que
ocurran diferentes eventos. También pueden vincular los datos financieros a tales eventos para tomar mejores decisiones
basadas en datos.
Otros tipos de distribuciones discretas
Distribución geométrica La
distribución geométrica se utiliza cuando hay dos resultados para un ensayo, los ensayos son independientes y hay un tiempo de
espera antes de la primera aparición. Al igual que con la distribución binomial, el resultado de cada prueba debe ser
independiente. Un uso real de la distribución geométrica podría incluir la cantidad de inspecciones que ocurren antes de
encontrar una pieza defectuosa o la cantidad de currículos o solicitudes que revisa un reclutador antes de encontrar al
primer candidato que cumple con los requisitos mínimos del trabajo.
A continuación se muestra un ejemplo de la distribución geométrica.
Página | 292
Gráfico de Distribución
Geométrica, p=0.1
0.10
0.08
0.06
Probabilidad
0.04
0.02
0.00
0 10 20 30 40 50
X
X = número total de ensayos.
Binomial Negativo La
distribución binomial negativa también se utiliza con datos de atributos: falla/aprobado y otras situaciones en las que solo hay dos
resultados para cada prueba. Nuevamente, los resultados deben ser independientes entre sí; la probabilidad de que ocurra debe ser
la misma en cada ensayo, al igual que con la distribución binomial.
La distribución binomial negativa se usa a menudo cuando los equipos intentan determinar la probabilidad de un cierto número de
pases o fallas antes de llegar al enésimo pase o falla.
Página | 293
Diagrama de
distribución binomial negativa, p=0,1, NEvents=20
0.010
0.008
0.006
Probabilidad
0.004
0.002
0.000
100 150 200 250 300 350
X
X = número total de ensayos.
Aplicación de datos a situaciones del mundo real
A lo largo de este capítulo, hemos abordado algunas formas en que las distribuciones de probabilidad permiten que los equipos de Six
Sigma apliquen datos sin procesar sobre procesos a problemas y situaciones del mundo real. Como se indicó anteriormente, muchos de los
análisis estadísticos que realizará sobre los datos estarán relacionados con la curva normal. Pero comprender algunas ecuaciones
relacionadas con distribuciones como Binomial o Poisson lo ayuda a ampliar su capacidad para crear suposiciones del mundo real
sobre los datos.
Cuando puede determinar la probabilidad de ciertos eventos o puntos de datos, puede tomar decisiones informadas sobre un
proceso. ¿Cuál es la probabilidad de que ocurra un evento de alto costo? ¿Es suficiente el costo asociado con un evento para
crear una razón para trabajar para reducir la probabilidad de ese evento? Si la probabilidad de un defecto de bajo costo es alta, ¿es probable
que los gastos totales asociados con ese defecto sean más altos que los gastos totales asociados con un defecto de alto costo que tiene una
probabilidad extremadamente baja?
Estas son solo algunas de las preguntas que los equipos pueden usar estadísticas y distribuciones de probabilidad para responder.
respuesta.
Página | 294
Capítulo 21: Prueba de hipótesis
Las pruebas de hipótesis son herramientas estadísticas que se utilizan para sacar conclusiones basadas en
datos. Con una comprensión básica del proceso y el rendimiento del proceso, así como datos en tiempo real, o lo más cerca
posible de los datos en tiempo real, los equipos de Six Sigma pueden sacar conclusiones estadísticas que son extremadamente
precisas si (1) se aseguran de que los sistemas de medición son buenos, (2) tienen el tamaño de muestra correcto y (3) saben
cómo configurar el tipo correcto de prueba de hipótesis.
El análisis de sistemas de medición se discutió en el Capítulo 13. En este capítulo, hablaremos sobre diferentes tipos de pruebas
de hipótesis, cómo configurarlas y cómo leer los resultados. En el Capítulo 22, cubriremos cómo elegir el tamaño de muestra
correcto para varios tipos de datos y pruebas de hipótesis, y en los capítulos sobre Minitab, encontrará una guía paso a paso para
ejecutar pruebas en el programa de software. También puede ejecutar algunas pruebas en Excel utilizando el paquete de
herramientas de análisis que descargó anteriormente.
Conceptos básicos de la prueba de hipótesis
Las pruebas de hipótesis cubren tres amplias categorías:
• Probar si los datos que tiene se ajustan a un modelo de datos. En el Capítulo 18, realizamos una prueba de hipótesis para
determinar si los datos se ajustan a la curva normal. Utilizamos la prueba de bondad de ajuste chicuadrado, pero en
última instancia, fue una prueba de hipótesis.
• Comparar una estadística con una hipótesis sobre los datos o la población. • Responder
a la pregunta de si algo cambió dentro de los datos, a menudo después de que un equipo haya
modificó una entrada u otra parte del proceso. En el caso de la mayoría de los proyectos Six Sigma, el equipo
probablemente quiera saber si se mejoró el proceso o el resultado.
Si bien el tipo de prueba de hipótesis que utilice depende de las respuestas que esté buscando y del tipo de datos que tenga, todas
las pruebas siguen esencialmente las mismas pautas:
• Comienza con una estadística o criterio que normalmente calcula a partir de sus datos de muestra • Crea una
hipótesis nula y una hipótesis alternativa, de acuerdo con el tipo de prueba que
están tratando o
Recuerde, en el capítulo 18 cuando realizamos la prueba de bondad de ajuste de chicuadrado: La
hipótesis nula era que los datos eran normales La hipótesis
alternativa era que los datos no eran normales
• La estadística o los criterios se comparan con un criterio o distribución de referencia. • La forma en
que la estadística calculada se compara con los criterios de referencia determina si acepta la hipótesis nula o la rechaza a
favor de la hipótesis alternativa.
Las pruebas de hipótesis son una gran parte de las estadísticas inferenciales, donde sacamos conclusiones sobre el proceso
general o la población mediante el análisis de los datos y las mediciones de la muestra. Al establecer hipótesis, no estamos
haciendo afirmaciones sobre la muestra. Estamos haciendo afirmaciones sobre la población o la totalidad
proceso.
Página | 295
Una hipótesis es "la media de la población es 5".
No necesitamos hacer una hipótesis sobre la media de la muestra, podemos calcular la media de la muestra.
Las pruebas de hipótesis nula
versus alternativa tienen dos partes principales: la hipótesis nula y la hipótesis alternativa.
La hipótesis nula se abrevia como H0 y suele ser una declaración sobre los datos que no refleja ningún efecto o ninguna diferencia.
En el capítulo 18, planteamos la hipótesis de que nuestros datos eran normales. En efecto, estábamos diciendo que “no hay
diferencia estadística entre la distribución de nuestros datos y la distribución de datos en un
curva normal.”
La hipótesis alternativa se abrevia como Ha y suele ser una afirmación que probablemente sea verdadera si la hipótesis nula no
lo es. En el capítulo 18, la hipótesis alternativa era “hay una diferencia estadística entre la distribución de nuestros datos y la
distribución de datos en una curva normal”. En resumen, si rechazamos la hipótesis nula, aceptamos la hipótesis alternativa,
en este caso, que nuestros datos no son normales.
Por lo general, la hipótesis nula es una declaración igual de algún tipo. La media del nuevo proceso es igual a la media del nuevo
proceso. La distribución de los datos es igual a la curva normal.
La hipótesis alternativa generalmente se escribe como un enunciado diferente, mayor que o menor que.
La media del nuevo proceso es mayor que la media del antiguo proceso. La distribución de los datos no es igual a la curva normal.
La forma en que escriba la hipótesis alternativa depende de la pregunta que esté haciendo y del tipo de prueba de hipótesis que
esté ejecutando.
El riesgo de error en la prueba de hipótesis Cada
vez que se extraen inferencias sobre una población a partir de datos de muestra, existe al menos cierta probabilidad de error. Con
la prueba de hipótesis, los errores vienen en dos tipos.
• Error Tipo I: Se rechaza la hipótesis nula cuando en realidad es cierta. o También
llamado riesgo del productor o La
probabilidad del riesgo se mide por alfa, donde es una probabilidad entre 0 y
1.
• Error Tipo II: Se acepta la hipótesis nula cuando en realidad es falsa.
o También llamado riesgo del consumidor
o La probabilidad del riesgo se mide por beta, donde es una probabilidad entre 0 y
1.
Para describir el riesgo y configurar nuestra prueba de hipótesis para lo que consideramos un riesgo aceptable, se debe
elegir un nivel de confianza. El nivel de confianza más común utilizado es 95 por ciento, o = 0,05.
Por lo general, el nivel de confianza se establece teniendo en cuenta el error de tipo I, por lo que utiliza alfa para el nivel de
confianza. El valor de entonces contribuye a los requisitos de tamaño de la muestra y la potencia; el tamaño de la muestra se
tratará en el próximo capítulo. La información adicional sobre los valores alfa y beta se cubre en la sección de este capítulo
sobre la ejecución de pruebas de hipótesis individuales.
Página | 296
Selección de la prueba de hipótesis correcta
Para determinar qué prueba de hipótesis ejecutar, debe saber:
• Qué tipo de datos tiene (continuo/variable o discreto/atributo) • La cantidad de niveles de interés para
la entrada en cuestión (1, 2 o más de dos) • Distribución de datos (normal o no normal) • Lo que está probando
(medias, medianas, varianza, conteo o proporciones)
En este capítulo, las pruebas de hipótesis que se cubren tratan con 1 o 2 niveles de interés.
En la siguiente sección, presentaremos varios tipos de pruebas de hipótesis. Luego, veremos cómo ejecutar algunas de estas
pruebas usando software estadístico.
Pruebas de hipótesis para datos discretos
Prueba de 1 proporción •
Se usa cuando solo hay un factor para x • Se usa cuando
hay un nivel de interés para x (la entrada)
o Por lo general, hay un conjunto de datos (la muestra) y un objetivo
• Se usa cuando se comparan proporciones (porcentaje, tasas) entre muestras y un objetivo • La prueba está disponible
en Minitab o Requiere muestras en
columnas o un resumen de datos para incluir el número de eventos, el número de ensayos y la proporción hipotética
La prueba de hipótesis se establece como:
H0 : Pmuestra = Pobjetivo
Ha : Pmuestra ≠ Pobjetivo
Tenga en cuenta que en la configuración anterior, la hipótesis alternativa se establece de forma predeterminada en "no igual".
Minitab le permite ajustar la hipótesis alternativa a un escenario mayor que o menor que si lo desea.
Ejemplo de la prueba de 1 proporción:
Un administrador de la escuela cree que los estudiantes en un salón determinado están siendo afectados por algún problema ambiental
con ese salón. El administrador quiere ver si los estudiantes en ese salón se desempeñan estadísticamente más bajo en las
pruebas que los estudiantes de toda la escuela; ya ha señalado que diferentes clases de esa sala las imparten otros profesores que también
imparten clases en las otras salas, por lo que ha descartado una influencia docente.
El administrador recopila datos. La tasa de fracaso de las clases impartidas en cualquier otro salón de clases es del 20 por ciento.
De 142 estudiantes que tienen una clase en el salón de clases en cuestión, 38 están reprobando esa clase en particular.
La prueba de hipótesis se redactaría con un enunciado del mundo real y un enunciado estadístico para la hipótesis nula y alternativa.
Página | 297
• H0: No hay diferencia en la tasa de reprobación entre las clases impartidas en el aula específica y las impartidas en otro lugar. o
Paula = Pelsewhere o Paula = 0.2
• Ha: La tasa de reprobación es mayor para aquellas clases impartidas en el aula específica.
o Paula > Pelsewhere o
Paula > 0.2
o
Prueba de 2 proporciones
• Se usa cuando solo hay un factor para x • Se usa cuando
hay 2 niveles de interés para x (la entrada) o Por lo general, hay dos conjuntos
de datos con respecto a la entrada y usted los está comparando
dos conjuntos de datos
• Se usa cuando se comparan proporciones (porcentajes, tasas) entre muestras o entre muestras
y un objetivo
• La prueba está disponible en Minitab
o Requiere muestras en columnas
H0 : P1 = P2
Ha : P1 ≠ P2
Ejemplo de la prueba de 2 proporciones:
Reconsidere el ejemplo anterior sobre el administrador de la escuela y el salón de clases. Tal vez el administrador de la escuela
determina que los estudiantes en ese salón de clases, de hecho, se desempeñan estadísticamente de manera diferente a los estudiantes
en otros salones. El administrador toma la decisión de trasladar a los estudiantes de ese salón de clases a otro salón de clases.
Luego recopila datos sobre el desempeño de las pruebas en el nuevo salón de clases.
Ahora, el administrador tiene dos conjuntos de datos de rendimiento de prueba para los mismos estudiantes. La única variable que ha
cambiado es la ubicación del aula. Ella quiere saber, ¿hay alguna diferencia entre el desempeño en la sala antigua y la sala
nueva?
• H0: No hay diferencia en la tasa de fallos entre la sala antigua y la sala nueva.
o Pold = Pnuevo
• Ha: La tasa de fracaso es menor en el aula nueva.
o Pold > Pnuevo
Página | 298
Pruebas de hipótesis para datos normales continuos
Prueba T de 1 muestra (o prueba T pareada) •
Se usa cuando se comparan medias •
Normalmente se usa cuando se trata de muestras más pequeñas o cuando se conoce la desviación estándar.
o Cuando se trate de muestras más grandes o cuando no se conozca la desviación estándar, use el 1
Prueba Z de muestra.
• La prueba T de 1 muestra compara la media de una muestra con una media objetivo • La
prueba T pareada compara la media de una muestra con la media de otra muestra para el mismo factor de X. Por lo general, la
primera muestra es la línea base y la segunda se toma una muestra después de realizar un cambio; se ejecuta la prueba
para ver si el cambio hizo una diferencia. • La prueba T de 1 muestra está disponible en Minitab
o Requiere la desviación estándar, la media y el tamaño de la muestra, así como el objetivo o la media
hipotética. • La prueba T
pareada está disponible en Minitab y Analysis TookPak de Excel
H0 : 1= 2
Ja : 1 ≠ 2
Ejemplo de la prueba T de 1 muestra
Una empresa agrícola que cultiva maíz produjo un promedio de 168 bushels de maíz por acre cada año durante cinco años. La empresa hizo
un cambio en su proceso de siembra en un intento de aumentar el rendimiento de sus campos. La cosecha que siguió al cambio de
semillas resultó en un promedio de 175 bushels de maíz por acre cada año. ¿El cambio de siembra resultó en un resultado estadísticamente
diferente en el rendimiento por acre?
• H0: no hay diferencia entre el resultado después del cambio de siembra y el resultado
antes de eso.
o viejo = nuevo
• Ha: El cambio de siembra resultó en un aumento en la cantidad promedio producida por campo.
o viejo < nuevo
Prueba de chi cuadrado (o prueba de 1 varianza) •
Se usa cuando se compara la desviación estándar o la varianza • Compara
la desviación estándar o la varianza entre dos muestras del mismo factor x (generalmente se toma una muestra después de que se ha
realizado un cambio en el proceso) o compara la desviación estándar o la varianza con un objetivo o una estadística
hipotética.
• Está disponible en Minitab
Página | 299
o Requiere datos de muestra en dos columnas o datos de resumen para incluir el tamaño de la muestra con la
desviación estándar de la muestra o la varianza de la muestra y una desviación estándar o varianza hipotética.
H0 : 1= 2
Ja : ≠ 1 2
Ejemplo de la prueba de chicuadrado (o prueba de 1 varianza)
Una planta de fabricación fabrica las ruedas que se colocan en los carros rodantes. La planta proporciona tres tamaños de ruedas a una
planta asociada, que fabrica la propia plataforma rodante y usa las ruedas para completar el proceso. La planta asociada presenta una queja:
las ruedas más pequeñas que salen de la fábrica tienen suficiente variación de tamaño como para causar problemas de estabilidad con el
producto final, lo que resulta en plataformas rodantes defectuosas o ruedas desperdiciadas.
partes.
La planta de ruedas lanza un proyecto de mejora Six Sigma para reducir la variación del tamaño en las ruedas más pequeñas. El equipo
mide una línea de base y encuentra que la desviación estándar en el tamaño
de las ruedas es 0.0409. El equipo realiza cambios en el proceso y vuelve a medir para comparar la nueva desviación estándar con la
anterior.
• H0: No hay diferencia entre las desviaciones estándar; los cambios no hicieron nada para
reducir estadísticamente la variación en el proceso.
o nuevo= 0.0409
• Ha: Las mejoras redujeron la desviación estándar en el proceso.
o nuevo< 0.0409
Prueba T de 2 muestras
• Se usa cuando se comparan medias •
Compara las medias entre dos muestras de diferentes factores x • Está disponible en Minitab y
Excel
o Requiere datos de muestra en dos columnas o datos de resumen para incluir tamaño de muestra,
media y desviación estándar para ambas muestras • Requiere
que observe si se asumen o no varianzas iguales entre las dos muestras
La Prueba T de 2 muestras puede parecer como la Prueba T de 1 muestra, porque en la Prueba T de 1 muestra, discutimos cómo puede
comparar una muestra antes de un cambio con una muestra después de un cambio. Sin embargo, la prueba T de 2 muestras es ligeramente
diferente, porque está comparando dos muestras de diferentes poblaciones.
Por ejemplo, puede comparar la temperatura corporal media de los niños que no recibieron la vacuna contra la influenza con la
temperatura corporal media de los niños que sí la recibieron. Esto es diferente Página | 300 © 2018 El Consejo para la Certificación Six
Sigma.
Reservados todos los derechos.
que comparar la temperatura corporal media del mismo grupo de niños del año pasado, cuando no recibieron la vacuna, con este año,
cuando sí la recibieron. El primer ejemplo usaría la prueba T de 2 muestras; el segundo ejemplo (año tras año) usaría la prueba T de 1
muestra.
H0 : 1= 2
Ha : 1 ≠ 2
Ejemplo de la prueba T de 2 muestras
Dos abogados que ejercen en el mismo bufete de abogados están entregando cantidades muy diferentes de horas facturables, aunque
los socios notan que los dos abogados tienen cargas de casos similares. Un socio planteó la hipótesis de que el personal legal del
abogado A está tardando demasiado en manejar algunas tareas; Debido a que la empresa factura en un momento determinado por
tareas de estilo administrativo, independientemente de cuánto tiempo tomen esas tareas, si el personal legal tarda demasiado en realizar
tales tareas, están gastando tiempo en trabajo que no se puede facturar.
Para probar la teoría, se recopilan datos sobre el tiempo que el personal legal dedica a las tareas. Específicamente, un equipo analiza el
tiempo dedicado a tres tareas para las cuales el personal legal puede facturar 15 minutos cada una: ciertos tipos de tareas administrativas
sencillas de teléfono, copiado o archivo.
• H0: No hay diferencia entre el tiempo promedio que toma el personal del Abogado A y el tiempo promedio
tiempo que el personal del Abogado B dedica a tales tareas.
o H0 : AbogadoA= AbogadoB •
Ha: El personal del Abogado B dedica, en promedio, menos tiempo a estas tareas.
o Ha : AbogadoA > AbogadoB
Pruebas de hipótesis para datos no normales continuos
Prueba de chi
cuadrado La prueba de chicuadrado, que se describió en la sección anterior, también se puede usar para comparar la desviación
estándar entre una muestra y una desviación estándar hipotética cuando los datos no son normales.
Wilcox de una muestra •
Se usa cuando se comparan medianas •
Compara las medianas entre una muestra y una muestra hipotética o una muestra nueva con una muestra anterior antes de
que se hicieran cambios • Está disponible en Minitab
o Requiere datos de muestra en una columna y media hipotética
• Normalmente se usa cuando los datos son algo simétricos; de lo contrario, puede usar el signo de 1 muestra
prueba en Minitab para lo mismo
Página | 301
H0 : 1 =
Ha : 1≠
Tenga en cuenta que en la configuración anterior, la hipótesis alternativa se establece de forma predeterminada en
"no igual". Minitab le permite ajustar la hipótesis alternativa a un escenario mayor que o menor que si lo desea.
Ejemplo de Wilcox de una muestra
Una empresa de bienes raíces quiere ingresar a un mercado de mucho dinero, por lo que quiere crear algunos sitios
web regionales que atiendan a los compradores de viviendas que buscan casas más grandes. Específicamente,
quieren atender a los compradores de viviendas que compran casas con 4 o más habitaciones. Antes de que la empresa
pueda crear sitios web y comenzar a comercializar, necesita encontrar vecindarios donde las casas en venta tengan típicamente
4 o más habitaciones.
La inmobiliaria recopila información sobre la mediana de dormitorios de las viviendas de una zona concreta.
• H0: La mediana del número de habitaciones es igual a 3.
o H0 : = 3
• Ha: La mediana de dormitorios es mayor a 3 (4 o más).
o ja : > 3
Prueba de MannWhitney
• Se usa cuando se comparan medianas
• Compara las medianas entre muestras de dos factores de x • Está
disponible en Minitab
o Requiere datos de muestra en columnas
H0 : 1 = 2
Ha : 1≠ 2
Tenga en cuenta que en la configuración anterior, la hipótesis alternativa se establece de forma predeterminada en
"no igual". Minitab le permite ajustar la hipótesis alternativa a un escenario mayor que o menor que si lo desea.
Ejemplo de la prueba de MannWhitney
Página | 302
Considere nuevamente el ejemplo anterior de la compañía de bienes raíces. Ahora, imagina que la empresa inmobiliaria tiene
recursos limitados, por lo que solo pueden lanzar una campaña para un vecindario a la vez. Para maximizar los resultados
potenciales de su primera campaña, la empresa quiere elegir el barrio con el mayor número de dormitorios en el mayor
número de viviendas.
La empresa recopila información sobre viviendas en dos barrios. Luego comparan las muestras para determinar si una muestra
tiene una mediana estadísticamente más alta de dormitorios.
• H0: La mediana del número de dormitorios en el barrio A es igual a la mediana del número de
dormitorios en el barrio B.
o
H0 : =
• Ha: La mediana de dormitorios en el barrio A es mayor que en el barrio B.
o ja : >
Por qué ejecutar pruebas de hipótesis
En este punto, surge una pregunta común sobre las pruebas de hipótesis: ¿Por qué tomarse la molestia de ejecutar pruebas
estadísticas para determinar si las cosas son diferentes?
Considere el problema de ejemplo presentado para la prueba T de 1 muestra:
Una empresa agrícola que cultiva maíz produjo un promedio de 168 bushels de maíz por acre cada año durante cinco años. La
empresa hizo un cambio en su proceso de siembra en un intento de aumentar el rendimiento de sus campos. La cosecha que
siguió al cambio de semillas resultó en un promedio de 175 bushels de maíz por acre cada año. ¿El cambio de siembra resultó en un
resultado estadísticamente diferente en el rendimiento por acre?
La pregunta es: ¿Es el rendimiento medio de maíz por acre estadísticamente más alto después del cambio de semilla? Solo
mirando los números presentados en este problema, podemos ver que la media después del cambio de semilla es 175. Cuando lo
comparas con 168, obviamente es más alto. ¿Por qué nos tomaríamos la molestia de configurar y ejecutar una prueba de
hipótesis?
Cuando presentamos la curva normal en el capítulo 18, notamos que no siempre es suficiente ver que un histograma parece
ser simétrico y sigue la curva normal. Los datos sin procesar pueden ser engañosos, razón por la cual ejecutamos la prueba Chi
Squared GoodnessofFit en Excel para garantizar que los datos fueran normales. El mismo principio es cierto cuando se
comparan estadísticas de muestras. Sí, 175 es más alto que 168. Pero en el caso del rendimiento del maíz, ¿es estadísticamente
diferente?
Los equipos de Six Sigma no pueden simplemente responder a la pregunta "¿Es este número diferente?" Deben responder
a la pregunta "¿Es este número tan estadísticamente diferente que podemos tomar medidas sobre esta información?"
Estadísticamente diferente no tiene que ver con la escala. En un proceso, la diferencia entre 10 y 23 podría no ser
estadísticamente diferente. En otro, la diferencia entre 10 y 10,5 podría ser estadísticamente diferente.
Ejecución de pruebas de hipótesis
Página | 303
Para ejecutar una prueba de hipótesis, normalmente sigue la misma serie de pasos:
1. Enunciar las hipótesis nula y alternativa. La hipótesis nula siempre se escribe a partir de la
perspectiva de que ningún cambio o diferencia ocurre o está presente. La hipótesis alternativa siempre se escribe
desde la perspectiva de que está presente un cambio o una diferencia, ya sea no igual, mayor que o menor que.
2. Establezca el nivel de confianza para alfa. Por lo general, el nivel de confianza se establece en 95 por ciento para alfa,
pero otras configuraciones comunes son 99 y 99.9 por ciento. Un nivel de confianza del 95 por ciento significa un valor
alfa de 0,05; un nivel de intervalo de confianza del 99 por ciento significa un valor alfa de 0,01; un intervalo de
confianza del 99,9 por ciento significa un valor alfa de 0,001.
3. Decide qué prueba de hipótesis vas a utilizar. Utilice la información de la sección anterior para
encontrar la prueba apropiada basada en:
a. El tipo de datos que tiene b. La
estadística que está tratando (media, variación, etc.) c. Cuántos conjuntos
de datos tiene (nivel de interés en x) d. Recuerde, la prueba de más de
dos conjuntos de datos se cubre en la Unidad 7 sobre Diseño de
Experimentos y ANOVA 4.
Decida si su tamaño de muestra es fijo o si puede seleccionar un tamaño de muestra basado en
su configuración beta. La configuración del tamaño de la muestra se trata en el Capítulo 22.
5. Ejecute la prueba en Minitab. Pasos específicos para cada prueba de hipótesis, así como otras pruebas de Minitab
funciones – se tratan en la Unidad 6.
6. Interprete el valor p contra su configuración alfa, que le indica si debe o no rechazar el valor nulo
hipótesis.
7. Traducir el análisis estadístico al lenguaje comercial relevante del mundo real.
Para cada prueba estadística, los cálculos, manejados automáticamente por nosotros en Minitab u otros programas de
software, devuelven varios valores. Algunos cálculos, como las pruebas de chicuadrado, arrojan estadísticas específicas.
