aplicación seis sigmaapi.eoi.es/api_v1_dev.php/fedora/asset/eoi:36380/componente36379.pdf ·...
Post on 31-Mar-2018
230 Views
Preview:
TRANSCRIPT
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 1
Cristina Moreau Sandra Hernández Junio 2008
Molypharma, Grupo Enusa Departamento de mejora continua Aplicación Seis Sigma: Mejora en el proceso de elección de la ruta óptima y control del proceso
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 2
Agradecimientos:
A Mariano Prieto por guiarnos a través de este proyecto y entendernos aun cuando le habláramos en griego, enseñarnos otra faceta del 6 Sigma e iluminarnos cuando no veíamos la salida a algún problema, sin ti no hubiésemos podido lograrlo…
A Cruz de Benito por enseñarnos una de las herramientas más 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 más comensales tenemos en un restaurante más platos tenemos que lavar…
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 3
Contenido
CONTENIDO ........................................................................................................................................... 3
ÍNDICE DE GRÁFICOS .............................................................................................................................. 4
INTRODUCCIÓN ..................................................................................................................................... 5
DEFINIR .................................................................................................................................................. 6
DEFINICIÓN DEL PROYECTO ........................................................................................................................ 6 JUSTIFICACIÓN Y ALCANCE DEL PROYECTO ...................................................................................................... 6
MEDIR.................................................................................................................................................... 7
MEDICIÓN Y EVALUACIÓN DE LA SITUACIÓN ACTUAL ....................................................................................... 7
ANALIZAR ............................................................................................................................................ 10
IDENTIFICAR Y SELECCIONAR LAS CAUSAS DE VARIABILIDAD EN LOS TIEMPOS DE ENTREGA ......................................... 10 DESARROLLAR Y COMPROBAR HIPÓTESIS PARA CONFIRMAR LAS CAUSAS .............................................................. 12 ANÁLISIS DATOS HISTÓRICOS ................................................................................................................... 12 ANÁLISIS SEGUNDA RECOGIDA DE DATOS .................................................................................................... 15
MEJORAR ............................................................................................................................................. 18
DETERMINAR LAS ESTRATEGIAS DE MEJORA .................................................................................................. 18 DEMOSTRACIÓN DE MEJORAS ................................................................................................................... 20 ESTUDIO DE AHORRO EN COSTES ............................................................................................................... 21
CONTROLAR ......................................................................................................................................... 23
CONCLUSIONES .................................................................................................................................... 24
ANEXOS ............................................................................................................................................... 25
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 4
Índice De Gráficos
GRÁFICO 1. DIAGRAMA DE RUTAS ................................................................................................................... 7 GRÁFICO 2. TABLA POSIBLES RUTAS ................................................................................................................. 7 GRÁFICO 3. HISTOGRAMA SITUACIÓN ACTUAL .................................................................................................... 8 GRÁFICO 4. CAPACIDAD ACTUAL DEL PROCESO ................................................................................................... 9 GRÁFICO 5. DIAGRAMA DE CAUSA-EFECTO...................................................................................................... 10 GRÁFICO 6. EFECTOS PRINCIPALES RUTA ACTUAL ............................................................................................... 12 GRÁFICO 7. TABLA ANÁLISIS ANOVA DATOS HISTÓRICOS ..................................................................................... 14 GRÁFICO 8. EFECTOS PRINCIPALES RUTA ABEF ................................................................................................. 