El principal objetivo de un proyecto DMAIC de Six Sigma es reducir el número de defectos o la variabilidad de un proceso. Cuando además se logra cuantificar esta mejora en términos económicos —por ejemplo, reduciendo pérdidas por un monto mínimo de 90.000 dólares—, el proyecto alcanza una envergadura propia de un Black Belt o cinturón negro. Sin embargo, en el caso de los laboratorios de ensayo, el enfoque puede ser diferente. Si el objetivo es disminuir los defectos asociados al reporte de resultados erróneos a los clientes, el impacto económico directo podría parecer modesto, considerando el costo unitario de cada análisis. Sin embargo, si se incorpora el valor intangible de la confianza del cliente, una sola falla puede representar la pérdida de un contrato o del negocio completo. En este contexto, emprender un proyecto DMAIC Six Sigma no solo es pertinente, sino también estratégico para la sostenibilidad del laboratorio
El presente artículo tiene como propósito explicar cómo se mide un proyecto Six Sigma mediante sus métricas de desempeño, las cuales incorporan indicadores estadísticos como el nivel Z, la capacidad del proceso y su grado de centramiento. Además, busca describir el significado de cada una de estas métricas y mostrar cómo construirlas en Minitab, de manera que puedan convertirse en indicadores clave de desempeño (KPI) aplicables a los laboratorios de ensayo.
Centramiento del proceso
Un proceso puede ser capaz pero
no estar centrado. Para saber si un proceso, además, está centrado se puede
visualizar su Histograma comparándolo con los límites de especificación o bien se
pueden comparar los estadísticos de CpK y Cp en el caso de corto plazo o Ppk y
Pp en el caso del largo plazo.
Para estimar CpK, por ejemplo,
deben estimarse la capacidad de proceso inferior (CpL) y superior (CpU), como
se detalla a continuación:
Si PpK es igual o aproximadamente igual a Pp entonces el proceso se considera centrado en el largo plazo.
Cálculo del Nivel Z
El nivel Z al igual que el de la
capacidad de procesos nos da una idea de que tan cerca o lejos estamos del
objetivo, que es el de reducir el numero de defectuosos o defectos en el
proceso.
La forma como se determina el nivel Z considera estimar tanto el Z.LEI como el Z.LES tanto para el corto plazo como para el
largo plazo.
Si sólo tenemos un LEI, entonces el Z.LEI (corto plazo) nos ayuda a evaluar la capacidad sigma potencial del proceso en relación con el límite de especificación inferior. La capacidad potencial indica la capacidad que se podría alcanzar si se eliminaran los cambios rápidos y graduales del proceso.
En cambio, si tenemos un LES y un LEI, el Nivel Z va a considerar la suma de ambas especificaciones.
Construyendo las métricas de Six-sigma para evaluar la mejora en el proceso
El siguiente ejemplo parte del supuesto de que, durante los últimos seis meses, el laboratorio ha registrado aproximadamente un 10% de resultados analíticos erróneos detectados por el cliente (5.000 errores reportados por mes) y, por lo tanto, han debido ser repetidos conforme a su esquema de control de calidad.
En este caso, los defectos en el laboratorio son los resultados erróneos reportados. Disminuir el número de defectos o su variabilidad implica un proyecto Six-sigma clásico.
Ahora bien, dado que en este caso el interés se centra exclusivamente en reducir el número de resultados erróneos reportados al cliente, el análisis se enfocará únicamente en determinar un límite de especificación superior (LES) —sin necesidad de establecer un límite de especificación inferior (LEI)— y, a partir de este, evaluar el progreso de la mejora alcanzada.
Después de un estudio previo, se determinó que el objetivo SMART del proyecto DMAIC será reducir en un 55% el número de repeticiones producto de errores reportados al cliente, es decir, llegar a 2.250 repeticiones por mes, que equivale a establecer un LES de 75 defectos por día en un plazo de 6 meses.
Para construir las métricas que nos ayudarán a medir el proceso durante el tiempo, tenemos que saber primero si los datos se pueden ajustar a una distribución normal.
Si bien podemos trabajar con datos normales o no normales para realizar el estudio de la capacidad de procesos, lamentablemente en nuestro caso, Minitab no distingue el tipo de distribución que se ajusta a nuestros datos.
Minitab > Estadísticas > Herramientas de calidad > Identificación de la distribución individual ...
Aquí se puede apreciar claramente que ninguna de las 14 distribuciones que nos presenta Minitab se ajusta a los datos. Pero también nos indica que, si hacemos una transformación de Johnson a los datos éstos pueden ser modelados claramente por una distribución normal. Por lo tanto, el siguiente paso es transformar estos datos mediante este tipo de transformación.
Aquí se puede ver claramente que el nivel Z de largo plazo es de -1,67 muy lejos del nivel Z de 6 sigma e incluso de 3 sigma y los DPMO = 952241 que son considerados muy alto para un laboratorio de ensayo.
Estos resultados confirman la necesidad de implementar acciones correctivas que apunten a reducir la variabilidad del proceso y, especialmente, el número de resultados analíticos erróneos reportados al cliente. Más allá del impacto económico directo, el beneficio principal radica en fortalecer la confiabilidad del laboratorio y su sostenibilidad a largo plazo, al evitar pérdidas asociadas a la repetición de ensayos, reclamos o pérdida de confianza del cliente.
En síntesis, un proyecto Six Sigma bien estructurado en este contexto no solo contribuye a mejorar la calidad técnica de los resultados, sino que también se convierte en una herramienta estratégica de gestión de la calidad y competitividad institucional.
No hay comentarios:
Publicar un comentario