En el caso de las pruebas de ChiCuadrado, ese estadístico es el valor de ChiCuadrado. Estas estadísticas pueden ser valiosas
en aplicaciones y análisis, pero a los efectos de la prueba de hipótesis, lo que nos preocupa principalmente es el valor p. El
valor p se devuelve para cada prueba y comparamos el valor p con el valor alfa que establecimos antes de ejecutar la prueba.
Si el valor p devuelto para una prueba es menor que el valor alfa que estableció, entonces rechaza la hipótesis nula y acepta la
hipótesis alternativa. Si el valor p devuelto es mayor que el valor alfa que estableció, entonces no puede rechazar la hipótesis nula
y rechaza la hipótesis alternativa.
Arriba, hablamos sobre establecer un intervalo de confianza para alfa. Si el intervalo de confianza es del 95 por ciento, entonces
el valor alfa es 0,05. Dado un valor p de 0,02, rechazaríamos la hipótesis nula y aceptaríamos la alternativa. Dado un valor p de
0,13, no rechazaríamos la hipótesis nula y rechazaríamos la alternativa.
Ejemplos de pruebas de hipótesis
Seguiremos los pasos para configurar y evaluar pruebas de hipótesis utilizando algunas de las pruebas de ejemplo de la
sección anterior.
Página | 304
Problema de prueba de
1 proporción : el administrador de una escuela cree que los estudiantes en un salón determinado están siendo afectados por algún
problema ambiental con ese salón. El administrador quiere ver si los estudiantes en esa sala
desempeñarse estadísticamente más bajo en las pruebas que los estudiantes de toda la escuela; ya ha señalado que diferentes
clases en ese salón son impartidas por otros profesores.
El administrador recopila datos. La tasa de fracaso de las clases impartidas en cualquier otro salón de clases es del 20 por
ciento. De 142 estudiantes que tienen una clase en el salón de clases en cuestión, 38 están reprobando esa clase en particular.
Paso 1: Estado hipótesis nula y alternativa
H0: No hay diferencia entre la tasa de reprobación de los estudiantes en el aula y la de otros
aulas
Ha: La tasa de fracaso de los estudiantes en el aula es estadísticamente más alta que la tasa de fracaso de los estudiantes en
otras aulas.
Paso 2: establecer el nivel de confianza
A menos que se indique lo contrario en este libro, el nivel de confianza siempre será del 95 por ciento, o alfa = 0,05.
Paso 3: seleccione la prueba adecuada
Nuestros datos toman la forma de pasa/falla, que es un atributo o datos discretos. Tenemos un conjunto de datos que estamos
comparando con la tasa hipotética de fracaso del 20 por ciento. Dada esa información, la Prueba de 1Proporción es la
prueba apropiada.
Paso 4: seleccione el tamaño de la muestra
En este caso, no nos preocupa el tamaño de la muestra porque nos han proporcionado los datos. Dado que los equipos de Six
Sigma generalmente recopilan sus propios datos, deben preocuparse por el tamaño de muestra adecuado. En el próximo capítulo
se explica cómo determinar el tamaño de la muestra.
Paso 5: Ejecute la prueba y analice el valor P
La prueba se ejecuta en Minitab con la siguiente información:
Número de ensayos: 142 (hay 142 alumnos)
Número de eventos: 38 (hay 38 alumnos cumpliendo el parámetro de evento “reprobado”)
Proporción hipotética: 0.20 (20 por ciento de los estudiantes en otras aulas cumplen con el evento
parámetro "fallo")
Hipótesis alternativa: proporción > proporción hipotética (estamos probando si la tasa de reprobación de los estudiantes dentro
del salón de clases es más alta que la tasa de reprobación del 20 por ciento de los que están fuera del salón de
clases)
Dada toda la información anterior, Minitab devuelve un valor p de 0.031.
Prueba y CI para una proporción
Prueba de p = 0,2 frente a p > 0,2
Página | 305
Muestra
Muestra X 1 N exacta p 95 % Límite inferior Valor p 0,207083 0,031
38 142 0.267606
Dado que el valor p es menor que el valor alfa de 0,05, rechazamos la hipótesis nula y aceptamos la alternativa. Sí, la tasa de fracaso
es estadísticamente más alta para los estudiantes en el salón de clases.
Problema de prueba T
de 1 muestra : una empresa agrícola que cultiva maíz produjo un promedio de 168 bushels de maíz por acre cada año durante cinco años.
La empresa hizo un cambio en su proceso de siembra en un intento de aumentar el rendimiento de sus campos. La cosecha que siguió al
cambio de semillas resultó en un promedio de 175 bushels de maíz por acre cada año en 500 acres de campos. La desviación estándar
es de 2,2 fanegas. ¿El cambio de siembra resultó en un resultado estadísticamente diferente en el rendimiento por acre?
H0: No hay diferencia en el rendimiento medio después del cambio de semillas en comparación con antes del cambio de semillas.
Ha: Después del cambio de semilla, los acres producen un rendimiento medio de maíz estadísticamente más alto.
Nuevamente, establecemos el nivel de confianza para alfa en 95 por ciento, por lo que alfa es 0.05.
Estamos probando la media de una muestra contra una media hipotética (o histórica, o de población). Asumir para el propósito de este
ejemplo que nuestros datos son normales. La prueba correcta sería la prueba T de 1 muestra o la prueba Z si no tuviéramos la desviación
estándar.
En este caso, no nos preocupa el tamaño de la muestra porque nos han proporcionado los datos. Dado que los equipos de Six Sigma
generalmente recopilan sus propios datos, deben preocuparse por el tamaño de muestra adecuado. En el próximo capítulo se explica cómo
determinar el tamaño de la muestra.
La prueba se ejecuta en Minitab con la siguiente información:
Tamaño de la muestra: 500 (había 500 acres de campos de maíz)
Media de la muestra: 175 (después del cambio de semilla, los 500 acres produjeron un promedio de 175 fanegas)
Desviación estándar: 2.2 (proporcionada en nuestro problema)
Media hipotética: 168 (antes del cambio de semilla, el rendimiento promedio era de 168 fanegas)
Hipótesis alternativa: media > media hipotética (estamos probando si el rendimiento promedio después de
el cambio de semilla es estadísticamente más alto que el rendimiento antes del cambio de semilla).
Dada toda la información anterior, Minitab devuelve un valor p de 0,000.
Página | 306
T de una muestra
Prueba de μ = 168 vs > 168
norte Media StDev SE Media 95% Límite inferior 0,098 T
500 175.000 2.200 P 174.838 71.15 0.000
Dado que el valor p es menor que el valor alfa de 0,05, rechazamos la hipótesis nula y aceptamos la alternativa. Sí, el
rendimiento medio es estadísticamente mayor después del cambio de semilla. Cabe señalar que el valor p en este caso es
excepcionalmente bajo. Para nuestros propósitos, es cero. Eso significa que solo hay una posibilidad muy pequeña de un error de
prueba de hipótesis Tipo 1 en este caso. ¿Porque es esto importante? Al tomar una decisión que involucra recursos de dinero,
el liderazgo siempre se alegra de escuchar que los analistas tienen una confianza especial en sus conclusiones.
Prueba T de 2 muestras
Problema: dos abogados que ejercen en el mismo bufete de abogados están entregando cantidades muy diferentes de horas
facturables, a pesar de que los socios notan que los dos abogados tienen cargas de casos similares. Un socio plantea la
hipótesis de que el personal legal del abogado A está tardando demasiado en manejar algunas tareas; Debido a que la empresa
factura en un momento determinado por tareas de estilo administrativo, independientemente de cuánto tiempo tomen esas tareas,
si el personal legal tarda demasiado en realizar tales tareas, están gastando tiempo en trabajo que no se puede facturar.
Para probar la teoría, se recopilan datos sobre el tiempo que el personal legal dedica a las tareas. Específicamente, un equipo analiza
el tiempo dedicado a tres tareas para las cuales el personal legal puede facturar 15 minutos cada una: ciertos tipos de tareas
administrativas sencillas de teléfono, copiado o archivo. Se recopilan los siguientes datos.
Minutos dedicados a tareas de un cuarto de hora
El equipo del abogado A. Equipo del abogado B
10 8
8 7
15 10
dieciséis 12
17 18
5 6
8 9
dieciséis 12
12 11
11 11
8 9
9 8
15 14
17 15
Página | 307
22 dieciséis
25 12
30 19
2 8
9 12
4 6
5 8
7 11
8 12
12 13
13 15
15 17
dieciséis 13
18 15
19 15
20 12
22 21
25 32
15 18
14 11
H0: No hay diferencia en el tiempo promedio que le toma al equipo del Abogado A manejar tareas de un cuarto de hora en comparación
con el tiempo que le toma al equipo del Abogado B.
Ha: El equipo del abogado A tarda en promedio más tiempo en realizar tareas de un cuarto de hora que el equipo del abogado B.
Estamos probando la media de una muestra contra la media de otra. Para este problema, asumiremos que los datos fueron probados
para ser normales. Los datos son tiempo, por lo que es continuo. La prueba adecuada es la prueba T de 2 muestras.
generalmente recopilan sus propios datos, deben preocuparse por el tamaño de muestra adecuado. En el próximo capítulo se explica
cómo determinar el tamaño de la muestra.
Página | 308
La prueba se ejecuta en Minitab indicando las dos columnas con los mismos datos y estableciendo la hipótesis alternativa
en mayor que.
Dada toda la información anterior, Minitab devuelve un valor p de 0.255
Prueba T de dos muestras y CI: A, B
T de dos muestras para A frente a B
N Media StDev SE Media 1.1
34 13,76 6,56
B 34 12,82 5,07 0.87
Diferencia = μ (A) μ (B)
Estimación de la diferencia: 0,94 Límite inferior del 95 %
para la diferencia: 1,43
Prueba T de diferencia = 0 (vs >): Valor T = 0,66 Valor P = 0,255 DF = 62
Dado que el valor p es mayor que el valor alfa de 0,05, no podemos rechazar la hipótesis nula y rechazamos la alternativa. El
tiempo promedio dedicado a las tareas de un cuarto de hora no es estadísticamente diferente para cada equipo. Minitab también
calcula los medios para nosotros: el equipo del abogado A dedica un promedio de 13,76 minutos a cada tarea, mientras que
el equipo del abogado B dedica un promedio de 12,82 minutos a cada tarea. Ambos equipos, de hecho, dedican menos tiempo
a las tareas de lo que pueden facturar por las tareas, lo que significa que ninguno de los equipos está técnicamente perdiendo el
tiempo.
Ejemplo de un problema
de Wilcox: una empresa de bienes raíces quiere ingresar a un mercado de mucho dinero, por lo que desea crear algunos
sitios web regionales que atiendan a los compradores de viviendas que buscan casas más grandes. Específicamente, quieren
atender a los compradores de viviendas que compran casas con 4 o más habitaciones. Antes de que la empresa pueda
crear sitios web y comenzar a comercializar, necesita encontrar vecindarios donde las casas en venta tengan típicamente 4 o más
habitaciones.
La inmobiliaria recopila información sobre el número de dormitorios de las viviendas de un barrio. Ese dato se
presenta a continuación.
Numero de habitaciones
4
4
4
4
4
5
5
5
5
5
Página | 309
5
5
5
5
5
3
3
3
3
3
3
3
3
3
6
6
6
6
6
6
6
6
7
7
5
5
5
5
4
4
4
4
3
3
3
2
2
2
2
1
1
Página | 310
H0: La mediana del número de habitaciones es igual a 3.
Ha: La mediana de dormitorios es mayor a 3.
Estamos probando la mediana de una muestra contra una mediana hipotética. Solo tenemos un factor para X, por lo que usaremos One
Sample Wilcox.
generalmente recopilan sus propios datos, deben preocuparse por el tamaño de muestra adecuado. En el próximo capítulo se explica
cómo determinar el tamaño de la muestra.
La prueba se ejecuta en Minitab indicando la columna donde residen los datos de la muestra, anotando una mediana
hipotética de 3 y estableciendo la hipótesis alternativa en mayor que 3.
Dada toda la información anterior, Minitab devuelve un valor p de 0,000.
Prueba de rango con signos de Wilcoxon: Dormitorios
Test de mediana = 3.000 versus mediana > 3.000
N de Wilcoxon Estimado
Estadística de prueba N PAG Mediana
Dormitorios 52 40 726.0 0.000 4.000
Dado que el valor p es menor que el valor alfa de 0,05, rechazamos la hipótesis nula y aceptamos la alternativa. Sí, la cantidad
promedio de habitaciones para casas en el vecindario es de 4 o más.
Prueba de hipótesis en analizar, mejorar y controlar
Para los equipos Six Sigma, la prueba de hipótesis es una actividad que normalmente se encuentra en las últimas tres fases de
un proyecto DMAIC, y más específicamente en Analizar o Mejorar. Durante Analizar, los equipos pueden usar pruebas de hipótesis para
ayudar a determinar si ciertas entradas o factores podrían ser una causa raíz. Dados los datos históricos, los equipos que pueden
separar los factores dentro de un proceso pueden usar esos datos para ejecutar una prueba de hipótesis. Por ejemplo, un equipo
podría creer que un empleado es responsable de los defectos de un proceso. Al comparar las tasas de defectos
Página | 311
cuando ese empleado está en turno a tasas de deserción cuando el empleado no está trabajando, los equipos pueden sacar
conclusiones de los datos.
Durante la mejora, las pruebas de hipótesis se utilizan a menudo para validar soluciones que se prueban en entornos beta
o en lotes pequeños. El equipo compara los resultados de esa solución con datos anteriores sobre el proceso para determinar
si la solución ha creado un resultado estadísticamente diferente y si ese resultado es lo que el equipo quería.
Debido a que las pruebas de hipótesis pueden comenzar a sonar muy matemáticas, es importante comenzar con una declaración
amigable para el negocio y terminar con una declaración relevante para el negocio con respecto a las conclusiones. El Capítulo
24 cubre algunos consejos para convertir varios Six Sigma y conclusiones estadísticas en presentaciones y conocimientos
amigables para el negocio, lo cual es especialmente útil cuando un equipo de Six Sigma propone cambios basados en análisis
estadísticos. La capacidad de convertir ese análisis en un lenguaje amigable para los negocios ayuda a los equipos a explicar
a los tomadores de decisiones por qué es probable que un cambio ayude.
Una revisión de los términos de prueba de hipótesis
Este capítulo introdujo muchos términos estadísticos nuevos, muchos de los cuales aparecerán nuevamente en capítulos
futuros. Antes de pasar al próximo capítulo, tómese unos minutos para revisar los términos que surgieron en este capítulo.
Hipótesis Nula: La hipótesis asumida; la declaración de que nada ha cambiado o no existe ninguna diferencia estadística.
Esto es como el veredicto de inocencia en un tribunal penal: se asume a menos que la evidencia
nos dice lo contrario.
Hipótesis alternativa: la declaración de que algo ha cambiado o es estadísticamente diferente, se puede enmarcar como no
igual, mayor que o menor que. Si la evidencia significa rechazar la hipótesis nula, entonces se asume que la hipótesis
alternativa es verdadera.
Alfa: la medida del riesgo de un error de tipo I: el error que se produce si se rechaza la hipótesis nula cuando en realidad era
cierta.
Beta : la medida del riesgo de un error de tipo II: el error que se produce si no se rechaza la hipótesis nula cuando en realidad
era falsa.
Estadística de prueba: un valor estándar que se utiliza para calcular el valor p para determinar si se rechaza la hipótesis nula.
Por ejemplo, en la prueba T, el valor es “t”. No calculamos ni discutimos estos valores en detalle, pero se muestran en la
pantalla de salida de Minitab y pueden ser valiosos para cálculos estadísticos más avanzados. Cuando se usa
Minitab para la prueba de hipótesis, el valor p se genera automáticamente.
Valor P: el número que normalmente se usa para comparar con el valor alfa para determinar si se rechaza o no la hipótesis
nula. La hipótesis nula se rechaza si el valor p es menor que el valor alfa.
Página | 312
Capítulo 22: Tamaño de la muestra
La precisión en las estadísticas inferenciales requiere que tenga el tamaño de muestra correcto. Una empresa minorista con
miles de clientes nunca tomaría una decisión importante sobre un producto basándose en los comentarios de cinco
personas, y los equipos Six Sigma nunca deberían tomar decisiones basadas en análisis estadísticos cuando el tamaño de la
muestra no es lo suficientemente grande como para crear un margen de error aceptable.
Para comprender la importancia del tamaño de la muestra, primero revisaremos algunas notas importantes sobre el muestreo en
relación con las estadísticas inferenciales.
Los equipos Six Sigma toman muestras porque quieren determinar información sobre una población. Con algunas excepciones,
es muy difícil, muy costoso o imposible ejecutar cálculos estadísticos en toda la población de datos. Sin embargo, cuando
muestreamos la población y extraemos inferencias de esas muestras sobre medias, proporciones o varianzas, siempre existe
cierto riesgo de error. Siempre existirá cierto nivel de incertidumbre cuando extraigamos conclusiones sobre una población
a partir de datos de muestra. En muchos casos, un tamaño de muestra más grande ayuda a reducir la incertidumbre de nuestras
conclusiones.
La incertidumbre asociada con el muestreo se define por algo llamado Intervalo de confianza, que también se denomina margen
de error en algunas aplicaciones. Es probable que haya leído o visto resultados de encuestas o sondeos informados con un
margen de error: el 93 por ciento de los fanáticos está a favor de los nuevos colores del equipo, +/ 2 por ciento.
El margen de error en esa encuesta en particular fue del 2 por ciento, o 0,02.
En el capítulo 21, discutimos la prueba de hipótesis y establecimos nuestro valor alfa en 0.05, lo que significa que teníamos
al menos un 95 por ciento de confianza en elegir rechazar o no rechazar la hipótesis nula. Podemos hacer que nuestras pruebas
de hipótesis sean aún más precisas definiendo la potencia y el tamaño de la muestra para nuestros datos, especialmente cuando
extraemos los datos nosotros mismos y podemos elegir cuántas muestras tomar.
Descargar Minitab
Minitab es uno de varios programas de software de análisis estadístico avanzado disponibles, y es un software que los expertos en
Six Sigma utilizan comúnmente. Para este capítulo, trabajaremos extensamente en Minitab para realizar cálculos y análisis.
Se incluyen capturas de pantalla de todos los análisis completados en Minitab en el futuro. Si desea seguir adelante o experimentar
con sus propios datos en Minitab, puede descargar una versión de prueba del programa desde www.minitab.com. Desde
principios de 2016, la prueba gratuita se ofrece durante 30 días. Si forma parte de una organización que utiliza Six Sigma para la
mejora de procesos, es posible que también pueda obtener acceso a Minitab a través de su empleador.
Página | 313
Una revisión de los errores de prueba de hipótesis
El concepto de errores de prueba de hipótesis es clave para seleccionar tamaños de muestra para varias pruebas de hipótesis.
Los dos tipos de errores se introdujeron en el Capítulo 21, pero requieren una revisión rápida antes de continuar con los cálculos del
tamaño de la muestra.
Error de tipo I Un
error de tipo I ocurre cuando rechaza la hipótesis nula durante una prueba de hipótesis cuando, de hecho, la hipótesis nula es verdadera.
Puede rechazar la hipótesis nula de que la media de la muestra es estadísticamente igual a la media hipotética y, en cambio, decidir que
la media de la muestra es estadísticamente mayor que la media hipotética. Si la media de la muestra es, de hecho, estadísticamente igual
a la media hipotética, tiene un error de tipo I.
Los riesgos de error de tipo I se indican con alfa.
Como se indicó en el capítulo 21, el error de tipo I también se denomina riesgo del productor. En un entorno de fabricación, si la hipótesis
nula es verdadera pero se rechaza debido a un error de tipo I, se rechazará el material que esté dentro de las especificaciones
(material que sea estadísticamente el mismo que el objetivo). Este es un riesgo para el productor: genera desperdicio, costos adicionales y
baja la moral de los empleados.
Error de tipo II Un
error de tipo II ocurre cuando acepta la hipótesis nula cuando, de hecho, no es cierta. Si acepta la hipótesis de que la media muestral es
estadísticamente igual a la media hipotética cuando, de hecho, la media muestral es estadísticamente mayor que la media hipotética,
entonces tiene un error de tipo II.
Los riesgos de error de tipo II se indican mediante beta.
Como se indicó en el capítulo 21, el error de tipo II también se denomina riesgo del consumidor. En un entorno de fabricación,
si la hipótesis nula es falsa pero se acepta de todos modos debido a un error de tipo II, entonces se acepta el material que no está dentro de
las especificaciones (material que no es estadísticamente el mismo que el objetivo). Eso significa que el producto que no cumple con el
objetivo se pasa al consumidor. Ese es un riesgo para el consumidor: podría causar devoluciones, clientes insatisfechos, mala reputación
de marca.
El tamaño de muestra apropiado puede reducir el riesgo de cualquier tipo de error.
¿Qué información se requiere para elegir el tamaño de la muestra?
Para realizar cálculos de tamaño de muestra, o hacer que Minitab los realice por usted, se requiere cierta información y suposiciones.
Alfa El nivel alfa que establezca; recuerde, el valor predeterminado en Minitab generalmente se establece en 0.05
Beta El experimentador puede establecer el nivel beta y calcular el tamaño de la muestra a partir de ese número.
Si el tamaño de la muestra es fijo, entonces el experimentador generalmente establece alfa y calcula el
riesgo beta a partir del tamaño de la muestra.
Delta La diferencia práctica que el experimentador quiere detectar usando la prueba.
Estándar La desviación estándar estimada de la población.
desviación
Página | 314
Tipo de datos ¿Discreta o continua?
Tipo de prueba Qué prueba de hipótesis está utilizando (consulte el Capítulo 21 para seleccionar la prueba correcta)
Antes de pasar a calcular el tamaño de la muestra, se deben hacer algunas consideraciones prácticas con respecto a alfa, beta
y delta. En nuestra revisión de los errores de Tipo I y Tipo II, cubrimos la diferencia entre los riesgos del productor y del
consumidor, pero ese desglose no funciona en todas las organizaciones o con todas las pruebas de hipótesis.
Debido a que el resultado de sus pruebas de hipótesis se utilizará para tomar decisiones en el mundo real, debe comprender
verdaderamente lo que significa la prueba y sus resultados para la empresa, el empleado y el consumidor. Esa
comprensión del mundo real lo ayuda a establecer valores alfa y beta apropiados.
Preguntas para hacer sobre los valores alfa, beta y delta En la mayoría
de los casos, puede establecer el valor alfa en 0,05. Sin embargo, en experimentos específicos, la precisión es
extremadamente importante. En ensayos médicos o de medicamentos, por ejemplo, los valores alfa podrían establecerse en 0,99
o 0,999, lo que hace muy poco probable que un investigador acepte una hipótesis alternativa (por ejemplo, que un medicamento
provocó un cambio) si no es correcta.
Al seleccionar alfa, los equipos Six Sigma deben preguntarse:
¿Cuáles son los costos asociados con un cambio innecesario si el equipo comete un error al rechazar
la hipótesis nula?
o En un entorno de fabricación, ¿cuáles son los costos de rechazar materiales que
realmente se ajusta a las
especificaciones? o En un entorno que no es de fabricación, ¿cuáles son los costos asociados con la aceptación del
hipótesis de que sí ocurrió el cambio?
¿Existen peligros o costos asociados con la conclusión de que un cambio estadístico
¿ocurrió? ¿Qué son?
Al seleccionar un valor beta, los equipos Six Sigma deben preguntarse:
¿Cuáles son los costos potenciales de un error Tipo II si el equipo comete un error al no rechazar el nulo?
¿hipótesis? o
¿Cuál es el daño potencial o el costo si los materiales defectuosos se entregan al cliente?
Si se pasa una cuchara defectuosa, el costo final podría ser mínimo en comparación con una pieza defectuosa
de equipo médico o motor de automóvil. o ¿Existen costos
asociados con la pérdida de tiempo o recursos para corregir un problema que
proviene de un error tipo II?
Al seleccionar un valor para delta, los equipos Six Sigma deben preguntarse:
¿Qué tan pequeña tiene que ser la diferencia antes de que se vuelva prácticamente insignificante para el
¿cliente? En una pizzería, por ejemplo, a un cliente que pide una pizza de 14 pulgadas le importará si recibe una pizza
de 12 pulgadas. Si la pizza que se entrega mide 13,9 pulgadas, es poco probable que al cliente le importe.
Página | 315
¿Cuál es el delta más pequeño que brinda la mejor oportunidad de exponer todos los beneficios o la información, pero no es tan pequeño
como para ser inviable? Trabajar con valores delta más pequeños significa tamaños de muestra más grandes o requisitos de
medición más pequeños, que toman tiempo para recopilar.
En última instancia, los equipos de Six Sigma deben preguntarse: ¿qué margen de error es tolerable en los resultados? El tipo de prueba
que está ejecutando, las decisiones que está tomando y los procesos con los que está tratando lo ayudan a tomar esta determinación.
El delta, o diferencia crítica, siempre debe basarse en las necesidades comerciales. Es útil en Minitab expresar el delta en términos de
sigma o desviación estándar. Queremos detectar diferencias de .5 σ o 2 σ, por ejemplo.
Pautas para establecer varios números al calcular el tamaño de la muestra Si bien los valores para varios
factores en los cálculos del tamaño de la muestra deben guiarse por las necesidades comerciales y los propósitos de la prueba, aquí hay
algunas pautas que los equipos de Six Sigma pueden seguir para los valores de referencia o si no hay otra información o necesidades.
están presentes.
Al probar medias para datos continuos
Si tiene alguna información sobre la población, incluida la desviación estándar:
Establecer alfa en 0.05.
Establezca beta en 0,10 o 0,20 (lo que le dará una potencia de 0,90 o 0,80; es menos probable que una potencia de 0,90 produzca un error
de tipo II que una potencia de 0,80, pero también requerirá un tamaño de muestra mucho mayor en la mayoría de los casos).
casos).
Establezca delta con valores absolutos según lo requieran las necesidades del negocio o, más a menudo en Minitab, como un
función de la desviación estándar (.5 σ, 1 σ y 2 σ.)
Al probar la varianza para datos continuos : establezca alfa en
0.05.
casos).
Establecer delta mayor que 1 y de acuerdo con las necesidades del negocio o, más a menudo en Minitab, en función de
desviación estándar (.5 σ, 1 σ y 2 σ.)