16 GRÁFICO 9. TABLA ANÁLISIS ANOVA, 2DA RUTA................................................................................................ 16 GRÁFICO 10. TABLA COEFICIENTES SEGÚN TIPO DE VÍA ....................................................................................... 19 GRÁFICO 11. COMPARACIÓN ERROR PREVIO ACDF VS ERROR SIGMA ACDF ............................................................ 20 GRÁFICO 12. COMPARACIÓN CAPACIDAD DE LA RUTA ACDF (ERROR PREVIO VS ERROR SIGMA ) ................................... 21 GRÁFICO 13. COSTES DE NO CALIDAD PROCESO ACTUAL ...................................................................................... 22 GRÁFICO 14. COSTES DE NO CALIDAD CON 6 SIGMA .......................................................................................... 22 GRÁFICO 15. CONTROL DE PROCESO .............................................................................................................. 23
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 5
Introducción Molypharma es una empresa industrial en el sector de la medicina nuclear fundada en 1998 que produce y distribuye radiofármacos, los cuales dadas sus características pierden sus propiedades de una manera exponencial en función del tiempo, por esto un proyecto a considerar es mejorar el proceso de elección de la ruta a seguir en la distribución para ir desde un punto de origen a un punto destino prediciendo el tiempo de entrega utilizando la metodología Seis Sigma. Esta iniciativa es apropiada para utilizar esta metodología ya que tiene un alcance manejable claramente identificado por el equipo, está vinculado a un proceso, es crónico para la empresa y con un impacto inmediato en la satisfacción del cliente. En la actualidad el problema de la elección de la ruta se resuelve con técnicas de investigación de operaciones que da como resultado la más corta y más rápida mediante algoritmos conocidos (Problema de camino más corto). Esta técnica supone que los tiempos son fijos, lo cual no es correcto, sino que son variables aleatorias debido a múltiples factores. La metodología Seis Sigma nos ayudara a estudiar las variables de entrada (causas que generan la variabilidad en los tiempos de entrega de los radiofármacos), de salida (tiempos) y las relaciones entre ellas, ayudándonos a controlar el proceso, prediciendo el tiempo de entrega con un mínimo de error, asegurando así la puntualidad y reduciendo los costes de no calidad. Se afrontó el problema siguiendo la metodología Seis Sigma (Definir, Medir, Analizar, Mejorar y Controlar). En ese mismo orden presentamos a continuación el desarrollo y resultado del proyecto.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 6
Definir
Definición del proyecto
Consiste en desarrollar un modelo que nos permita predecir la ruta óptima entre dos puntos para entregar al cliente el producto en el tiempo que lo requiere y en las condiciones óptimas. Los tiempos son variables que dependen de ciertos factores no del todo conocidos, utilizando la metodología Seis Sigma analizaremos esas variables y buscaremos determinar el proceso para elegir la ruta óptima con el tiempo mínimo.
Justificación y alcance del proyecto
El tiempo de entrega para Molypharma es la clave de su negocio debido a que los radiofármacos 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 más difíciles de cuantificar como la insatisfacción e impacto de esto en los clientes. Este proyecto mejorara la utilización de recursos económicos 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.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 7
Medir
Medición y evaluación de la situación actual
Dados un punto de partida A y un punto de llegada F, (Ver Gráfico 1), se tienen las posibles rutas que podemos seguir.
Au.= Autovía
U. = Urbana
Su.= Suburbana
Gráfico 1. Diagrama de rutas
La ruta usada actualmente se eligió tomando en cuenta dos parámetros: Distancia y Velocidad máxima permitida. Calculando los tiempos para todas las rutas posibles observamos que la que nos da el tiempo mínimo es la ruta ACDF de 16,13 Min.
Posibles Trayectos
Tiempo 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
Gráfico 2. Tabla Rutas tiempo ideal
A
B
C
E
D
F
10 Au.
5 Su.
5 Su.
8 Au
12 Au. 5
Au.
2 U. 6
U.
15 Su.
A
B
C
E
D
F
10 Au.
5 Su.
5 Su.
8 Au
12 Au. 5
Au.
2 U. 6
U.
15 Su.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 8
Históricamente se ha usado siempre esta ruta por ser la mas corta, y se utiliza el promedio de duración entre viajes para decidir a que hora debe salir el camión para llegar a tiempo, sin tomar en consideración que dado unos factores, los tiempos pueden variar y ocasionar que se llegue antes al hospital o tarde degradándose el productos y obteniendo sanciones monetarias por parte del hospital. Tampoco se toma en cuenta que con condiciones determinadas otra ruta podría ser más rápida, es por ello que solo tenemos históricos de la ruta ACDF.
Con nuestro proyecto buscamos disminuir la dispersión en los tiempos de entrega así como brindar rutas alternativas dadas ciertas condiciones.
