Componente Digital

Aplicacin Seis Sigma al problema logstico de transporte
Molypharma, Grupo Enusa Departamento de mejora continua
Aplicacin Seis Sigma:

Mejora en el proceso de eleccin de la ruta ptima y control del proceso
Cristina Moreau Sandra Hernndez Junio 2008
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, Espaa
Agradecimientos: A Mariano Prieto por guiarnos a travs de este proyecto y entendernos aun cuando le hablramos en griego, ensearnos otra faceta del 6 Sigma e iluminarnos cuando no veamos la salida a algn problema, sin ti no hubisemos podido lograrlo A Cruz de Benito por ensearnos una de las herramientas ms importantes para nuestro futuro, probando con una bolita y una catapulta que si identificamos los factores que afectan un proceso y los controlamos podemos lograr los objetivos que queremos, y que entre ms comensales tenemos en un restaurante ms platos tenemos que lavar
Contenido
CONTENIDO ........................................................................................................................................... 3 NDICE DE GRFICOS.............................................................................................................................. 4 INTRODUCCIN ..................................................................................................................................... 5 DEFINIR .................................................................................................................................................. 6 DEFINICIN DEL PROYECTO ........................................................................................................................ 6 JUSTIFICACIN Y ALCANCE DEL PROYECTO ...................................................................................................... 6 MEDIR.................................................................................................................................................... 7 MEDICIN Y EVALUACIN
DE LA SITUACIN ACTUAL
....................................................................................... 7
ANALIZAR ............................................................................................................................................ 10 IDENTIFICAR Y SELECCIONAR LAS CAUSAS DE VARIABILIDAD EN LOS TIEMPOS DE ENTREGA ......................................... 10 DESARROLLAR Y COMPROBAR HIPTESIS PARA CONFIRMAR LAS CAUSAS .............................................................. 12 ANLISIS DATOS HISTRICOS ................................................................................................................... 12 ANLISIS SEGUNDA RECOGIDA DE DATOS .................................................................................................... 15 MEJORAR ............................................................................................................................................. 18 DETERMINAR LAS ESTRATEGIAS DE MEJORA .................................................................................................. 18 DEMOSTRACIN DE MEJORAS ................................................................................................................... 20 ESTUDIO DE AHORRO EN COSTES ............................................................................................................... 21 CONTROLAR......................................................................................................................................... 23 CONCLUSIONES.................................................................................................................................... 24 ANEXOS ............................................................................................................................................... 25
ndice De Grficos
GRFICO 1. DIAGRAMA DE RUTAS ................................................................................................................... 7 GRFICO 2. TABLA POSIBLES RUTAS ................................................................................................................. 7 GRFICO 3. HISTOGRAMA SITUACIN ACTUAL .................................................................................................... 8 GRFICO 4. CAPACIDAD ACTUAL DEL PROCESO ................................................................................................... 9 GRFICO 5. DIAGRAMA DE CAUSA-EFECTO...................................................................................................... 10 GRFICO 6. EFECTOS PRINCIPALES RUTA ACTUAL ............................................................................................... 12 GRFICO 7. TABLA ANLISIS ANOVA DATOS HISTRICOS ..................................................................................... 14 GRFICO 8. EFECTOS PRINCIPALES RUTA ABEF ................................................................................................. 