Al probar proporciones para datos discretos/binomiales
Si tiene alguna información sobre la población, incluida la desviación estándar:

Establecer alfa en 0.05.
casos).
Establezca delta lógicamente de acuerdo con las necesidades del negocio o, más a menudo en Minitab, como una función del estándar
desviación (.5 σ, 1 σ y 2 σ.)
Página | 316
Nota: El muestreo general de una población desconocida, también llamado muestreo de encuesta, requiere un enfoque diferente para el cálculo del
tamaño de la muestra. Por lo general, comienza configurando alfa en 0.05, beta en 0.5 y delta en una proporción de acuerdo con una desviación estándar
de 1. Esto proporciona un tamaño de muestra inicial para que pueda comprender mejor a la población, pero es posible que deba realizar un muestreo
adicional. basado en las estadísticas calculadas a partir de su primera muestra.
Cálculos del tamaño de la muestra: elegir el método correcto
Así como hubo numerosas pruebas de hipótesis para cubrir una variedad de tipos de datos y preguntas, existen numerosos cálculos de tamaño de
muestra, todos los cuales se pueden realizar en Minitab. Revise la lista a continuación para determinar qué tipo de cálculo realizar al determinar el tamaño
de la muestra para varias hipótesis.
pruebas
Cálculo del tamaño de la muestra de la prueba T de 1 muestra
Prueba de medios
Comparar con un valor objetivo
Ya tienes estadísticas de muestra sobre la población.
Cálculo del tamaño de la muestra de la prueba Z de 1 muestra
Prueba de medios
Comparar con un objetivo
No tiene estadísticas muestrales sobre la población (no se conoce la desviación estándar)
Cálculo del tamaño de la muestra de la prueba T de 2 muestras
Prueba de medios
Comparación de medias de dos conjuntos de datos
Cálculo del tamaño de la muestra de la prueba de varianza de 2 muestras
Pruebas de varianza
Comparación de la varianza de dos conjuntos de datos
Cálculo del tamaño de la muestra de la prueba de varianza de 1 muestra
Pruebas de varianza
Comparación de la varianza de un conjunto de datos con un objetivo
Cálculo del tamaño de la muestra de prueba de proporción de 1 muestra
Prueba de proporción (tasa, x por y)
Comparación de la tasa de un conjunto de datos con un objetivo
Cálculo del tamaño de la muestra de prueba de proporción de 2 muestras
Prueba de proporción (tasa, x por y)
Comparación de la tasa de dos conjuntos de datos
Página | 317 ©
Análisis de varianza (ANOVA) Cálculo del tamaño de la muestra
Prueba de medios
Más de 2 conjuntos de datos
Solo un factor para x
Diseño de experimento (DOE) Cálculo del tamaño de la muestra
Prueba de medios
Más de 2 conjuntos de datos
Más de un factor para x
Ejecución y análisis de pruebas de tamaño de muestra en Minitab
Para comprender más acerca de cómo ejecutar y analizar pruebas de tamaño de muestra en Minitab, recorreremos el proceso
para la mayoría de los tipos de prueba anteriores.
Para encontrar las herramientas de cálculo Potencia y tamaño de muestra en Minitab, seleccione Estadísticas > Potencia y tamaño de muestra
Página | 318
Primero, veamos el cálculo de la potencia Z de 1 muestra y el tamaño de la muestra. Recuerde, usaría este cálculo al realizar
un muestreo de encuesta para la comprobación de medios, especialmente si no conoce la desviación estándar para el proceso
o la población. Este cálculo le brinda un "punto de partida": un tamaño de muestra que le brinda información relevante que es
tan precisa como usted define y que puede usar como base para muestreos futuros.
Al seleccionar el cálculo Z de 1 muestra del menú, aparece el siguiente cuadro de diálogo.
Minitab le permite calcular tamaños de muestra o volver a valores de potencia si se fija un tamaño de muestra, por lo que le pide
que complete solo dos de los tres primeros valores.
Debido a que aún no sabemos mucho sobre nuestros datos, dejamos el tamaño de la muestra en blanco y proporcionamos
varios parámetros para diferencias y valores de potencia para Minitab. Esto hace que Minitab proporcione una cantidad de
respuestas, una para cada combinación de diferencia y valor de potencia, para que podamos tomar una decisión más
viable sobre el tamaño de la muestra.
En este caso, hemos establecido las diferencias en .5 σ, 1 σ y 2 σ. Hemos establecido valores de potencia en 0,8 y 0,9 (o beta
en 0,2 o 0,1 respectivamente). Se supone que la desviación estándar para este primer paso es 1; si tuviéramos información sobre
la desviación estándar, podríamos realizar un cálculo más preciso o utilizar el cálculo de la prueba T de 1 muestra.
Si hace clic en las opciones, puede cambiar el nivel de confianza o la hipótesis alternativa (a un escenario mayor o menor que).
Página | 319
En este caso, dejamos las opciones como están.
Después de hacer clic en Aceptar en el cuadro Potencia y tamaño de la muestra, Minitab devuelve la siguiente información.
Potencia y tamaño de muestra
Prueba Z de 1 muestra
Media de prueba = nulo (frente a ≠ nulo)
Potencia de cálculo para media = nula + diferencia α = 0,05 Desviación estándar
asumida = 1
Muestra de destino
Diferencia 0.5 Tamaño Potencia Potencia real 0,807430
32 0.8
0.5 43 0.9 0.906375
1,0 0,8 0,807430
1,0 8 0,9 0,912556
2,0 0,8 0,807430
2,0 11 2 3 0,9 0,933727
La tabla de datos devuelta por Minitab nos muestra el tamaño de muestra requerido para cada diferencia y potencia objetivo.
Puede ver que para la diferencia más baja y la potencia objetivo más alta, el tamaño de muestra requerido es solo 43. Pero para
determinar una diferencia de 1 σ con una potencia objetivo de 0.9, solo necesita 11 en el tamaño de muestra.
Aquí, el equipo tiene que tomar una decisión centrada en el negocio. Tal vez las muestras sean fáciles y económicas de capturar,
por lo que el equipo selecciona el tamaño de muestra máximo. Pero si toma una hora obtener cada muestra y le cuesta a la
compañía $26, entonces el equipo podría hacer la llamada para seleccionar un tamaño de muestra más pequeño.
Una vez más, es importante tener en cuenta que, con esta prueba en particular, es posible que se requieran más muestras para
sacar más conclusiones.
Cálculos de muestra para una prueba T de 1 muestra Para
ver el cálculo de muestra de la prueba T de 1 muestra en acción, revisemos un problema del Capítulo 21.
Una empresa agrícola que cultiva maíz produjo un promedio de 168 bushels de maíz por acre cada año durante cinco años. La
desviación estándar es de 2,2 fanegas. La empresa hizo un cambio en su proceso de siembra en un intento de aumentar el
rendimiento de sus campos. ¿El cambio de siembra resultó en un resultado estadísticamente diferente en el rendimiento por
acre?
¿Cuántos acres necesitaría muestrear la compañía para determinar si el nuevo proceso marcó una diferencia? Esto
podría ayudar a la empresa a saber cuántos acres plantar con el nuevo proceso de semillas.
Página | 320
Para generar datos para este problema, seleccione el cálculo T de 1 muestra en el menú Potencia y tamaño de la muestra en Minitab.
Para este cálculo, ingrese las diferencias como un múltiplo de la desviación estándar, los valores de potencia deseados y la
desviación estándar provista en los datos.
Cambie la hipótesis alternativa a mayor que. La empresa quiere determinar si el rendimiento del nuevo proceso es mayor que el
rendimiento promedio del proceso anterior.
Después de hacer clic en Aceptar y luego en Aceptar nuevamente, Minitab genera el siguiente conjunto de información.
Prueba t de 1 muestra
Media de prueba = nulo (frente a > nulo)
Potencia de cálculo para media = nula + diferencia α = 0,05 Desviación
estándar asumida = 2,2
Muestra de destino
Diferencia Tamaño Potencia Potencia real
Página | 321
0.5 122 0.8 0.802721

