Evaluación de la calidad de la producción de pastas comestibles mediante Seis Sigma

Introducción

Analizar en la actualidad las razones por las cuales las empresas compiten fuertemente por los mercados, implica detenerse en el contexto empresarial y estudiar el panorama respecto a lo que concebimos como calidad, lo cual ha cambiado con el tiempo, y permanece en evolución constante. El concepto de calidad puede ser ampliamente entendido de acuerdo con la definición registrada en las normativas referentes al concepto del estándar ISO 9000 (por sus siglas en ingles Internacional Estándar Organization), el cual exigen hoy día, no solo que los procesos realizados en la organización cumplan con los requerimientos mínimos de calidad enfocados a una tasa sobre lo producido, sino que también mejoren continuamente el sistema responsable de esto en cada periodo, mejorando continuamente la forma de realizar los procesos y sus resultados operacionales ¹.

En este sentido, la calidad consiste en cumplir con los requisitos mínimos o básicos para que un bien o servicio pueda ser llamado como tal (Plataforma de navegación en línea ². Garantizar la calidad en cada etapa del proceso productivo, y a lo largo de la cadena de valor de la organización, se ha vuelto imprescindible, no solo para asegurar la satisfacción del cliente, sino también, para mantener e incluso aumentar, el grado de productividad, rentabilidad y competitividad en las organizaciones ³. La complejidad para cumplir con la anterior, y su clara importancia en la actualidad, evidencian la necesidad de sistemas de control robustos ^4,5.

La compañía objeto de esta investigación muestra un sistema de producción y distribución de pastas con procesos eficientes y eficaces regularmente, no obstante, el panorama actual respecto al control de la calidad presenta oportunidades de mejoras, lo cual exige que haya una mejora en los procesos de medición. Lo anterior, constituye la base para implementar criterios y estructuras de Seis Sigma ⁶, que permitan establecer criterios claros y métricas para medir el proceso de pastas comestibles generando de esta manera oportunidades de mejora. Consecuentemente con lo anterior y partiendo de las necesidades de la línea de producción, es necesario tener criterios claros de medición enfocándonos en los niveles de humedad y temperatura, evaluados en un tramo clave del proceso total de la producción de pasta. Considerando lo expuesto anteriormente, es importante darles respuesta a las siguientes preguntas problemas de esta investigación: ¿Cómo contextualizar las diferentes métricas de Seis Sigma en las etapas del proceso de producción de pastas? ¿Cómo valorar la calidad en las diferentes etapas del proceso productivo de pastas utilizando las métricas de Seis Sigma?, ¿Cómo analizar el desempeño de las métricas de Seis Sigma en las diferentes etapas del proceso productivo de pastas en los 12 periodos objeto de esta investigación?, con lo cual se pueda alcanzar los niveles máximo de satisfacción de la calidad y el cumplimiento de las especificaciones técnicas del producto terminado.

Para dar respuesta a los interrogantes de investigación planteados previamente, se proponen los siguientes objetivos e intencionalidades de esta investigación: i) Contextualizar las diferentes métricas de Seis Sigma a las etapas del proceso productivo de pastas. ii) Valorar la calidad en las diferentes etapas del proceso productivo de pastas utilizando las métricas de Seis Sigma. iii) Analizar el desempeño de las métricas de Seis Sigma en las diferentes etapas del proceso productivo de pastas en los 12 periodos objeto de esta investigación. De igual manera, en esta investigación se aplicaron las métricas de Seis Sigma, con el propósito de medir y tomar decisiones para reducir las no conformidades en las etapas del sistema productivo, así como también mejorar el nivel de calidad y satisfacción de dichos bienes. La aplicación de la técnica Seis Sigma fue analizada en 12 periodos de estudios en el sistema de producción objeto de esta investigación, a los que se les aplicaron los métodos y métricas básicas asociadas a los defectos por partes por millón, evaluación del rendimiento y cálculo del nivel sigma Z en los procesos analizados.

Para lograr las intencionalidades de esta investigación, este artículo presenta la siguiente estructura de desarrollo de cada una de las partes que definen el artículo de investigación. Inicialmente, se muestra la pertinencia de los elementos y conceptos teóricos de estudios internacionales aplicados de autores internacionales reconocidos, relacionados con la teoría Seis Sigma, control de la producción y calidad de productos. Seguidamente, se presenta la metodología utilizada mediante la aplicación de herramienta de mejora Seis Sigma, la cual permitió evaluar la calidad y efectividad de los procesos productivos a partir de la identificación de las dimensiones de la cadena productiva que contribuyen en mayor medida a la calidad del producto y a las métricas definidas por la técnica de Seis Sigma. El horizonte de tiempo definido para este estudio fue 12 periodos o meses, para el año 2019, de la empresa objeto de estudio. Finalmente, se presentan los resultados por cada periodo (mes) de tiempo definido de la evaluación, rendimiento y nivel Z obtenido, en el proceso de producción de pastas comestibles.