Situación actual:
423630241812
10
8
6
4
2
0
T(tot)
Frec
uenc
ia
Media 26,52Desv.Est. 8,223N 100
Normal Histograma trayecto Actual
Gráfico 3. Histograma situación actual
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 9
151050-5-10-15
LIE LSE
LIE -10O bjetiv o *LSE 10Medida de la muestra 1,44773e-014Número de muestra 100Desv .Est. (Dentro) 8,2439Desv .Est. (General) 8,22311
Procesar datos
Z.LIE 1,22Z.LSE 1,22Ppk 0,41LC inferior 0,32LC superior 0,49C pm *LC inferior *
Z.Bench 0,76LC inferior 0,32Z.LIE 1,21Z.LSE 1,21C pk 0,40LC inferior 0,32LC superior 0,49
Z.Bench 0,76LC inferior 0,33
C apacidad general
C apacidad (dentro) del potencial
% < LIE 14,00% > LSE 9,00% Total 23,00
Desempeño observ ado% < LIE 11,26% > LSE 11,26% Total 22,51
Exp. Dentro del rendimiento% < LIE 11,20% > LSE 11,20% Total 22,40
Exp. Rendimiento general
Dentro deGeneral
Capacidad de proceso de Desviación Actual(utilizando 95,0% confianza)
Gráfico 4. Capacidad actual del proceso
Analizando los datos históricos vemos que el proceso aunque está centrado porque toman como referencia de tiempo, el tiempo promedio del viaje presenta una gran dispersión (Ver gráfico 3).
Podemos observar que el tiempo medio es de 26,52 min. pero tiene una desviación estándar de 8,223 Min.
En el gráfico 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 análisis de estos datos hemos contado con una muestra 100 viajes.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 10
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 variación en los tiempos de entrega con ayuda del diagrama de causa efecto o Ishikawa. Organizamos todas las ideas recopiladas en cuadro grandes grupos: climatología, factores propios de vía, fechas y épocas del año.
Clima
Epoca Del Año
Vía
Fecha
Segunda Quincena
Primera Quincena
Próximos De Pagos
Próximos De Festivos
Día De La Semana
Cruce Por Pueblos Cantidad De Semaforos
Ancho De Vía Tipo De Vía (Urbana, Sub U,
Afluencia Vehicular Accidentes
Velocidad Permitida Condición De Vía
VeranoInvierno
Primavera Otoño
Vacaciones EscolaresPeriodo Escolar
Navidad
Lluvia
Nieve
Soleado
Viento
Diagrama de causa y efecto
Gráfico 5. Diagrama de Causa-Efecto
Tener buenos criterios para seleccionar las causas más probables a utilizar es parte fundamental del éxito de nuestro proyecto en tal sentido descartamos los factores considerando los siguientes parámetros:
• Constantes: (Condición de la vía, velocidad máxima permitida, semáforos, etc.) • Puntuales y/o no predecibles (accidentes, manifestaciones, festivos, etc.) • Contenidos en otro factor (vacaciones escolares dentro de estaciones, próximo
a festivo dentro de día)
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 11
Realizando el filtro de todas las causas identificadas procederemos a analizar las siguientes:
• Lluvia • Día de la semana • Hora • Estación • Escuela • Luz • Viento • Tipo de vía
Estudiamos los posibles niveles de forma que la recogida de datos fuera fácil y lo más objetiva posible. Los niveles de cada variable son los siguientes:
Factor Niveles • Lluvia
• Fuerte • Moderada • Suave • No
Se le indica al conductor que diga el nivel del limpiaparabrisas usado, entonces nivel máximo del limpiaparabrisas será lluvia fuerte, nivel medio lluvia moderada, nivel bajo igual a lluvia suave y apagado no lluvia
• Día De la Semana • Lunes • Martes • Miércoles • Jueves • Viernes
• Hora • PM • PT • V
PM: punta de mañana (7 a 9:30 AM) PT: punta de tarde (4:40 a 7 PM) y V: valle momento de poca afluencia vehicular.
• Estación • Otoño • Primavera • Verano • Invierno
• Escuela • Si • No
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 12
• Luz • Día • Noche
• Viento • Fuerte • Moderada • Suave • No
• Tipo De Vía • Urbana • Secundaria • Autovía
Desarrollar y comprobar hipótesis para confirmar las causas Partiendo de la hipótesis 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 estadística, la relación entre estas y la variable de salida (tiempos de entrega). Considerando que tenemos variables categóricas, la herramienta estadística que utilizaremos es el Anova con ayuda del programa Minitab. A continuación se puede ver las conclusiones generadas con este análisis.
