6 SIGMA

SIX SIGMA es una metodología de mejora de procesos, centrada en la reducción de la variabilidad de los mismos, consiguiendo reducir o eliminar los defectos o fallas en la entrega de un producto o servicio al cliente. La meta de 6 Sigma es llegar a un máximo de 3,4 defectos por millón de eventos u oportunidades (DPMO), entendiéndose como defectocualquier evento en que un producto o servicio no logra cumplir los requisitos del cliente.

Seis sigma utiliza herramientas estadísticas para la caracterización y el estudio de los procesos, de ahí el nombre de la herramienta, ya que sigma es la desviación típica que da una idea de la variabilidad en un proceso y el objetivo de la metodología seis sigma es reducir ésta de modo que el proceso se encuentre siempre dentro de los límites establecidos por los requisitos del cliente. Obtener 3,4 defectos en un millón de oportunidades es una meta bastante ambiciosa pero lograble. Se puede clasificar la eficiencia de un proceso con base en su nivel de sigma: • 1 sigma= 690.000 DPMO = 31% de eficiencia • 2 sigma= 308.538 DPMO = 69% de eficiencia • 3 sigma= 66.807 DPMO = 93,3% de eficiencia • 4 sigma= 6.210 DPMO = 99,38% de eficiencia • 5 sigma= 233 DPMO = 99,977% de eficiencia • 6 sigma= 3,4 DPMO = 99,99966% de eficiencia Porcentajes obtenidos asumiendo una desviación del valor nominal de 1,5 sigma. Por ejemplo, si tengo un proceso para fabricar ejes que deben tener un diámetro de 15 +/-1 mm para que sean buenos para mi cliente, si mi proceso tiene una eficiencia de 3 sigma, de cada millón de ejes que fabrique, 66.800 tendrán un diámetro inferior a 14 o superior a 16mm, mientras que si mi proceso tiene una eficiencia de 6 sigma, por cada millón de ejes que fabrique, tan solo 3,4 tendrán un diámetro inferior a 14 o superior a 16mm. Dentro de los beneficios que se obtienen del Seis Sigma están: mejora de la rentabilidad y la productividad. Una diferencia importante con relación a otras metodologías es la orientación al cliente. Principios de Six Sigma 1. Liderazgo comprometido de arriba hacia abajo 2. Seis Sigma se apoya en una estructura directiva que incluye personal a tiempo completo 3. Entrenamiento 4. Acreditación 5. Orientada al cliente y enfocada a los procesos. 6. Dirigida con datos. 7. Se apoya en una metodología robusta 8. Los proyectos generan ahorros o aumento en ventas 9. El trabajo se reconoce 10. La metodología Six Sigma plantea proyectos largos. 11. Seis Sigma se comunica

MUESTREO

Técnica para la selección de una muestra a partir de una población. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la población. Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la población sino estimar también los márgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero sí podemos actuar de manera que esta condición se alcance con una probabilidad alta. En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población, se puede extraer dos o más muestras de la misma población. Al conjunto de muestras que se pueden obtener de la población se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extracción, sigue la llamada distribución muestral.