Marco referencial

Herramientas para el control de los procesos

La búsqueda constante de nuevas formas de mejorar el rendimiento y seguir siendo competitivos en el mercado, ha llevado a que las empresas tomen iniciativas relacionadas con la mejora continua para ayudar a las organizaciones a alcanzar dicho propósito, integrando de esta forma, sus procesos operativos y mejora de su capacidad para hacer rápidos cambios en las estructuras productivas ⁷. En este sentido, variados han sido los métodos que apoyan la prevención y el control de errores en los procesos industriales, entre los cuales podemos mencionar el índice de capacidad de procesos ⁸, el cual tiene como objetivo facilitar el cumplimiento de la mejora de las especificaciones estadísticas de los procesos. Otra herramienta para la mejora y el control de tolerancias está referida a la herramienta de optimización Seis Sigma, dado su aporte y contribución para alcanzar la eficiencia de los sistemas y el cumplimento de requisitos de calidad en las organizaciones ^9,10,11.

En cuanto a la efectividad de la herramienta Seis Sigma, ésta ha sido implementado por muchas organizaciones manufactureras con el propósito de reducción las no conformidades en las dimensiones de calidad evaluadas en los diferentes contextos utilizada ¹², en la reducción de residuos infecciosos en puntos médicos ¹³⁾ y en el control de fallos en pruebas de laboratorio ¹⁴, incluso en el sector de la educación ¹⁵. También ha sido de gran utilidad en procesos productivos, como en el sector automotriz ^16,17, en el ámbito de la minería ¹⁸, contribuyendo a la realización de los procesos con mejor desempeño y eficiencia en los costos del proceso ¹⁹. Sin embargo, en el campo la industria alimentaria su adopción ha sido muy baja ^20,21,22, como se evidencia en los resultados de estudios realizados en Canadá, Malasia y Brasil, los cuales para el caso de Canadá el 45% de las empresas registradas en el clúster alimentación no han aplicado herramienta alguna para la mejora continua de sus procesos ^23,24. Asimismo, Malasia muestra que 70% de las empresas del sector de comidas no tiene implementado la herramienta Lean Supply Chain Management, para el desarrollo y eficiencia de sus actividades productivas ²⁵ . Brasil por su parte, muestra que 76% de la industria alimentaria no tiene implementado la metodología Seis Sigma en sus procesos de elaboración de alimentos ²⁶.

En este orden de ideas, el Seis Sigma tiene como propósito responder a las necesidades y expectativas de los clientes, minimizando defectos y no conformidades encontradas en los productos, a fin de responder con mayor calidad, innovación y generación de valor agregado ^27,28. Así pues, la técnica Seis Sigma integra una serie de herramientas comúnmente aplicadas para la gestión de calidad, la resolución de problemas y gestión de riesgos dentro de un marco lógico efectivo que tiende a mejorar los resultados operacionales de las organizaciones ²⁹. Las metodologías Seis Sigma y Lean Seis Sigma son una secuencia de procesos centrados en mejorar los productos existentes mediante las siguientes 5 fases: definición, medida, análisis, mejora y control, o, para crear nuevos productos a partir de las fases: definir, medir, analizar, prueba de diseño y verificación ^30,31. Autores platean la pertinencia de la combinación de las herramientas Lean y Seis Sigma, en razón a su poderosa contribución en el mejoramiento del rendimiento de las organizaciones a través de una mayor satisfacción del cliente y mejores resultados finales ^(32,33,34.

