UNIVERSIDAD DE SAN BUENAVENTURA

SIX SIGMA

Javith Antonio Nisperuza Palencia

Isabel Camacho Julio
Vanessa Alejandra Feria Sánchez
Gustavo Rojas Gutiérrez
José Escalante Sampayo
José Rafael Tajan Chico

DOCENTE
Cristian Javier Cano

UNIVERSIDAD DE SAN BUENAVENTURA

FACULTA DE INGENIERÍA
CARTAGENA – BOLÍVAR

2023
Tabla de contenido
Historia.............................................................................................................................................3
Era de la Manufactura.................................................................................................................3
Era Financiera..............................................................................................................................3
Edad de Refinamiento y Adopción..............................................................................................3
Edad Actual..................................................................................................................................4
¿Qué es el Six sigma?.......................................................................................................................5
¿para que sirve el Six Sigma?..........................................................................................................7
Metodología DMAIC.......................................................................................................................8
Metodología DMADV......................................................................................................................9
Principios de Six Sigma..................................................................................................................10
Herramientas utilizadas en Six Sigma..........................................................................................11
Historia

Era de la Manufactura
Six Sigma tuvo su génesis con la intención de asistir a un fabricante en la mejora de la
calidad de sus productos. A comienzos de los años 80, los ingenieros de Motorola, Inc. se
embarcaron en la misión de minimizar los errores en sus productos antes de que salieran de
sus instalaciones de producción. Basándose en esfuerzos previos relacionados con la
calidad, buscaron un enfoque estadístico basado en métricas para cuantificar la calidad en
su entorno manufacturero.
El ingeniero Bill Smith, en colaboración con el estadístico Mikel Harry, dio forma a una
metodología con cuatro fases definidas: medir, analizar, mejorar y controlar (MAIC). Esta
metodología se enfocó en la reducción de errores y defectos en el proceso de fabricación.
Bill Smith, ampliamente reconocido como el "padre de Six Sigma", fue el creador del
término "Six Sigma". En 1987, Motorola incluso solicitó una marca registrada para Six
Sigma. Durante la siguiente década, se informa que Motorola logró ahorrar más de $16 mil
millones al implementar la metodología Six Sigma.
Era Financiera
La Era Financiera marcó un período de rápida adopción de la metodología Six Sigma. En
cuestión de pocos años, las noticias sobre los notables logros de Motorola y las
recompensas que obtuvieron comenzaron a propagarse, captando la atención de otras
grandes empresas industriales.
A medida que Motorola perfeccionaba y avanzaba en su enfoque de Six Sigma, la empresa
de electrónica Texas Instruments inició su propia implementación de Six Sigma,
centrándose en la reducción de defectos de fabricación, un objetivo similar al de Motorola.
Dado que sus clientes exigían estándares extremadamente altos para los componentes
electrónicos utilizados en las industrias militar y de aviación, Six Sigma se convirtió en una
herramienta fundamental para Texas Instruments.
La corporación global Allied-Signal fue otro actor importante que adoptó Six Sigma, pero
por motivos significativamente distintos. Su liderazgo reconoció el valor comercial de Six
Sigma, apreciando sus capacidades para medir, informar y controlar con precisión, lo que
llevó a una transformación significativa en la organización.
Edad de Refinamiento y Adopción
En la década de mediados de 1990, la intensa competencia impulsó a varias grandes
empresas a explorar el concepto de Six Sigma, marcando el inicio de un período de
refinamiento. Cuando estas compañías comprendieron el poder de Six Sigma como
herramienta para mejorar la calidad, la gestión financiera y el rendimiento comercial, Jack
Welch, el director ejecutivo de General Electric (GE), se convirtió en un ferviente defensor
de esta metodología. Rápidamente, Six Sigma se convirtió en un estándar y su
implementación se hizo obligatoria en todas las divisiones e industrias de GE, incluso en
sus operaciones de servicios, un ámbito novedoso para Six Sigma. En este período, GE
desarrolló aún más la metodología, agregando una fase inicial de 'definir' a la originalmente
concebida por Motorola. El resultado fue un proceso de cinco fases que aún se conoce
como DMAIC (definir, medir, analizar, mejorar, controlar).
Poco después, la historia de éxito continuó, inaugurando una etapa de adopción en la que
muchas de las principales empresas industriales se sumaron a la implementación de Six
Sigma. Otras empresas líderes se vieron compelidas a seguir este ejemplo. En un lapso
relativamente breve, muchas compañías comenzaron a adoptar e implementar Six Sigma,
entre las que se incluyen 3M Corp., Phillips, IBM, Lockheed y Sony. En particular, Phillips
aplicó esta metodología para mejorar su organización de ventas, lo que constituyó otro caso
pionero en el uso de Six Sigma.
Edad Actual
La era actual, que incluye el presente, ha sido la más emocionante en la historia de Six
Sigma. Esta metodología se ha convertido en la herramienta de mejora de facto, con miles
de empresas que la adoptan y decenas de miles de profesionales que obtienen
certificaciones en su aplicación. Prácticamente todos los principales fabricantes de
automóviles, como Ford, General Motors y Toyota, la han incorporado, al igual que líderes
de la industria como Xerox, Dow y American Express.
Simultáneamente, Motorola siguió avanzando en el desarrollo de Six Sigma, integrando
técnicas de producción "lean" a su metodología. Este enfoque, conocido como "Lean Six
Sigma", combinó la potencia estadística de Six Sigma con la eficiencia y la capacidad de
optimización de la fabricación ajustada. Como sucedió con la versión original de Six
Sigma, otras empresas se sumaron rápidamente a esta tendencia, y la variante "lean" se ha
convertido en el estándar del futuro.
¿Qué es el Six sigma?