Análisis Datos Históricos
SUAVENOMODERADAFUERTE
40
30
20
XVMLJ VPTPM
VPOI
40
30
20
nochedia SUAVENOMODERADOFUERTE
SINO
40
30
20
M_Lluvia
Med
ia
M_Dia M_Hora
M_estación M_luz M_viento
M_escuela
Gráfica De Efectos Principales para Ruta ACDFMedias De Datos
Gráfico 6. Efectos principales ruta actual
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 13
Procediendo primeramente con un análisis gráfico, en el diagrama de causa efecto podemos observar que el viento es el factor que tiene menos influencia en la variación que se produce en el tiempo de trayecto porque presenta la menor variación.
Además 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 vía.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 14
Tabla comparativa Anova
AC (Secundaria) CD (Secundaria ) DF (Urbana) Total
Factor Valor P Rq 2 Valor P Rq 2 Valor P Rq 2 Valor P Rq 2
M_Lluvia 0,000 19,05% 0,000 35,17% 0,000 51,40% 0,000 46,20%
M_Dia 0,000 36,03% 0,000 32,77% 0,010 12,86% 0,000 28,24%
M_Hora 0,004 10,91% 0,005 10,48% 0,000 19,63% 0,000 16,45%
M_estación 0,049 7,81% 0,321 3,56% 0,002 13,95% 0,035 8,51%
M_escuela 0,075 3,19% 0,403 0,72% 0,004 7,95% 0,055 3,72%
M_luz 0,127 2,37% 0,245 1,38% 0,056 3,68% 0,093 2,85%
M_viento 0,697 1,48% 0,784 1,10% 0,620 1,82% 0,890 0,65%
Gráfico 7. Tabla análisis Anova datos históricos
Conclusiones sobre primer análisis
1. Podemos observar que las variables que influyen de forma significativa son la lluvia, el día, la hora, las estaciones y el tipo de vía.
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 dispersión del tiempo. También vemos que el Rq es 0,65% por lo que la variación del tiempo solo esta explicado por el viento en un 0,65%.
3. En el gráfico 6 podemos apreciar que la falta de luz influye negativamente, aumentando el tiempo de viaje pero no de manera significativa. Comprobando esta hipótesis 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. También vemos que la variación del tiempo solo esta explicado por la luz en un 2,85%, aun así decidimos hacer otras pruebas ya que el valor de p es muy pequeño especialmente en la ruta DF, en el gráfico 18 del anexo podemos observar que la noche solo se presenta por la mañanas de invierno y por lo tanto la tenemos contenida en este factor por lo cual no lo consideraremos.
4. En el gráfico 19 del anexo podemos apreciar que la temporada escolar influye aumentando el tiempo de viaje en todos los tramos, mostrando la mayor variación en la ruta DF. La prueba de Anova no nos proporciona suficiente información como para descartar esta causa pero vemos una variación total en la ruta explicada en el 3,75%. Haciendo otras pruebas vemos que esta variable
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 15
está contenida en las estaciones del año existiendo correlación entre estos dos factores (ver gráfico 20 del anexo).
5. Para analizar el tipo de vía se apilaron los datos en tiempo por kilómetro para eliminar la variable distancia. Aunque sabemos que el tipo de vía influye, no tenemos suficiente información pues aquí solo podemos comparar la secundaria y urbana por lo cual es necesario recopilar datos de una ruta que tenga autovía para completar el análisis. También podemos observar que las 2 vías secundarias se comportan muy parecido ante los distintos factores, es por ello que asumimos que vías iguales se comportan de la misma manera (esto se puede apreciar en los gráficos Box Plot que se encuentran en el Anexo)
Análisis Segunda recogida de datos
Considerando que los datos históricos no nos proporcionan suficiente información de todas las vías, procedemos a hacer un diseño de experimento para construir la matriz tomando en cuanta solamente los factores que demostramos anteriormente que nos afectan: lluvia, día, hora, estación y tipo de vía. En esta matriz se introducirán los datos de la ruta ABEF, que fue rechazada en su momento, ya que tenía un tiempo promedio de 32,2 min., lo que significa 10 min. más que la ruta ACDF.