Seis Sigma en el control de la calidad

La metodología Seis Sigma es un sistema de gestión que busca mejorar la eficiencia de los procesos, reduciendo defectos para lograr una mejor calidad y satisfacción del cliente ^35,36. El método estadístico Seis Sigma, proporciona un enfoque estructurado para identificar las causas de los defectos de producción y ha demostrado su efectividad para este fin, tal es el caso de las características del conjunto de datos de los procesos de manufactura de alimentos que han sido adecuadamente estudiadas mediante la anunciada herramienta de control ^{37,38,39,40,41,42)} . Otros sectores como el de la gestión de procesos han aplicado igualmente la técnica Seis Sigma, identificando los errores de raíz que disminuyen la calidad de los productos, y por consiguiente, tomando las decisiones necesarias para mejorar el objeto de estudio ⁴³. Asimismo, Priya ⁴⁴, muestra la pertinencia de la herramienta Lean Sig Sigma, en la implementación de una planta de ensamblaje automotriz para eliminar procesos sin valor agregado en la línea de ensamblaje, en la cual se detectaron de fallas en el proceso operativo, lo que permitió optimizar la ocurrencia de defectos, mejorar y mantener el rendimiento durante todo el proceso de ensamblaje automotriz.

En este sentido, se destaca la relevancia del Seis Sigma, dado que es una herramienta que se mejora y adapta constantemente a nuevos entornos, esto gracias a múltiples estudios y pruebas realizadas en diferentes escenarios productivos, como la modelación de procesos de producción biofarmaceuticos de grandes volúmenes de datos en línea ^45,46. Asimismo, la hace aplicable para ambientes más versátiles, especialmente, en áreas donde su manejo no era tan eficiente. Aplicaciones en los procesos de gestión organizacional, en áreas funcionales del talento humano, esta técnica ha tenido mayor relevancia, logrando controlar la cantidad de caídas por parte del personal, durante la realización de un proceso ⁴⁷. Seis Sigma, igualmente, ha sido utilizada, para controlar y mejorar procesos que minimicen el impacto ambiental, en relación con, la reducción del dióxido de carbono producido en hornos industriales ⁴⁸, o reduciendo contaminantes en general dentro de las fábricas ⁴⁹.

Estrategia Lean Seis Sigma para la mejora de procesos

Las metodologías Lean Seis Sigma, representan la combinación perfecta en términos de estrategia constituida ⁵⁰, la cual refleja la integración sinérgica entre dos poderosos enfoques de mejora continua ⁵¹. Este enfoque de calidad se ha convertido en una de las estrategias comerciales más utilizadas en las organizaciones con el objetivo de mejorar los procesos y reducir los costos de producción ^52,53,54 y maximizar el valor por medio del cumplimiento de los requisitos del cliente y el control estadístico de los procesos ⁵⁵. En razón de lo anterior, las técnicas Lean Seis Sigma, son desarrolladas definiendo una hoja de ruta bien establecida en sus fases (definir-medir-analizar-mejorar-controlar) en la cual, se muestran las actividades requeridas para implementar el modelo analizado y de esta forma generar mejora y evolución en el contexto intervenido ^56,52.

Metodología

El propósito de esta investigación es evaluar la calidad y efectividad de los procesos productivos, con base en las métricas de seis sigma. Por lo anterior, se procedió a analizar el proceso de producción de pastas para la organización, esto implicó identificar las dimensiones objeto de estudio (pre- secado, apéndice, humidificación, enfriamiento y anti-condensación) o partes de la cadena productiva que aportaran más a la calidad del bien y son más pertinentes para su evaluación. A partir de la información suministrada por la propia organización, por medio de fuentes primarias, se identificaron las dimensiones claves a medir, cada una correspondiente a las etapas productivas del proceso, en las cuales se enfocó, para determinar si se cumple con los requisitos mínimos de calidad, en términos de temperatura y humedad, e identificar posibles mejoras al sistema.

Se determinó como horizonte de estudio el año 2019, compuesto por 12 periodos (meses), cuyos niveles de rendimiento, DPMO y, claramente, nivel sigma se compararon entre sí, para así determinar su trayectoria, en términos de calidad. Las dimensiones de calidad sometidas a evaluación fueron i) Procesado en donde se extrae parte considerable de la humedad de la masa de la pasta, ii) Apéndice, se aplica mayor calor en menor tiempo, proceso para asegurar la menor presencia de humedad posible iii) Humidificación, se aplica vapor a la mezcla para secarla, se realiza con vapor (humedad) para no dañar la mezcla iv) Enfriamiento, se eextrae el calor de la mezcla y al mismo tiempo extrae humedad y v) Anti-condensación, proceso desarrollado a lo largo de la cadena cuyo fin es evitar la condensación de vapor cual pueda dañar el producto. En estos periodos, se determinaron como óptimos aquellos que mostraran un rendimiento igual o superior a 95%, como también, aquellos que presentaran un nivel Sigma igual o mayor a 3.