Six Sigma es una metodología de mejora de procesos que se enfoca en perfeccionar los
procedimientos comerciales de las organizaciones. Su objetivo principal es establecer
consistencia en los procesos para minimizar la variabilidad en los productos finales y, en
última instancia, reducir los defectos. Esta metodología busca alcanzar el estándar de "cero
defectos" y se traduce prácticamente en garantizar un máximo de 3.4 defectos por cada
millón de unidades producidas, lo que se conoce como 3.4 DPMO (Defects Per Million
Opportunities) o, de manera equivalente, lograr una eficiencia del 99.99966%.

Este concepto está estrechamente relacionado con conceptos estadísticos como la

desviación estándar (σ) y otros elementos, como la distribución normal o la curva de Gauss:

 La mayoría de los procesos de producción siguen una distribución normal,

caracterizada por una distribución de frecuencias que sigue una forma de campana
de Gauss. Esto implica que existe una probabilidad de que algunos valores caigan
por encima o por debajo de ciertos límites establecidos.

 La probabilidad de defecto se refiere a la probabilidad de que un producto o proceso

no cumpla con los estándares de calidad deseados. Un proceso se considera más
fiable cuando su distribución de resultados está centrada cerca de los límites y
presenta una campana de Gauss estrecha y alta. Por otro lado, una campana
achatada y descentrada indica una mayor probabilidad de defectos.

 Visualmente, el área debajo de la curva de Gauss que se encuentra fuera de la zona

delimitada por los límites superior e inferior representa la probabilidad de defecto.
Las tablas de distribución normal proporcionan una relación directa entre esta área
(probabilidad de defecto) y la distancia Z, que se define como la diferencia entre un
valor específico (x) y la media (X) dividida por la desviación estándar (s). En
resumen, Z se refiere al "valor sigma" y se utiliza para evaluar la probabilidad de
defecto en una Distribución Normal. Esta relación se puede encontrar en tablas
especializadas.
Z=(x− X )/s
 Imagen 1. Distribución normal
En ocasiones, las especificaciones de un proceso pueden tener dos límites, representados
como LS (Límite Superior) y LI (Límite Inferior). Por lo tanto, es necesario considerar
ambas áreas que se encuentran fuera de la curva de Gauss, ya que ambas representan la
probabilidad de defecto en diferentes direcciones.