Técnicas de muestreo estadístico Existen dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el proceso de selección). Cuando este último cumple con la condición de que todos los elementos de la población tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la población es conocida de antemano, recibe el nombre de muestreo probabilístico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante. Muestreo probabilístico Forman parte de este tipo de muestreo, todos aquellos métodos para los que puede calcular la probabilidad de extracción de cualquiera de las muestras posibles. Este conjunto de técnicas de muestreo es el más aconsejable, aunque en ocasiones no es posible optar por él. En este caso se habla de muestras probabilísticas, pues no es en rigor correcto hablar de muestras representativas dado que, al no conocer las características de la población, no es posible tener certeza de que tal característica se haya conseguido. Sin reposición de los elementos: Cada elemento extraído se descarta para la subsiguiente extracción. Por ejemplo, si se extrae una muestra de una "población" de bombillas para estimar la vida media de las bombillas que la integran, no será posible medir más que una vez la bombilla seleccionada. Con reposición de los elementos: Las observaciones se realizan con remplazamiento de los individuos, de forma que la población es idéntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extracción es tan pequeña que el muestreo puede considerarse con reposición aunque, realmente, no lo sea. Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una extracción es tan pequeña que el muestreo puede considerarse con reposición. Para realizar este tipo de muestreo, y en determinadas situaciones, es muy útil la extracción de números aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto. Pero no es exacto Muestreo sistemático Se utiliza cuando el universo o población es de gran tamaño, o ha de extenderse en el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante, que se denomina coeficiente de elevación: K= N/n Donde N es el tamaño del universo y n el tamaño de la muestra. Muestreo estratificado Consiste en la división previa de la población de estudio en grupos o clases que se suponen homogéneos con respecto a alguna característica de las que se van a estudiar. A cada uno de estos estratos se le asignaría una cuota que determinaría el número de miembros del mismo que compondrán la muestra. Dentro de cada estrato se suele usar la técnica de muestreo sistemático, una de las técnicas de selección más usadas en la práctica. Según la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos técnicas de muestreo estratificado: • Asignación proporcional: el tamaño de la muestra dentro de cada estrato es proporcional al tamaño del estrato dentro de la población. • Asignación óptima: la muestra recogerá más individuos de aquellos estratos que tengan más variabilidad. Para ello es necesario un conocimiento previo de la población. Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por separado las opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta homogeneidad. Así, si la población está compuesta de un 55% de mujeres y un 45% de hombres, se tomaría una muestra que contenga también esos mismos porcentajes de hombres y mujeres. Para una descripción general del muestreo estratificado y los métodos de inferencia asociados con este procedimiento, suponemos que la población está dividida en h subpoblaciones o estratos de tamaños conocidos N1, N2,..., Nh tal que las unidades en cada estrato sean homogéneas respecto a la característica en cuestión. La media y la varianza desconocidas para el i-ésimo estrato son denotadas por mi y si2, respectivamente. Muestreo por estados Esta técnica es la única opción cuando no se dispone de lista completa de la población de referencia o bien cuando por medio de la técnica de muestreo simple o estratificado se obtiene una muestra con unidades distribuidas de tal forma que resultan de difícil acceso. En el muestreo a estadios múltiples se subdivide la población en varios niveles ordenados que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones sucesivas para cada nivel. Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un país determinado, éstos pueden subdividirse en unidades primarias representadas por circunscripciones didácticas y unidades secundarias que serían los propios profesores. En primer lugar extraemos una muestra de las unidades primarias (para lo cual debemos tener la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de cada una de las primarias seleccionadas en la primera extracción. Muestreo por conglomerados Se utiliza cuando la población se encuentra dividida, de manera natural, en grupos que se supone que contienen toda la variabilidad de la población, es decir, la representan fielmente respecto a la característica a elegir, pueden seleccionarse sólo algunos de estos grupos o conglomerados para la realización del estudio. Dentro de los grupos seleccionados se ubicarán las unidades elementales, por ejemplo, las personas a encuestar, y podría aplicársele el instrumento de medición a todas las unidades, es decir, los miembros del grupo, o sólo se le podría aplicar a algunos de ellos, seleccionados al azar. Este método tiene la ventaja de simplificar la recogida de información muestral. Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la muestra, el diseño se llamamuestreo bietápico. Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer método funciona mejor cuanto más homogénea es la población respecto del estrato, aunque más diferentes son éstos entre sí. En el segundo, ocurre lo contrario. Los conglomerados deben presentar toda la variabilidad, aunque deben ser muy parecidos entre sí. Homogeneidad de las poblaciones o sus subgrupos Homogéneo significa, en el contexto de la estratificación, que no hay mucha variabilidad. Los estratos funcionan mejor cuanto más homogéneos son cada uno de ellos respecto a la característica a medir. Por ejemplo, si se estudia la estatura de una población, es bueno distinguir entre los estratos mujeres y hombres porque se espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos heterogéneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y otras dentro del estrato que en la población total. Por el contrario, la heterogeneidad hace inútil la división en estratos. Si se dan las mismas diferencias dentro del estrato que en toda la población, no hay por qué usar este método de muestreo. En los casos en los que existan grupos que contengan toda la variabilidad de la población, lo que se construyen son conglomerados, que ahorran algo del trabajo que supondría analizar toda la población. En resumen, los estratos y los conglomerados funcionan bajo principios opuestos: los primeros son mejores cuanto más homogéneo es el grupo respecto a la característica a estudiar y los conglomerados, si representan fielmente a la población, esto es, contienen toda su variabilidad, o sea, son heterogéneos. Muestreo no probabilístico Es aquél para el que no puede calcularse la probabilidad de extracción de una determinada muestra. Se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo estudio, por lo tanto, se considera que la información aportada por esas personas es vital para la toma de decisiones. Muestreo por cuotas Es la técnica más difundida sobre todo en estudios de mercado y sondeos de opinión. En primer lugar es necesario dividir la población de referencia en varios estratos definidos por algunas variables de distribución conocida (como el género o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte proporcional de población que representan. Finalmente se multiplica cada peso por el tamaño de n de la muestra para determinar la cuota precisa en cada estrato. Se diferencia del muestreo estratificado en que una vez determinada la cuota, el investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato. Muestreo de bola de nieve Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre sí. Consiste en identificar sujetos que se incluirán en la muestra a partir de los propios entrevistados. Partiendo de una pequeña cantidad de individuos que cumplen los requisitos necesarios, servirán como localizadores de otros con características análogas. Muestreo subjetivo por decisión razonada En este caso las unidades de la muestra se eligen en función de algunas de sus características de manera racional y no casual. Una variante de esta técnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la media de la muestra para determinadas variables se acerque a la media de la población. La cual funciona en base a referencias o por recomendación.

