Introducción

En un entorno cada vez más competitivo y globalizado, es necesario poder lanzar

continuamente proyectos de mejora de procesos y productos para que la organización
se mantenga y pueda crecer.
En el siguiente ensayo hablaremos sobre dos métodos “Diseño de experimentos” y “Lean
Six Sigma”, los cuales nos ayudan a encontrar los defectos de el caso que deseamos
investigar, así como a optimizar.

Diseño de experimentos

El diseño de experimentos (DOE por sus siglas en inglés) ayuda a investigar los efectos
de las variables de entrada (factores) sobre una variable de salida (respuesta).
Una de las grandes ventajas del DOE y que hace que su uso sea tan popular, es la
posibilidad de estudiar un amplio espectro de procesos y obtener respuesta a distinto
tipo de cuestiones. Pero siempre debemos formularnos la pregunta que esperamos
responder antes de empezar.
Por ejemplo, podemos emplear el DOE para elegir entre distintas alternativas (qué
materia prima es más óptima, qué envase funciona mejor, qué proveedor es más
adecuado para nuestras necesidades). En otros casos lo que queremos saber es qué
resulta crítico en el proceso de estudio. Obviamente son muchas las variables que
afectan al resultado final de nuestra actividad (manufactura, análisis, calibración, etc.),
pero no todas tienen el mismo peso. Por eso un objetivo del DOE puede ser conocer
cómo afectan los cambios al proceso y por lo tanto que margen de variabilidad nos
podemos permitir.

Definir las variables que afectan al proceso

Diseño de Experimentos - Técnicas de Control Metrológico Cuando hablamos de
variables asociadas al proceso nos referimos tanto a factores (inputs) como a respuestas
(outputs). Para realizar este estudio es necesario contar con todo el personal implicado,
ya que solamente considerando el proceso desde todos sus ángulos se podrán
establecer las distintas variables que le afectan.
Normalmente son muchas las variables asociadas a los procesos que pueden tener en
mayor o menor medida un efecto sobre el mismo. Por lo tanto, debemos ser conscientes
de nuestro objetivo y ser precavidos a la hora de elegir aquellas que vamos a incluir en
nuestro estudio.
Elección del DOE más adecuado
En función del objetivo establecido y del proceso en cuestión debemos determinar qué
diseño es el más adecuado. Hablamos de diseño de un factor (sólo estudiamos una
variable), dos factores o multifactorial. También se puede realizar el estudio dentro de un
grupo (entre los sujetos) o establecer un diseño de dos o más grupos (el clásico estudio
del control vs experimental). Los grupos pueden haber sido elegidos al azar o bien
pueden estar apareados…
Son muchas las opciones a considerar y es de vital importancia encontrar el diseño que
mejor responda a nuestras preguntas.

Ejecución del Diseño de Experimentos

Por último, debemos llevar a cabo el diseño para obtener la información necesaria.
Siempre debemos garantizar en la medida de lo posible que únicamente la variable(s)
estudiada es la que se ha visto afectada por los cambios que hayamos realizado. En
cualquier caso, debemos comprobar que los datos obtenidos son adecuados y trazables.
Posteriormente analizaremos los datos con las herramientas estadísticas adecuadas
(entre otros, el análisis de la varianza). A partir de los resultados obtenidos podremos
tomar las decisiones oportunas.
Unos ejemplos donde habría que utilizar estos modelos son los siguientes:

— En el rendimiento de un determinado tipo de máquina (unidades producidas por día):

se
desea estudiar la influencia del trabajador que la maneja y la marca de la máquina.
— Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración
de las pilas.
— Una compañía telefónica está interesada en conocer la influencia de varios factores
en
la variable duración de una llamada telefónica. Los factores que se consideran son los
siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la
llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la
llamada;
tipo de teléfono (público o privado) desde el que se realiza la llamada.
— Una compañía de software está interesada en estudiar la variable porcentaje en que
se
comprime un fichero, al utilizar un programa de compresión teniendo en cuenta el tipo
de programa utilizado y el tipo de fichero que se comprime.
— Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello, se
desean
controlar diferentes factores: profesor que imparte la asignatura; método de enseñanza;
sexo del alumno.

