La importancia del pensamiento estadstico

Six Sigma es la palabra de moda hoy. Las grandes empresas y una pequea charla acerca
de ello y muchos xitos ms anunciar su relevancia en el actual entorno de negocios
desafiante. Los debates sobre su surgimiento como una iniciativa estratgica han creado
los crticos que consideran que es vino viejo en botella nueva y fieles seguidores
dispuestos a jurar por ella.
l !ltimo de estos son profesionales que ver Six Sigma como una manera efica" de poner
en prctica el pensamiento estadstico# una filosofa de aprendi"aje y la acci$n sobre la
base de los principios fundamentales siguientes%
& 'odo el trabajo se produce en un sistema de procesos interrelacionados
& La variaci$n existe en todos los procesos
& ntender y reducir la variaci$n son las claves del xito
(ensamiento estadstico proporciona a los profesionales de los medios para ver los
procesos de manera integral. La 'abla ) refleja las herramientas de Seis Sigma que se
asignan a estos principios# que no son exhaustivos en la naturale"a y pueden superponerse
con otros principios.
'abla )% Seis Sigma herramientas y principios
(rincipio Seis Sigma *erramientas
Todo el trabajo se produce en un sistema de procesos interconectados
mapas de procesos# +alue Stream ,apping# de entrada y salida de los diagramas de
proceso# S-(./# /ausa y fecto ,atrix# 0nlisis ,odal de 1allos fectos 20,13#
4espliegue de la 1unci$n /alidad 25143
Variacin que existe en todos los procesos
de estadstica descriptiva# anlisis del Sistema de ,edici$n 2,S03# stadsticas
enumerativa# 6rficas ,ulti7+ari# diagramas de causa y efecto# diagramas de caja#
anlisis de capacidad de proceso
Variacin de la comprensin y la reduccin son las claves para el xito de estadsticas
analticas# grficas de control# diseo de experimentos 24.3# pruebas de hip$tesis#
correlaci$n# anlisis de regresi$n# los diagramas de (areto
Table 1: Six Sigma Tools And Principles
Principle Six Sigma Tools
All work occurs in a system of
interconnected processes
Process Maps, Value Stream
Mapping, Input and Output
Process Diagrams, SIPO,
ause and !"ect Matrix,
#ailure Mode !"ects Analysis
$#M!A%, &uality #unction
Deployment $&#D%
Variation exists in all
processes
Descripti'e Statistics,
Measurement System
Analysis $MSA%, !numerati'e
Statistics, Multi(Vari )arts,
ause and !"ect Diagrams,
*ox Plots, Process apa+ility
Analysis
,nderstanding and reducing
'ariation are t)e keys to
success
Analytic Statistics, ontrol
)arts, Design of
!xperiments $DO!%,
-ypot)esis Testing,
orrelation, .egression
Analysis, Pareto )arts
,uchos /intur$n 8egro se sienten obligados a aplicar herramientas de Seis Sigma en el
orden aprendido durante el entrenamiento. (or ejemplo# usando grficos de control# se
ensea en la fase de la medida# antes de 4iseo de herramientas de experimentaci$n# que
se imparten en la fase de mejora. /intur$n 8egro a menudo puede terminar los proyectos
ms rpido y obtener mejores resultados con las prcticas estadsticas de pensamiento en
ve" de 4,0-/ como su gua. (ara ilustrar este punto# me gustara compartir dos estudios
de caso donde se utili"aron diferentes enfoques# tanto el empleo de los principios de
pensamiento estadstico.
Caso de Estudio 1
Los ejes se molieron en las mquinas con una tolerancia de cierre de 9 7 : micras# lo que
representa una capacidad de proceso de menos de )#;. l objetivo del proyecto era
aumentar el /p< a )#:. =sando 4,0-/ convencionales como gua# el equipo cre$ un
mapa detallado proceso. l mapa fue creado tras un estudio exhaustivo del manual de la
mquina# lo que tambin permiti$ la identificaci$n de las > crtico. 0 modo de falla
anlisis de efectos 21,03 se complet$ luego para identificar los riesgos asociados a
cada > crtica y 4iseo de xperimentos 24.3 se llev$ a cabo para optimi"ar la
velocidad# alimentaci$n# refrigeraci$n y otros parmetros controlables. /omo resultado
del esfuer"o del equipo# el proceso de molienda se ha optimi"ado y ha logrado un /p< de
).?@. Los grficos de control se utili"an para documentar la eficacia del seguimiento del
eje y un (lan de /ontrol se estableci$ para el control de las > crtico.
n este estudio de caso# el primer principio del pensamiento estadstico# todo el trabajo se
produce en un sistema de procesos interrelacionados# fue empleado durante la fase inicial
del proyecto. 0nlisis de /apacidad del (roceso y ,apeo de (rocesos# fueron elementos
clave de esta fase. 4urante la segunda fase del proyecto# el uso de las grficas de control
y un 1,0 hincapi en el uso del segundo principio# que la variaci$n existe en todos los
procesos. l xito del proyecto# que se ilustra a travs del uso de las grficas de 4. y de
control# se logr$ mediante la comprensi$n y reducir la variaci$n# el tercer principio de
pensamiento estadstico.