DIAGRAMA DE PARETO

También llamado curva cerrada o Distribución A-B-C, es una gráfica para organizar datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite, pues, asignar un orden de prioridades. Permite mostrar gráficamente el principio de Pareto (pocos vitales, muchos triviales), es decir, que hay muchos problemas sin importancia frente a unos pocos muy importantes. Mediante la gráfica colocamos los "pocos que son vitales" a la izquierda y los "muchos triviales" a la derecha. Facilita el estudio de las fallas en las industrias o empresas comerciales, así como fenómenos sociales o naturales psicosomáticos, como se puede ver en el ejemplo de la gráfica al principio del artículo. Hay que tener en cuenta que tanto la distribución de los efectos como sus posibles causas no es un proceso lineal sino que el 20% de las causas totales hace que sean originados el 80% de los efectos. El principal uso que tiene el elaborar este tipo de diagrama es para poder establecer un orden de prioridades en la toma de decisiones dentro de una organización. Evaluar todas las fallas, saber si se pueden resolver o mejor evitarlas.

DIAGRAMA DE ISHIKAWA

Tambien llamado diagrama de causa-efecto consiste en una representación gráfica sencilla en la que puede verse de manera relacional una especie de espina central, que es una línea en el plano horizontal, representando el problema a analizar, que se escribe a su derecha. Es una de las diversas herramientas surgidas para facilitar el análisis de problemas y sus soluciones en esferas como lo son; calidad de los procesos, los productos y servicios. Fue concebido por el licenciado en química japonés Dr.Kaoru Ishikawa en el año 1943. Es la representación gráfica de las relaciones múltiples de causa - efecto entre las diversas variables que intervienen en un proceso. En teoría general de sistemas, un diagrama causal es un tipo de diagrama que muestra gráficamente las entradas o inputs, el proceso, y las salidas o outputs de un sistema (causa-efecto), con su respectiva retroalimentación (feedback) para el subsistema de control.

Procedimiento Para empezar, se decide qué característica de calidad, salida o efecto se quiere examinar y continuar con los siguientes pasos: 1. Hacer un diagrama en blanco. 2. Escribir de forma concisa el problema o efecto. 3. Escribir las categorías que se consideren apropiadas al problema: máquina, mano de obra, materiales, métodos, son las más comunes y se aplican en muchos procesos. 4. Realizar una lluvia de ideas (brainstorming) de posibles causas y relacionarlas con cada categoría. 5. Preguntarse ¿por qué? a cada causa, no más de dos o tres veces. ¿Por qué no se dispone de tiempo necesario?. ¿Por qué no se dispone de tiempo para estudiar las características de cada producto?. 6. Empezar por enfocar las variaciones en las causas seleccionadas como fácil de implementar y de alto impacto.

HISTOGRAMA

Es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados, ya sea en forma diferencial o acumulada.

Los histogramas son más frecuentes en ciencias sociales, humanas y económicas que en ciencias naturales y exactas. Y permite la comparación de los resultados de un proceso.

MODELO DE ISHIKAWA

El diagrama de Ishikawa, también llamado diagrama de espina de pescado, diagrama de causa-efecto, diagrama de Grandal o diagrama causal, se trata de un diagrama que por su estructura ha venido a llamarse también: diagrama de espina de pez, que consiste en una representación gráfica sencilla en la que puede verse de manera relacional una especie de espina central, que es una línea en el plano horizontal, representando el problema a analizar, que se escribe a su derecha. Fue concebido por el licenciado en química japonés Dr.Kaoru Ishikawa en el año 1943.

Procedimiento Para empezar, se decide qué característica de calidad, salida o efecto se quiere examinar y continuar con los siguientes pasos: 1. Hacer un diagrama en blanco. 2. Escribir de forma concisa el problema o efecto. 3. Escribir las categorías que se consideren apropiadas al problema: máquina, mano de obra, materiales, métodos, son las más comunes y se aplican en muchos procesos. 4. Realizar una lluvia de ideas (brainstorming) de posibles causas y relacionarlas con cada categoría. 5. Preguntarse ¿por qué? a cada causa, no más de dos o tres veces. ¿Por qué no se dispone de tiempo necesario?. ¿Por qué no se dispone de tiempo para estudiar las características de cada producto?. 6. Empezar por enfocar las variaciones en las causas seleccionadas como fácil de implementar y de alto impacto.

APLICACIÓN DE ESTÁNDARES EN PRODUCTOS Y PROCESOS

Estándares de Calidad Procedimiento para establecer los estándares de calidad Criterios para controlar la calidad del producto: • Durabilidad, • Seguridad para el consumidor, • Buena apariencia o acabado. • Reducción de fallas en el proceso de producción. • Posibilidad de ajustes, modificaciones y cambios para mejorar el proceso de producción. • Mayor satisfacción de los clientes porque reciben productos de calidad. • Identificación de oportunidades de mejora

Sistema de calidad • Conjunto de directrices, políticas y requisitos que se deben satisfacer en una empresa. • Con el fin de dar cumplimiento a los estándares de calidad definidos o acordados con el cliente para un producto o proceso.

¿Qué debe hacerse para mejorar la calidad de un proceso o producto? • Pensar primero en la satisfacción de los requerimientos de los clientes. • El mejoramiento de la calidad es logrado mediante la eliminación de las causas de los problemas del sistema. • La persona encargada de un trabajo es quien tiene mayor conocimiento acerca de él. • Toda persona quiere sentirse como un contribuyente importante de la organización. • Es mejor trabajar en equipo que individualmente.