Unidad 9 EJEMPLOS

9.1 Introducción

En esta unidad planteamos y resolvemos diversos ejercicios relativos a las distintas fases de un proyecto de implementación Lean Seis Sigma, y en concreto de las etapas DMAIC.

9.2 Variabilidad y mejora

Esta actividad, titulada “Variabilidad y mejora” se ha propuesto en ocasiones al inicio del curso, y pretende ilustrar, con el manejo de catapultas por el alumnado, el concepto de variabilidad y la posibilidad de mejorar la precisión (reducir defectos) mediante una reducción de la varianza. Se formula la actividad completa a continuación.

Los autores han utilizado distintas catapultas que recomiendan a continuación sin fines publicitarios:

  • The Statapult Catapult, disponible en sixsigmaproductsgroup.com, para el que se desarrolló un manual muy completo con muy diversas experiencias a realizar con la catapulta con las que se ilustran varios conceptos estadísticos y el diseño de experimentos (Russell 2009).
  • XPULT catapult, disponible en Xpult.
  • La catapulta virtual de SigmaZone.

9.2.1 Introducción

Objetivos: - Descubrir la variabilidad inherente a los procesos. - Identificar causas, ruidos y efectos. - Reducir la variación de un proceso para su mejora.

Temporalización: 2 sesiones.

Dinámica: Trabajo por equipos.

Premisas: Familiarízate primero con los elementos de una catapulta en este extracto de Russell (2009).

9.2.2 Reto 1

Competiremos por equipos con el objetivo de conseguir la máxima precisión posible en el mínimo tiempo (tiempo es dinero).

Cada jugador, en cada equipo, habrá de realizar 5 lanzamientos de la catapulta con la siguiente configuración fija:

  • copa en el tope superior del brazo
  • goma debajo de la copa
  • pin de la torre en el tope superior
  • pin de parada en el 4
  • ángulo de lanzamiento 180º

Se habrá de registrar, por equipos:

  • quién realiza cada lanzamiento
  • el orden del lanzamiento
  • el tiempo total invertido por cada lanzador en realizar cada lanzamiento
  • la distancia a la que llega la pelota en cada lanzamiento.

A1. ¿Cómo propones identificar, dentro de vuestro equipo, al ‘mejor’ lanzador? ¿Quién ganó?

A2. ¿Cómo proponéis que identifiquemos al equipo ganador? Justifícalo. ¿Qué equipo ganó?

A3. ¿Podrías cuantificar a través de una función de pérdidas, lo bueno o malo que ha sido cada equipo? ¿Cuál dirías que es el principal obstáculo que ha encontrado el equipo perdedor para ganar?

A4. Reflexiona sobre cómo están relacionados los siguientes conceptos con las actividades que has realizado.

CONCEPTOS: eficiencia, defectos, variabilidad, voz del cliente, requisitos del proceso (ctq), función de pérdidas.

9.2.3 Reto 2

Ahora el objetivo es utilizar la experiencia del primer reto para mejorar las marcas individuales y de cada equipo. Os propongo varias actuaciones sucesivas para ayudaros a conseguirlo por equipos.

A5. Busca información sobre los gráficos de espinas de pescado (“fishbone diagram” o “cause-effect diagram”) y describe a continuación en qué consisten y cómo se construyen. Identifica todos los factores que consideras afectan al lanzamiento con la catapulta y construye con ellos el correspondiente gráfico de espinas de pescado (Figura 9.1) modificando la sintaxis de R a continuación.

library(SixSigma)
effect <- "Objetivo"
causes.gr <- c("A", "B", "C", "C", 
  "E", "F")
causes <- vector(mode = "list", length = length(causes.gr))
causes[1] <- list(c("a1", "a1", "a3"))
causes[2] <- list(c("b1", "b2","b3"))
causes[3] <- list(c("c1", "c2","c3"))
causes[4] <- list(c("d1", "d2","d3"))
causes[5] <- list(c("e1", "e2","e3"))
causes[6] <- list(c("f1", "f2","f3"))
ss.ceDiag(effect, causes.gr, causes, 
          sub = "Lanzamiento de la Catapulta")
Gráfico de fishbone a completar con SixSigma.

Figura 9.1: Gráfico de fishbone a completar con SixSigma.

A6. Identifica todas las decisiones y actuaciones que habéis llevado a cabo hasta conseguir todos los datos de lanzamientos en vuestro equipo.

Consulta el significado de la simbología de los diagramas de flujo en esta hoja resumen, así como la construcción de ‘mapas del proceso’ en la unidad DMAIC1.DEFINIR.