Para calcular la probabilidad total de defecto, se suma la probabilidad de exceder el límite

superior con la probabilidad de exceder el límite inferior. Cuando se trata de un solo límite,
como se muestra en la figura, calculamos lo que se denomina el "valor sigma" en Six
Sigma. Sin embargo, cuando existen tanto un límite superior como un límite inferior, se
calcula un número sigma equivalente sumando las probabilidades de defecto en ambos
extremos. Luego, con este valor sigma, buscamos el valor Z correspondiente en las tablas
de distribución normal. Este valor Z es una medida que se utiliza para evaluar la
probabilidad de defecto en situaciones en las que hay múltiples límites en las
especificaciones del proceso.

Imagen 2. Campana de Gauss

En el ámbito de la fabricación, las métricas DPMO (Defects Per Million Opportunities) se
utilizan para expresar la proporción de productos que se encuentran dentro de las
especificaciones de tolerancia y los que no lo están al finalizar la producción. Estas
métricas se emplean para controlar y gestionar la variabilidad en la producción.

Por ejemplo, en una fábrica que produce ejes, de cada millón de ejes fabricados, solo entre
tres y cuatro ejes son considerados defectuosos y se desechan al final de la línea de
producción. En este contexto, el objetivo principal es garantizar que los productos
defectuosos no lleguen a los clientes finales. Es fundamental destacar que, en este contexto,
se define como producto defectuoso aquel que no cumple con las especificaciones de
tolerancia aceptables para el cliente.

¿para que sirve el Six Sigma?

El objetivo del método Six Sigma es lograr mejoras significativas en los procesos y
procedimientos de una empresa para alcanzar un alto nivel de rendimiento. Los niveles de
Sigma, que se basan en la métrica de Defects Per Million Opportunities (DPMO),
representan la cantidad de productos defectuosos por cada millón de unidades entregadas.
1. Aumentar la eficiencia:
El modelo Six Sigma se esfuerza por alcanzar un nivel de eficiencia del 99.99966
%, lo que significa que solo 3.4 productos de cada millón de unidades fabricadas
podrían presentar defectos, fallos o desviaciones con respecto a los estándares
acordados.

2. Control de procesos:
Six Sigma permite mantener un control constante sobre los procesos, utilizando
variables medibles para evaluar el desempeño en todas las áreas de la empresa. Esto
facilita la identificación de nuevas estrategias para optimizar la eficiencia operativa.
Al adoptar esta metodología, la empresa se compromete a buscar la calidad total y
la excelencia como pilares fundamentales, lo que contribuye a forjar una identidad
empresarial sólida.

3. Aumentar la productividad:
La implementación de Six Sigma resulta en una mejora significativa en la
productividad y en la rentabilidad de los productos, gracias a la optimización de los
procesos. Esto, a su vez, garantiza un mejor retorno de la inversión. Dado que
involucra a todos los profesionales y áreas de la empresa, la mejora de procesos se
lleva a cabo de manera colaborativa, lo que asegura una operación homogénea y
altamente eficaz en el futuro.
Metodología DMAIC

DMAIC es una metodología de mejora de procesos que forma parte de la estrategia Six
Sigma, y su objetivo es ayudar a las organizaciones a medir y mejorar su rendimiento. El
término DMAIC es un acrónimo que proviene del inglés y representa las cinco fases clave
de la metodología: Definir, Medir, Analizar, Mejorar y Controlar.

1. Definir:
La fase de "Definir" es uno de los pasos más críticos en la metodología DMAIC. En
esta etapa, se centra en describir y definir de manera precisa el problema que se
busca resolver. Es fundamental que el problema esté bien definido y alineado con
los objetivos de la organización. Esta fase establece las bases para el trabajo
posterior.

