Seis sigma es una evolucin de las teoras sobre calidad de ms xito desarrolladas

despus de la segunda guerra mundial. Especialmente pueden considerarse

precursoras directas:
TQM, Total Quality Management o Sistema de Calidad Total
SPC, Statistical Process Control o Control Estadstico de Procesos.
Fue iniciado en Motorola en el ao 1982 por el ingeniero Bill Smith, como una
estrategia de negocios y mejora de la calidad, pero posteriormente mejorado y
popularizado por General Electric.
QUE ES SIGMA?

En primer lugar debemos definir y aclarar trminos y conceptos:

Sigma es un parmetro estadstico de dispersin que expresa la variabilidad de un conjunto de
valores respecto a su valor medio, de modo que cuanto menor sea sigma, menor ser el
nmero de defectos.
De tal forma en la escala de calidad de Seis Sigma se mide el nmero de sigmas que
caben dentro del intervalo definido por los lmites de especificacin, de modo que
cuanto mayor sea el nmero de sigmas que caben dentro de los lmites de
especificacin, menor ser el valor de sigma y por tanto, menor el nmero de
defectos.
Seis Sigma es una metodologa de mejora de procesos, centrada en la reduccin 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 mximo
de 3,4 defectos por milln de eventos u oportunidades (DPMO), entendindose como
defecto cualquier evento en que un producto o servicio no logra cumplir los requisitos
del cliente.
Seis sigma es el 99.999966% de eficiencia.
Seis sigma utiliza herramientas estadsticas para la caracterizacin y el estudio de los procesos,
de ah el nombre de la herramienta, ya que sigma representa tradicionalmente la variabilidad
en un proceso y el objetivo de la metodologa seis sigma es reducir sta de modo que mi
proceso se encuentre siempre dentro de los lmites establecidos por los requisitos del cliente.
Los esfuerzos de Seis Sigma se dirigen a tres reas principales:
Mejorar la satisfaccin del cliente
SEIS SIGMA
ANTECEDENTES DEL SEIS SIGMA
Reducir el tiempo del ciclo
Reducir los defectos
El proceso Seis Sigma (Six Sigma)

Se caracteriza por 5 etapas bien concretas:
Definir el problema o el defecto
Medir y recopilar datos
Analizar datos
Mejorar
Controlar
1. Definir.
En la fase de definicin se identifican los posibles proyectos Seis Sigma, que deben ser
evaluados por la direccin para evitar la inadecuada utilizacin de recursos. En esta
fase deben responderse las siguientes cuestiones:
Qu procesos existen en su rea?
De qu actividades (procesos) es usted el responsable?
Quin o quines son los dueos de estos procesos?
Qu personas interactan en el proceso, directa e indirectamente?
Quines podran ser parte de un equipo para cambiar el proceso?
2. Medir.
La fase de medicin consiste en la caracterizacin del proceso identificando los requisitos
clave de los clientes, las caractersticas clave del producto y los parmetros que afectan al
funcionamiento del proceso. A partir de esta caracterizacin se define el sistema de medida y
se mide la capacidad del proceso.
En esta fase deben responderse las siguientes cuestiones:
Sabe quines son sus clientes?
Conoce las necesidades de sus clientes?
Sabe qu es critico para su cliente, derivado de su proceso?
Cmo se desarrolla el proceso?
Cules son los pasos?
Qu tipo de pasos compone el proceso?
3. Analizar.
En la fase de anlisis, el equipo evala los datos de resultados actuales e histricos. Se
desarrollan y comprueban hiptesis sobre posibles relaciones causa-efecto utilizando las
herramientas estadsticas pertinentes.
En esta fase deben responderse las siguientes cuestiones:
Cules son las especificaciones del cliente para sus parmetros de medicin?
Cmo se desempea el proceso actual con respecto a esos parmetros? Muestre los
datos.
Cules son los objetivos de mejora del proceso?
Cmo los defini?
Cules son las posibles fuentes de variacin del proceso? Muestre cules y qu son.
4. Mejorar
En la fase de mejora el equipo trata de determinar la relacin causa-efecto (relacin
matemtica entre las variables de entrada y la variable de respuesta que interese) para
predecir, mejorar y optimizar el funcionamiento del proceso. Por ltimo se determina el rango
operacional de los parmetros o variables de entrada del proceso.
En esta fase deben responderse las siguientes cuestiones:
Qu relacin hay entre los parmetros de medicin y las variables crticas?
Interactan las variables crticas?
Cmo lo defini? Muestre los datos.
Qu ajustes a las variables son necesarios para optimizar el proceso?
Cmo los defini? Muestre los datos
5. Controlar
Control, consiste en disear y documentar los controles necesarios para asegurar que lo
conseguido mediante el proyecto Seis Sigma se mantenga una vez que se hayan implementado
los cambios. Cuando se han logrado los objetivos y la misin se d por finalizada, el equipo
informa a la direccin y se disuelve.
En esta fase deben responderse las siguientes cuestiones: Para las variables ajustadas
Qu tan exacto o preciso es su sistema de medicin?
Cmo lo defini? Muestre los datos.
Qu tanto se ha mejorado el proceso despus de los cambios?
Cmo lo define? Muestre los datos.
Cmo hace que los cambios se mantengan?
Cmo monitorea los procesos?
Cunto tiempo o dinero ha ahorrado con los cambios?
Por ejemplo, si tengo un proceso para fabricar ejes que tienen que tener un dimetro
de 15 +/-1 mm para que sean buenos para mi cliente, si mi proceso tiene una
eficiencia de 3 sigma, de cada milln de ejes que fabrique, 66800 tendrn un dimetro
inferior a 14 o superior a 16mm, mientras que si mi proceso tiene una eficiencia de 6
sigma, por cada milln de ejes que fabrique, tan solo 3,4 tendrn un dimetro inferior
a 14 o superior a 16mm.
Seis Sigma se ha convertido en una metodologa e iniciativa estratgica que las
empresas estn utilizando para alcanzar elevados beneficios. Empresas como
Motorola, General Electric, Honeywell y Polaroid estn materializando elevadas
ganancias econmicas gracias a la implementacin de Seis Sigma.
Para muchos es como un mito, algn exclusivo sistema de gestin o programa
adecuado nicamente para grandes empresas. Por otro lado, es comn la idea
equivocada de que seis Sigma es simplemente un enfoque estadstico al anlisis de los
problemas.
Pero es mucho ms que eso, es una cultura, una manera de pensar o un conjunto de
nuevos comportamientos.





