Elegimos la ruta ABEF ya que existen datos y nos permite analizar las autovías, 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:
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 16
SUAVENOMODERADAFUERTE
50
40
30
20XVMLJ
VPTPM
50
40
30
20VPOI
LLUVIA
Med
ia
DIA
HORA ESTACION
Gráfica de efectos principales para Ruta ABEFMedias de datos
Gráfico 8. Efectos principales ruta ABEF
En el diagrama de causa efecto podemos confirmar que todos los factores influyen en la variación que se produce en el tiempo de trayecto.
Además 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 vía.
Tabla comparativa Anova
AB (Autovía) BE(Autovía) EF (Urbana) Total
Factor Valor P Rq 2 Valor P Rq 2 Valor P Rq 2 Valor P Rq 2
M_Lluvia 0,000 28,40% 0,000 31,65% 0,000 38,62% 0,000 38,90%
M_Dia 0,015 8,55% 0,298 3,48% 0,558 2,15% 0,175 4,49%
M_Hora 0,000 50,30% 0,000 46,90% 0,000 31,67% 0,000 47,99%
M_estación 0,057 5,29% 0,012 7,59% 0,000 18,67% 0,000 12,33%
Tipo de vía 0,000 49%
Gráfico 9. Tabla análisis Anova, 2da ruta
Conclusiones sobre segundo análisis
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 17
1. Podemos comprobar que todas las variables influyen de forma significativa,
ratificando nuestra selección anterior.
2. Cabe destacar que en la ruta BE y EF aunque por el valor de p no es significativa la variable día, no la podemos descartar ya que en las otras rutas del mismo tipo se demostró su influencia.
3. Los mismos tipos de vía, en este caso, Autovía (AB y BE) se comportan de igual manera ante los mismos factores (esto se puede apreciar mas fácilmente en los Blox Plot de los Anexos).
4. Hemos comprobado que el tipo de vía influye ya que para un mismo factor tenemos resultados diferentes, explicándose en un 49%.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 18
Mejorar
Determinar las estrategias de mejora
Con los datos históricos, tanto de la primera como de la segunda ruta, generamos el cálculo del modelo lineal con Anova, utilizando como respuesta el tiempo por kilómetro de cada vía, tomando en cuenta todos los factores y calculando los coeficientes para todos los términos 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 combinación lineal de los otros. Para el cálculo del nivel que no aparece en la tabla de resultados aplicamos la siguiente formula:
( )[ ]∑×− jNivelFactoreCoeficient ,)1(
Obtenemos el valor sumando todos los coeficientes del factor pero cambiado de signo. Presentamos a continuación la tabla completa de los coeficientes para cada tipo de vía con los niveles faltantes ya calculados, obteniendo todos los datos necesarios para construir el modelo.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 19
Tipo de Vía
Secundaria Urbana Autovía Constante 1,16759 2,32735 0,96759
Tipo de Vía
Secundaria Urbana Autovía Factor Nivel Coeficientes Coeficientes Coeficientes LLUVIA Fuerte 0,2826 0,74726 0,24731 Moderada 0,01471 0,06222 -0,00032 Suave -0,01682 0,00848 -0,01826 No -0,28049 -0,81796 -0,22873 DÍA Lunes 0,31841 0,13458 0,10449 Martes -0,1333 -0,05905 -0,04252 Miércoles -0,17118 -0,09926 -0,05754 Jueves -0,11832 -0,109 -0,04895 Viernes 0,10439 0,13273 0,04452 HORA PM 0,07478 0,37807 0,18933 PT 0,10065 0,15218 0,08695 Valle -0,17543 -0,53025 -0,27628 ESTACIÓN Primavera 0,01798 0,19302 0,05873 Otoño 0,09111 0,24123 0,03173 Verano -0,14486 -0,5963 -0,13037 Invierno 0,03577 0,16205 0,03991
Gráfico 10. Tabla coeficientes según tipo de vía
Con la tabla anterior podemos crear una ecuación que nos permite para cada tipo de vía predecir el tiempo que tardará nuestro pedido en llegar a destino y así elegir la ruta mas rápida. La ecuación con que se confecciona nuestro modelo es la siguiente: 1) Calculo de los Fits (Tiempo de viaje por kilómetro para cada tramo)
[ ]∑ /+= )()( ,,tan ji lNiveFactoreCoeficientteConsFit
2) Tiempo de la ruta Para calcular el tiempo total de la ruta debemos calcular el tiempo de cada tramo con la siguiente formula:
)()( tan tramotramo Fitciadistiempo ×=
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 20
El tiempo total de la ruta será la sumatoria de todos los tramos que la componen. Con esto tenemos un modelo que predice la duración del trayecto, lo cual nos permite saber la hora exacta a la que debe salir el camión y así la empresa puede planificar cuando empezar a producir para asegurar la calidad del producto.