16 GRFICO 9. TABLA ANLISIS ANOVA, 2DA RUTA................................................................................................ 16 GRFICO 10. TABLA COEFICIENTES SEGN TIPO DE VA ....................................................................................... 19 GRFICO 11. COMPARACIN ERROR PREVIO ACDF VS ERROR SIGMA ACDF ............................................................ 20 GRFICO 12. COMPARACIN CAPACIDAD DE LA RUTA ACDF (ERROR PREVIO VS ERROR SIGMA ) ................................... 21 GRFICO 13. COSTES DE NO CALIDAD PROCESO ACTUAL ...................................................................................... 22 GRFICO 14. COSTES DE NO CALIDAD CON 6 SIGMA .......................................................................................... 22 GRFICO 15. CONTROL DE PROCESO .............................................................................................................. 23
Introduccin
Molypharma es una empresa industrial en el sector de la medicina nuclear fundada en 1998 que produce y distribuye radiofrmacos, los cuales dadas sus caractersticas pierden sus propiedades de una manera exponencial en funcin del tiempo, por esto un proyecto a considerar es mejorar el proceso de eleccin de la ruta a seguir en la distribucin para ir desde un punto de origen a un punto destino prediciendo el tiempo de entrega utilizando la metodologa Seis Sigma. Esta iniciativa es apropiada para utilizar esta metodologa ya que tiene un alcance manejable claramente identificado por el equipo, est vinculado a un proceso, es crnico para la empresa y con un impacto inmediato en la satisfaccin del cliente. En la actualidad el problema de la eleccin de la ruta se resuelve con tcnicas de investigacin de operaciones que da como resultado la ms corta y ms rpida mediante algoritmos conocidos (Problema de camino ms corto). Esta tcnica supone que los tiempos son fijos, lo cual no es correcto, sino que son variables aleatorias debido a mltiples factores. La metodologa Seis Sigma nos ayudara a estudiar las variables de entrada (causas que generan la variabilidad en los tiempos de entrega de los radiofrmacos), de salida (tiempos) y las relaciones entre ellas, ayudndonos a controlar el proceso, prediciendo el tiempo de entrega con un mnimo de error, asegurando as la puntualidad y reduciendo los costes de no calidad. Se afront el problema siguiendo la metodologa Seis Sigma (Definir, Medir, Analizar, Mejorar y Controlar). En ese mismo orden presentamos a continuacin el desarrollo y resultado del proyecto.
Definir
Definicin del proyecto
Consiste en desarrollar un modelo que nos permita predecir la ruta ptima entre dos puntos para entregar al cliente el producto en el tiempo que lo requiere y en las condiciones ptimas. Los tiempos son variables que dependen de ciertos factores no del todo conocidos, utilizando la metodologa Seis Sigma analizaremos esas variables y buscaremos determinar el proceso para elegir la ruta ptima con el tiempo mnimo.
Justificacin y alcance del proyecto
El tiempo de entrega para Molypharma es la clave de su negocio debido a que los radiofrmacos pierden sus propiedades exponencialmente con el tiempo, por lo que el aplicar la estrategia de adelantar los viajes para asegurar el tiempo no es apropiado, degenerando la calidad del propio producto. Con este proyecto se pretende disminuir los costes de no calidad generados por las sanciones tanto por atrasos en entrega como por adelanto, entre otros ms difciles de cuantificar como la insatisfaccin e impacto de esto en los clientes. Este proyecto mejorara la utilizacin de recursos econmicos y del personal Nuestra meta es conseguir un proceso que responda al nivel 6 Sigma generando un ahorro en tiempo y costos de no calidad.
Medir
Medicin y evaluacin de la situacin actual
Dados un punto de partida A y un punto de llegada F, (Ver Grfico 1), se tienen las posibles rutas que podemos seguir.
12 Au. B 2 D U. 5 Su. 10 Au. C 5 Su. 15 Su. 8 Au F
E 5 Au. 6 U.
Au.= Autova U. = Urbana Su.= Suburbana
A
Grfico 1. Diagrama de rutas
La ruta usada actualmente se eligi tomando en cuenta dos parmetros: Distancia y Velocidad mxima permitida. Calculando los tiempos para todas las rutas posibles observamos que la que nos da el tiempo mnimo es la ruta ACDF de 16,13 Min.
Posibles Tiempo Trayectos Total ABEF 18,20 ACBEF 19,87 ACDEF 21,03 ACDF 16,13 ABEDF 18,30 ADF 18,13 ADEF 23,03 ACBEDF 19,97 Grfico 2. Tabla Rutas tiempo ideal
Histricamente se ha usado siempre esta ruta por ser la mas corta, y se utiliza el promedio de duracin entre viajes para decidir a que hora debe salir el camin para llegar a tiempo, sin tomar en consideracin que dado unos factores, los tiempos pueden variar y ocasionar que se llegue antes al hospital o tarde degradndose el productos y obteniendo sanciones monetarias por parte del hospital. Tampoco se toma en cuenta que con condiciones determinadas otra ruta podra ser ms rpida, es por ello que solo tenemos histricos de la ruta ACDF. Con nuestro proyecto buscamos disminuir la dispersin en los tiempos de entrega as como brindar rutas alternativas dadas ciertas condiciones.
Situacin actual:
Histograma trayecto Actual