0.5 168 0.9 0.901296
1,0 32 0,8 0,807760
1,0 43 0,9 0,900995
2,0 0,8 0,800109
2,0 9 12 0,9 0,903589
Podemos ver en la tabla anterior que la empresa tendría que plantar 168 acres para lograr una potencia objetivo de 0,9 y poder
discernir diferencias de 0,5 desviaciones estándar. Esa es una gran cantidad de acres para plantar con un proceso de siembra
experimental. La empresa podría sopesar sus opciones y recursos y decidir, en cambio, plantar 43 o 32 acres. Al plantar 43
acres, la empresa puede detectar diferencias tan bajas como una desviación estándar con una potencia objetivo de 0,9. Dado que
se supone que la desviación estándar es de 2,2 bushels, sigue siendo un rango de detección relativamente pequeño, y la
empresa ahorra una tonelada de dinero al plantar más de 100 acres menos para la prueba.
Volviendo a la potencia objetivo
¿ Qué pasaría si la empresa agrícola no tuviera otra opción con respecto a la cantidad de acres que podría sembrar para una
prueba? Las finanzas, los recursos o el liderazgo corporativo podrían confabularse para decidir que la prueba podría realizarse en
un total de 18 acres, y solo 18 acres.
Minitab puede tomar la información sobre la prueba y calcular la potencia objetivo. La prueba se ejecuta de la misma manera, pero
se ingresa el tamaño de la muestra y los valores de potencia se dejan en blanco.
Página | 322
Prueba t de 1 muestra
Media de prueba = nulo (frente a > nulo)
Potencia de cálculo para media = nula + diferencia α = 0,05 Desviación estándar
asumida = 2,2
Tamaño
Diferencia 0,5 1,0 de muestra Potencia 18
2,0 0,236131 18 0,581637
18 0,979934
Puede ver a partir de los datos anteriores que, dado un tamaño de muestra de 18, el poder para detectar una diferencia de 0,5 σ es bastante
pequeño. Recuerda, Potencia = 1 – beta. En este caso, beta (el riesgo de cometer un error de tipo II) es superior a 0,75.
Sin embargo, para detectar una diferencia de 2 σ, aproximadamente 4,4 en este caso, la potencia es extremadamente alta. En este
caso, el equipo probablemente concluiría que plantar en los 18 acres de muestra proporcionaría una muestra adecuada para ejecutar la
prueba de hipótesis.
Cálculos de muestra para una prueba de proporción de 1 muestra
Las pruebas de proporción son un poco diferentes por dos razones principales:
Las pruebas de proporción se ejecutan utilizando datos de atributos. Los datos de atributos casi siempre requieren una muestra más grande
tamaño para obtener resultados precisos que los datos continuos.
Debido a que se trata de atributos y tarifas, no necesita proporcionar ninguna información.
sobre parámetros de población como niveles sigma o desviación estándar.
Para calcular el tamaño de muestra requerido para una prueba precisa de hipótesis de proporción de 1 muestra, simplemente configure alfa
y beta e ingrese las proporciones para la hipótesis nula y alternativa.
Consideremos un ejemplo del mundo real para comprender mejor los cálculos en Minitab.
Una cadena de supermercados descubre que tiene un problema con los precios que se ingresan correctamente en el sistema cuando
se coloca el producto en la tienda o se actualizan los precios. En el muestreo de población, la tienda descubrió que aproximadamente el 8
por ciento de los precios se ingresan incorrectamente. La tienda proporcionó a la mitad de los empleados que realizan la entrada de precios
nuevos escáneres para intentar mitigar el problema. Antes de que la tienda se comprometa a arrendar a tiempo completo el nuevo equipo
para todos los empleados, quiere confirmar que los nuevos escáneres reduzcan la tasa de error en un 5 %, hasta un 3 % o menos.
Página | 323
Seleccione el cálculo de 1 proporción en el menú Potencia y tamaño de la muestra en Minitab. La proporción de comparación se
ingresa como 1: la probabilidad de falla para una sola prueba. En este caso, 1 – 0,03, ya que la empresa quiere reducir la tasa
de error al 3 por ciento.
La proporción hipotética se ingresa como 1: la probabilidad de falla para un solo ensayo, o 1: 0.08, ya que el proceso original
tenía una tasa de falla del 8 por ciento.
En las opciones, seleccione "mayor que" como hipótesis alternativa.
Haga clic en Aceptar y luego en Aceptar, y Minitab generará la información que se muestra a continuación.
Página | 324
Prueba para una proporción
Prueba p = 0,92 (frente a > 0,92) α = 0,05
Muestra de destino
Comparación p 0,97 Tamaño Potencia Potencia real
0,97 140 0,8 0.802942
177 0,9 0.900362
Para ejecutar una prueba válida de 1 proporción, la empresa necesita recopilar entre 140 y 177 muestras de datos.
Cálculos del tamaño de la muestra para una prueba T de 2 muestras
Considere nuevamente el problema de la prueba T de 2 muestras del último capítulo:
Dos abogados que ejercen en el mismo bufete de abogados están entregando cantidades muy diferentes de horas facturables, aunque
los socios notan que los dos abogados tienen cargas de casos similares. Un socio plantea la hipótesis de que el personal legal del
abogado A está tardando demasiado en manejar algunas tareas; Debido a que la empresa factura en un momento determinado por
tareas de estilo administrativo, independientemente de cuánto tiempo tomen esas tareas, si el personal legal tarda demasiado en realizar
tales tareas, están gastando tiempo en trabajo que no se puede facturar.
Para probar la teoría, se recopilan datos sobre el tiempo que el personal legal dedica a las tareas. Específicamente, un equipo analiza el
tiempo dedicado a tres tareas para las cuales el personal legal puede facturar 15 minutos cada una: ciertos tipos de tareas administrativas
sencillas de teléfono, copiado o archivo. Se recopilan los siguientes datos.
Minutos dedicados a tareas de un cuarto de hora
El equipo del abogado A. Equipo del abogado B
10 8
8 7
15 10
dieciséis 12
17 18
5 6
8 9
dieciséis 12
12 11
11 11
8 9
9 8
15 14
17 15
22 dieciséis
Página | 325
25 12
30 19
2 8
9 12
4 6
5 8
7 11
8 12
12 13
13 15
15 17
dieciséis 13
18 15
19 15
20 12
22 21
25 32
15 18
14 11
A los efectos de este problema, el equipo de la empresa recopiló una muestra de 34 elementos de datos de cada equipo.
Pero, ¿es eso suficiente para proporcionar una conclusión sólida en la prueba T de 2 muestras?
Primero, veamos los cálculos del tamaño de la muestra dado lo que sabemos de los datos en cuestión. La desviación estándar de
los datos es 5,83 y queremos probar si la media del equipo del abogado A es mayor que la media del equipo del abogado B.
Configuraríamos una prueba T de 2 muestras en Minitab como se muestra a continuación.
Página | 326
Minitab genera la siguiente información:
Prueba t de 2 muestras
Probando media 1 = media 2 (frente a >)
Potencia de cálculo para media 1 = media 2 + diferencia α = 0,05 Desviación estándar
supuesta = 5,83
Muestra de destino
Diferencia 0,5 0,5 Tamaño Potencia Potencia real 1682 0,800045
2330 0,900079 0,8
0,9
1.0 421 0.8 0.800038
1.0 583 0.9 0.900075
2.0 106 0,8 0.800820
2.0 147 0,9 0.901369
El tamaño de la muestra es para cada grupo.
Puede ver arriba, el tamaño de muestra mínimo, para cada grupo, que calcula Minitab es 106, y eso es para una diferencia de 2 con una potencia
objetivo de 0.8. Si bien se puede ejecutar una prueba T de 2 muestras en el conjunto de datos proporcionado anteriormente (y, de
hecho, ejecutamos esa prueba en el capítulo 21), la probabilidad de un error de tipo II para esa prueba era bastante alta.
¿Qué tan alta era la probabilidad de un error al ejecutar la prueba T de 2 muestras con un tamaño de muestra de 34 para cada grupo? Minitab
puede darnos esa respuesta.
En lugar de ingresar valores de potencia en el cuadro de diálogo de potencia y tamaño de muestra, ingrese el tamaño de muestra de 34 y
haga clic en Aceptar.
Página | 327
Prueba t de 2 muestras
Probando media 1 = media 2 (frente a >)
Potencia de cálculo para media 1 = media 2 + diferencia α = 0,05 Desviación
estándar supuesta = 5,83
Tamaño
Diferencia 0.5 de muestra Potencia
1.0 34 0,097685 34
0,172364
2.0 34 0.403259
La potencia más alta para un tamaño de muestra de 34 dados estos datos es 0,40, lo que significa una beta de 0,60: más del
50 por ciento de probabilidad de un error de tipo II en la prueba de hipótesis. En este caso particular, antes de que la empresa
tome una decisión, debe recopilar una muestra más grande de datos.
Un recordatorio sobre las muestras aleatorias Antes de
continuar con los cálculos del tamaño de la muestra, vale la pena señalar nuevamente la importancia del muestreo aleatorio.
Incluso si realiza un cálculo para determinar un tamaño de muestra apropiado, y elige ser precavido al muestrear en el tamaño
de conteo más grande que devuelve Minitab, puede sacar inferencias incorrectas porque la muestra no fue aleatoria.
Página | 328
Capítulo 23: Gráficos de control avanzados
El concepto de gráficos de control se introdujo en el capítulo de control de DMAIC. El Capítulo 17 proporcionó instrucciones para crear
un tipo específico de gráfico de control, el gráfico de barra x, en Excel si no tiene acceso a otro software estadístico. Si recuerda esa
sección, recordará que tomó muchos pasos y algunos formatos gráficos básicos para crear un gráfico de control de barra x completo. Eso
no es algo por lo que un experto en Six Sigma quiera pasar cada vez que el liderazgo quiere ver una actualización de un proceso, y
ciertamente no es algo que los analistas diarios quieran hacer para generar informes regulares.
Afortunadamente, Minitab ofrece gráficos de control de barra x más automatizados. El software estadístico también ofrece fácil acceso a
otros tipos de gráficos de control. Después de los capítulos sobre pruebas de hipótesis y cálculos del tamaño de la muestra, no
debería sorprender que haya muchos tipos de gráficos de control, cada uno de los cuales es útil para monitorear diferentes tipos de datos y
procesos. En este capítulo, veremos los diferentes tipos de gráficas de control y cuándo usarlas antes de definir los términos para cada
tipo de gráfica y recorrer la creación de las gráficas en Minitab.
Tipos de gráficos de control comunes y cuándo usarlos
Gráfico de barra X y R
Los datos son variables (continuos)
Los datos se pueden agrupar en subgrupos, lo que le permite trazar la media de cada grupo o Promedio de
producción por hora o Velocidad de
respuesta promedio de teléfonos por hora o Número promedio
de clientes cada día o Defectos por hora
El recuento de datos en cada subgrupo es inferior a 8 (aunque puede usar el gráfico de barra x y R para el subgrupo)
tamaños de hasta 100 en Minitab)
Presenta dos gráficos
o El gráfico de control de barra x traza la media de cada subgrupo o El gráfico R
traza el rango
Página | 329
Gráfico XbarraR de C1
4 LCU=4.004
3 _
_
X=2.796
promedio
Muestra
LCL=1.588
1 2 3 4 5 6 7
Muestra
LCU=5.010
4.8
3.6
_
muestra
Rango
de
2.4 R=2.500
1.2
0.0 LCL=0
1 2 3 4 5 6 7
Muestra
Gráfico de barra X y S
Los datos se pueden agrupar en subgrupos, lo que le permite trazar la media de cada grupo
El recuento de datos en cada subgrupo es más de 8
Sigma se puede calcular fácilmente (de lo contrario, use xbar &R)
Presenta dos gráficos
o El gráfico de control de barra x traza la media de cada subgrupo o El gráfico S
traza la desviación estándar
Página | 330
Carta XbarS de C1
5 LCU=4.941
__
3
promedio
Muestra
X=2.796
1
LCL=0,651
1 2 3 4 5 6 7 8 9 10 11
Muestra
3
LCU=2.636
Desviación
estándar
muestra
de
la
1 _
S=0,807
0 LCL=0
1 2 3 4 5 6 7 8 9 10 11
Muestra
Las pruebas se realizan con tamaños de muestra desiguales.
Gráfico I y MR
Los datos no se pueden agrupar fácilmente en subgrupos razonables, por lo que debe realizar un seguimiento de los puntos de datos individuales
en lugar de medios de subgrupos o
Los datos son muy difíciles o costosos de obtener o La producción
es muy lenta, por lo que esperar suficientes datos para crear subgrupos llevaría demasiado tiempo (por ejemplo, rastrear datos
sobre cirugías realizadas en un pequeño centro ambulatorio) o Los productos tienen un tiempo de ciclo bajo
Página | 331 ©
Gráfico IMR de C1
6.0 LCU=5.882
4.5
_
individual
Valor
3.0
X=2.796
1.5
0.0
LCL=0,290
1 5 9 13 17 21 25 29 33 37 41
Observación
4
LCU=3.791
Rango
móvil
__
MR=1.160
1
0 LCL=0
1 5 9 13 17 21 25 29 33 37 41
Observación
Gráfico P
Los datos son discretos
Los datos se presentan como un porcentaje (porcentaje defectuoso) en lugar de un conteo
No requiere un tamaño de muestra/subgrupo constante