2. Medir:
La fase de "Medir" implica la identificación de parámetros clave que afectan
directamente al problema. Aquí se recolectan datos para cuantificar la magnitud del
problema y obtener una comprensión cuantitativa de su alcance. La medición de los
factores relevantes es esencial para evaluar la situación de manera objetiva.

El próximo paso de la metodología DMAIC se denomina "Analizar". Esta fase consiste en

el examen detallado de los datos recopilados en la etapa de Medir para identificar las causas
fundamentales del problema.

3. Analizar:
En la fase de "Analizar", se trabajan los datos recopilados en la fase de Medir para
comprender las relaciones causa-efecto y determinar las causas fundamentales del
problema. Se utilizan herramientas estadísticas para este análisis profundo.

4. Mejorar:
La fase de "Mejorar" se enfoca en la implementación de soluciones para abordar las
causas identificadas en la fase de Análisis. Aquí se busca optimizar el proceso y
lograr mejoras significativas en el rendimiento. Pueden probarse diversas soluciones
y ajustes con el objetivo de lograr resultados superiores.

5. Controlar:
La última fase, "Controlar", se encarga de diseñar y documentar controles para
asegurar que las mejoras realizadas se mantengan en el tiempo. Esto implica
 establecer sistemas y procedimientos que garanticen que el proceso siga siendo
eficiente y cumpla con los estándares de calidad.

Metodología DMADV

DMADV es una metodología de análisis de Six Sigma que busca mejorar el rendimiento de una
empresa a través de la definición, medición, análisis, diseño y verificación de nuevos servicios,
productos o procesos. Las siglas DMADV representan las cinco fases clave de esta metodología:
1. Definir:
La fase de "Definir" tiene como objetivo identificar claramente el propósito del proyecto y
establecer metas medibles basadas en las expectativas de la empresa. Es esencial que el problema a
resolver esté bien definido para que el proceso DMADV sea efectivo.
2. Medir:
La fase de "Medir" se enfoca en identificar los parámetros clave que tienen un impacto directo en el
problema a abordar. Durante esta etapa, se recopilan datos relevantes para su posterior análisis, y se
determinan los factores críticos de calidad (CTQ, por sus siglas en inglés).
3. Analizar:
La fase de "Analizar" implica un análisis profundo de los datos recopilados en la fase de Medir. El
objetivo es identificar las causas fundamentales del problema y comprender las relaciones causa-
efecto. Aquí se utilizan herramientas estadísticas para obtener información valiosa.
4. Diseñar:
En la fase de "Diseñar", se crea un diseño detallado de un nuevo producto, servicio o proceso que
resuelva el problema identificado. Se recomienda la creación de prototipos para identificar posibles
errores y realizar ajustes antes de llegar a un modelo final.
5. Verificar:
La etapa de "Verificar" es la última de la metodología DMADV. En esta fase, el equipo se encarga
de validar y verificar que el diseño propuesto sea aceptable y cumpla con las expectativas de
calidad. Puede requerir pruebas de diferentes diseños y la evaluación de series de producción.
Principios de Six Sigma