Normal 10
Media Desv.Est. N 26,52 8,223 100
Frecuencia
12
18
24 30 T(tot)
36
42
Grfico 3. Histograma situacin actual
Capacidad de proceso de Desviacin Actual

(utilizando 95,0% confianza)
LIE P rocesar datos LIE -10 O bjetiv o * LSE 10 M edida de la muestra 1,44773e-014 N mero de muestra 100 D esv .E st. (Dentro) 8,2439 D esv .E st. (General) 8,22311 LSE
Dentro de General
C apacidad (dentro) Z.Bench LC inferior Z.LIE Z.LSE C pk LC inferior LC superior Z.Bench LC inferior Z.LIE Z.LSE Ppk LC inferior LC superior C pm LC inferior del potencial 0,76 0,32 1,21 1,21 0,40 0,32 0,49 0,76 0,33 1,22 1,22 0,41 0,32 0,49 * *
C apacidad general
-15 -10 -5
D esempeo observ ado % < LIE 14,00 % > LS E 9,00 % T otal 23,00 Exp. D entro del % < LIE % > LSE % T otal rendimiento 11,26 11,26 22,51
10
15
Exp. Rendimiento general % < LIE 11,20 % > LS E 11,20 % T otal 22,40
Grfico 4. Capacidad actual del proceso
Analizando los datos histricos vemos que el proceso aunque est centrado porque toman como referencia de tiempo, el tiempo promedio del viaje presenta una gran dispersin (Ver grfico 3). Podemos observar que el tiempo medio es de 26,52 min. pero tiene una desviacin estndar de 8,223 Min. En el grfico 4, se observa que el valor z es de 0,76 y nos indica que el 23% de los viajes no cumple las especificaciones del cliente. Para el anlisis de estos datos hemos contado con una muestra 100 viajes.
Analizar
Identificar y seleccionar las causas de variabilidad en los tiempos de entrega En esta fase identificamos las muchas posibles causas no conocidas de la variacin en los tiempos de entrega con ayuda del diagrama de causa efecto o Ishikawa. Organizamos todas las ideas recopiladas en cuadro grandes grupos: climatologa, factores propios de va, fechas y pocas del ao.
Diagrama de causa y efecto
Epoca Del Ao
Navidad Periodo Escolar Vacaciones Escolares Otoo Primavera Invierno Verano
Fecha
Da De La Semana Prximos De Festivos Prximos De Pagos Primera Quincena Segunda Quincena Cruce Por Pueblos Cantidad De Semaforos Ancho De Va Tipo De Va (Urbana, Sub U, Afluencia Vehicular Accidentes Velocidad Permitida Condicin De Va
Lluvia Nieve Soleado Viento
Clima
Va
Grfico 5. Diagrama de Causa-Efecto
Tener buenos criterios para seleccionar las causas ms probables a utilizar es parte fundamental del xito de nuestro proyecto en tal sentido descartamos los factores considerando los siguientes parmetros: Constantes: (Condicin de la va, velocidad mxima permitida, semforos, etc.) Puntuales y/o no predecibles (accidentes, manifestaciones, festivos, etc.) Contenidos en otro factor (vacaciones escolares dentro de estaciones, prximo a festivo dentro de da)
10
Realizando el filtro de todas las causas identificadas procederemos a analizar las siguientes: Lluvia Da de la semana Hora Estacin Escuela Luz Viento Tipo de va
Estudiamos los posibles niveles de forma que la recogida de datos fuera fcil y lo ms objetiva posible. Los niveles de cada variable son los siguientes: Factor Lluvia Niveles
Fuerte Moderada Suave No Se le indica al conductor que diga el nivel del limpiaparabrisas usado, entonces nivel mximo del limpiaparabrisas ser lluvia fuerte, nivel medio lluvia moderada, nivel bajo igual a lluvia suave y apagado no lluvia Da De la Semana Lunes Martes Mircoles Jueves Viernes Hora PM PT V PM: punta de maana (7 a 9:30 AM) PT: punta de tarde (4:40 a 7 PM) y V: valle momento de poca afluencia vehicular. Estacin Escuela Si No
11
Otoo Primavera Verano Invierno
Luz Da Noche Fuerte Moderada Suave No Urbana Secundaria Autova
Viento Tipo De Va
Desarrollar y comprobar hiptesis para confirmar las causas Partiendo de la hiptesis de que las causas antes mencionadas inciden de forma predominante en la variabilidad de los tiempos de entrega procedimos a analizar con ayuda de la estadstica, la relacin entre estas y la variable de salida (tiempos de entrega). Considerando que tenemos variables categricas, la herramienta estadstica que utilizaremos es el Anova con ayuda del programa Minitab. A continuacin se puede ver las conclusiones generadas con este anlisis. Anlisis Datos Histricos
Grfica De Efectos Principales para Ruta ACDF
Medias De Datos
40 30 20
FUERTE MODERADA NO SUAVE J L M V X PM PT V
M_Lluvia
M_Dia
M_Hora
40
M_estacin
M_luz
M_viento
Media
30 20
I O P V dia noche FU ERTE MODERADO NO SUAVE
40 30 20
NO
M_escuela
SI
Grfico 6. Efectos principales ruta actual EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, Espaa
12
Procediendo primeramente con un anlisis grfico, en el diagrama de causa efecto podemos observar que el viento es el factor que tiene menos influencia en la variacin que se produce en el tiempo de trayecto porque presenta la menor variacin. Adems de ver el efecto global de los factores en el tiempo total, vamos a analizar cada factor en cada tramo de la Ruta ACDF para considerar el tipo de va.
13
Tabla comparativa Anova

