Básicos en Lean Six Sigma

Reseña histórica de Lean Six Sigma

Desde que la sociedad comenzó a industrializar las formas manuales de explotar los recursos y producir bienes, las organizaciones han buscado la forma de llevar a cabo sus actividades de la forma más próspera posible.

A lo largo de algo más de un siglo, los industriales e ingenieros al rededor del mundo han propuesto diversos métodos de trabajo con el fin de lograr prosperidad. Algunos de éstos métodos de trabajo han sido más exitosos que otros y se han adaptado mejor a la vida moderna; evolucionando, refinándose con el paso del tiempo e incorporando la nueva tecnología que los avances van proporcionando.

En realidad Lean Six Sigma (LSS) es uno de los productos de esa historia industrial moderna en donde además de crear y perfeccionar métodos de trabajo, utiliza lo que en el legado de la industrialización ha resultado exitoso, práctico, repetible y sobretodo lucrativo. LSS es la suma de las teorías,  tecnologías y métodos de trabajo, exitosos del último siglo que han sido perfeccionadas y sistematizadas hasta un punto en donde son aplicables en todo tipo de industria incluyendo los negocios de servicios.

Algunos de los métodos y herramientas de LSS tienen más de un siglo de haber sido desarrolladas, otras más se han creado hace menos de treinta años y se han propuesto por personas al rededor del mundo, incluso se han tomado de filosofías de vida; por lo anterior, sería muy ambicioso intentar explicar en detalle el origen profundo de LSS y sus métodos. Sin embargo existen dos corrientes de administración industrial que podemos usar para explicar la mayor parte del origen de LSS.

El primero de ellos es Lean Manufacturing (término acuñado en 'The Machine that Changed the World' escrito por James P. Womack and Daniel T. Jones en 1990) cuyos orígenes se remontan las aportaciones de Herry Ford, Frederick W. Taylor y Edwards Deming, las cuales fueron perfeccionadas en Japón por Taiichi Ohno, Shigeo Shingo y Eiji Toyoda para dar origen al TPS (Toyota Production System) que es reconocido como el pilar de Lean Manufacturing.

El principio fundamental de Lean Manufacturing es preservar el valor ofrecido al cliente a través de realizarlo con la menor cantidad de trabajo o inversión. Esto entendiendo como 'valor' aquello por lo cual es cliente está dispuesto a pagar; alguna operación o servicio que no agrega valor para el cliente es considerado como un desperdicio y por lo tanto debe ser eliminado. Las herramientas de trabajo en Lean Manufacturing ayudan a identificar las actividades que agregan valor, a evidenciar los desperdicios reales o potenciales y a eliminarlos de forma efectiva. Así mismo, ofrece métodos de trabajo para estabilizar las operaciones, involucrar y desarrollar al personal, y con ésto mantener un estado de mejora continua permanente.

El segundo es Six Sigma, que se remonta a los desarrollos de Walter A. Shewhart, Edwards Deming y Joseph Juran; sus métodos y otras técnicas estadísticas del último siglo son puestas en marcha desde 1980 como una estrategia de negocios en Motorola a través de John F. Mitchell y  Bill Smith, en donde se acuña su nombre. Six Sigma incrementa su popularidad con la incorporación del método en General Electric, promovido por  Jack Welch.

En Six Sigma, el principio básico es mejorar la calidad intrínseca de los productos o servicios a través de identificar y eliminar las causas que originan los defectos, así como a reducir y controlar la variabilidad propia en la producción y la prestación del servicio. Six Sigma incorpora principalmente conceptos de Calidad Total y métodos estadísticos de análisis que permiten resultados muy sólidos y construyen procesos robustos capaces de mantener la calidad en muy altos niveles. Six Sigma cuenta con dos metodologías básicas: DMAIC y DFSS. La primera es una adaptación del método científico para la mejora de los procesos existentes y la segunda es un proceso sistemático para el desarrollo de nuevos productos o procesos que desde origen sean eficientes y capaces de cumplir con la calidad esperada. El nombre de Seis Sigma viene de la variación estadística esperada de defectos por fuera de un rango de más menos seis desviaciones estándar, lo que equivale a un máximo de 3.4 defectivos por cada millón de unidades fabricadas o servicios prestados.