Una vez definidas las dimensiones, se adaptó la información respectiva disponible para aplicar la herramienta de evaluación, cuyas métricas obtenidas (valor de defectos por partes por millón, rendimiento y nivel Z), sirvieron para evaluar el proceso de acuerdo al criterio proporcionado por los fundamentos y teorías del método implementado. Por último, se presentan las conclusiones haciendo uso de los resultados de las métricas de Seis Sigma obtenidas en el proceso, y las acciones de control del proceso de manufactura de las pastas, para mejorar y optimizar el sistema productivo. En la Figura 1 se presenta el método de evaluación aplicado al proceso de producción.

Figura 1 Método de evaluación y análisis de la calidad de la producción Fuente: Autores.

Para continuar con el desarrollo de la presentación de la investigación, es necesario explicar la estructura o proceso a analizar, esto con el fin de facilitar la comprensión de la información al momento de comparar las métricas con el panorama evaluado. Mediante la Figura 2, se puede contemplar la secuencia y funciones de cada etapa del proceso objeto de estudio

Figura 2 Esquema de proceso secado de la pasta Fuente: Autores.

Definición de las métricas Seis Sigma en la calidad del proceso productive

Con base en la información de los registros de la industria alimenticia objeto de esta investigación, se pudo evaluar el desempeño de las dimensiones estudiadas con base en las métricas de evaluación para el proceso, dichas métricas se describen a continuación así: O: oportunidad de error; U: producción por periodo; n: cantidad de fallas identificadas en la producción durante el periodo; Y: rendimiento productivo de la etapa; DPMO: Defectos de partes por millón por etapa. Las fórmulas para obtener las métricas DPMO, Y (rendimiento) y Z (nivel Sigma), se presentan a continuación:

Y = 1 - n U * O (1)

D P M O = n U * O * 1000000 (2)

Z = 0,8406 + 29,3 - ln ⁡ D P M O * 2,221 (3)

Teniendo en cuenta que el proceso consiste en la regulación y constante extracción de la humedad del producto en proceso para asegurar su calidad, se determina como fallas en la cadena aquellos que incumplieran con los requerimientos claves en cuanto humedad y temperatura óptimos, por lo anterior, se determina como número de oportunidades de error, al número de aspectos claves a cumplir de una etapa en el proceso, para que sea considerado óptimo.

Resultados

Los resultados consolidados anuales del análisis y tabulación del proceso de pasta se pueden apreciar por etapa en la Tabla 1. donde se presenta el producto conforme y no conforme por periodo en cada etapa.

Tabla 1 Consolidado producto conforme y no conforme en la fase de Pre-secado Pre - Secado Periodos Total Producto Conforme Producto no Conforme Enero 44640 40984,70431 3655,295692 Febrero 41760 37097,47573 4662,524272 Marzo 44640 39642,87448 4997,125524 Abril 43200 37862,39219 5337,607811 Mayo 44640 39651,18539 4988,814613 Junio 43200 38408,98511 4791,014894 Julio 44640 39223,28467 5416,715333 Agosto 44640 38611,7726 6028,227403 Septiembre 43200 37543,94904 5656,050955 Octubre 44640 38002,2371 6637,762904 Noviembre 43200 42052,5 1147,5 Diciembre 44640 40648,75 3991,25 Apéndice Periodos Total Producto Conforme Producto no Conforme Enero 44640 42715,4616 1924,5384 Febrero 41760 41760 0 Marzo 44640 42286,27169 2353,728307 Abril 43200 41280,78112 1919,218877 Mayo 44640 42837,94753 1802,052474 Junio 43200 41377,58607 1822,413933 Julio 44640 42280,58901 2359,410991 Agosto 44640 42012,64985 2627,350146 Septiembre 43200 40965,49432 2234,505677 Octubre 44640 42495,35564 2144,644356 Noviembre 43200 43200 0 Diciembre 44640 44640 0 Humidificacion Periodos Total Producto Conforme Producto no Conforme Enero 44640 42270,82687 2369,173134 Febrero 41760 41383,52288 376,4771151 Marzo 44640 42663,51492 1976,485075 Abril 43200 41890,6428 1309,357201 Mayo 44640 43426,56975 1213,430247 Junio 43200 41668,23472 1531,76528 Julio 44640 42606,45905 2033,540949 Agosto 44640 42745,07875 1894,921251 Septiembre 43200 41591,58128 1608,418721 Octubre 44640 42594,1055 2045,894498 Noviembre 43200 43027,5 172,5 Diciembre 44640 44113 527 Enfriamiento Periodos Total Producto Conforme Producto no Conforme Enero 44640 42450,00803 2189,991972 Febrero 41760 39674,89598 2085,104022 Marzo 44640 42295,70277 2344,297226 Abril 43200 39282,47356 3917,526444 Mayo 44640 41408,60872 3231,391283 Junio 43200 40398,9908 2801,009197 Julio 44640 40779,90852 3860,091484 Agosto 44640 40506,69385 4133,306152 Septiembre 43200 39638,8812 3561,118804 Octubre 44640 40746,97674 3893,023256 Noviembre 43200 43027,5 172,5 Diciembre 44640 43175,25 1464,75 Anti - Condensación Periodos Total Producto Conforme Producto no Conforme Enero 44640 32478,24458 12161,75542 Febrero 41760 41760 0 Marzo 44640 43814,10678 825,8932182 Abril 43200 42317,72172 882,278275 Mayo 44640 44349,30747 290,6925342 Junio 43200 42522,60112 677,3988769 Julio 44640 43998,05 641,9499969 Agosto 44640 43490,71779 1149,282215 Septiembre 43200 42028,91166 1171,088341 Octubre 44640 43649,96937 990,0306296 Noviembre 43200 43200 0 Diciembre 44640 44640 0 Fuente: Autores.