AC (Secundaria) Factor M_Lluvia M_Dia M_Hora M_estacin M_escuela M_luz M_viento Valor P 0,000 0,000 0,004 0,049 0,075 0,127 0,697 Rq 2 19,05% 36,03% 10,91% 7,81% 3,19% 2,37% 1,48% CD (Secundaria ) Valor P 0,000 0,000 0,005 0,321 0,403 0,245 0,784 Rq 2 35,17% 32,77% 10,48% 3,56% 0,72% 1,38% 1,10% DF (Urbana) Valor P 0,000 0,010 0,000 0,002 0,004 0,056 0,620 Rq 2 51,40% 12,86% 19,63% 13,95% 7,95% 3,68% 1,82% Total Valor P 0,000 0,000 0,000 0,035 0,055 0,093 0,890 Rq 2 46,20% 28,24% 16,45% 8,51% 3,72% 2,85% 0,65%
Grfico 7. Tabla anlisis Anova datos histricos
Conclusiones sobre primer anlisis 1. Podemos observar que las variables que influyen de forma significativa son la lluvia, el da, la hora, las estaciones y el tipo de va. 2. Descartamos la variable viento ya que la prueba de Anova nos da una p= 0,890 (Medida del efecto) mayor que 0.05 por lo que se concluye que el viento no es significativo en la dispersin del tiempo. Tambin vemos que el Rq es 0,65% por lo que la variacin del tiempo solo esta explicado por el viento en un 0,65%. 3. En el grfico 6 podemos apreciar que la falta de luz influye negativamente, aumentando el tiempo de viaje pero no de manera significativa. Comprobando esta hiptesis vemos que la p= 0,093 por lo cual no podemos decir que las medias son diferentes y por lo tanto se comporta parecido en ambos casos. Tambin vemos que la variacin del tiempo solo esta explicado por la luz en un 2,85%, aun as decidimos hacer otras pruebas ya que el valor de p es muy pequeo especialmente en la ruta DF, en el grfico 18 del anexo podemos observar que la noche solo se presenta por la maanas de invierno y por lo tanto la tenemos contenida en este factor por lo cual no lo consideraremos. 4. En el grfico 19 del anexo podemos apreciar que la temporada escolar influye aumentando el tiempo de viaje en todos los tramos, mostrando la mayor variacin en la ruta DF. La prueba de Anova no nos proporciona suficiente informacin como para descartar esta causa pero vemos una variacin total en la ruta explicada en el 3,75%. Haciendo otras pruebas vemos que esta variable
14
est contenida en las estaciones del ao existiendo correlacin entre estos dos factores (ver grfico 20 del anexo). 5. Para analizar el tipo de va se apilaron los datos en tiempo por kilmetro para eliminar la variable distancia. Aunque sabemos que el tipo de va influye, no tenemos suficiente informacin pues aqu solo podemos comparar la secundaria y urbana por lo cual es necesario recopilar datos de una ruta que tenga autova para completar el anlisis. Tambin podemos observar que las 2 vas secundarias se comportan muy parecido ante los distintos factores, es por ello que asumimos que vas iguales se comportan de la misma manera (esto se puede apreciar en los grficos Box Plot que se encuentran en el Anexo)
Anlisis Segunda recogida de datos
Considerando que los datos histricos no nos proporcionan suficiente informacin de todas las vas, procedemos a hacer un diseo de experimento para construir la matriz tomando en cuanta solamente los factores que demostramos anteriormente que nos afectan: lluvia, da, hora, estacin y tipo de va. En esta matriz se introducirn los datos de la ruta ABEF, que fue rechazada en su momento, ya que tena un tiempo promedio de 32,2 min., lo que significa 10 min. ms que la ruta ACDF. Elegimos la ruta ABEF ya que existen datos y nos permite analizar las autovas, nivel que no contiene la ruta actualmente utilizada. La matriz generada requiere 240 viajes, como la lluvia es un factor que no podemos controlar, no tenemos todas las posibles combinaciones y solo se pudo obtener 142 viajes que cumplieran con las combinaciones de la matriz. Con estos nuevos dados repetimos los estudios anteriores y podemos observar lo siguiente:
15
Grfica de efectos principales para Ruta ABEF

Medias de datos
50 40 30 LLUVIA DIA
Media
20 FUERTE MODERADA 50 40 30 20 PM PT V I O P V HORA NO SUAVE J L M ESTACION V X
Grfico 8. Efectos principales ruta ABEF
En el diagrama de causa efecto podemos confirmar que todos los factores influyen en la variacin que se produce en el tiempo de trayecto. Adems de ver el efecto global de los factores en el tiempo total, vamos a analizar cada factor en cada tramo de la Ruta ABEF para considerar el tipo de va. Tabla comparativa Anova
AB (Autova) Factor M_Lluvia M_Dia M_Hora M_estacin Tipo de va Grfico 9. Tabla anlisis Anova, 2da ruta Valor P 0,000 0,015 0,000 0,057 Rq 2 28,40% 8,55% 50,30% 5,29% BE(Autova) Valor P 0,000 0,298 0,000 0,012 Rq 2 31,65% 3,48% 46,90% 7,59% EF (Urbana) Valor P 0,000 0,558 0,000 0,000 Rq 2 38,62% 2,15% 31,67% 18,67% Total Valor P 0,000 0,175 0,000 0,000 0,000 Rq 2 38,90% 4,49% 47,99% 12,33% 49%
Conclusiones sobre segundo anlisis