Este nombre se ha dado ltimamente en forma genrica, a las tcnicas de simulacin que
utilizan variables aleatorias.
La simulacin de montecarlo se utiliza en diversas disciplinas entre las que se pueden
mencionar las siguientes:


Lneas de espera o teora de colas
Sistemas de inventarios
Diversos sistemas de produccin
Diversos sistemas econmicos, etc., etc.
Una aplicacin de la tcnica de simulacin de montecarlo es el de tratar de
desarrollar un software para evaluar, analizar y disear la construccin e instalacin
de un nuevo grifo.
Esta tcnica de simulacin ser aplicada a un problema tipo de congestin o lneas
de espera.
Procedimiento a seguir para generar tiempos distribuidos de acuerdo a una funcin
de densidad de probabilidad (f.d.p.) normal con una media de (
ts
) = 9.20 minutos y
una desviacin estandar de (
ts
) = 2.56 minutos.
Como se sabe, usando la curva de distribucin acumulativa estndar normal donde
( = 0 y = 1); nmeros aleatorios entre cero y uno (0, 1) en el eje de las ordenadas;
pueden ser usados para generar valores en el eje de las abcisas.
La probabilidad entre 0 y 1 en el eje de las ordenadas puede ser seleccionada en
forma aleatoria usando una tabla de nmeros aleatorios.
Luego trazando una lnea horizontalmente desde el eje de las ordenadas hacia la
curva y luego trazando una lnea verticalmente hasta cortar el eje de las abcisas; lo
cual servir para generar una desviacin estndar normal.
La repeticin de este procedimiento usando nmeros aleatorios diferentes servir
para generar desviaciones estndar de acuerdo al modelo dictado por la forma de la
curva.
Luego, la desviacin estndar normal t, puede ser transformada a la funcin de
densidad de probabilidad normal dada invirtiendo el proceso de estandarizacin,
como sigue:


Mtodo de simulacin de montecarlo






Donde:
t = es el tiempo en la funcin de densidad de probabilidad deseada o a usarse. Por ejemplo,
para los datos dados se tendr lo siguiente:
(
ts
) = 9.20 minutos
(
ts
) = 2.56 minutos.
Entonces, para una desviacin estndar normal, t, por decir igual a 0.76; el tiempo
generado seria como sigue:
t = (-0.76) (2.56) + 9.20 = 7.25
t = 7.25 minutos
Diagrama conceptual: mostrando la distribucin acumulativa normal estndar.











Nota:
Por lo explicado anteriormente; para la aplicacin de la simulacin de montecarlo al
problema de desarrollar un software para analizar, disear, construir e instalar un grifo,
ciertos tiempos tienen que ser generados aleatoriamente.

) 1 (

t
t
) 2 ( t t
Por lo tanto, es razonable pensar que estos tiempos generados aleatoriamente podran
representar una medida de la duracin para efectuar una fase de cierto trabajo. Por lo que
se debe tener en cuenta que los tiempos generados aleatoriamente podran ser muy cortos o
muy largos para llevar a cabo las fases de trabajo respectivas.

Por ejemplo; ir desde una estacin A, hasta una estacin B, con una cierta pieza de equipo
no podran efectuarse en un tiempo menor a un mnimo dado y/o conocido. Tambin se
debe tener en cuenta que el tiempo no puede ser negativo; etc., etc.