Traza la proporción de unidades que no cumplen (están defectuosas, no cumplen con las especificaciones)
Usar cuando:
o es imposible, consume mucho tiempo o no es financieramente factible medir o analizar mediciones numéricas
o los tamaños de las muestras o los subgrupos no son iguales, por lo que el porcentaje de defectos es más importante
que la cantidad de defectos por grupo (ya que no se pueden comparar con precisión los números de un grupo más
pequeño con los números de un grupo más
grande) o los datos se basan en tasas porque proviene de un proceso binomial o de atributos: el
la medición o el proceso es pasa/falla, pasa/no pasa, etc. No puede trazar 1 o 0 en un gráfico de control, pero
puede trazar el porcentaje de 1 o 0 en cada muestra.
Página | 332
P Gráfica de Rechazo
UCL=0.04292
0.04
0.03
orción
P
0.02
_
p=0,01126
0.01
0.00 LCL=0
1 4 7 10 13 dieciséis 19 22 25 28 31
Muestra
Gráfico NP
Los datos se presentan como un porcentaje (porcentaje defectuoso) en lugar de un conteo
Requiere un tamaño de muestra constante para ser útil; aparte de esto, puede usarlo para cualquier cosa para la que usaría un
gráfico p
Traza el número de unidades que no cumplen en cada tamaño de muestra
Página | 333
Gráfico NP de Rechazo
LCU=4.292
4
RECUENTO
MUESTRA
DE
__
NP=1.126
1
0 LCL=0
1 4 7 10 13 dieciséis 19 22 25 28 31
Muestra
Gráfico U
Los datos se presentan como un recuento (número de defectos)
No requiere un tamaño de muestra/subgrupo constante
Traza el número de defectos por unidad
Úselo cuando los datos se refieran a los defectos en sí mismos, no al producto defectuoso en general.
Página | 334
U Tabla de Defectos
0.4
LCU=0,3769
0.3
unidad
estra
taje
por
M
n 0.2
_
0.1
U=0.0909
0.0 LCL=0
1 2 3 4 5 6 7 8 9 10 11
Muestra
Gráfico C
Los datos se presentan como un recuento (número de defectos)
Requiere un tamaño de muestra/subgrupo constante
Traza el número de defectos por muestra
Úselo cuando los datos se refieran a los defectos en sí mismos, no al producto defectuoso en general.
Página | 335
C Tabla de Defectos
4
LCU=3.769
RECUENTO
MUESTRA
DE 2
_
1
C=0,909
0 LCL=0
1 2 3 4 5 6 7 8 9 10 11
Muestra
Creación y lectura de gráficas de control en Minitab
Gráficas de barra X y R o gráficas de barra X y S
Para comprender mejor el proceso de gráficas de barra X y R en Minitab, considere un escenario del mundo real. Un centro
de llamadas está rastreando el número de llamadas en espera. El centro de llamadas registra aleatoriamente el número de llamadas
en espera en un momento dado cinco veces cada hora. Esos datos se presentan a continuación para un turno de 10 horas.
Pide a
Hora Sostener
1 14
1 12
1 15
1 11
1 10
2 25
2 10
2 13
2 15
2 9
3 15
3 10
Página | 336
3 13
3 10
3 11
4 12
4 13
4 10
4 15
4 15
5 9
5 11
5 13
5 8
5 dieciséis
6 15
6 13
6 11
6 13
6 12
7 10
7 10
7 12
7 11
7 10
8 13
8 13
8 9
8 12
8 6
9 12
9 15
9 14
9 11
9 12
10 15
10 14
10 14
10 8
10 9
Página | 337
Copie esta información en Minitab si está siguiendo el análisis por su cuenta. Si no está seguro de cómo utilizar las funciones básicas de
navegación o entrada de datos de Minitab, consulte el capítulo 25 para obtener información adicional.
Todos los gráficos de control se encuentran en Estadísticas > Gráficos de control
Seleccione Estadísticas > Gráficas de control > Variables para subgrupos > XbarraR
Haga clic en el cuadro debajo de "Todas las observaciones de un gráfico están en una columna".
Página | 338
Haga clic en "Llamadas en espera" y haga clic en "Seleccionar"
Dado que los datos se muestrearon 5 veces por hora, ingrese "5" en el tamaño del subgrupo. Luego haga clic en "Opciones XbarR".
Página | 339 ©
En el cuadro de diálogo Opciones de XbarR, haga clic en "Pruebas"
En el menú desplegable de la pestaña Pruebas, seleccione "Realizar todas las pruebas por causas especiales".
Página | 340 ©
Esta opción le indica a Minitab que realice las pruebas de control cubiertas en el capítulo 16. Si un punto de datos o una serie de puntos de datos en el gráfico
de control falla en alguna de estas pruebas, Minitab los resaltará en rojo, lo que facilitará que los expertos en Six Sigma sepan si un proceso puede estar fuera de
control.
Haga clic en Aceptar en el cuadro de diálogo de opciones.
Haga clic en Aceptar en el cuadro de diálogo del gráfico XbarraR.
Minitab genera un gráfico y una descripción de texto para cualquier prueba de control fallida.
Página | 341 ©
Gráfico XbarR de llamadas en espera
dieciséis
LCU=15.814
14
__
X=12,18
promedio
Muestra
12
10
LCL=8.546
1 2 3 4 5 6 7 8 9 10
Muestra
1
dieciséis
LCU=13,32
12
muestra
Rango
de
8 _
R=6,3
0 LCL=0
1 2 3 4 5 6 7 8 9 10
Muestra
Resultados de la prueba para el gráfico R de llamadas en espera
PRUEBA 1. Un punto más de 3,00 desviaciones estándar de la línea central.
Prueba fallida en puntos: 2
Puede ver arriba, el gráfico de control para el rango falló en el punto 2: un punto está más allá de las 3 desviaciones estándar de la línea central. Todos
los demás puntos están dentro de los parámetros de control, y el gráfico de la media de muestra (barra x) también está bajo control. Eso significa que se
controló el número promedio de llamadas en espera dentro de cada hora. Sin embargo, sin la hora 2, los puntos de datos específicos variaron mucho más
que en otras horas, lo que significa que una o más muestras recolectadas fueron muy altas.
Es probable que alguien que vea este gráfico no considere que el proceso esté completamente fuera de control, pero querrá investigar las muestras de la
hora 2. ¿Qué sucedió para que se produjera un cambio drástico en el rango? ¿Se registró incorrectamente un número? ¿Varios empleados tomaron descansos
breves no planificados que provocaron un aumento repentino de llamadas en espera? Los gráficos de control pueden señalar problemas pequeños como
estos antes de que se conviertan en problemas sistémicos más grandes.
Los pasos para crear un gráfico de barra X y S son los mismos que los descritos anteriormente, excepto que comenzaría con Estadísticas > Gráficos de control
> Variables para subgrupos > XbarraS
Página | 342 ©
Gráfico IMR
El gráfico IMR (individual y rango móvil) se utiliza cuando no está agrupando datos en subgrupos.
O no es factible recopilar suficientes muestras para subagrupar o es importante por alguna razón ver el gráfico en el nivel de punto
de datos.
Por ejemplo, un concesionario de automóviles de tamaño mediano desea medir el número de ventas cerradas diariamente. La
mayoría de los concesionarios de automóviles no cierran cientos de ventas al día, por lo que el seguimiento por hora o por lotes
no proporcionará mucha información para los datos en un solo mes. Si observa los datos de un año, el concesionario podría
subagruparse por semana; de lo contrario, la tabla IMR es una buena opción.
Para trabajar junto con este ejemplo, copie los datos de ventas a continuación en Minitab.
Ventas cerradas todos
los días
19
17
17
17
20
23
22
18
19
19
18
20
21
19
24
dieciséis
15
21
21
20
19
20
Seleccione Estadísticas > Gráficas de control > Variables para individuos > IMR
Página | 343
Complete pasos similares a los pasos completados para el gráfico Xbar & R:
1. Haga clic en el cuadro debajo de "variables".
2. Haga clic en "Ventas cerradas diariamente" en la lista de columnas y haga clic en seleccionar.
3. Haga clic en Opciones IMR 4. Haga
clic en Pruebas
5. En el cuadro desplegable, seleccione "Realizar todas las pruebas por causas especiales".
Minitab genera el gráfico IMR y los datos sobre si se falló alguna prueba.
Gráfico IMR de Ventas cerrado diariamente
25,0 LCU=25,04
22.5
individual
Valor 20.0 _
X=19,28
17.5
15.0
LCL=13.53
1 3 5 7 9 11 13 15 17 19 21
Observación
1
8
LCU=7.071
Rango
móvil
__
2 MR=2.164
0 LCL=0
1 3 5 7 9 11 13 15 17 19 21
Observación
Gráfico IMR de Ventas cerrado diariamente
Resultados de la prueba para el gráfico de ventas de MR cerrado diariamente
Página | 344 ©
En este caso particular, el número de ventas por mes, que se muestra en el gráfico individual superior, está bajo control. El rango
móvil (cuánto cambio hay entre los números de cada día) está bajo control excepto por el punto 16. Si observa los datos, verá que
entre el punto 16 y el punto 17 hay una diferencia de 8 ventas. Este es el punto con la mayor diferencia en los puntos de datos diarios,
lo que probablemente explica la falla de la prueba.
Un concesionario de automóviles o un equipo de Six Sigma que trabaje con estos datos probablemente no estaría demasiado
preocupado por ese punto. Cuando lo considera en términos prácticos, podría ser que algunas ventas que podrían haber
comenzado el día anterior no se cerraron, lo que aumentó artificialmente los números del día y provocó un diferencial repentino
más amplio de lo normal. En este caso, el concesionario o el equipo de Six Sigma simplemente anotaría el punto y vigilaría el gráfico
de control para detectar fallas de prueba similares en el futuro que podrían indicar algún tipo de patrón o problema con el proceso.
Gráfico P
Recuerde, un pChart se utiliza para rastrear datos de atributos y tasas. Es probablemente uno de los gráficos de control basados
en atributos más utilizados porque a menudo es más fácil trabajar con las tasas que con los datos de atributos reales, especialmente
porque no tiene que preocuparse por garantizar el mismo tamaño de muestra o subgrupo. También puede combinar varios
tipos de defectos en el mismo informe, porque los gráficos p generalmente se ocupan de si el producto, la pieza o la prueba
pasaron o fallaron, no con los detalles sobre los defectos que causaron el pase o la falla.
El tipo de datos que se reportan a nivel gerencial también tiende a complementarse con las características del pChart. El liderazgo
ejecutivo a menudo desea conocer los resultados de las auditorías, los rendimientos de la primera ejecución, las tasas de
desechos o las tasas de defectos, todo lo cual se puede ilustrar con gráficos p.
Los datos de proporción suelen ser uno de los primeros disponibles para los equipos de Six Sigma; incluso antes de que un equipo
de Six Sigma se asocie con un proceso, muchos operadores y gerentes de negocios capturan datos de tipo aprobado/
desaprobado. Esto significa que un equipo de Six Sigma podría crear un primer gráfico de control de referencia a partir de datos de
proporción y ver cómo mejoran las tasas a medida que se realizan mejoras en el proceso.
Para entender cómo crear un gráfico p en Minitab, considere el siguiente escenario del mundo real. Una imprenta profesional
descubre un posible problema con un proceso de impresión utilizado para imprimir tarjetas de presentación. Los clientes
están reportando altas tasas de defectos. La empresa comienza a monitorear el proceso más de cerca, revisando 100
muestras diariamente para determinar si hay algún defecto en cada tarjeta impresa. Los resultados se registran en la siguiente tabla
de datos.
Copie estos datos en Minitab si sigue junto con la creación de gráficas de control.
Página | 345
Muestras Defectos
100 5
100 2
100 1
100 0
100 0
100 2
100 1
100 0
100 6
100 0
100 7
100 0
100 9
100 0
100 0
100 1
100 2
100 0
100 7
100 0
Para crear un gráfico p con estos datos, comience yendo a Estadísticas > Gráficos de control > Gráficos de atributos > P
Siga los pasos a continuación para ingresar datos en el cuadro de diálogo, como se muestra debajo de los pasos.
1. Haga clic en el cuadro debajo de Variables.
2. Haga clic en "Defectos" en la columna de la izquierda.
3. Haga clic en Seleccionar debajo de la columna de la izquierda para seleccionar "Defectos" en el cuadro Variables.
4. Haga clic en la casilla junto a "Tamaños de subgrupos".
5. Haga clic en "Muestras" en la columna de la izquierda.
6. Haga clic en Seleccionar debajo de la columna de la izquierda para seleccionar "Muestras" en el cuadro Subgrupo.
7. Haga clic en Opciones de gráfico P.
Página | 346
8. Haga clic en Pruebas
9. En el cuadro desplegable, seleccione "Realizar todas las pruebas por causas especiales"
Página | 347 ©
Tenga en cuenta que se enumeran menos pruebas para causas especiales que para las gráficas de control creadas anteriormente. Esto se debe
a que hay menos pruebas de control para datos de atributos. se ha dicho
Varias veces a lo largo de este libro, los datos continuos o variables suelen ser mejores para el análisis estadístico que los datos de
atributos, y este es un ejemplo de una razón para ello.
Minitab genera el gráfico de control de las tasas de defectos junto con los resultados de las pruebas de control.
P Tabla de Defectos
1
0.09
0.08
1 1
0.07
UCL=0.0650
0.06
0.05
orción
P
0.04
0.03
_
0.02 p=0,0215
0.01
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19
Muestra
Resultados de la prueba para el gráfico P de defectos
Prueba fallida en los puntos: 11, 13, 19
En este caso, es probable que exista un problema de control dentro del proceso, dada la falla de tres puntos. El propietario del proceso o el equipo de Six
Sigma asociado con este proceso querría investigar tanto las muestras como el proceso para averiguar si hay un problema de proceso en curso o
un problema específico de la muestra aquí.
Página | 348 ©
Los pasos para crear otros gráficos de control de atributos, incluidos los gráficos np, u y c, son los mismos que para crear el gráfico
p.
Practique la interpretación de las gráficas de
control Con Minitab, la creación de gráficas de control simplemente requiere seguir los pasos descritos anteriormente y algo
de práctica para determinar qué gráfica de control es la correcta para la situación y configurar los datos para la gráfica de control.
La parte más difícil es interpretar los gráficos de control para tomar decisiones o recomendaciones comerciales
válidas. En esta sección, revisará gráficos de control para una variedad de escenarios del mundo real y practicará su interpretación.
Proceso de tickets de la mesa de
ayuda La mesa de soporte técnico en una oficina realiza un seguimiento del número de tickets abiertos y cerrados cada hora. Ese
dato se encuentra en la siguiente tabla.
Entrante Completo
Entradas Entradas
10 8
12 10
15 12
7 9
2 5
8 9
9 8
11 12
1 2
dieciséis 14
18 17
5 6
8 7
14 13
7 6
6 7
17 12
8 10
5 6
La gerencia quiere saber si el proceso de la mesa de ayuda está funcionando bien solo con esta información. Un
experto en Six Sigma puede hacer algunas cosas para brindar una respuesta preliminar a la gerencia.
Primero, puede crear un gráfico IMR para los datos de Tareas completas. ¿Por qué utilizar un gráfico IMR? No tenemos
suficientes datos para crear un gráfico de barra X, porque solo tendríamos algunos subgrupos.
Página | 349
El gráfico IMR se muestra a continuación, y puede ver que no hay fallas de control ni para el rango móvil ni para la
cantidad de tickets cerrados por hora.
Gráfico IMR de boletos completos
LCU=21,22
20
15
_
individual
Valor
10
X=9.11
0
LCL=3.01
1 3 5 7 9 11 13 15 17 19
Observación
dieciséis
LCU=14,88
12
Rango
móvil
__
MR=4.56
4
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Observación
Alguien podría señalar, sin embargo, que un gráfico de control de la cantidad de tickets completados solo nos dice que no
hay mucha desviación en la cantidad de trabajo completado cada hora, y esto es cierto. Este gráfico de control en
realidad no tiene en cuenta la cantidad de trabajo que se produjo cada hora y si la mesa de ayuda estaba limpiando
ese trabajo.
Entonces, un experto en Six Sigma podría agregar otra columna a los datos. Esta columna mantiene un total acumulado
de cuántos boletos quedan abiertos en ese momento del día.
Entrante Completo Boletas restantes