16
1. Podemos comprobar que todas las variables influyen de forma significativa, ratificando nuestra seleccin anterior. 2. Cabe destacar que en la ruta BE y EF aunque por el valor de p no es significativa la variable da, no la podemos descartar ya que en las otras rutas del mismo tipo se demostr su influencia. 3. Los mismos tipos de va, en este caso, Autova (AB y BE) se comportan de igual manera ante los mismos factores (esto se puede apreciar mas fcilmente en los Blox Plot de los Anexos). 4. Hemos comprobado que el tipo de va influye ya que para un mismo factor tenemos resultados diferentes, explicndose en un 49%.
17
Mejorar
Determinar las estrategias de mejora
Con los datos histricos, tanto de la primera como de la segunda ruta, generamos el clculo del modelo lineal con Anova, utilizando como respuesta el tiempo por kilmetro de cada va, tomando en cuenta todos los factores y calculando los coeficientes para todos los trminos y almacenando los residuos. La tabla de resultados del modelo Anova calcula un nivel menos que los niveles de la variable ya que es una combinacin lineal de los otros. Para el clculo del nivel que no aparece en la tabla de resultados aplicamos la siguiente formula:
(-1) Coeficiente Factor, Nivel( j )
Obtenemos el valor sumando todos los coeficientes del factor pero cambiado de signo. Presentamos a continuacin la tabla completa de los coeficientes para cada tipo de va con los niveles faltantes ya calculados, obteniendo todos los datos necesarios para construir el modelo.
18
Tipo de Va
Secundaria Constante 1,16759 Urbana 2,32735 Autova 0,96759
Tipo de Va
Factor LLUVIA Nivel Fuerte Moderada Suave No DA Lunes Martes Mircoles Jueves Viernes HORA PM 0,07478 0,37807 PT 0,10065 0,15218 Valle -0,17543 -0,53025 ESTACIN Primavera 0,01798 0,19302 Otoo 0,09111 0,24123 Verano -0,14486 -0,5963 Invierno 0,03577 0,16205 Grfico 10. Tabla coeficientes segn tipo de va 0,18933 0,08695 -0,27628 0,05873 0,03173 -0,13037 0,03991 0,31841 -0,1333 -0,17118 -0,11832 0,10439 0,13458 -0,05905 -0,09926 -0,109 0,13273 0,10449 -0,04252 -0,05754 -0,04895 0,04452 Secundaria Urbana Autova Coeficientes Coeficientes Coeficientes 0,2826 0,01471 -0,01682 -0,28049 0,74726 0,06222 0,00848 -0,81796 0,24731 -0,00032 -0,01826 -0,22873
Con la tabla anterior podemos crear una ecuacin que nos permite para cada tipo de va predecir el tiempo que tardar nuestro pedido en llegar a destino y as elegir la ruta mas rpida. La ecuacin con que se confecciona nuestro modelo es la siguiente: 1) Calculo de los Fits (Tiempo de viaje por kilmetro para cada tramo)
Fit = Cons tan te + Coeficiente, Factor( i ) , Nivel /( j )

2) Tiempo de la ruta
Para calcular el tiempo total de la ruta debemos calcular el tiempo de cada tramo con la siguiente formula:
tiempo(tramo) = dis tan cia Fit(tramo)

19
El tiempo total de la ruta ser la sumatoria de todos los tramos que la componen. Con esto tenemos un modelo que predice la duracin del trayecto, lo cual nos permite saber la hora exacta a la que debe salir el camin y as la empresa puede planificar cuando empezar a producir para asegurar la calidad del producto.
Preparar Producir + Embalar + envo
1 hora que exige el cliente
2 tiempo de viaje segn modelo 3 Empezar a producir
Demostracin de mejoras
Comparacin Error Previo ACDF vs. Error 6 Sigma ACDF