1. Priorizar el enfoque en el cliente:

Dentro de Six Sigma, el principal objetivo es asegurarse de que la empresa pueda brindar el
máximo valor posible a sus clientes. Esto implica identificar y comprender las necesidades
de los clientes, así como lo que los motiva a adquirir productos o servicios. La calidad del
producto debe cumplir o superar las expectativas del cliente, y estas expectativas actúan
como un punto de referencia para la producción.
2. Utilizar datos para identificar variaciones:
Se recomienda un enfoque basado en datos para comprender en qué etapas del proceso de
producción se producen variaciones. Esto implica el análisis detallado de cada paso del
proceso y la recopilación de datos para identificar áreas que puedan ser optimizadas o que
estén causando cuellos de botella. El uso de métricas y análisis de datos ayuda a mejorar la
eficiencia y la calidad.
3. Continuar mejorando los procesos:
La mejora continua es un pilar fundamental de Six Sigma. Al observar los procesos de
producción, se deben identificar pasos que no agregan valor ni a los equipos ni a los
clientes finales. El uso de herramientas como los mapas de flujo de valor permite encontrar
formas de optimizar los procesos y reducir los cuellos de botella.
4. Involucrar a todos:
Six Sigma promueve la inclusión de todos los miembros del equipo en el proceso de
mejora. Sin embargo, es esencial que todos reciban capacitación en la metodología para
evitar obstáculos y garantizar que las contribuciones sean efectivas. Trabajar con equipos
interdisciplinarios puede ser particularmente beneficioso, ya que ofrece una visión
completa de cómo un proceso afecta a diferentes partes del negocio.
5. Fomentar un ambiente flexible y receptivo:
La flexibilidad es esencial para permitir que Six Sigma genere cambios positivos. La
empresa debe estar dispuesta a adaptarse a las mejoras en los procesos, y el equipo debe ser
receptivo a los cambios. Los procesos deben diseñarse de manera que sean fáciles de
modificar, lo que permite una mayor agilidad y la capacidad de realizar ajustes según sea
necesario sin causar grandes inconvenientes.
Herramientas utilizadas en Six Sigma

herramientas utilizadas en Six Sigma:

A. Diagrama Flujo de Proceso: de Este es un diagrama que visualiza las etapas de un
proceso de manera secuencial. Es especialmente útil para entender cómo se
desarrolla un proceso y para identificar posibles ineficiencias o cuellos de botella.
Los pasos clave, las etapas críticas y las interacciones entre ellas se representan de
manera gráfica. Este diagrama es fundamental para comprender y documentar el
proceso actual antes de realizar mejoras.

En cuanto a los símbolos utilizados en los flujogramas, aquí se detalla su función:

- Líneas de flujo (flechas): Indican la dirección del flujo de trabajo. Pueden ser
verticales, horizontales o diagonales, y muestran la secuencia de las etapas del
proceso.

- Terminales (rectángulos de esquinas romas): Marcan el inicio y el cierre del

flujograma, es decir, el punto de comienzo y de fin del proceso.

- Proceso (rectángulo ordinario): Representa una actividad o etapa específica del

proceso. Muestra un cambio en forma, valor o ubicación de los datos.

- Decisión (rombo): Indica un punto en el proceso en el que se toma una decisión.

Las flechas que salen del rombo representan las posibles rutas a seguir según la
decisión tomada.

- Entrada (paralelogramo inclinado): Representa la necesidad de ingresar

información o datos en el proceso.

- Salida (símbolo de hoja de papel): Representa la forma en que se extraen datos

del proceso, ya sea imprimiéndolos en papel o mostrándolos en una pantalla.

- Conector de página (círculo): Permite vincular puntos en el flujograma cuando

conectarlos mediante líneas sería confuso. Suele contener una letra para indicar con
qué otro conector se enlaza.

- Conector fuera de página (pentágono): Permite vincular un punto del

flujograma con otro que se encuentra en una página distinta, lo que facilita la
representación de flujos de trabajo extensos.
B. Diagrama de Causa-Efecto (Ishikawa o Diagrama de Espina de Pescado): Esta
herramienta se utiliza en sesiones de lluvia de ideas para identificar las causas y
efectos de un problema en un proceso. Se representa gráficamente con una línea
central (el "espinazo del pescado") y espinas que se ramifican a lo largo de la línea.
Cada espina representa una posible causa del problema, y las ramificaciones son
subcausas relacionadas. Es útil para explorar de manera sistemática todas las
posibles causas de un problema.
• Elementos del Diagrama de Ishikawa
1. Cabeza
 Se origina en la espina central y representa los problemas principales.
2. Espinas
 Proyectan desde la espina central y su cantidad variará dependiendo de las
posibles causas subyacentes del problema.
3. Espinillas
 Incluidas en las espinas más grandes, estas representan las causas menores o
sub-causas que contribuyen al problema principal.