La Tabla 1, muestran detalladamente la relación, entre lo obtenido por los datos disponibles del registro, y, lo que, siguiendo una dinámica, se obtendría en el periodo total, esto con el fin de hacer posible una evaluación comparativa del desempeño general de cada área a lo largo del horizonte. Es así como, en la Tabla 1, se observa la cantidad de producto procesado por etapa y periodo, de forma tal, que se puede establecer una relación entre unidades conformes y no conformes en cada paso. En este sentido, es necesario reiterar que, para garantizar la calidad del producto, se debe cumplir tanto con la temperatura y humedad exigida. Son considerados productos no conformes aquellos que no hayan cumplido con los dos aspectos anteriores, no obstante, la etapa de anti-condensación es la única que exceptúa a la regla, dado que solo requiere cumplir con la temperatura óptima. Se acepta un error o diferencia de 5 grados tanto por encima, como por debajo entre el grado requerido y la variable en todas las etapas.

Asimismo, se observa que, en la primera etapa de pre-secado de la masa, una vez comienza a procesar el material, éste tiende a aumentar el producto no conforme hasta llegar a un punto en el que se permite variar, y el apéndice, muestra una tendencia menos pronunciada, demostrando que es una de las etapas que mayor control mantienen durante la producción, llegando incluso a generar registros muy bajos de producto no conforme en ocasiones (Tabla 1). La etapa de humidificación muestra una clara variabilidad en cuanto a producto no conforme, no obstante, siempre son niveles aceptables.

En la etapa de enfriamiento, tiende a incrementar sus fallos a lo largo del horizonte, esto último, no es razón de alarma, es normal, dado que esta fase requiere de una mayor adaptabilidad, en razón a que la temperatura tiende a reducir en el material, siendo esta comúnmente variable, sin embargo, esta etapa no cuenta con una capacidad de adaptación ideal, para alcanzar los niveles de humedad y temperatura requeridos para procesar efectivamente la masa, lo que es aceptado, dado que la función clave de esta fase es meramente reducir el exceso de calor (Ver Tabla 1). Por último, en la etapa de anti-condensación, y quizás la más importante, se observa que es la fase que menos fallos presenta, y contrariamente, la de mayor control, la cual es aplicado a lo largo del proceso, generando un mayor impacto a lo largo de toda la cadena productive

. En cuanto al cálculo de las métricas de Seis Sigma, respecto a los registros obtenidos sobre el proceso productivo evaluado en la fábrica, se muestran consolidadas de forma anual en las Tablas 2, 3, 4, 5 y 6. En cada una de estas tablas, se presentan las métricas de evaluación y análisis de las dimensiones de calidad de la cadena productiva. Se puede observar que, los criterios analizados, alcanzan el nivel mínimo Sigma Z=3, concretamente el 95% de los registros totales, encontrando que el desempeño promedio por etapa más alto encontrado representa un Sigma Promedio Z= 4,068, en la etapa de humidificación. En resumen, en términos de nivel sigma, el proceso ha demostrado un desempeño bueno a lo largo del horizonte de los 12 meses de evaluación, a excepción de agosto y octubre en cuanto la fase de pre-secado, y en mes enero, respecto a la etapa de anti-condensación.