Normal
-15 -10 -5 0 5 10 15
Error Prev io A CDF Media 1,447731E-14 Desv.Est. 8,223 N 100 Error 6 Sigma AC DF Media 0,1532 Desv .Est. 3,082 N 100
35 30 25
Error Previo ACDF
Error 6 Sigma ACDF
Frecuencia
20 15 10 5 0
-15 -10 -5
10 15
Grfico 11. Comparacin error previo ACDF vs error Sigma ACDF
20
Podemos observar en el grfico que hemos conseguido reducir la dispersin en la estimacin de los tiempos reduciendo la desviacin estndar de 8,223 a 3,082.
Grfico Comparacin Capacidad De Proceso Error Previo Ruta ACDF vs Error 6 Sigma Ruta ACDF
Desviacin Estndar Z % < LIE % > LSE % Total
Capacidad Error Previo 8,223
Capacidad Error 6 Sigma 3,08
0,76 14% 9% 23%
3,04 0% 0% 0%
Grfico 12. Comparacin capacidad de la ruta ACDF (error previo Vs error Sigma )
Estudio de ahorro en costes
Para el calculo de los costos por incumplimiento de hora de entrega hemos asumido que la empresa tienen un margen de 10 min., y una penalizacin cuando se llegue fuera de este tiempo; estos valores son a efectos ilustrativos ya que los costes son confidenciales, por lo cual no se realiz un estudio ms detallado pero podemos apreciar en el grfico que las penalizaciones se reducen en un 100%.
21
Costos de No Calidad
25 20 costo 15 10 5 0 -20 -15 -10 -5 0 5 10 15 20 Error Previo en tiempo
Grfico 13. Costes de no calidad proceso actual
Costos 6 Sigma
25 20 costo 15 10 5 0 -20 -15 -10 -5 0 5 10 15 20 Error 6 Sigma en tiempo
Grfico 14. Costes de no calidad con 6 Sigma
22
Controlar
Sistema de control del proceso Para evaluar el buen funcionamiento de nuestro modelo, una vez decidida la ruta a tomar se llevar un registro de los factores y tiempo de los viajes por tramo, los cuales se contrastarn con los tiempos previstos en el modelo y crearemos un grfico de control de los errores en la estimacin del tiempo. Se revisar semanalmente el grfico de control para ver posibles tendencias y variaciones que nos alertar sobre la necesidad de revisar el modelo. Anualmente se actualizar el modelo introduciendo los nuevos tiempos obtenidos durante el ao usando un mximo de tres aos; en el cuarto ao se eliminar la informacin del primero y as sucesivamente.
Grfico 15. Control de proceso
23
Conclusiones
Seis Sigma es una herramienta para la mejora continua, que provee una metodologa para obtener beneficios tangibles en trminos de calidad y costos de un producto o servicio aplicable a cualquier tipo de empresa. ste mtodo utiliza anlisis estadsticos aplicado a los procesos actuales para definir reas de oportunidad ayudndonos a tomar decisiones basados en datos reales y objetivos.
Hemos utilizado esta metodologa aplicndola a un problema real de la empresa como es la inexactitud de los tiempos de entrega lo cual genera altos costos, y a travs de esta herramienta crear un modelo fiable que nos permita decidir basndonos en datos estadsticos, cual es la ruta optima en funcin de los tiempos de entrega obtenidos por el modelo, prediciendo con mayor exactitud dichos tiempos y evitando as los costos de no calidad.
Nuestro modelo toma en cuenta las variables ms significativas y sirve como predictor de tiempos, lo que permite a la empresa una mejor planificacin no solo de la va a tomar, sino tambin del momento de fabricacin del producto, garantizando as la calidad del producto a entregar.
24
Anexos
GRFICO 16. EFECTO DEL VIENTO EN LA RUTA ACDF ......................................................................................... 26 GRFICO 17. EFECTO DE LA LUZ EN LA RUTA ACDF ........................................................................................... 27 GRFICO 18. RELACIN LUZ-ESTACIN .......................................................................................................... 27 GRFICO 19.EFECTO DE LA LUZ EN LA RUTA ACDF ............................................................................................ 28 GRFICO 20. RELACIN LUZ ESCUELA ............................................................................................................ 28 GRFICO 21. EFECTO DE LA ESTACIN EN LA RUTA ACDF .................................................................................... 29 GRFICO 22. EFECTO DE LA HORA EN LA RUTA ACDF ......................................................................................... 29 GRFICO 23. EFECTO DEL DA DE LA SEMANA EN LA RUTA ACDF ........................................................................... 30 GRFICO 24. EFECTO DE LA LLUVIA EN LA RUTA ACDF ....................................................................................... 30 GRFICO 25. EFECTO DE LA ESTACIN EN LA RUTA ABEF .................................................................................... 31 GRFICO 26. EFECTO DE LA HORA EN LA RUTA ABEF ......................................................................................... 32 GRFICO 27. EFECTO DA EN LA RUTA ABEF .................................................................................................... 32 GRFICO 28. EFECTO LLUVIA EN LA RUTA ABEF................................................................................................ 33 GRFICO 29. MEDIAS DE LA VAS URBANAS ..................................................................................................... 33 GRFICO 30. COMPARACIN DISTINTOS TIPOS DE VAS ....................................................................................... 34 GRFICO 31. COMPARACIN ERROR VA, TIPO AUTOVA ..................................................................................... 34 GRFICO 32. COMPARACIN ERROR VA, TIPO SECUNDARIA ................................................................................. 35 GRFICO 33. COMPARACIN ERROR VA, TIPO URBANA ...................................................................................... 35 GRFICO 34. FORMATO RECOLECCIN DE DATOS ............................................................................................ 356
25
Ruta 1
Anlisis Datos Histricos De la Ruta ACDF 1. Anlisis Viento
Boxplot de Ruta ACDF
4
3 Datos
0
F A C CD D M M M K K txK tx tx F AC CD D M M M K K txK tx tx DO A ER OD F AC CD D M M M K K tx K tx tx NO F AC CD D M M M K K txK tx tx E AV U S
M_viento
T ER U F
E M
Grfico 16. Efecto del viento en la ruta ACDF
2. Anlisis Luz
26