Representa en sendos diagramas de flujo cuál fue vuestra estrategia de funcionamiento (diagrama inicial) y cuál sería la estrategia óptima de trabajo para garantizar máxima precisión y mínimo tiempo de realización (diagrama óptimo). Detalla el protocolo óptimo.

Para construir un diagrama de flujo puedes utilizar cualquier herramienta gráfica o la librería SixSigma, modificando la sintaxis a continuación para generar la Figura 9.2.

# Puedes utilizar la librería diagram en R. Aquí tienes un ejemplo.
library(diagram)
par(mar = rep(1, 4))
openplotmat()
pos <- coordinates(c(1,1,1,1,1))
# the dd parameter was used to move the segment arm
straightarrow(from = pos[1, ], to = pos[2, ])
straightarrow(from = pos[2, ], to = pos[3, ])
straightarrow(from = pos[3, ], to = pos[4, ])
straightarrow(from = pos[4, ], to = pos[5, ])

my_label <- c("paso1", "paso2", "paso3", "paso4", "paso5")
my_text_size <- 1.3
my_edge_length <- 0.08


for(i in 1:length(my_label)){
  if (i %in% 1:2){
    textrect(mid = pos[i,], radx = my_edge_length, 
             rady = my_edge_length, lab = my_label[i], 
             cex = my_text_size, box.col = "#0072B2")
  } else if (i ==3){
    textdiamond(mid = pos[i,], radx = my_edge_length, 
                rady = my_edge_length, lab = my_label[i],
                cex = my_text_size, box.col = "#009E73")
  } else {
    textrect(mid = pos[i,], radx = my_edge_length, 
             rady = my_edge_length, lab = my_label[i], 
             cex = my_text_size, box.col = "#D55E00")
  } 
}
Diagrama de flujo creado con SixSigma.

Figura 9.2: Diagrama de flujo creado con SixSigma.

9.2.4 Reto 3

A6. Repetid por equipos la experiencia de tiro, utilizando todos los protocolos que habéis considerado que mejorarían la precisión del equipo. Anotad y comparad los resultados obtenidos. ¿Qué porcentaje de mejora habéis obtenido individualmente? ¿Y por equipos? ¿Quiénes son ahora los tiradores más precisos?

A7. Reflexiona y redacta a continuación qué has aprendido con esta práctica.

9.6 Controlar

Para repasar los conceptos de control estadístico de procesos (CEP), desarrollamos una actividad interactiva publicada en shinyapps y titulada Controlar en un proyecto Lean Seis Sigma (Mayoral 2019). Contiene un repaso de los contenidos teóricos más relevantes para el CEP y propone resolver diversas cuestiones sobre distintos bancos de datos, completando la sintaxis incompleta en R. Esta actividad está también desarrollada, sin sintaxis y en formato juego de candados, en un recurso interactivo desarrollado con Genial.ly y titulado “El caso de los tornillos”, enlazado también desde la actividad inicial.

9.7 Simulación DES con simmer

Con el fin de promover la autonomía del estudiantado para generar y simular sistemas industriales más o menos complejos, susceptibles de ser analizados en la asignatura, se presentó la librería de simulación simmer (Ucar and Smeets 2021b), utilizando el artículo original de Ucar, Smeets, and Azcorra (2019), acompañada de los múltiples ejemplos que contiene dicho artículo y otros publicados en r-simmer.org (Ucar and Smeets 2021a).

Se trabaja sobre ejemplos sencillos como los que presentan en el artículo referido antes (proceso industrial, ), ‘The Bank Tutorial,’ Part I y Part II, el que está basado en una gasolinera (Continuous-Time Markov Chains), e incluso sistemas de colas Queuing Systems.

Referencias

Mayoral, Asunción M. 2019. “Controlar En Un Proyecto Lean Seis Sigma.” Website. https://asunmayoral.shinyapps.io/actividad-cep.
Russell, Bill. 2009. Learning Statistics Using the Catapult, 4th Edition. Breakthru Improvement Associates, Dallas, Texas.
Ucar, Iñaki, and Bart Smeets. 2021a. “Simmer.” Web. https://r-simmer.org/.
———. 2021b. Simmer: Discrete-Event Simulation for r. https://CRAN.R-project.org/package=simmer.
Ucar, Iñaki, Bart Smeets, and Arturo Azcorra. 2019. “Simmer: Discrete-Event Simulation for r.” Journal of Statistical Software 90 (2): 1–30. https://doi.org/10.18637/jss.v090.i02.