Demostración de mejoras
151050-5-10-15
35
30
25
20
15
10
5
0
151050-5-10-15
Error Previo ACDF
Frec
uenc
ia
Error 6 Sigma ACDFMedia 1,447731E-14Desv.Est. 8,223N 100
Error Prev io ACDF
Media 0,1532Desv.Est. 3,082N 100
Error 6 Sigma ACDF
Normal Comparación Error Previo ACDF vs. Error 6 Sigma ACDF
Gráfico 11. Comparación error previo ACDF vs error Sigma ACDF
1º hora que exige el cliente
2º tiempo de viaje según
modelo
3º Empezar a producir
Preparar envío Producir + Embalar + Σ
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 21
Podemos observar en el gráfico que hemos conseguido reducir la dispersión en la estimación de los tiempos reduciendo la desviación estándar de 8,223 a 3,082.
Gráfico 12. Comparación 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 penalización cuando se llegue fuera de este tiempo; estos valores son a efectos ilustrativos ya que los costes son confidenciales, por lo cual no se realizó un estudio más detallado pero podemos apreciar en el gráfico que las penalizaciones se reducen en un 100%.
0% 23% % Total 0% 9% % > LSE 0% 14% % < LIE
3,04 0,76 Z
3,08 8,223 Desviación Estándar
Capacidad Error 6 Sigma
Capacidad Error
Previo
Gráfico Comparación Capacidad De Proceso
Error Previo Ruta ACDF vs Error 6 Sigma Ruta ACDF
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 22
Costos de No Calidad
0
5
10
15
20
25
-20 -15 -10 -5 0 5 10 15 20
Error Previo en tiempo
cost
o
Gráfico 13. Costes de no calidad proceso actual
Costos 6 Sigma
0
5
10
15
20
25
-20 -15 -10 -5 0 5 10 15 20
Error 6 Sigma en tiempo
cost
o
Gráfico 14. Costes de no calidad con 6 Sigma
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 23
Controlar
Sistema de control del proceso
Para evaluar el buen funcionamiento de nuestro modelo, una vez decidida la ruta a tomar se llevará un registro de los factores y tiempo de los viajes por tramo, los cuales se contrastarán con los tiempos previstos en el modelo y crearemos un gráfico de control de los errores en la estimación del tiempo.
Se revisará semanalmente el gráfico de control para ver posibles tendencias y variaciones que nos alertará sobre la necesidad de revisar el modelo.
Anualmente se actualizará el modelo introduciendo los nuevos tiempos obtenidos durante el año usando un máximo de tres años; en el cuarto año se eliminará la información del primero y así sucesivamente.
Gráfico 15. Control de proceso
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 24
Conclusiones
Seis Sigma es una herramienta para la mejora continua, que provee una metodología
para obtener beneficios tangibles en términos de calidad y costos de un producto o
servicio aplicable a cualquier tipo de empresa. Éste método utiliza análisis estadísticos
aplicado a los procesos actuales para definir áreas de oportunidad ayudándonos a
tomar decisiones basados en datos reales y objetivos.
Hemos utilizado esta metodología aplicándola a un problema real de la empresa como
es la inexactitud de los tiempos de entrega lo cual genera altos costos, y a través de
esta herramienta crear un modelo fiable que nos permita decidir basándonos en datos
estadísticos, cual es la ruta optima en función de los tiempos de entrega obtenidos por
el modelo, prediciendo con mayor exactitud dichos tiempos y evitando así los costos
de no calidad.
Nuestro modelo toma en cuenta las variables más significativas y sirve como predictor de tiempos, lo que permite a la empresa una mejor planificación no solo de la vía a tomar, sino también del momento de fabricación del producto, garantizando así la calidad del producto a entregar.