4
Datos
0 txKM AC M_luz txKM CD dia txKM DF txKM AC txKM CD noche txKM DF
Grfico 17. Efecto de la luz en la ruta ACDF
Estudio Variable Luz dentro de Estacin

dia noche
C ategora I O P V
Variable de panel: M_luz
Grfico 18. Relacin Luz-Estacin
27
3. Anlisis Escuela
4
Datos
0 txKM AC M_escuela txKM CD NO txKM DF txKM AC txKM CD SI txKM DF
Grfico 19.Efecto de la luz en la ruta ACDF
Grfica circular de M_escuela

I O
C ategora NO SI
Variable de panel: M_estacin
Grfico 20. Relacin Luz Escuela
28
4. Anlisis Estacin
Boxplot Ruta ACDF

4
Datos
0
AC CD DF M KM KM K tx tx tx I AC CD DF M KM KM K tx tx tx O AC CD DF M KM KM K tx tx tx P A C CD DF M KM KM K tx tx tx V
M_estacin
Grfico 21. Efecto de la estacin en la ruta ACDF
5. Anlisis Hora

4
Data
0
KM tx AC KM tx CD PM KM tx DF KM tx AC KM tx CD PT KM tx DF KM tx AC KM tx CD V KM tx DF
M_Hora
Grfico 22. Efecto de la hora en la ruta ACDF EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, Espaa
29
6. Anlisis Da
Boxplot de ACDF
4
3 Data M_Dia
0
A C CD DF AC C D DF A C C D DF A C CD DF A C CD DF M KM KM M KM KM M KM KM M KM KM M KM KM K K K K K tx tx tx tx tx tx tx tx tx tx tx tx tx tx tx J L M V X
Grfico 23. Efecto del da de la semana en la ruta ACDF
7. Anlisis Lluvia
4
3 Data
0
F A C CD D M M M K K K tx tx tx F AC CD D M M M K K K tx tx tx A AD R E OD F AC C D D M M M K K K tx tx tx NO DF A C CD M M M K K K tx tx tx E AV U S
M_Lluvia
T ER U F
E M
Grfico 24. Efecto de la lluvia en la ruta ACDF
30
Ruta 2
Anlisis Datos Histricos De la Ruta ABEF
1. Anlisis Estacin
Boxplot Ruta ABEF
4
3 Data
0
A B BE EF m Km Km K tx tx tx I A B BE EF m Km Km K tx tx tx O AB BE EF m Km Km K tx tx tx P AB BE EF m Km Km K tx tx tx V
ESTACION
Grfico 25. Efecto de la estacin en la ruta ABEF
31
2. Anlisis Hora
Boxplot Ruta ABEF

4
3 Data
0
Km tx AB Km tx BE PM Km tx EF Km tx AB Km tx BE PT Km tx EF Km tx AB Km tx BE V Km tx EF
HORA
Grfico 26. Efecto de la hora en la ruta ABEF
3. Anlisis Da
Boxplot Ruta ABEF

4
3 Data
0
AB BE EF A B BE EF A B BE EF A B BE EF A B BE EF m m m m m m m m m m m m m K K Km Km K xK xK K xK xK K xK xK K K tx t t tx t t tx t t tx tx tx tx tx tx
DIA
Grfico 27. Efecto da en la ruta ABEF
32
4. Anlisis Lluvia
Grfica de caja de txKm AB; txKm BE; txKm EF

4 3 Data 2 1 0
BE EF AB m Km Km K tx tx tx BE EF AB m Km Km K tx tx tx A AD R E OD BE EF AB m Km Km K tx tx tx NO BE EF AB m Km Km K tx tx tx E AV U S
LLUVIA
T ER U F
E M
Grfico 28. Efecto lluvia en la ruta ABEF
Grfica por Tipo de Va

Boxplot comparacin tiempo Tramo Urbano
DF 4 EF
3 T (Urbana)
0 Variable de panel: Nombre va
Grfico 29. Medias de la vas Urbanas
33
Boxplot of t por va
4
3 t por ruta
0 Autovia Secundaria Tipo de Via Urbana
Grfico 30. Comparacin distintos tipos de vas
Comparacin Error Previo vs. Error 6 Sigma Autovia

Normal
-1 ,2 1 ,0 0,8 0,6 0 ,4 0,2 ,0 , 2 0 0
80 70 60
error(previo)
error(6s)
error(previo) Mean -0,3940 StDev 0,3207 N 284 Mean StDev N error(6s) -1,44055E-16 0,1490 284
Frecuencia
50 40 30 20 10 0
, -1 2 , -1 0 , -0 8 , -0 6 , 4 ,2 0 ,0 0, 2 -0 -0
Grfico 31. Comparacin error va, tipo autova EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, Espaa
34
Comparacin Error Previo vs. Error 6 sigma Va Secundaria