Entradas Entradas Irresoluto
10 8 2
12 10 4
15 12 7
7 9 5
2 5 2
8 9 1
9 8 2
11 12 1
1 2 0
Página | 350
dieciséis 14 2
18 17 3
5 6 2
8 7 3
14 13 4
7 6 5
6 7 4
17 12 9
8 10 7
5 6 6
La creación de un gráfico IMR de esta figura produce resultados muy diferentes.
Gráfico IMR de tickets dejados sin resolver
1
8 5
LCU=8,06
_
4
X=3,63
individual
Valor
2
2 6 6
6
0 6
LCL=0,80
1 3 5 7 9 11 13 15 17 19
Observación
6.0
LCU=5.445
4.5
Rango
móvil 3.0
__
1.5 MR=1.667
0.0 LCL=0
1 3 5 7 9 11 13 15 17 19
Observación
Resultados de la prueba para la tabla I de tickets que quedaron sin resolver
PRUEBA 2. 9 puntos seguidos en el mismo lado de la línea central.
PRUEBA 5. 2 de 3 puntos más de 2 desviaciones estándar de la línea central (en un lado de
CL).
Página | 351
PRUEBA 6. 4 de 5 puntos más de 1 desviación estándar de la línea central (en un lado de
CL).
Prueba fallida en los puntos: 8, 9, 10, 12
Numerosas pruebas fallan en numerosos puntos del gráfico. ¿Esto es malo? No necesariamente, dada la comprensión del proceso.
Los primeros cinco puntos que fallan lo hacen porque están debajo de la línea central.
Eso significa que el proceso dejaba menos tickets abiertos por hora de lo que cabría esperar. Varias razones pueden existir
para tales resultados:
El equipo fue especialmente eficiente en el cierre de entradas en esas horas.
El equipo recibió tickets que fueron anormalmente fáciles de manejar y cerrar durante esas horas.
El equipo cerró tickets sin realmente resolverlos.
El equipo simplemente recibió menos entradas para trabajar.
Las dos primeras razones son positivas, y la tercera podría indicar un problema con el equipo. La última razón puede ser positiva o
negativa: ¿Había menos tickets porque todo funcionaba mejor de lo normal o había un problema con el software de ticketing?
Vale la pena analizar todas estas preguntas: no solo le dicen al equipo si es posible que el proceso esté fuera de control,
sino que también brindan información comercial valiosa.
Los siguientes dos puntos que están fuera de control en este gráfico se deben a una tendencia al alza, algo que un administrador
de la mesa de ayuda no querría ver. Él o ella querría continuar monitoreando este gráfico para ver si el proceso se corrige solo o
continúa con una tendencia ascendente.
Ejecución de una prueba de hipótesis
Dada toda esta información, un experto en Six Sigma podría incluso ejecutar una prueba de hipótesis para acompañar cualquier
gráfico de control. Él o ella podría ejecutar una prueba T de 2 muestras para determinar si el equipo está cerrando en
promedio la misma cantidad de boletos que se están abriendo. Si la respuesta es afirmativa, es probable que la mesa de ayuda
esté funcionando bien. Si la respuesta es no, entonces el equipo podría preguntar "¿cuántos tickets en promedio no cierra la mesa
de ayuda?"
Los resultados de ejecutar la prueba T de 2 muestras en Minitab se ven a continuación.
Prueba T y CI de dos muestras: Tickets entrantes, Tickets completos
T de dos muestras para tickets entrantes frente a tickets completos
N Media StDev SE Media
Tickets entrantes 19 9,42 4,89 Tickets completos 19 9,11 3,62 1.1
0.83
Diferencia = μ (Tickets entrantes) μ (Tickets completos)
Estimación por diferencia: 0.32
IC del 95 % para la diferencia: (2,52, 3,16)
Prueba T de diferencia = 0 (vs ≠): Valor T = 0,23 Valor P = 0,822 DF = 33
Página | 352
Por supuesto, con un tamaño de muestra de 19, la posibilidad de un error de tipo II es relativamente alta, pero el valor de p
también es muy fuerte a favor de aceptar la hipótesis nula de que la media es estadísticamente la misma entre los datos de boletos
abiertos y cierre de entradas. Dada esta información, el equipo de Six Sigma podría acumular más datos antes de ejecutar otra
prueba para verificar estos resultados.
Madejas de hilo
En una empresa que produce ovillos de hilo para ventas minoristas, cada ovillo de 244 yardas presenta un color o patrón de color
determinado. La empresa permite defectos leves en el tinte a una tasa de 10 por cada 244 yardas de longitud del hilo antes de
que la madeja se considere defectuosa en general.
Se ha encargado a un equipo que controle la calidad de este proceso. Este equipo revisa 10 longitudes de hilo de muestra
cada día antes de enrollarlo en una madeja para determinar la cantidad de defectos. Durante varios días, el equipo recopila datos y
crea un gráfico de control para indicar si su proceso está bajo control.
El equipo genera la siguiente tabla de datos.
Madeja Defectos
muestreado Encontró
10 8
10 2
10 12
10 15
10 22
10 6
10 8
10 14
10 9
10 23
10 24
10 26
10 10
10 7
10 5
10 12
10 15
10 18
10 19
10 14
10 27
Debido a que todos los tamaños de muestra son iguales y al equipo le preocupa la cantidad de defectos, elige crear un gráfico
c en Minitab.
Página | 353
C Tabla de Defectos Encontrados
30
1
1
25 LCU=25,36
20
RECUENTO
MUESTRA
DE
15 _
do=14,10
10
LCL=2.83
1
0
1 3 5 7 9 11 13 15 17 19 21
Muestra
Resultados de la prueba para la tabla C de defectos encontrados
Prueba fallida en los puntos: 2, 12, 21
Basado en tres puntos que fallan en las pruebas de control, este proceso no está completamente bajo control y debe revisarse.
Cumplimiento del centro de
llamadas Un centro de llamadas bancarias supervisa a sus empleados para verificar el cumplimiento de numerosas
reglamentaciones federales, así como de políticas y procedimientos internos. El monitoreo proviene de un equipo de control de
calidad que escucha llamadas telefónicas al azar y registra información sobre los errores que los miembros del equipo pueden
cometer cuando hablan por teléfono. Los miembros del equipo pueden cometer más de un error en cada llamada telefónica;
por ejemplo, un miembro del equipo puede olvidar informar a la persona que llama que la llamada se está grabando y no
proporcionarle la información correcta.
En un turno de 10 horas, el equipo de control de calidad supervisó las llamadas cada hora y creó la siguiente tabla de datos.
Llamadas
Hora monitoreado errores
1 15 3
Página | 354
2 13 5
3 18 4
4 10 0
5 12 2
6 9 2
7 11 4
8 12 5
9 8 0
10 7 1
El tamaño de la muestra, que está indicado por el número de llamadas monitoreadas cada hora, no es consistente en este ejemplo.
Las razones de los subgrupos inconsistentes en este caso podrían ser que la cantidad de llamadas recibidas cada hora varía y el
equipo de control de calidad solo revisa una parte determinada de las llamadas. También podría ser que algunas llamadas
tomen más tiempo y, por lo tanto, tarden más en revisarse. Independientemente del motivo de los tamaños de subgrupos
inconsistentes, nos lleva a elegir el gráfico u, que se ocupa del número de errores por unidad.
En este caso, eso se calcularía dividiendo los errores por llamadas monitoreadas, creando datos de tasas o proporciones para
que el tamaño real de la muestra no sea tan importante.
Al ingresar datos en Minitab para crear esta gráfica de control, los errores son las variables y las llamadas monitoreadas
son el tamaño del subgrupo.
Minitab genera la siguiente gráfica de control.
Tabla U de Errores
0.8
LCU=0,7652
0.7
0.6
0.5
unidad
estra
taje
por
M
n 0.4
0.3
_
U=0.2261
0.2
0.1
0.0 LCL=0
1 2 3 4 5 6 7 8 9 10
Muestra
Página | 355
Puede ver que ninguna prueba falló, lo que indica que el proceso está bajo control. También notará que el límite de
control superior parece escalonarse por todos lados. Esto se debe a que cada muestra tenía un tamaño diferente, por lo
que cada límite de control superior se calcula en un valor diferente.
¿Qué pasa si la gerencia del centro de llamadas estaba especialmente preocupada por un error específico?
Si la gerencia del centro de atención telefónica estaba preocupada por el cumplimiento de PCI (cumplimiento de las
regulaciones para la industria de tarjetas de pago), es posible que desee profundizar en los datos para ver información
sobre la cantidad de errores relacionados con el cumplimiento de PCI. Podrían pedirle al equipo de control de calidad
que marque una casilla al revisar una llamada para indicar si la llamada cumple con los estándares PCI o no.
La nueva tabla de datos se ve a continuación.
Llamadas PCI no
Hora monitoreado errores cumplimiento
1 15 3 1
2 13 5 0
3 18 4 1
4 10 0 0
5 12 2 1
6 9 2 1
7 11 4 2
8 12 5 2
9 8 0 0
10 7 1 1
En lugar de preocuparnos por la cantidad de errores por llamada, queremos comprender la tasa de errores de PCI que
ocurren. Podemos usar un gráfico p para ese propósito.
Página | 356
Gráfico P de Incumplimiento PCI
0.4
LCU=0,3828
0.3
orción
P 0.2
0.1 _
p=0,0783
0.0 LCL=0
1 2 3 4 5 6 7 8 9 10
Muestra
Este gráfico es una excelente ilustración de cómo un proceso bajo control puede seguir siendo un proceso problemático. Este
proceso está bajo control, pero cuatro de los últimos cinco puntos están por encima de la marca de proporción de 0,10. Eso
significa que de 10 muestras, cuatro tuvieron una tasa de fallas del 10 por ciento o más en lo que respecta al cumplimiento de PCI.
En el mundo bancario, los problemas de cumplimiento de PCI pueden costar una gran cantidad de dinero, lo que significa que los
centros de llamadas bancarias querrán ver tasas de error de cumplimiento de PCI tan cercanas a cero como sea posible. Es probable
que el propietario del proceso de este centro de llamadas tome medidas para reducir la proporción media de este proceso, aunque
tenga el control.
Causa común versus variación de causa especial Al seleccionar
las pruebas de control en Minitab, notará que seleccionamos realizar todas las pruebas para causas especiales. Esto le permite a
Minitab saber que debe realizar todas las pruebas para la variación de causa especial: la variación de causa especial es
aquella que es causada por algo fuera de las expectativas normales dentro de un proceso.
Cualquier proceso va a tener cierta cantidad de variación. La variación normal dentro de un proceso, la variación causada por el
proceso mismo, se denomina variación de causa común. Por ejemplo, un operador telefónico que trabaja en un centro de llamadas
cometerá un error ocasional al hablar o escribir mientras realiza sus tareas laborales. Esa variación se contabiliza en un
gráfico de control. Sin embargo, un operador que trabaja demasiadas horas, tiene un auricular defectuoso o es nuevo en el trabajo
puede cometer una cantidad de errores superior a la normal. Es probable que esa anomalía aparezca en un gráfico de control y
se explica por causas especiales, como un mal funcionamiento de los auriculares.
Página | 357
Gráficas de control de Minitab adicionales
Minitab ofrece una variedad de otras gráficas de control. Hemos cubierto los gráficos de control más utilizados en este
capítulo, pero destacamos algunos otros brevemente a continuación.
El gráfico I & MR (dentro/entre)
No debe confundirse con el gráfico IMR (rango móvil individual) mencionado anteriormente, el gráfico I & MR (dentro/
entre) proporciona un gráfico de tres vías que indica la variación dentro de un grupo y entre grupos. Puede usar este gráfico cuando
la variación entre lotes es alta en comparación con la variación dentro de los lotes o cuando la variación no se distribuye
aleatoriamente. Por ejemplo, cuando trabaja con un proceso que abarca turnos, puede tener subgrupos dentro de los grupos de
turnos y pueden aparecer diferencias entre los turnos.
Puede encontrar este gráfico en Estadísticas > Gráficos de control > Variables para subgrupos
Promedio móvil ponderado exponencialmente El
gráfico EWMA ofrece un gráfico individual y de rango móvil. Este gráfico rara vez se usa en el análisis estadístico común, ya
que es difícil trabajar con él. Muy a menudo, el gráfico EWMA se usa cuando se trata de sistemas de datos automáticos.
Suma acumulativa El
gráfico CUSUM se ocupa de las sumas acumulativas de las desviaciones de cada muestra en relación con un valor objetivo.
CUSUM es muy hábil para detectar un pequeño cambio de un objetivo, particularmente en un proceso que está bajo control. Al igual
que EWMA, CUSUM no es un gráfico de control de uso común para la mayoría de los entornos comerciales.
Página | 358
Capítulo 24: Aplicación de las estadísticas a los negocios
Aplicaciones a través de Six Sigma
Aún no ha terminado con las estadísticas, pero es una buena idea tomarse un descanso de los números y el análisis para revisar
algunos conceptos fundamentales de Six Sigma.
A lo largo de las Unidades 4 y 5, hemos trabajado extensamente con datos y análisis, y puede ser fácil dejarse llevar por los
números sin recordar la necesidad del negocio. De hecho, cuanto más aprenda sobre el análisis estadístico, más fácil será quedar
atrapado en el desafío del análisis y olvidar que la empresa depende de usted para obtener respuestas sobre sus propios
desafíos. En este capítulo, cubriremos algunos obstáculos con los que se puede encontrar al comunicar sus hallazgos
estadísticos a los empleados y líderes empresariales. También hablaremos sobre la importancia de incluir estadísticas en las
presentaciones comerciales y algunos consejos para integrar las estadísticas dentro de esas presentaciones.
Desafíos comunes al presentar un análisis estadístico
Este es el primer desafío, y quizás el más grande, al que se enfrentan los expertos en Six Sigma al entregar información del
análisis estadístico: a la mayoría de las personas no les importa. En verdad, a menos que su patrocinador también sea un experto
en Six Sigma o su comité de liderazgo esté bien versado en los métodos de Six Sigma, a las personas a las que se presenta no
les importa qué prueba de hipótesis usó o cuál es su estadística ChiCuadrado o p el valor era. Eso no quiere decir que a los
líderes empresariales y otros no les importen las conclusiones o los resultados de su análisis, y ciertamente les importan los
resultados del proyecto como un todo. Pero debe encontrar una manera de presentar su información de una manera que se
vincule con lo que les importa y no se base únicamente en conceptos y lenguaje estadísticos.
Un segundo desafío es que es poco probable que el personal comercial general y los líderes tengan la misma
comprensión del análisis estadístico que un experto en Six Sigma. Luego, el presentador Six Sigma tiene la tarea de presentar
los datos cuando es posible que no se entienda la copia de seguridad de los datos. Como experto en Six Sigma, debe ser capaz
de explicar por qué el equipo decidió moverse en una determinada dirección o cómo sabe que un proceso ha mejorado, y no todos
simplemente creerán en su palabra de que el valor p era apropiado para la decisión que tomaste.
Un tercer desafío al presentar su análisis es que fácilmente puede distraerse o descarrilarse con las estadísticas sin transmitir su
punto de vista comercial. Esto puede suceder por una de dos razones. Primero, si su patrocinador u otro miembro de su audiencia
tiene conocimientos sobre Six Sigma y el análisis estadístico, él o ella podría comenzar a hacer preguntas estadísticas en
lugar de preguntas comerciales. ¿Por qué usaste la prueba de 1 proporción? ¿Cómo elegiste el tamaño de la muestra? ¿De
verdad crees que una versión beta de 0.2 es suficiente, o deberías haber optado por una versión beta de 0.1?
Algunas preguntas estadísticas podrían muy bien ser válidas. ¿ Cómo elegiste el tamaño de la muestra? Eso podría ser algo
relevante para cubrir en una presentación para que la audiencia entienda qué suposiciones hizo el equipo y qué riesgos se
consideraron aceptables. Por otro lado, si ya realizó el análisis y tomó decisiones basadas en el tamaño de la muestra y la
prueba de hipótesis, entonces es un punto discutible si la potencia se configuró correctamente. Una forma de evitar que ocurra
este tipo de descarrilamiento es
Página | 359
mantener informado a un patrocinador con conocimientos de Six Sigma durante todo el proyecto; de esa manera, él o ella puede
proporcionar información sobre tales cosas en tiempo real si lo desea.
La otra razón por la que puede perderse en las estadísticas cuando se supone que debe presentar información comercial
relevante es porque su audiencia no entiende las estadísticas, lo que lleva a que la presentación se convierta en una
lección de estadísticas. Es importante caminar por la línea entre educar a la audiencia sobre la información necesaria sobre
el proceso Six Sigma y proporcionar una discusión en profundidad del análisis estadístico. Por ejemplo, probablemente deba asegurarse
de que su audiencia comprenda qué es la desviación estándar y por qué es importante. Probablemente no necesite explicar
todos los tipos de pruebas de hipótesis, o incluso, en algunos casos, que utilizó una prueba de hipótesis en absoluto.
Un desafío final en la presentación de datos estadísticos es la tendencia a incluir demasiada información o demasiados ejemplos.
Tiene un diagrama de caja, un gráfico de barras, un gráfico circular, una prueba de hipótesis y varios cálculos basados en distribuciones
de probabilidad. Todos te parecen buenos. Todos dicen algo diferente sobre los datos. Todos deberían ir en la presentación,
¿verdad? Incorrecto: demasiadas formas de ilustrar los datos abruman a la audiencia. También es probable que la mayoría de las
personas dentro de la empresa no vean los matices en los datos que un experto capacitado en Six Sigma ve, lo que significa que,
desde su perspectiva, simplemente está mostrando los mismos datos una y otra vez. No es un uso efectivo del espacio de
presentación o del tiempo de reunión.
¿Por qué incluir algunas estadísticas?
Incluso con todos los desafíos discutidos anteriormente, no debe dejar las estadísticas fuera de su presentación por completo.
Ya sea que esté presentando hallazgos en una revisión de peaje de Medir o Analizar o que esté presentando para la aprobación
final de las mejoras, las estadísticas son lo que proporciona credibilidad a sus conclusiones o resultados. La incorporación de sus
datos en una presentación puede ser difícil, pero proporcionamos algunos consejos para hacerlo en la siguiente sección.
Consejos para crear presentaciones amigables para los negocios
Si es importante incluir estadísticas para la credibilidad, pero es probable que muchas personas en su audiencia comercial no sigan
las complejidades del análisis real, ¿qué hace? Aquí es donde entran algunos de los mayores beneficios del control de procesos
estadísticos de Six Sigma. Si está trabajando en un verdadero entorno de Six Sigma, entonces nunca trabajará solo con los
números. Recuerde de la Unidad 1 que Six Sigma se preocupa más por el negocio, y sus metas y éxito, que por los datos y el análisis.
De hecho, el análisis y los datos solo son relevantes en la medida en que pueden usarse como una herramienta para realizar
o medir mejoras en los procesos comerciales.
Debido a esto, el equipo Six Sigma ya debería estar arraigado en términos y frases comerciales. Considere el acto de redactar la
declaración del problema, que cubrimos en el capítulo 5. La declaración del problema combina conceptos estadísticos con
objetivos y necesidades comerciales, y es un buen punto de referencia para cualquiera que presente información Six Sigma
a lo largo y después de un proyecto DMAIC. Si no está seguro de si se debe incluir algo en una presentación, pregúntese: ¿se relaciona
con el enunciado del problema o con una solución para el enunciado del problema? Si no es así, probablemente no sea
necesario comunicarse o presentarse en un entorno empresarial general. A medida que trabaja con datos y estadísticas,
es posible que se sorprenda de cómo crece su interés por los números. Mientras que el interés en los números puede llevar
Página | 360
a valiosos descubrimientos y conclusiones, debe evitar la tentación de incluir datos o conclusiones en una presentación
simplemente porque cree que son interesantes o “geniales”.
Otras formas en que puede crear presentaciones comerciales viables cuando se trata de estadísticas y análisis incluyen
adaptar la presentación a la audiencia, crear una narrativa estilo historia, mantener las cosas breves y simples, integrar imágenes
apropiadas y evitar el uso indebido de tecnología, presentación o herramientas estadísticas.
Comprenda al público objetivo Cuando
presente o comunique un proyecto Six Sigma o un análisis estadístico, adapte la información para reflejar el nivel de
preocupación y conocimiento de su público. Por ejemplo, considere un Six Sigma Black Belt que se presenta durante una
reunión de revisión de la puerta de peaje de Mejora. El Black Belt se presenta a un equipo de liderazgo, que incluye al
patrocinador del proyecto. Al menos dos miembros del equipo de liderazgo también son cinturones negros; tal vez uno sea
incluso un cinturón negro maestro.
Dado este escenario, la audiencia está interesada en la información y es capaz de comprender muchos de los conceptos
estadísticos detrás de las decisiones tomadas por el equipo de Six Sigma durante el proyecto.
Eso no significa que deba incluir automáticamente todos sus datos en la presentación: su audiencia también está ocupada. Pero sí
significa que debe anticipar al menos algunas preguntas sobre metodología o análisis estadístico, y puede incorporar algunos
términos técnicos o resultados en su presentación sin preocuparse por tener que explicarlos.
Cuando se trata de este tipo de audiencia, a menudo es una buena idea crear un apéndice de presentación. Puede colocar su
análisis, tablas de datos e incluso resultados específicos de Minitab en el apéndice, donde se pueden mostrar rápidamente si una
pregunta específica lo requiere. En situaciones que involucran altos costos o altos riesgos, es más probable que los equipos
de liderazgo deseen ver el análisis de antecedentes porque necesitan comprender completamente todos los supuestos y
riesgos antes de tomar una decisión sobre las mejoras recomendadas.
En otras situaciones, es posible que se le pida que presente información de Six Sigma o hallazgos estadísticos a audiencias que
están menos involucradas o que no tienen experiencia con las estadísticas. Los ejemplos incluyen presentar a la gerencia
general o presentar las razones detrás de los cambios en el personal de un departamento afectado por una mejora
del proceso Six Sigma. Cuando esto sucede, puede ser útil confiar en las representaciones gráficas de su análisis, especialmente
si la información que está tratando de compartir es muy evidente en cierto tipo de gráfico.
Por ejemplo, un equipo de Six Sigma en una oficina gubernamental se ha encargado de mejorar la producción de un proceso de
flujo de trabajo que involucra la revisión de solicitudes de ayuda financiera. El equipo ha realizado mejoras en el
proceso y ahora compara la tasa de producción por hora promedio del proceso antes de los cambios con la tasa de producción
por hora promedio actual. Para hacerlo, completan una prueba T de 2 muestras para determinar si los datos nuevos tienen
una media promedio más alta que los datos anteriores. Los resultados de Minitab se presentan a continuación.
Prueba T de dos muestras y CI: C1, C2
T de dos muestras para C1 frente a C2
N Media StDev SE Media
C1 23 4,00 2,76 0.58
C2 23 6,35 3,11 0,65
Página | 361
Diferencia = μ (C1) μ (C2)
Estimación de la diferencia: 2,348 Límite superior
del 95 % para la diferencia: 0,889 Prueba T de la diferencia
= 0 (frente a <): Valor T = 2,70 Valor P = 0,005 DF = 43
Sabiendo lo que hace con las pruebas de hipótesis y los valores p, puede ver rápidamente que rechazamos la hipótesis nula y
aceptamos la alternativa. Sí, los promedios medios del proceso han cambiado. Es, según nuestro análisis estadístico, un
proceso más productivo.
Pero, ¿puede simplemente copiar esos datos de Minitab en una diapositiva de PowerPoint? Probablemente no: solo un
experto en Six Sigma o análisis estadístico podrá establecer esa conexión entre el valor p y la conclusión del mundo real.
Considere la imagen gráfica a continuación.
Diagrama de caja de C1, C2
14
12
10
8
Datos
0
C1 C2
Esta es una gráfica de caja de los mismos datos utilizados para crear la prueba T de 2 muestras anterior, pero proporciona una
versión más amigable de los datos para la mayoría de los empleados comerciales. Puede ver rápidamente que el proceso C2
tiene una tasa de producción más alta que el proceso C1, incluso si no sabe nada sobre diagramas de caja y susurros.
No es suficiente comprender cómo es probable que el público objetivo interactúe con los datos y el análisis estadístico. Al
crear una presentación sobre su proyecto o datos estadísticos, también debe comprender qué quiere saber el público
objetivo y cómo necesitan saberlo.
Página | 362
• El liderazgo de alto nivel generalmente quiere saber si el proyecto fue un éxito, cómo sabe que fue un éxito, qué ahorros o
ganancias se pueden esperar y cómo está controlando el proceso para garantizar que no vuelvan a surgir los mismos
problemas.
• Los propietarios del proceso y los empleados cercanos al proceso deben saber todo lo anterior, aunque
podría tener que ampliar las discusiones sobre costos y ahorros para omitir datos confidenciales que podrían incluirse en
una presentación a nivel ejecutivo (como suposiciones sobre el pago de los empleados).
También es probable que los propietarios de procesos y los empleados deseen conocer más detalles sobre los cambios
específicos en el proceso: ¿por qué se implementaron dichos cambios y cómo afectan el flujo de trabajo diario?
Donde el liderazgo puede estar satisfecho con un mapa de procesos de alto nivel, por ejemplo, los propietarios de
procesos quieren ver mapas más granulares.
• Es probable que los miembros de la audiencia de diferentes departamentos hagan preguntas que tengan sentido
desde su perspectiva, sepa quién estará en un peaje u otro tipo de reunión de presentación, y prepárese para responder
preguntas específicas de su mundo. o El personal de cumplimiento pregunta
sobre el cumplimiento de las reglamentaciones. ¿El equipo consideró
normas a la hora de tomar decisiones? ¿Qué sucede cuando el cumplimiento requiere una decisión
que parecía opuesta a donde las inferencias estadísticas llevaron al equipo? ¿El equipo calculó los riesgos y
costos asociados con las fallas de cumplimiento, que a menudo son mayores que otras fallas de
procesos? o El personal de contabilidad o
finanzas pregunta sobre el presupuesto, los ingresos y los ahorros. ¿El equipo
¿Tiene un gráfico que muestre los resultados en formato de dólar? ¿Cuál es la probabilidad de ahorrar por
encima de cierta cantidad? ¿Puede el equipo asociar un monto en dólares con varios análisis, cambios
o mejoras?
o Es probable que el personal de marketing, ventas y servicio al cliente pregunte acerca de la información centrada
en el cliente y de cara al cliente. ¿Cómo reunió el equipo la voz del cliente?
¿Qué suposiciones sobre el cliente hizo el equipo? Al realizar cambios en el proceso o analizar datos,
¿cómo consideró el equipo al cliente?
Obviamente, no puede crear una presentación que responda todas las preguntas posibles sobre su proceso, proyecto o
análisis estadístico. La presentación sería enorme y llevaría demasiado tiempo presentarla.
Por lo general, es una buena idea mantener una presentación de menos de 10 a 20 minutos con mucho tiempo para
preguntas, y el tiempo de su presentación puede ser aún más limitado según las prácticas comerciales de la organización. Por
lo tanto, siempre debe responder las preguntas más grandes e importantes sobre sus mejoras, proyecto o etapa DMAIC en la
presentación y estar preparado para otros tipos de preguntas en la sesión de preguntas y respuestas (aquí es donde un
apéndice puede ser útil).
Cuente una historia con texto e imágenes Use
PowerPoint u otro programa de presentación para combinar su información de una manera que cuente una historia que la
audiencia pueda entender y que le interese. Teniendo en cuenta a su audiencia y el propósito de su presentación, intente contar
una historia general a lo largo de toda su presentación mientras presenta "narrativas en miniatura" en cada diapositiva.
Considere la siguiente diapositiva de ejemplo, que presenta la información de la prueba T de 2 muestras que usamos anteriormente
en este capítulo. La diapositiva cuenta una historia con la ubicación de la información, la inclusión de un gráfico y el formato de
preguntas y respuestas. Esta es una plantilla sencilla que se puede usar en la mayoría de las diapositivas de presentación de
Six Sigma, particularmente cuando se presentan análisis o datos estadísticos.
Página | 363

