Seis Sigma: Aplicacin de la estadstica en el sistema

de gestin de la calidad
Autor: Julio Luis Estrada Figueroa
Tal como lo describe Braunscheidel, Hamister, Suresh & Star (2011), el aseguramiento
de la calidad entre las empresas se ha convertido en una necesidad para mejorar los procesos
de sus productos y as ser ms competitivos en este mundo globalizado e industrializado. En
este contexto, se han ido planteado diferentes metodologas de gestin de la calidad entre los
cuales podemos nombrar Lean manufacturing, Gestin de la calidad total, Sistema de
produccin Toyota, Seis Sigma y entre otros. Estas metodologas tienen como objetivo
ampliar la brecha que existe entre las ventas y los costos con el objetivo de generar mayor
utilidad manteniendo los niveles de calidad y ms un incrementndolos en el tiempo, para lo
cual basan su planteamiento en la aplicacin de diferentes ciencias sociales y matemticas
entre las cuales tenemos la estadstica. De acuerdo a Huerga, Abad & Blanco (2012), la
metodologa Seis Sigma encuentra en la Estadstica valiosas herramientas de anlisis y la
relacin es tan marcada que la palabra sigma (), que define su nombre, es referida al smbolo
de desviacin estndar que es un valor muy importante dentro de esta materia. En ese sentido,
el presente ensayo va a describir la aplicacin de la estadstica en la metodologa de gestin
de la calidad Seis Sigma.
Despus de la Segunda Guerra Mundial, los pases perdedores se encontraron en una
destruccin total y es as que durante la ocupacin de los aliados, entre ellos Estados Unidos,
se enviaron muchos especialistas para dar soporte a la reconstruccin de estos pases, entre
ellos Japn (Greisler, 1999). En consecuencia, como lo indica Mann (1994), William Edwards
Deming fue a Japn como especialista en estadsticas para dar seminarios de calidad basados
en sus estudios y los de su mentor Walter Shewhart dando como consecuencia al fenmeno de
la Calidad Total, que gracias a la asociacin de estas teoras con la cultura japonesa se

Pgina 2
convirtieron en la base fundamental para la reconstruccin acelerada de Japn y considerar a
Deming como el profeta de la calidad.
De acuerdo a Carter (2010), el mtodo Seis Sigma fue desarrollado a mediados de
1980 por la Corporacin Motorola y luego de su expansin por otras empresas como Kodak,
IBM, Fiat, Sony, Grupo SKF, Whirlpool y General Electric se increment su popularidad a
nivel mundial. El proceso Seis Sigma ha adoptado el sistema de cinturones como el Karate
(Negro, Verde y Amarillo) para colocar el nivel completado de entrenamiento y el desempeo
personal. Asimismo, el proceso, basado en el Crculo de Deming, define dos tipos de
metodologas:
i)
ii)

Definir-Medir-Analizar-Mejorar-Control para procesos existentes; y

Definir-Medir-Analizar-Disear-Verificar para procesos nuevos.

En otra seccin del trabajo de Huerga et al. (2012), se indica que en Seis Sigma la
utilizacin de la estadstica y de sus tcnicas se presenta en cualquiera de las fases
mencionadas. En realidad, Seis Sigma se sustenta en los principios de calidad como la triloga
de Juran, la metodologa de Deming, las siete herramientas de Ishikawa, el diseo robusto de
Taguchi, los grficos de control de Shewhart, los estudios de capacidad, los postulados de
cero defectos de Crosby, as como en mtodos estadsticos ms o menos complejos del
diseo experimental, del anlisis de regresin, etc. As pues, para la fase de Definir donde se
identifican los procesos sobre los que actuar, detallando las necesidades de los clientes se
pueden usar las herramientas de QFD (Quality Function Deployment Despliegue de la
Funcin de Calidad), diagrama de flujo, FMEA (Failure Mode and Effects Analysis Modo
de Fallas y Anlisis de Efectos) entre otros. Para la fase Medir donde se desarrollan los plan
de recogida de datos para obtener informacin y medir las caractersticas de calidad se pueden
utilizar herramientas como plantillas recogida de datos, muestreo estadstico, FMEA,
brainstorming (lluvia de ideas), entre otros. Para la fase de Analizar donde se analiza la