Normal
-1,2 -0,9 -0,6 -0,3 0,0 0,3 Error Previo Secundaria 40 Error 6sigma Secundaria
Error Prev io Secundaria Media -0,4046 Desv .Est. 0,3392 N 200 Error 6sigma Secundaria Media -4,77396E-17 Desv .Est. 0,1910 N 200
Frecuencia
30
20
10
-1,2 -0,9 -0,6 -0,3 0,0 0,3
Grfico 32. Comparacin error va, tipo secundaria
Comparacin Error Previo vs. Error 6sigma Va Urbana

Normal
-2,4 -1,8 -1,2 -0,6 0,0 0,6
60 50 40 30 20 10 0
Error Previo Urbana
Error 6sigma Urbana
Error Previo Urbana Media -0,8932 Desv .Est. 0,8268 N 242 Error 6sigma Urbana Media -1,82132E-16 Desv .Est. 0,3627 N 242
Frecuencia
-2,4 -1,8 -1,2 -0,6 0,0 0,6
Grfico 33. Comparacin error va, tipo urbana
35
CONDUCTOR:
TRAMO A FECHA DIA HORA SALIDA LLUVIA
TRAMO B HORA LLUVIA
TRAMO C HORA LLUVIA HORA DE LLEGADA
LLUVIA
SEGN NIVEL DEL PARABRISA
Grfico 34. Formato recoleccin de datos
36

Componente Digital

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Componente Digital

Загружено:

Авторское право:

Доступные форматы

Aplicacin Seis Sigma al problema logstico de transporte

Molypharma, Grupo Enusa Departamento de mejora continua

Aplicacin Seis Sigma:

Cristina Moreau Sandra Hernndez Junio 2008

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

Definicin del proyecto

Justificacin y alcance del proyecto

Aplicacin Seis Sigma al problema logstico de transporte

12 Au. B 2 D U. 5 Su. 10 Au. C 5 Su. 15 Su. 8 Au F

Au.= Autova U. = Urbana Su.= Suburbana

Aplicacin Seis Sigma al problema logstico de transporte

Histograma trayecto Actual

Grfico 3. Histograma situacin actual

Aplicacin Seis Sigma al problema logstico de transporte

Capacidad de proceso de Desviacin Actual

Grfico 4. Capacidad actual del proceso

Aplicacin Seis Sigma al problema logstico de transporte

Lluvia Nieve Soleado Viento

Grfico 5. Diagrama de Causa-Efecto

Aplicacin Seis Sigma al problema logstico de transporte

Otoo Primavera Verano Invierno

Aplicacin Seis Sigma al problema logstico de transporte

Luz Da Noche Fuerte Moderada Suave No Urbana Secundaria Autova

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

Tabla comparativa Anova

Grfico 7. Tabla anlisis Anova datos histricos

Aplicacin Seis Sigma al problema logstico de transporte

Anlisis Segunda recogida de datos

Aplicacin Seis Sigma al problema logstico de transporte

Grfica de efectos principales para Ruta ABEF

20 FUERTE MODERADA 50 40 30 20 PM PT V I O P V HORA NO SUAVE J L M ESTACION V X

Grfico 8. Efectos principales ruta ABEF

Conclusiones sobre segundo anlisis

Aplicacin Seis Sigma al problema logstico de transporte

Aplicacin Seis Sigma al problema logstico de transporte

(-1) Coeficiente Factor, Nivel( j )

Aplicacin Seis Sigma al problema logstico de transporte

Fit = Cons tan te + Coeficiente, Factor( i ) , Nivel /( j )

tiempo(tramo) = dis tan cia Fit(tramo)

Aplicacin Seis Sigma al problema logstico de transporte

Preparar Producir + Embalar + envo

1 hora que exige el cliente

2 tiempo de viaje segn modelo 3 Empezar a producir

Comparacin Error Previo ACDF vs. Error 6 Sigma ACDF

Error Previo ACDF

Error 6 Sigma ACDF

Grfico 11. Comparacin error previo ACDF vs error Sigma ACDF

Aplicacin Seis Sigma al problema logstico de transporte

Desviacin Estndar Z % < LIE % > LSE % Total

Capacidad Error Previo 8,223

Capacidad Error 6 Sigma 3,08

0,76 14% 9% 23%

Estudio de ahorro en costes

Aplicacin Seis Sigma al problema logstico de transporte

Grfico 13. Costes de no calidad proceso actual

Grfico 14. Costes de no calidad con 6 Sigma

Aplicacin Seis Sigma al problema logstico de transporte

Grfico 15. Control de proceso

Aplicacin Seis Sigma al problema logstico de transporte