Primero, haga una pregunta como título de la diapositiva. Crea una pregunta concisa, pero trata de escribir una pregunta independiente. El
ejemplo de la diapositiva no hace un gran trabajo al respecto: ¿qué cambios, qué proceso y qué tarifas por hora se están discutiendo? En
el contexto de una presentación completa, esto no es un problema.
Sin embargo, es posible que desee sacar una sola diapositiva para una comunicación por correo electrónico o un documento
de capacitación, y los líderes ejecutivos tienden a sacar una diapositiva o una imagen gráfica para comunicar información sobre un
proyecto patrocinado. Un mejor título para esta diapositiva podría ser "¿Los cambios de software en el flujo de trabajo de revisión de
solicitudes de ayuda aumentaron las tasas de producción por hora?"
A continuación, incluya una imagen que responda a su pregunta o brinde información adicional sobre los datos o el proceso. Las imágenes, los
gráficos y los mapas dividen bloques largos de texto en una presentación, lo que hace que sea más fácil de digerir para la audiencia. Al
presentar datos en una variedad de formatos en una diapositiva, también captura el interés y la comprensión de una audiencia más
amplia. Las representaciones gráficas de los datos a menudo transmiten el punto más rápido y pueden ayudarlo a contar una historia
de datos compleja en una pequeña cantidad de
tiempo.

