Por Jeff Joines (Profesor Asociado de Ingeniería Textil en la NCSU)
Esta es la segunda parte de una serie de tres sobre Seis Sigma, Lean Sigma y Simulación. En la primera parte se explicaban las metodologías Seis Sigma. Recordemos que el objetivo de la metodología de mejora continua DMAIC es controlar/reducir la variabilidad del proceso de un proceso o producto actual, mientras que el proceso DMADV de Diseño para Seis Sigma se utiliza para diseñar un nuevo proceso o producto con una variabilidad mínima antes de su creación. El modelado de simulación puede emplearse en casi todas las fases de cualquiera de las dos metodologías.
Defina
Los profesionales de Seis Sigma tienen que estimar el ahorro de costes de cada proyecto para obtener la certificación o justificar el proyecto normalmente. Sin embargo, la mayoría de estas previsiones de costes se basan en estimaciones puntuales de parámetros clave (por ejemplo, el coste de las materias primas, la demanda de clientes/productos, el coste del capital, los tipos de cambio, etc.). Con la simulación de Monte Carlo, la variabilidad y/o los rangos de estas estimaciones puntuales pueden utilizarse para obtener una estimación más fiable. En esta línea, se han propuesto varios proyectos y pueden utilizarse simulaciones para ayudar a la dirección a realizar la selección de proyectos en función de las limitaciones de recursos y los objetivos.
Analizar y mejorar
Durante las fases de análisis y mejora, la herramienta más utilizada es el diseño de experimentos (completo, fraccionado, mixto, etc.), que proporciona una línea de base para ilustrar la mejora cuando se realizan cambios, así como para identificar los factores de interés que deben controlarse o modificarse. La medida normal de la línea de base se define como la capacidad del proceso (Cpk), que es una indicación de la capacidad de un proceso para producir resultados coherentes: la relación entre la dispersión admisible y la dispersión real de un proceso. El índice Cpk tiene en cuenta el descentramiento y se define como el mínimo de (USL-Media)/3? o (Media-LSL)/3? donde USL y LSL son el límite superior e inferior de la especificación. Un proceso seis sigma tiene una distribución normal con un valor Cpk superior a 1,5.
Utilizar el sistema real es mejor para captar todas las complejidades, interacciones, etc. Sin embargo, como profesionales de la simulación, reconocemos cuándo eso puede ser posible o viable. A continuación se enumeran ejemplos en los que puede utilizarse el modelado de simulación en términos de Monte Carlo o simulación de procesos.
- Si el producto o proceso no existe, como es el caso en un Diseño para Seis Sigma, pueden utilizarse modelos de simulación para determinar la capacidad de un nuevo proceso y producto antes de su implantación. Por ejemplo, puede determinarse el apilamiento de tolerancias de piezas o procesos individuales. Tomemos piezas o procesos que están dentro de la tolerancia individualmente (por ejemplo, un rodamiento y un eje), pero el proceso de ensamblaje podría no ser capaz debido al problema de apilamiento de tolerancia que se produce en la fabricación, el servicio y los procesos transaccionales.
- El coste de realizar un DOE con réplicas es demasiado elevado (por ejemplo, coste de la materia prima, coste de parar el proceso actual). Hemos trabajado con empresas en el desarrollo de modelos de simulación de procesos y Monte Carlo que podrían utilizarse para determinar sus capacidades y averiguar la mejora potencial de sus cambios.
- El tiempo de ejecución del conjunto de experimentos hace poco práctico determinar la línea de base o determinar las mejoras de un proceso. Mientras trabajaba con una gran empresa y su equipo de mejora de procesos six sigma con una compleja cadena de suministro global, uno de sus proyectos consistía en reducir los inventarios de una serie de productos con un plazo de entrega de diez a doce semanas. El equipo tuvo que evaluar seis políticas de inventario, identificar cuál de tres proveedores era el mejor, etc. El DOE con suficientes réplicas habría tardado años en completarse y habría hecho inútil el proyecto sin el modelo de simulación. Además, la mayoría de los datos del modelo se basaban en plazos de entrega que no se distribuyen normalmente.
- Piense en sistemas en los que hay varios procesos que se alimentan mutuamente (por ejemplo, departamentos, plantas, etc.) que sólo contienen cinco o seis factores cada uno. Las funciones de transferencia pueden generarse a partir de un DOE tradicional en cada proceso individual, pero no en todo el sistema. Un modelo de simulación puede utilizarse para combinar cada función de transferencia individual y determinar la capacidad de todo el sistema, así como para probar una gama más amplia de valores.
- Hay varios entornos en los que realizar una EOD es poco práctico o imposible. Por ejemplo, hemos formado en Seis Sigma a docenas de personas asociadas a sistemas hospitalarios de todo el país. El modelado y análisis de simulación permite a estos profesionales determinar la capacidad del proceso con un modelo, ya que el sistema real no puede utilizarse porque está en juego la atención al paciente. Otros entornos en los que hemos utilizado el modelado de simulación en lugar del sistema real son los procesos transaccionales, como los sectores bancario o de seguros.
Controlar
La simulación también puede utilizarse como ayuda en el control del proceso a medida que se va implantando para determinar posibles problemas.
Esperamos que sea evidente que los expertos en simulación ya poseen las habilidades que pueden ayudar en gran medida a los proyectos Six Sigma. Estos tipos de proyectos no son únicos, sino modelos de simulación generales que sabemos construir. Sólo requieren que aprendamos el lenguaje Seis Sigma, así como la necesidad de calcular los estadísticos Cpk. Me resulta más fácil trabajar con gente de Six Sigma debido a su formación estadística para comprender el análisis de entrada y salida, aunque normalmente sólo hayan utilizado la distribución Normal. En Seis Sigma y simulación: Parte 3, se abordará el uso de la simulación en el mundo Lean Sigma.