Durante las dos ultimas décadas, ambas metodologías han sido difundidas al rededor del mundo e inician su incorporación en México a través de empresas trasnacionales, eventualmente contagiando la industria nacional. La aplicación de LSS es a lo largo de la cadena productiva incluyendo entre otros Industrias de todo giro, Empresas de Servicio, PyMES, Instituciones Financieras, Empresas Logísticas, etc. Durante éste tiempo las empresas utilizan ambos métodos de forma aislada o complementaria. El término Lean Six Sigma viene por primera vez en la publicación del libro 'Combining Six Sigma with Lean Speed' de Michael George en 2002.

Juan Pablo Villa

Químico Farmacéutico Biólogo

Black Belt DFSS

 Perfil Profesional  y  UAQ Alumni Facultad de Química

 juanp.villa

 @QFBJuanVilla

Límites de Especificación y Límites de Control

Límites que no son necesariamente iguales

Durante nuestro desempeño profesional y principalmente en la Industria, hemos enfrentado (o estaremos cerca de hacerlo), el desarrollo y uso del control estadístico de proceso (CEP/SPC) como medio para valorar la estabilidad de nuestros procesos y también para determinar la capacidad (capability) de las variables para cumplir con las especificaciones o tolerancias esperadas en nuestra operación o por nuestros clientes.

Existen varias herramientas dentro del CEP para evaluar la estabilidad de los procesos y sin lugar a dudas, las gráficas de control XR (de medias y rangos) se encuentran entre las más asistidas. En esta ocasión no centraremos la atención en cómo calcular una gráfica XR, sino más bien en su relación de éstas con las especificaciones que debe cumplir una variable. Por el momento les dejo un método simple de elaborar parte de una gráfica XR a través de éste video y en otra ocasión hablaremos más de cómo construir e interpretar un gráfico de control.

Aquellos de nosotros que hemos estado expuestos a trabajar bajo sistemas certificados de calidad, repetidamente hemos recibido la información de que 'el cliente es primero' y que nuestra operación tiene una 'orientación de servicio y cumplimiento hacia los clientes'. Uno de los elementos para hacer evidente esta frase, es saber si nuestro proceso cumple (y sí estadísticamente, cumplirá) con lo que el cliente espera de su producto o servicio y que está reflejado en las especificaciones o tolerancias que ha emitido. Mejor aún, poder darle un valor a ese nivel de cumplimiento.

Comencemos con una imagen de un proceso relativamente estable respecto a sus límites de control:

En una interpretación básica, podemos decir que nuestro proceso muestra estabilidad dado que se encuentra dentro de los límites inferior (LIC) y superior (LSC) de control, que ha pasado por un momento de inestabilidad o ajuste al inicio de los datos y que tiene una tendencia de control en los últimos datos. En términos generales, un proceso estable ¿Pero, es suficiente para decir que estamos cumpliendo con las especificaciones del cliente? La respuesta es simple: No. 

Recordemos que los Límites de Control son calculados usando los datos propios del proceso, ya sean históricos o actuales, por lo tanto reflejan el comportamiento del proceso y su nivel de variación dependiente de aquello que controlamos (como la forma en la que las personas o las máquinas trabajan) y aquello que no controlamos en su totalidad (como el medio ambiente, los proveedores o el desgaste). Al ser los LC resultado de nuestro propio proceso, en algún momento debemos decidir con cuáles datos los calculamos, bajo que condiciones operativas los determinamos y por cuánto tiempo serán vigentes. Hasta este punto, los LC no indican el desempeño contra lo que el cliente espera. Pero ¿Es conveniente o práctico decir que los LC son las especificaciones del cliente? En realidad más que conveniente o práctico, es muy común y normalmente dedicamos tiempo y recursos en hacer que los datos 'entren' en los Límites de Especificación (LE). Esto en el largo plazo es inconveniente ya que nunca podremos valorar la variación natural de nuestro proceso y por lo tanto no podremos valorar su propia capacidad. Conocer la capacidad de nuestras operaciones en términos estadísticos, permite hacer predicciones certeras, poder aceptar o rechazar nuevos productos o clientes en base a nuestro desempeño conocido y sobretodo asegurar que cumpliremos a lo largo del tiempo con lo que el cliente espera. Recuerden que el cliente es primero.