Tabla 2 Cálculo de las métricas de Seis Sigma a etapa Pre-Secado Pre-secado Periodos U O n DPMO Y Z Enero 33633 2 2754 40941,932 95,91% 3,23082588 Febrero 1442 2 161 55825,2427 94,42% 3,08214216 Marzo 33133 2 3709 55971,388 94,40% 3,08084652 Abril 24580 2 3037 61777,8682 93,82% 3,03137194 Mayo 37009 2 4136 55878,2999 94,41% 3,08167148 Junio 36861 2 4088 55451,5613 94,45% 3,08546706 Julio 31918 2 3873 60671,0947 93,93% 3,04051647 Agosto 30413 2 4107 67520,4682 93,25% 2,98584282 Septiembre 32499 2 4255 65463,5527 93,45% 3,00179836 Octubre 35260 2 5243 74347,7028 92,57% 2,93538772 Noviembre 5760 2 153 13281,25 98,67% 3,70653526 Diciembre 5760 2 515 44704,8611 95,53% 3,18961955 Fuente: Autores.

Tabla 3 Cálculo de las métricas de Seis Sigma a etapa Apéndice Apéndice Periodos U O n DPMO Y Z Enero 33633 2 1450 21556,2097 97,84% 3,51229065 Febrero 1442 2 0 0 100,00% 6 Marzo 33133 2 1747 26363,4443 97,36% 3,42726031 Abril 24580 2 1092 22213,1814 97,78% 3,49978262 Mayo 37009 2 1494 20184,2795 97,98% 3,53948562 Junio 36861 2 1555 21092,7539 97,89% 3,52130941 Julio 31918 2 1687 26427,0944 97,36% 3,42622484 Agosto 30413 2 1790 29428,205 97,06% 3,37960702 Septiembre 32499 2 1681 25862,3342 97,41% 3,43548616 Octubre 35260 2 1694 24021,5542 97,60% 3,46689477 Noviembre 5760 2 0 0 100,00% 6 Diciembre 5760 2 0 0 100,00% 6 Fuente: Autores.

Tabla 4 Cálculo de las métricas de Seis Sigma a etapa Humidificación Humidificación Periodos U O n DPMO Y Z Enero 33633 2 1785 26536,4374 97,35% 3,42445087 Febrero 1442 2 13 4507,62829 99,55% 4,09844558 Marzo 33133 2 1467 22138,0497 97,79% 3,50119712 Abril 24580 2 745 15154,5972 98,48% 3,65494228 Mayo 37009 2 1006 13591,2886 98,64% 3,69757981 Junio 36861 2 1307 17728,7648 98,23% 3,59234163 Julio 31918 2 1454 22777,1164 97,72% 3,48929225 Agosto 30413 2 1291 21224,4764 97,88% 3,51872922 Septiembre 32499 2 1210 18615,9574 98,14% 3,57256432 Octubre 35260 2 1616 22915,485 97,71% 3,48675176 Noviembre 5760 2 23 1996,52778 99,80% 4,36512194 Diciembre 5760 2 68 5902,77778 99,41% 4,00519491 Fuente: Autores.

Tabla 5 Cálculo de las métricas de Seis Sigma a etapa Enfriador Enfriador Periodos U O N DPMO Y Z Enero 33633 2 1650 24529,48 97,55% 3,45803227 Febrero 1442 2 72 24965,3259 97,50% 3,45054921 Marzo 33133 2 1740 26257,8094 97,37% 3,42898342 Abril 24580 2 2229 45341,7413 95,47% 3,18292257 Mayo 37009 2 2679 36193,8988 96,38% 3,28742439 Junio 36861 2 2390 32419,0879 96,76% 3,3369128 Julio 31918 2 2760 43235,7917 95,68% 3,20536308 Agosto 30413 2 2816 46295,9918 95,37% 3,17302739 Septiembre 32499 2 2679 41216,6528 95,88% 3,2277168 Octubre 35260 2 3075 43604,6512 95,64% 3,20137036 Noviembre 5760 2 23 1996,52778 99,80% 4,36512194 Diciembre 5760 2 189 16406,25 98,36% 3,62345239 Fuente: Autores.