2014

Pgina 3
informacin para determinar las causas de los problemas se pueden usar las herramientas
como histograma, grfico de Pareto, diagrama causa-efecto, diagrama de dispersin, anlisis
de regresin, series temporales, pruebas de hiptesis, grficos de control, estudios de
capacidad y nivel sigma, ANOVA, entre otros. Para la fase de Mejorar donde se buscan e
implementan acciones de mejora se pueden utilizar herramientas como brainstorming, diseo
de experimentos, FMEA, entre otros. Y para la fase de Controlar donde se comprueban y
mantienen la mejora y se establece un plan de control se puede ejecutar herramientas tales
como grficos de control, anlisis de capacidad, determinacin del nivel sigma del proceso,
entre otros.
En este contexto, luego de la aplicacin de las diferentes herramientas estadsticas, el
proceso Seis Sigma requiere una clasificacin o Nivel Sigma que es la caracterstica ms
importante puesto que se utiliza para medir la evolucin de la gestin de la calidad y tambin
sirve como herramienta de comparacin con otras instituciones o dentro de la misma empresa,
del mismo modo este valor sirve como incentivo para el crecimiento continuo durante todas
las etapas del proceso de implementacin. As pues, para el clculo del Nivel Sigma, la
metodologa se basa en la estadstica en el sentido que, teniendo en cuenta que se trata de
datos aleatorios de diferentes variables de una organizacin, la distribucin de esta
informacin se aproxima en la mayora de las veces a una distribucin normal y en
consecuencia a todas las caractersticas de la misma (Huerga et al., 2012).
Tal como lo detalla Veliz (2011), la distribucin normal muestra una grfica simtrica
respecto de la recta x = ; as tambin el rea debajo de la curva f(x) y por encima del eje x es
1; y la desviacin estndar mientras ms pequea sea ms centrado y fiable ser el proceso y
por otra parte, Huerga et al. (2012) indica que la calidad de una unidad, producto o servicio es
defectuoso si esta fuera de los lmites de especificacin. Por consiguiente la metodologa Seis
Sigma indica que los valores limites estn definidos por los extremos definidos por el proceso

2014

Pgina 4
y en la Tabla 1 se puede apreciar que se considera Calidad 3, 4, 5 y 6 sigma cuando los lmites
de especificacin o de tolerancia estn dentro de los 3, 4, 5 y 6 desviaciones estndares de la
distribucin normal con respecto al punto medio equidista x = (ver Figura 1) y adems se
muestra el clculo de rendimiento (%) y las partes por milln (PPM) de las unidades,
productos o servicios defectuosos.

TABLA 1
Tabla de datos de los Niveles Sigma 3, 4, 5 y 6 de un Proceso Centrado

Elaboracin propia
Se detalla paso a paso el proceso realizado por la preparacin del Nivel Sigma 3:
Paso 1. Limite Superior = DISTR.NORM.ESTAND(3)
Paso 2. Lmite Inferior = DISTR.NORM.ESTAND(-3)
Paso 3. % = Limite Superior Lmite Inferior
Paso 4. PPM =

(1 )
10 6

Paso 5. # Desviaciones = 3 (-3) = 6

Figura 1. Distribucin Normal que muestra las distancias de 1, 2 y 3 desviaciones estndares

con respecto a x = .

2014

Pgina 5
Al proceso descrito en la Tabla 1 se le considera como Proceso Centrado, que consiste
en que la media del proceso coincide con el valor esperado u objetico. Sin embargo, en el
modelo Seis Sigma de Motorola se parte de la hiptesis de que, a largo plazo, la media se
desplazar, por razones de variabilidad, hasta 1.5 sigma por lo que ha este proceso se le
considera como Proceso Descentrado. En la Tabla 2 se puede apreciar que se considera
Calidad 3, 4, 5 y 6 sigma cuando los lmites de especificacin o de tolerancia estn dentro de
los 3, 4, 5 y 6 desviaciones estndares de la distribucin normal con respecto al punto medio
equidista x = + 1.5 (Huerga et al., 2012).

TABLA 2
Tabla de datos de los Niveles Sigma 3, 4, 5 y 6 de un Proceso Descentrado

Elaboracin propia
Se detalla paso a paso el proceso realizado por la preparacin del Nivel Sigma 3:
Paso 1. Limite Superior = DISTR.NORM.ESTAND(1.5)
Paso 2. Lmite Inferior = DISTR.NORM.ESTAND(-4.5)
Paso 3. % = Limite Superior Lmite Inferior
Paso 4. PPM =

(1 )
10 6

Paso 5. # Desviaciones = 1.5 (-4.5) = 6

De esta manera, este el procedimiento estadstico que se utiliza para que partiendo del
Nivel Sigma se calcule la probabilidad de calidad y de ah que se pueda clasificar a las
diferentes reas de una empresa o entre empresas. Por otro lado, Huerga et al. (2012)
menciona que se puede calcular el Nivel Sigma partiendo del rendimiento (%) o del valor de
PPM utilizando las siguientes funciones en Microsoft Excel:

2014

Pgina 6

2014

Pgina 7
i)
ii)