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 25
GRÁFICO 16. EFECTO DEL VIENTO EN LA RUTA ACDF ......................................................................................... 26 GRÁFICO 17. EFECTO DE LA LUZ EN LA RUTA ACDF ........................................................................................... 27 GRÁFICO 18. RELACIÓN LUZ-ESTACIÓN .......................................................................................................... 27 GRÁFICO 19.EFECTO DE LA LUZ EN LA RUTA ACDF ............................................................................................ 28 GRÁFICO 20. RELACIÓN LUZ ESCUELA ............................................................................................................ 28 GRÁFICO 21. EFECTO DE LA ESTACIÓN EN LA RUTA ACDF .................................................................................... 29 GRÁFICO 22. EFECTO DE LA HORA EN LA RUTA ACDF ......................................................................................... 29 GRÁFICO 23. EFECTO DEL DÍA DE LA SEMANA EN LA RUTA ACDF ........................................................................... 30 GRÁFICO 24. EFECTO DE LA LLUVIA EN LA RUTA ACDF ....................................................................................... 30 GRÁFICO 25. EFECTO DE LA ESTACIÓN EN LA RUTA ABEF .................................................................................... 31 GRÁFICO 26. EFECTO DE LA HORA EN LA RUTA ABEF ......................................................................................... 32 GRÁFICO 27. EFECTO DÍA EN LA RUTA ABEF .................................................................................................... 32 GRÁFICO 28. EFECTO LLUVIA EN LA RUTA ABEF................................................................................................ 33 GRÁFICO 29. MEDIAS DE LA VÍAS URBANAS ..................................................................................................... 33 GRÁFICO 30. COMPARACIÓN DISTINTOS TIPOS DE VÍAS ....................................................................................... 34 GRÁFICO 31. COMPARACIÓN ERROR VÍA, TIPO AUTOVÍA ..................................................................................... 34 GRÁFICO 32. COMPARACIÓN ERROR VÍA, TIPO SECUNDARIA ................................................................................. 35 GRÁFICO 33. COMPARACIÓN ERROR VÍA, TIPO URBANA ...................................................................................... 35 GRÁFICO 34. FORMATO RECOLECCIÓN DE DATOS ............................................................................................ 356
Anexos
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 26
Ruta 1
Análisis Datos Históricos De la Ruta ACDF
1. Análisis Viento
M_viento
SUAV
ENO
MODERA
DO
FUER
TE
txKM D
F
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
4
3
2
1
0
Dat
os
Boxplot de Ruta ACDF
Gráfico 16. Efecto del viento en la ruta ACDF
2. Análisis Luz
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 27
M_luz nochediatxKM DFtxKM CDtxKM ACtxKM DFtxKM CDtxKM AC
4
3
2
1
0
Dat
osBoxplot de Ruta ACDF
Gráfico 17. Efecto de la luz en la ruta ACDF
dia nocheIOPV
Categoría
Variable de panel: M_luz
Estudio Variable Luz dentro de Estación
Gráfico 18. Relación Luz-Estación
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 28
3. Análisis Escuela
M_escuela SINOtxKM DFtxKM CDtxKM ACtxKM DFtxKM CDtxKM AC
4
3
2
1
0
Dat
os
Boxplot de Ruta ACDF
Gráfico 19.Efecto de la luz en la ruta ACDF
I O
P V
NOSI
Categoría
Gráfica circular de M_escuela
Variable de panel: M_estación
Gráfico 20. Relación Luz Escuela
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 29