Puede ser una buena idea incluir información estadística básica, como una versión empresarial de la hipótesis nula y alternativa.
Como mínimo, todos en la audiencia pueden entender que estas dos afirmaciones son las que el equipo estaba evaluando, y solo
una de ellas puede ser cierta. Incluir el tipo de ejecución de la prueba y el valor p es opcional, pero puede ser una buena idea tanto para
la referencia del propio equipo como para informar a los patrocinadores u otras personas que también tengan conocimientos de Six Sigma.

Finalmente, responda la pregunta planteada en el título en una breve conclusión basada en texto. La conclusión debe alinearse con
cualquier representación gráfica o datos de prueba estadísticos incluidos en la diapositiva. Debe evitar presentar datos y conclusiones
contradictorios en una sola diapositiva a menos que tenga una razón específica para hacerlo y una explicación de por qué la
contradicción es importante.
Página | 364
No todas las preguntas requieren todos los elementos de la diapositiva anterior. A veces, tiene sentido proporcionar la
respuesta en un texto conciso. Por ejemplo, puede preguntar "¿Qué problema está tratando de resolver el equipo?" El contenido
correcto para esa diapositiva sería el enunciado del problema tal como está escrito en la fase Definir.
A veces, lo único que necesita incluir en la diapositiva es un gráfico o tabla. Considere la diapositiva a continuación.
Esta diapositiva pregunta qué está causando que se envíen pedidos defectuosos y responde la pregunta con un diagrama de
Pareto. Incluso si alguien no está familiarizado con el diagrama de Pareto, es bastante obvio dadas las etiquetas y los datos que
el problema que crea la mayor cantidad de defectos está en el acabado del producto. Alguien que conozca los diagramas de Pareto
podría ver en cuestión de segundos que los errores de finalización y las entradas sin procesar defectuosas representan más del 60
por ciento de los errores; si agrega "producto incorrecto seleccionado", representa el 80 por ciento de los errores.
Algunas herramientas Six Sigma, como el diagrama de Pareto, son fáciles de explicar a los miembros de la audiencia que no
tienen una comprensión previa del análisis de datos o Six Sigma. Con uno o dos minutos de tiempo de presentación, podría
explicar suficientemente cómo el gráfico anterior responde a la pregunta de la diapositiva, y esta es una de las razones por las
que Pareto (y otros gráficos de barras) son populares en este tipo de presentaciones.
Sea claro y conciso No
importa cómo presente sus datos, asegúrese de que cada diapositiva, y cada elemento de la diapositiva, sea claro y conciso. Esto
significa escribir en lenguaje activo tanto como sea posible, evitando explicaciones de texto largas y asegurándose de
que todo esté escrito correctamente y de que no haya usado la palabra incorrecta por accidente. Al incluir estadísticas en una
presentación, puede ser fácil elegir una palabra incorrecta que cambie el significado de toda su declaración. Simplemente decir
"mayor que" cuando quería decir "menor que" o "disminuir" cuando quería decir "aumentar" puede sesgar la información que está
proporcionando o hacer que sea confusa para su audiencia.
Página | 365
La claridad no es solo una preocupación en la elección de palabras y la estructura de las oraciones. También debe preocuparse por
cómo se unen los elementos de la diapositiva. No ponga tanta información en una sola diapositiva que las palabras o las imágenes se
vuelvan ininteligibles para la audiencia. En algunos casos, es posible que deba hacer una pregunta y responderla en una serie de
diapositivas.
Sea consciente del hecho de que una imagen de diapositiva proyectada nunca es tan clara como la imagen en su computadora.
Debido a esto, siempre debe evitar superponer fuentes o imágenes claras sobre un fondo claro o superponer fuentes o imágenes
oscuras sobre un fondo oscuro. No minimice las fuentes a algo tan pequeño como 12 puntos solo para que quepa toda la información;
recuerde, su audiencia podría estar sentada a pies o yardas de distancia. Tampoco necesita incluir toda la información en una diapositiva:
la diapositiva debe actuar como punto de referencia visual para la audiencia mientras agrega información verbalmente.
El texto y las imágenes que agregue directamente a la diapositiva no deberían ser su única preocupación. También debe asegurarse de
que el texto y las imágenes dentro de los gráficos sean lo más claros y concisos posible. Considere los dos diagramas de caja a
continuación.
Diagrama de caja de C1, C2
14
12
10
8
Datos
0
C1 C2
Página | 366
Producción promedio por hora para el flujo de trabajo de la aplicación
14
12
10
8
Producción
promedio
hora
por
0
ViejoProceso Nuevo proceso
El primer diagrama de caja, por sí solo, no proporciona mucha información a la audiencia. Alguien que entienda de
diagramas de caja simplemente podría decir que dos cosas se estaban graficando y que el promedio de uno era más alto
que el promedio del otro.
El segundo diagrama de caja es el mismo que el primero, pero se han editado el título y las etiquetas de datos. Ahora, puede ver
que el gráfico proporciona información sobre el flujo de trabajo de la aplicación. Específicamente, el gráfico ilustra las tasas
de producción promedio por hora para ese flujo de trabajo, y el nuevo proceso de flujo de trabajo parece ser más productivo
que el anterior.
Es importante crear análisis gráficos que cuenten una pequeña historia por sí solos, con la ayuda de etiquetas de datos y títulos.
Primero, como presentador de Six Sigma, las etiquetas brindan pistas que lo ayudan a explicar verbalmente la diapositiva o el
gráfico. Después de varias diapositivas con gráficos o cuadros de aspecto similar, incluso usted puede confundirse acerca
de los datos específicos de los que está hablando. En segundo lugar, las etiquetas adecuadas en dichas imágenes le permiten
reutilizar la imagen sin el contexto de la presentación o diapositiva. Esto significa que pierde menos tiempo y puede reutilizar
su trabajo cuando se comunica sobre su proyecto o datos, lo que reduce efectivamente la muda de retrabajo.
Finalmente, no tiene que preocuparse tanto de que alguien tome sus datos o análisis y los malinterprete o saque
una idea equivocada de ellos. Si los gráficos están etiquetados correctamente, entonces es más difícil que alguien que vea la
información fuera de su presentación saque conclusiones equivocadas.
También puede editar los colores de los datos en los gráficos tanto en Minitab como en Excel, lo que hace que sea aún
más fácil para el público sacar conclusiones apropiadas de la ilustración. Considere el gráfico de Pareto a continuación. Este es el
mismo gráfico de Pareto que se mostró anteriormente en este capítulo, pero en esta versión, las tres categorías principales se
presentan en rojo. El cambio de color enfatiza esas categorías, que representan el 80 por ciento de los errores, lo que facilita
que la audiencia llegue a la conclusión de que estos son los problemas en los que se concentrará el equipo.
Página | 367
No haga un mal uso de sus
herramientas Un último consejo para crear presentaciones favorables a los negocios es: no haga un mal uso de las
herramientas, los conocimientos y los recursos que tiene para crear presentaciones o comunicar ideas.
No haga un mal uso de PowerPoint, por ejemplo. La mayoría de los miembros de la audiencia no quieren ver una
presentación de 100 diapositivas. El hecho de que pueda incluirlo no significa que deba hacerlo. Del mismo modo, trate de evitar
animar todos los aspectos de su presentación. Sí, hay un tiempo para el fundido de entrada o el vuelo de entrada, pero el
tiempo no es para cada viñeta o imagen. Use animaciones con moderación, si es que las usa, para impactar sobre
conclusiones o elementos muy importantes de su presentación. En su mayor parte, una presentación sólida de Six Sigma debe
basarse en la claridad y los datos sobre trucos y animaciones.
No haga un mal uso de Minitab o de su otro software de análisis estadístico. Solo lleva unos segundos realizar ciertas
pruebas o crear gráficas en Minitab, como verá en la siguiente unidad. Por eso, los analistas y equipos de Six Sigma
tienden a acumular muchas versiones de datos. Trate los gráficos y análisis de Minitab como lo hace con las animaciones de
PowerPoint. Úselos según sea necesario, pero no los use porque están ahí. Una buena regla es no más de un gráfico o tabla
por diapositiva o pregunta relacionada con datos. Esto lo obliga a elegir el gráfico o cuadro que crea que ilustra de manera
más poderosa o apropiada sus datos. Hay excepciones a esta regla, y es posible que deba incluir dos gráficos si un gráfico ayuda
a explicar otro o si está comparando información sobre datos o varios conjuntos de datos.
No haga un mal uso de sus habilidades de análisis de datos. El mal uso del análisis de datos puede presentarse de dos formas:
comete un error de análisis de datos sin darse cuenta o fuerza un análisis para que se ajuste a un resultado o conclusión deseada.
El primer paso es más un error que un mal uso; puede evitar presentar dichos errores a los demás al verificar dos veces
todas las conclusiones e inferencias y hacer que otra persona con conocimiento de Six Sigma revise su análisis antes de finalizar
una presentación. Esta es la razón por la que muchas organizaciones Six Sigma tienen al menos
Página | 368
un cinturón negro maestro en el personal: los cinturones negros y los cinturones verdes pueden llamar al cinturón negro
maestro si tienen preguntas de análisis o simplemente quieren confirmar que están en el camino correcto con el análisis.
Nadie es infalible y pueden ocurrir errores. Sin embargo, como experto en Six Sigma, nunca puede permitir que los sesgos
fuercen conclusiones estadísticas que no están respaldadas por los datos. Y ciertamente nunca debe enturbiar el análisis
presentándolo de una manera que dificulte que su audiencia vea la conclusión apropiada porque quiere que saquen otra
conclusión. Por ejemplo, el truco utilizado anteriormente para resaltar una determinada parte del diagrama de Pareto con color
puede usarse de manera inapropiada. Puede llamar la atención sobre una determinada parte de un gráfico o gráfico de
barras con color, lo que aumenta las posibilidades de que la audiencia concluya que la parte coloreada es más relevante o más
importante que otros datos en el gráfico. Si bien esto a veces es cierto, los equipos y presentadores de Six Sigma deben tener
cuidado al usar tales tácticas: solo cree este escenario cuando los datos respalden tal énfasis.
Otro ejemplo de creación de sesgo en una presentación ocurre cuando presenta información de análisis sabiendo que el
tamaño de la muestra no era lo suficientemente grande para sacar conclusiones sólidas, pero no lo hace saber cuando
presenta la información. Esto puede resultar en que el liderazgo u otros tomen decisiones basadas en sus datos sin comprender
los riesgos de que las conclusiones puedan ser incorrectas.
De manera similar, si ejecuta cuatro tipos de prueba en Minitab y tres respaldan una conclusión, mientras que una única prueba
respalda la conclusión que el equipo quería presentar originalmente, no debe presentar solo los resultados de la única
prueba. Antes de presentar nada, debe revisar cada una de las pruebas para comprender por qué hay una diferencia en una;
también debe asegurarse de que las pruebas que está utilizando sean apropiadas para los datos, la pregunta y el tamaño de la
muestra en cuestión. Si verifica que todas las estadísticas son correctas, generalmente llegará a la conclusión respaldada por la
mayor cantidad de pruebas.
No deje que la presentación impulse el proyecto Dados los
procesos y requisitos de toma de decisiones en un mundo de negocios corporativos, las presentaciones son un requisito del proceso
DMAIC. Los equipos y expertos de Six Sigma tendrán que presentar sus hallazgos en algún momento, por lo que las habilidades
de presentación son algo en lo que debe trabajar.
Dicho esto, es importante que nunca permita que la necesidad de una buena presentación impulse ninguna parte del proceso. Los
equipos de Six Sigma nunca deben tomar decisiones sobre la recopilación de datos, el análisis gráfico, el mapeo de procesos, la
lluvia de ideas o cualquier otra función de Six Sigma porque piensan que será bueno o se verá bien para la presentación. En
cambio, la presentación de la información a la empresa debe realizarse después de que se haya realizado el trabajo.
Esta verdad es relevante cada vez que presenta información a la empresa o al personal de la empresa, no solo cuando está parado
frente a una sala de conferencias con una presentación de PowerPoint detrás de usted. Por ejemplo, los Black Belts a menudo se
comunican con patrocinadores o líderes empresariales regularmente durante el curso de un proyecto DMAIC. Tal vez el
equipo proporcione un correo electrónico diario o una actualización de fin de semana al patrocinador; cualquiera que sea el
modo de comunicación, todos los consejos de este capítulo son relevantes.
Página | 369
Página | 370

Lean-Six-Sigma-Green-Belt-Version Español

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lean-Six-Sigma-Green-Belt-Version Español

Cargado por

Copyright:

Formatos disponibles

Machine Translated

pedidos totales errores Costo promedio por error Costo total de errores

36,8 millones 8574.4 $35 $300,104.00

pedidos totales errores Costo promedio por error Costo total de errores

36,8 millones 125.12 $35 $4,379.20

Nivel Sigma Defectos por millón de cibernético estimado Costo total (a un

oportunidades lunes defectos estimado de $35 por error)

uno sigma 690.000 25.392.000 $888,720,000

dos sigma 308,000 11,334,400 $ 396,704,000

Tres Sigma 66,800 2,458,240 $86,038,400

cuatro sigma 6,200 228,160 $7,985,600

233 8.574,4 $300,104

seis sigma 3.4 125.12 $4,379

Producir % DPMO Nivel Sigma

99.7450 2,550 4.3

99.6540 3,460 4.2

99.5340 4,550 4.1

99.3790 6,210 4.0

99.1810 8,190 3.9

proceso Métricas de rendimiento) Nivel Sigma actual

gestión diseño objetivos

artista Preocupado por preocupado por el Preocupado por

comentario, herramientas y entrenamiento métricas de rendimiento y

consecuencias, y necesario para hacer el trabajo también requisitos en un individuo

proceso preocupado por quien preocupado por el preocupado por el

es dueño del proceso y cómo diseño del proceso, requisitos de la

Preocupado por los overoles Preocupado por los overoles Preocupado por

cultura de liderazgo y la organigramas y procesos planes operativos y top

4,3% 2,8% 1,0%

Falta de reclamo servicio no médico Fecha de servicio

18012 18012 35,9%

13245 31257 26,4%

10215 41472 20,4%

El reclamo carece de información 4548 46020 9,1%

Servicio no cubierto 2154 48174 4,3%

1423 49597 2,8%

Herramientas costo Beneficios

formulario de comentarios bajo ­Recopila muchos datos. ­Un individuo debe decidir

Encuesta por teléfono Alto ­Puede seleccionar al azar, lo ­Requiere muchas horas de trabajo

bajo ­Permite que los moderadores busquen ­No se pueden usar datos para hacer

Entradas: Tareas: decisiones:

proveedores Entradas proceso Salidas clientes

pedidos/cliente Orden recibida Cartas de negocios Individuos

proveedor de tinta folletos dueños de negocios

proveedores Entradas proceso Salidas clientes

proveedores Entradas proceso Salidas clientes

Peso (1) No (2) (3) Sí (4) (5)

Peso (1) No (2) (3) Sí (4) (5)

Peso (1) nº (2) 1 posiblemente (3) Sí (4) (5)

Peso (1) No (2) posiblemente (3) Sí (4) (5)

1.3 4.4 4.7 3.3 4.4

No (2) Sí (4) (5)

What hornos de vapor hornos de madera

1 PAG PAG PAG F PAG No

2 PAG PAG PAG PAG PAG tenedores

3 PAG PAG PAG PAG PAG tenedores

5 PAG PAG PAG PAG PAG tenedores

8 PAG PAG PAG F F No

10 PAG PAG PAG PAG PAG tenedores

elementos aprobar Precaución fallar

0 a 10 10 a 30 30 y más

% Tolerancia 0 a 10 10 a 30 30 y más

% contribución 0 a 1 1 a 9 10 y más

formulario de comentarios bajo Recopila muchos datos. Un individuo debe decidir

Encuesta por teléfono Alto Puede seleccionar al azar, lo Requiere muchas horas de trabajo

bajo Permite que los moderadores busquen No se pueden usar datos para hacer

Capital $20,000 $20,000

Equipo $15,000 $15,000

Capacitación $5,000 $5,000

Trabajar $2,000 $2,000 $2,000

Beneficios totales – $50,000 $13,000 $27,000 $3,000