- DISTR.NORM.ESTAND.INV(PPM/10^6) + 1.5
DISTR.NORM.ESTAND.INV(Rendimiento) + 1.5

Luego del detalle de clculo del Nivel Sigma y del PPM, tal como lo indica Saghaei,
Najafi & Noorossana (2012) se puede acotar que el objetivo del Seis Sigma es lograr procesos
que no tengan ms de 3,4 defectos por milln de oportunidades con un rango de calidad de
99.9997% para que obtengan la calificacin ms alta de la metodologa que es Seis Sigma.
Por otro lado, de acuerdo a Arcidiacono, Calabrese & Yang (2012), una herramienta
importante en la etapa de Medicin del proceso Seis Sigma es el software MINITAB, el cual
entre otras funciones realiza estadsticas bsicas de media, moda y mediana, as como el
clculo del intervalo de confianza y preparacin de grficos-resumen. Este software cuenta
con herramientas tales como BoxPlot que obtiene informacin de posicin, dispersin y
simetra de la data, Pareto Diagram (Diagrama de Pareto) para identificar las acciones o
reas de alta prioridad, Normality Test (Prueba de Normalidad) que es una prueba
estadstica para comprobar si la funcin que forman los datos es una distribucin normal o no,
clculo del Nivel Sigma mediante la herramienta Process Sigma (Proceso Sigma) entre
otras funciones muy tiles para medir, describir, analizar y controlar estadsticamente las
principales caractersticas de la empresa en evaluacin.
Seis Sigma se inici como una mejora en los procesos industriales como en el caso de
empresas de Motorola, Sony o General Electric. Sin embrago, es una herramienta de amplio
espectro que se puede aplicar en toda empresa que tengan como objetivo mejorar el nivel de
calidad de forma exhaustiva y detallada para tener como meta final la Calidad Total y
minimizar al mximo los posibles errores, de ah que la industria farmacutica, mdica o de
transporte de insumos mdicos han ido implementando esta metodologa debido a lo sensible
de sus productos y las serias consecuencias que se pudiera tener en caso de errores.

2014

Pgina 8
Finalmente, se puede concluir que como lo indica Lokkerbol & de Mast, el proceso
Seis Sigma ha tenido tradicionalmente un fuerte nfasis en los mtodos estadsticos, tanto es
as que, por ejemplo, la Asociacin Americana de Calidad (ASQ por sus siglas en ingls)
sugiere que el 45% de las preguntas para obtener el Cinturn Negro son relacionadas a
conceptos y tcnicas estadsticas; y los libros como Lean Six Sigma de George at al. (2004) y
Six Sigma techniques (Tcnicas de Seis Sigma) de Pyzdek (2003) tienen un 45% y 55% de
pginas respectivamente de un dominio de herramientas estadsticas.

2014

Pgina 9
REFERENCIAS
Arcidiacono, Gabriele; Calabrece, Claudio & Yang, Kai. (2012). Leading process to lead
companies: lean sigma Kaizen leader & green belt handbook. SpringLink (Online
Service). Milano: Springer Milan: Imprint: Springer.
Braunscheidel, Michael J.; Hamister, James W.; Suresh, Nallan C. & Star, Harold. (2011). An
institutional theory perspective on Six Sigma adoption. International Journal of Operations
& Production Management. Vol. 31(4). p. 423-451.
Carter, Pam; RN; COHNS-S; FAAOHN. (2010). Six Sigma. AAOHN Journal. Editorial: Slack
Incorporated. Vol. 58, Number 12, pp 508-510.
Greisler, David S. William Edwards Deming: the man. (1999). Journal of Management History.
Vol. 5 (8), pp 434-453.
Huerga Castro, Carmen; Abad Gonzales, Julio & Blanco Alonso, Pilar. (2012). El papel de la
Estadstica en la metodologa Seis Sigma: una propuesta de actuacin en servicios
sanitarios. Pecunia Monogrfica: revista de la Facultad de Ciencias Econmicas y
Empresariales de la Universidad de Len, Issue 1, pp. 111-136.
Lokkerbol, Joran & de Mast, Jeroen. (2012). An Analysis of Six Sigma DMAIC method from the
perspective of problem solving. International Journal of Production Economics. Vol.139
(2). pp. 604-614.
Mann, Nancy R. W. Edwards Deming: 1900-1993. (Obituary). (1994). Journal of the American
Statistical Association. Vol. 89(426), p. 365.
Saghaei, Abbas; Najafi, Hoorieh; Noorossana, Rassoul. (2012). Enhanced Rolled Throughput
Yield: A new six sigma-based performance measure. International Journal of Production
economics. Vol. 140(1). pp. 368-373.

2014

Pgina 10
Vliz Capuay, Carlos. (2011). Estadstica para la Administracin y los Negocios. Mxico.
Pearson. Captulo 6, pp. 157-210.

2014