Si el /intur$n 8egro implement$ por primera ve" una 4. sin estudiar el manual de la
mquina y el empleo de las grficas de control# el ruido producido durante la
experimentaci$n llevara a resultados concluyentes. l /intur$n 8egro llegara a la
conclusi$n de que las grficas de control deben ser anali"ados antes de intentar una 4.
y que la !nica variaci$n en el proceso se debe a causas comunes.
Estudio de caso 2
n una organi"aci$n de procesamiento de tarjetas de crdito el tiempo de respuesta entre
pasar una tarjeta de crdito para la aprobaci$n o la disminuci$n es fundamental. l
objetivo del proyecto era mejorar el proceso de tal manera que no hay respuesta tomara
ms de )A segundos desde el momento de marcar la respuesta. l primer equipo asignado
a la red para obtener una comprensi$n del flujo de proceso se utili"a la metodologa
4,0-/ convencionales. Los datos fueron recolectados y anali"ados a travs de m!ltiples
grficos +ari. n esta etapa del proyecto# el equipo consider$ que no entenda mucho de
la variaci$n y# en lugar de continuar empleando la metodologa convencional 4,0-/#
elegido para implementar un 4.. 'iempo al final del experimento# el BCD de los
factores que afectan el control de variaci$n de respuesta fueron identificados. ste
halla"go de gran ayuda para el equipo de transici$n de la fase de medida para controlar la
fase en s$lo C dasE
l siguiente anlisis de ventajas y desventajas puede ayudar a determinar si se debe
aplicar 6rficos 4. o el control primero.
n primer lugar la aplicaci$n de 4. para comprender la variaci$n
Ventajas:
& 4a la comprensi$n conceptual del proceso al principio del proyecto# dando lugar a la
terminaci$n rpida del proyecto.
& 0yuda a comprender la relaci$n causa y efecto al principio del proyecto.
& 0yuda a identificar los componentes de la F G f 2>3 la ecuaci$n anterior en el proyecto.
& (romueve un enfoque secuencial para el 4..
Desventajas:
& 8o se suele distinguir entre causas especiales y causas comunes. Si hay una causa
especial durante la experimentaci$n# aparecer en un anlisis residual de la experiencia.
& l exceso de ruido durante la experimentaci$n puede ocultar >s importante.
& La falta de comprensi$n de lo especial impacto hace que el proceso puede crear un
ambiente difcil para mantener los resultados despus de la experimentaci$n.
& La comprensi$n del proceso de causas especiales puede seguir siendo pobres.
n primer lugar la aplicaci$n de las grficas de control para comprender la variaci$n
La aplicaci$n de las grficas de control primero en comprender la variaci$n es un
enfoque ms convencional seguida por la mayora de los proyectos de Six Sigma.
Ventajas:
& 0yuda a entender la variaci$n del proceso y eliminar las causas especiales que pueden
afectar el proceso de lo que se elimina el ruido excesivo en las aplicaciones futuras de la
4..
& (ermite una comprensi$n de si la variaci$n es dependiente del tiempo y ayuda a obtener
una comprensi$n de los factores apropiados para el bloqueo en la experimentaci$n.
& 0yuda a anali"ar el proceso de forma dinmica y proporciona un medio para obtener
una rpida retroalimentaci$n para corregir la deriva del proceso.
Desventajas:
& /rea la falta de tiempo para resolver los problemas. 6rficos eficaces contienen un
mnimo de C: sub7grupos# que pueden llevar a largos perodos de recolecci$n de datos.
& -mpide la identificaci$n de la causa directa y efecto y crea un ambiente donde las causas
especiales son difciles de distinguir.
n resumen# me gustara hacer hincapi en que los mejores resultados se obtienen cuando
los principios estadsticos pensamiento se utili"an como gua. Los estudios de caso
demuestran que no hay ning!n conjunto de reglas para entender la variaci$n en funci$n
del orden de las herramientas utili"adas. /intur$n 8egro debe revisar cada proyecto de
forma independiente para determinar el uso ms efica" de estas herramientas y buscar
para utili"arlas con prudencia y no con un enfoque de libro de cocina estndar.
Heferencias
0S5 4ivisi$n de stadstica# 6losario de trminos estadsticos. 2C;;I3. 4isponible en
lnea% http%JJKKK.asq.org.
Sobre el autor
Shree (hadnis es un ex7L(,6 ,aestro /intur$n 8egro# 0S5 /ertificado /intur$n
8egro# 0S5 /ertificados de /alidad y 6erente de 0S5 -ngeniero de /alidad /ertificado.
n la actualidad trabaja como 4irector 6eneral# xcelencia .perativa y /alidad en el
+enture -nfote<# el mayor proveedor externo de servicios de la -ndia parte de los bancos
para las aplicaciones de crdito y dbito. Ml puede ser alcan"ado en
shreephadnisNusa.net.