Tabla 6 Cálculo de las métricas de Seis Sigma a etapa Anti - Condensación Anti-Condensación Periodos U O n DPMO Y Z Enero 33633 1 9163 272440,758 72,76% 2,06689241 Febrero 1442 1 0 0 100,00% 6 Marzo 33133 1 613 18501,1922 98,15% 3,57507684 Abril 24580 1 502 20423,1082 97,96% 3,53464122 Mayo 37009 1 241 6511,92953 99,35% 3,97054096 Junio 36861 1 578 15680,5296 98,43% 3,6414483 Julio 31918 1 459 14380,6003 98,56% 3,67555253 Agosto 30413 1 783 25745,5693 97,43% 3,43742198 Septiembre 32499 1 881 27108,5264 97,29% 3,41526744 Octubre 35260 1 782 22178,1055 97,78% 3,50044249 Noviembre 5760 1 0 0 100,00% 6 Diciembre 5760 1 0 0 100,00% 6 Fuente: Autores.

Todo lo anterior, revela que la empresa está muy comprometida con su deber de producir con la mayor calidad, mejorar continuamente sus procesos y mantener satisfechos a sus clientes. Por lo que en términos globales se puede observar que el promedio global del rendimiento Y para todo el proceso alcanzo un valor de 96,89 %. Y el nivel sigma Z global promedio de las etapas del proceso evaluado alcanzó un valor de 3,67 a nivel global. Por lo que podemos señalar que tanto el desempeño periódico como el desempeño global de las etapas del proceso evaluado cumple con los criterios para afirmar que el proceso productivo evaluado tiene un desempeño bueno.

También de los datos calculados, se puede determinar que se ha mantenido un proceso productivo efectivo a lo largo del periodo de estudio, las métricas calculadas para el rendimiento estuvieron por encima del 95% en su mayoría. Salvo, para el caso del proceso pre-secado se alcanzó un rendimiento promedio por debajo del 95%, como se puede observar a continuación. Sin embargo, los valores están muy cerca de los valores mínimos establecidos. El rendimiento promedio anual para cada proceso fue el siguiente: Procesado 94,57%, Apéndice 98,19%, Humidificación 98,39%, Enfriamiento 96,81 y anticondensado 96,48%. El nivel sigma promedio anual fue: Procesado 3,12, Apéndice 4,1, Humidificación 3,7, Enfriamiento 3,41 y anticondensado 4,068.

De los resultados anuales se puede señalar que el proceso de producción y sus etapas cumplen las condiciones mínimas para aseverar que el proceso productivo está bajo control. Cuando se revisan los resultados de forma global la evidencia empírica, muestra en la totalidad de periodos de la investigación, que los procesos Pre-Secado poseen un Y de 94,5 % y Z de 3,12, El proceso de Apéndice posee un E igual a 98,19 % y Z de 4,1, el proceso de Humificación posee un Y de 98,39% y Z igual a 3,7, el proceso de Enfriador posee un Y de 96,81% y un Z igual a 3,41, y finalmente el proceso de Anti-Condensación posee un Y 96,48% y Z igual a 4,068, es claro que el desempeño del mes de enero para este proceso es un valor atípico y obedece a una causa atribuible en el proceso. Por todo lo anterior, se puede señalar que el desempeño del proceso productivo analizado de forma puntual y de forma integral evidenció un desempeño bueno en todo el sistema productivo.

Discusión

La evidencia empírica de los resultados muestra como hallazgo que el desempeño de las etapas de proceso productivo, en todas sus etapas está por encima de un nivel sigma de 3 y un rendimiento del 90% lo cual permite señalar que el proceso en su integralidad es bueno. En el proceso de procesado se observa un desempeño en las métricas que cumple de manera ajustada.

Este trabajo de investigación muestra la pertinencia para valorar las etapas de producción de un proceso de producción de alimentos. De igual forma esta investigación establece un precedente para la aplicación de Seis sigma en sectores de la producción de alimentos. La presente investigación muestra el proceso productivo de producción de la pasta, También se presentan los resultados de rendimiento promedio y el nivel sigma promedio, lo cual se constituye en un referentes para gestionar la evolución y mejorar el desempeño de estas métricas a futuro. En cuanto al factor humedad evaluado, se debe señalar que este el más relevante, esto en términos de salubridad, dado que, dependiendo del nivel presente y como se maneje en cada etapa, se reducirá o aumenta, el tiempo de caducidad del alimento, es decir, una mayor concentración(humedad) de éste en el producto contribuirá al crecimiento microbiano, aumentando el riesgo de generar problemas de salud a los cliente ⁵⁷, la compañía evidenció por medio del uso de las métricas señaladas, que cumple con el control óptimo de este aspecto. Con esto demuestra el claro compromiso con el bienestar del cliente, entre otros aspectos claves a considerar en esta investigación.