Entonces ¿Que falta en nuestro análisis hasta ahora? Bien, es necesario comparar nuestro nivel de variación y LC contra los Límites de Especificación (LE). Para ello, hagamos una aproximación gráfica con dos ejemplos:

Ahora en color marrón podemos visualmente ubicar los límites inferior (LIE) y superior (LSE) de especificación, comparándolos con la variación de nuestros datos y los propios LC. Recordemos que los LIE y LSE provienen de una fuente preestablecida que espera que nuestro proceso cumpla con ellos y que bien puede ser un cliente o una regulación oficial; en todos los casos los LE provienen de una expectativa a cumplir y son independientes de nuestro proceso. Entonces ¿Que podemos decir de los dos casos mostrados arriba? En primera instancia, que nuestro proceso no es capaz de cumplir con éstas especificaciones particulares. En el primer gráfico es posible que algunos datos pudieran llegar a estar por debajo del LSE, pero la mayoría de ellos estarán fuera. En el segundo gráfico es evidente que nunca se podrán cumplir las especificaciones ya que todos los datos están por debajo del LIE. 

Además de la relación de los datos con los LE, también visualmente podemos valorar que tanta variación permiten los LE a través de ver la 'anchura' del rango entre los límites. En el primer ejemplo encontramos que prácticamente el rango entre LSE-LIE es casi igual al rango entre LSC-LIC, con lo que podemos dar una primera conclusión básica de que nuestro proceso puede mantener una variabilidad dentro de lo esperado en la especificación si somos capaces de lograr, a través de cambios en nuestro proceso, 'desplazar' los LC lo más cerca posible de los LE. El segundo ejemplo es más demandante en cuanto a variabilidad se refiere ya que la anchura en los LE es menor que entre los LC. Esto indica que además de requerir cambios en nuestro proceso, será necesario también mejorar el control de dicho proceso o bien en modificar la tecnología en caso que el control se tenga claramente probado.

A través del siguiente ejemplo vamos a mostrar cual es un estado más 'ideal' entre lo que nuestro proceso puede alcanzar (LC) y lo que la expectativa externa tiene (LE):

Lo esperado en el desempeño de una variable de proceso, es que la variación y los LC se encuentren dentro de los LE, de esta manera podremos asegurar en mayor medida que nuestro proceso es capaz de cumplir de forma sostenida con lo esperado. Entre más estrecha sea la diferencia entre LSC-LIC y más amplia sea la que existe entre LSE-LIE, mayor será la garantía de que no habrá defectos en esta variable. En el mundo real, los LE son generalmente demandantes, no negociables y su 'anchura' muy estrecha, por lo que todo dependerá de nuestra capacidad de lograr un desempeño adecuado de los LC y la variación de nuestro proceso.

Esta ha sido una aproximación gráfica de la relación entre los LC y los LE. Además de ésto, existen métodos estadísticos que nos proporcionan un valor estándar (comparable entre diversas variables, productos, industrias) de qué tanto nuestro proceso es capaz de cumplir con las expectativas del cliente. Estos métodos serán motivo de un próximo debate.

Juan Pablo Villa

Químico Farmacéutico Biólogo

Black Belt DFSS

 Perfil Profesional  y  UAQ Alumni Facultad de Química

 juanp.villa

 @QFBJuanVilla