• Utilidad: Este enfoque es valioso para diversos propósitos, como el análisis,

resolución de problemas, y la mejora de la eficiencia. Su objetivo fundamental es
identificar las causas subyacentes que generan obstáculos en los procesos
organizativos y operativos de las empresas.

C. Diagrama de Pareto: Esta herramienta se basa en el principio de que la mayoría de

los problemas provienen de unas pocas causas principales. El Diagrama de Pareto
ayuda a identificar y priorizar las causas principales de los problemas, ordenándolas
de mayor a menor importancia. Esto permite concentrar los esfuerzos de mejora en
las áreas que tendrán el mayor impacto en la calidad del proceso.

Los elementos que conforman el Diagrama de Pareto son los siguientes:

1. Categorías o elementos: Estos son los elementos específicos que se están

analizando. Pueden ser diferentes tipos de defectos, problemas, productos, o
cualquier otro aspecto que se desea evaluar y categorizar. Estas categorías se
agrupan según su naturaleza y se enumeran en el eje horizontal del diagrama.

2. Frecuencia o magnitud: La frecuencia o magnitud representa la cantidad de

veces que se presenta cada una de las categorías o elementos en el proceso o sistema
que se está analizando. Esta información se utiliza para determinar la importancia
relativa de cada categoría.
 3. Porcentaje acumulado: El porcentaje acumulado muestra el total acumulado de
la frecuencia de las categorías, y aumenta de forma progresiva a medida que se
avanza de izquierda a derecha en el diagrama. Este porcentaje acumulado permite
identificar el punto en el que las categorías comienzan a contribuir de manera
significativa al problema o proceso.

4. Línea de Pareto: La línea de Pareto es una curva que se traza en el diagrama y

representa el porcentaje acumulado de la frecuencia en relación con el eje vertical
derecho. Esta línea se utiliza como una referencia para comparar la contribución
relativa de cada categoría o elemento. Por lo general, se busca un punto en el que la
línea de Pareto muestre una caída significativa, lo que indica que las categorías
anteriores son las más importantes.

5. Eje vertical izquierdo: El eje vertical izquierdo representa la frecuencia o

magnitud de cada una de las categorías o elementos. Es donde se muestran los
valores numéricos que indican cuántas veces se ha observado cada categoría.

6. Eje horizontal: El eje horizontal representa las categorías o elementos que se

están analizando. Cada categoría se etiqueta en este eje, y se organizan de izquierda
a derecha según su importancia o frecuencia.

D. Histograma: Un histograma es una representación gráfica de la distribución de

datos. Se utiliza para observar la variación en un conjunto de datos y para
comprender cómo se distribuyen los valores. Al crear un histograma de los defectos
o fallas en un proceso, es posible identificar patrones y tendencias, lo que puede
guiar las acciones de mejora.

E. Gráfica de Control: Una gráfica de control se utiliza para monitorear el

rendimiento de un proceso con el tiempo. Muestra los datos del proceso en función
del tiempo y establece límites superior e inferior, así como un valor medio. Esto
permite identificar cualquier desviación del proceso y tomar medidas correctivas
cuando se superan estos límites. Es esencial para mantener un proceso dentro de los
parámetros de calidad deseables.

F. Diagrama de Dispersión: Esta herramienta se utiliza para analizar la relación entre

dos variables. Al representar gráficamente estos datos en un diagrama de dispersión,
es posible determinar si existe una correlación o relación entre ellas. Esto es valioso
para comprender cómo un cambio en una variable afecta a la otra.
G. Modelo de Regresión: Un modelo de regresión se utiliza para establecer una
relación matemática entre una variable de respuesta y una o más variables de
entrada en un proceso. Esto permite predecir el efecto de cambios en las variables
de entrada en la variable de respuesta. Los modelos de regresión son útiles para
optimizar un proceso y tomar decisiones basadas en datos.