Lean Six Sigma

Lean Seis Sigma es la combinación mejorada de dos metodologías científicas llamadas

Lean y Six Sigma que, de forma separada, buscan la maximización de la productividad.
Sin embargo, unidas bajo una misma metodología, no sólo se orientan a reducir costes,
sino también a maximizar la eficiencia en los procesos y, por lo tanto, a que las empresas
que la implementen sean más competitivas en sus respectivos mercados.
Seis Sigma ha demostrado ser una metodología sistemática y rigurosa para la mejora de
procesos. La filosofía Lean logra eliminar los desperdicios y optimizar la cadena de valor.
Six Sigma busca eliminar defectos y liberar servicios de alta calidad. Lean se fundamenta
en maximizar la velocidad del proceso y separar actividades que agregan valor de las
que no agregan.

Ambos (Six Sigma y Lean) representan una compilación cuidadosa de herramientas de

calidad con un objetivo común y particular; mejorar la calidad de acuerdo a los
requerimientos del cliente, eliminando el desperdicio.

Metodología DMAIC para la mejora de procesos existentes. Lean Six Sigma se deriva de
estas etapas y toma algunas de sus herramientas para enfocarse en la implementación
rápida de soluciones. La metodología tiene 5 fases y sus letras corresponden a las
iniciales en inglés de:
Define: Definir el problema o el defecto.
Measure: Medir y recopilar datos.
Analyze: Analizar datos y encontrar la causa raíz.
Improve: Mejorar.
Control: Controlar.

Etapa 1 (Define): Consiste en entender el problema y escuchar la “voz del cliente” del
proceso, para definir cuáles son sus requerimientos y los “dolores” que tiene con respecto
al resultado (output) del proceso. Esta etapa es vital para definir el alcance del proceso
que se va a analizar y el criterio con el cual se va a cuantificar su mejora. El entregable
principal de esta etapa son los requerimientos críticos del cliente.

Etapa 2 (Measure): Consiste en definir Indicadores de Desempeño del Proceso (KPI)

para los componentes claves (entradas, actividades y salidas) que están relacionados
directamente con los requerimientos críticos del cliente. Estos indicadores requieren un
plan de medición que permite establecer la base en la que opera el proceso.

Etapa 3 (Analyze): Implica analizar los datos y con base en ellos determinar cuál es la
causa raíz del problema. Esto requiere análisis estadístico de los datos y análisis del
proceso utilizando diagramas de espina de pescado (Ishikawa) y Pareto. El entregable
principal es la causa raíz del problema.

Etapa 4 (Improve): Se genera una lluvia de ideas para identificar las características del
proceso que se puedan mejorar y soluciones a corto, mediano y largo plazo, que puedan
eliminar o minimizar la causa del problema. El entregable principal de esta etapa es la o
las soluciones que resuelvan de raíz el problema.

Etapa 5 (Control): Incluye la puesta en marcha del plan de implantación de soluciones y

un plan de control de procesos que nos asegure que las condiciones del nuevo proceso
estén documentadas y monitoreadas de manera estadística con los métodos de control
del proceso.

Conclusión
En este ensayo se ha introducido al Diseño Estadístico de Experimentos y Lean Six
Sigma. Estas metodológicas mencionadas anteriormente con el fin de estudiar el efecto
de varios factores sobre una respuesta y diversas estrategias de optimización.
 Referencias
G.E.P. Box, W.G. Hunter, J.S. Hunter Estadística para experimentadores. Ed. Reverté
S.A. Barcelona 1989.
L. Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wilström, S. Wold Design of
Experiments. Principles and Applications. Umetrics AB. Umea. Suecia.