4. Análisis Estación
M_estación VPOItxK
M DF
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
txKM D
F
txKM C
D
txKM A
C
4
3
2
1
0
Dat
os
Boxplot Ruta ACDF
Gráfico 21. Efecto de la estación en la ruta ACDF
5. Análisis Hora
M_Hora VPTPM
txKM DF
txKM CD
txKM AC
txKM DF
txKM CD
txKM AC
txKM DF
txKM CD
txKM AC
4
3
2
1
0
Dat
a
Boxplot de Ruta ACDF
Gráfico 22. Efecto de la hora en la ruta ACDF
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 30
6. Análisis Día
M_Dia XVMLJtxK
M DF
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
4
3
2
1
0
Dat
a
Boxplot de ACDF
Gráfico 23. Efecto del día de la semana en la ruta ACDF
7. Análisis Lluvia
M_Lluvia
SUAV
ENO
MODER
ADA
FUER
TE
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
txKM D
F
txKM CD
txKM AC
4
3
2
1
0
Dat
a
Boxplot de Ruta ACDF
Gráfico 24. Efecto de la lluvia en la ruta ACDF
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 31
Ruta 2
Análisis Datos Históricos De la Ruta ABEF
1. Análisis Estación
ESTACION VPOItxK
m EF
txKm BE
txKm AB
txKm EF
txKm BE
txKm AB
txKm EF
txKm BE
txKm AB
txKm EF
txKm BE
txKm AB
4
3
2
1
0
Dat
a
Boxplot Ruta ABEF
Gráfico 25. Efecto de la estación en la ruta ABEF
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 32
2. Análisis Hora
HORA VPTPM
txKm EF
txKm BE
txKm AB
txKm EF
txKm BE
txKm AB
txKm EF
txKm BE
txKm AB
4
3
2
1
0
Dat
a
Boxplot Ruta ABEF
Gráfico 26. Efecto de la hora en la ruta ABEF
3. Análisis Día
DIA XVMLJtxKm
EF
txKm
BE
txKm A
B
txKm
EF
txKm
BE
txKm A
B
txKm
EF
txKm
BE
txKm A
B
txKm
EF
txKm
BE
txKm A
B
txKm
EF
txKm
BE
txKm A
B
4
3
2
1
0
Dat
a
Boxplot Ruta ABEF
Gráfico 27. Efecto día en la ruta ABEF
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 33
4. Análisis Lluvia
LLUVIA
SUAV
ENO
MODER
ADA
FUER
TE
txKm EF
txKm BE
txKm
AB
txKm EF
txKm BE
txKm
AB
txKm EF
txKm BE
txKm
AB
txKm EF
txKm BE
txKm
AB
4
3
2
1
0
Dat
a
Gráfica de caja de txKm AB; txKm BE; txKm EF
Gráfico 28. Efecto lluvia en la ruta ABEF
Gráfica por Tipo de Vía
4
3
2
1
0
DF
T (U
rban
a)
EF
Variable de panel: Nombre vía
Boxplot comparación tiempo Tramo Urbano
Gráfico 29. Medias de la vías Urbanas
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 34
UrbanaSecundariaAutovia
4
3
2
1
0
Tipo de Via
t po
r ru
ta
Boxplot of t por vía
Gráfico 30. Comparación distintos tipos de vías
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
-1,2
80
70
60
50
40
30
20
10
0
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
-1,2
error(previo)
Frec
uenc
ia
error(6s)Mean -0,3940StDev 0,3207N 284
error(previo)
Mean -1,44055E-16StDev 0,1490N 284
error(6s)
Normal Comparación Error Previo vs. Error 6 Sigma Autovia
Gráfico 31. Comparación error vía, tipo autovía
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 35
0,30,0-0,3-0,6-0,9-1,2
40
30
20
10
0
0,30,0-0,3-0,6-0,9-1,2
Error Previo Secundaria
Frec
uenc
ia
Error 6sigma SecundariaMedia -0,4046Desv.Est. 0,3392N 200
Error Prev io Secundaria
Media -4,77396E-17Desv.Est. 0,1910N 200
Error 6sigma Secundaria
Normal Comparación Error Previo vs. Error 6 sigma Vía Secundaria
Gráfico 32. Comparación error vía, tipo secundaria
0,60,0-0,6-1,2-1,8-2,4
60
50
40
30
20
10
0
0,60,0-0,6-1,2-1,8-2,4
Error Previo Urbana
Frec
uenc
ia
Error 6sigma UrbanaMedia -0,8932Desv.Est. 0,8268N 242
Error Previo Urbana
Media -1,82132E-16Desv.Est. 0,3627N 242
Error 6sigma Urbana
Normal Comparación Error Previo vs. Error 6sigma Vía Urbana
Gráfico 33. Comparación error vía, tipo urbana
Aplicación Seis Sigma al problema logístico de transporte
EOI, Escuela de negocio. Avda. Gregorio del Amo 6, 28040 Madrid, España 36
CONDUCTOR:
FECHA DIA HORA SALIDA LLUVIA HORA LLUVIA HORA LLUVIA HORA DE LLEGADA
LLUVIA SEGÚN NIVEL DEL PARABRISA 0 1 2 3
TRAMO A TRAMO B TRAMO C
Gráfico 34. Formato recolección de datos
top related