Asimismo, el valor del método utilizado en esta investigación, se pudo comprobar, en relación con otras investigaciones similares, donde también se realizó evaluación de la calidad por medio de Seis Sigma en diferentes sectores, como en el manufacturero, en donde se demostró que la técnica Seis Sigma, es confiable dado que permitió identificar fallas en un proceso de producción, con lo cual, a partir de los análisis se logró disminuir la posibilidad de falla de 7.8% a 1.54% ⁵⁸. Otra evidencia de la confianza y utilidad del método empleado fue estudiada por Ben en India ⁵⁹, en una fábrica manufacturera, en el cual se logró disminuir exitosamente los defectos internos a 6000 DPMO de 16,000 DPMO; y los impactos ambientales se redujeron a 33 puntos de 42 que estaban inicialmente. Asimismo, otras investigaciones relacionadas, identificaron en un conjunto empresas, la importancia de aplicación de Seis Sigma, lo cual permitió mejorar el rendimiento operacional de estas empresas, evidenciando que dichas compañías eran más efectivas operativamente, debido a la efectividad de Seis Sigma ^60,61,62,63.

Conclusiones

De los resultados y hallazgos de esta investigación, podemos señalar como las principales conclusiones las siguientes:

Como contribución teórica se aporta la articulación de los conceptos de un sistema productivo de pastas comestibles, los conceptos de Seis Sigma y sus métricas. Estructurado por medio de un método de valoración del desempeño y la evolución de las etapas del proceso productivo objeto de estudio, con el propósito de generar una mejora en este.

Así mismo como contribución practica y única de esta investigación, se aporta un método para evaluar el desempeño de las métricas de Seis Sigmas en las diferentes etapas de un proceso productivo. Y como aporte diferenciador de este trabajo de investigación, se entrega al sector productivo un método de evaluación para las etapas de producción soportado en las métricas de Seis Sigma, es decir rendimiento Y, defectos en parte por millón DPMO y el nivel sigma Z del proceso. Lo que se constituye en una herramienta operativa, novedosa para valorar el desempeño de cada una de las etapas de un proceso productivo. Y en función de los resultados de las evaluaciones de todas las etapas, tomar las decisiones pertinentes referentes a la planeación, el control y mejora de dicho proceso de producción. Lo cual es replicable en otros sectores productivos.

Finalmente, como futuras investigaciones se invita a la comunidad científica a aplicar el método propuesto en otros sistemas productivos, como las organizaciones de servicio, en donde también es aplicable. De igual manera, sería importante analizar estas dimensiones del sistema productivo con otras técnicas de calidad como los gráficos de control multivariantes, que permitirían evaluar el desempeño del servicio de forma periódica y de forma global. O utilizar un análisis de eficiencia que permite valorar el nivel de eficiencia de las métricas de Seis Sigma del proceso productivo objeto de esta investigación.

Referencias

1. ISO. ISO 9000: 2015, Quality management systems. Fundamentals and vocabulary (ISO 9000: 2015),. European Committee for Standardization: Brussels; 2018.
2. OPB. Plataforma de navegación en línea, ISO 9000:2015(es) Sistemas de gestión de la calidad - Fundamentos y vocabulario. 2015. Publisher Full Text
3. Morelos J, Fontalvo T. J., De La Hoz E.. Behaviour of Productivity Indicators and Financial resources in the field of extraction and exploitation of minerals in Colombia. International Journal of Productivity and Quality Management. 2018; 25(3):349-367. DOI
4. Phan A. C., Nguyen M. H, Luong H, Matsui Y. ISO 9000 implementation and performance: empirical evidence from Vietnamese companies. International Journal of Productivity and Quality Management. 2016; 18(1):53-77. Publisher Full Text
5. Akhmetova S, Suleimenova M. Quality management system for improvement of quality and efficiency of food production: case of dairy products enterprise. Entrepreneurship and Sustainability Issues. 2018; 6(1):289-310. Publisher Full Text
6. Cudney E, Venuthurumilli S, Materla T, Antony J. Systematic review of Lean and Seis Sigma approaches in higher education. Total Quality Management & Business Excellence. 2020; 31(3-4):231-244. Publisher Full Text
7. Anand G, Ward P, Tatikonda M, Schilling D. Dynamic capabilities through continuous improvement infrastructure. Journal of operations management. 2009; 27(6):444-461. Publisher Full Text
8. Khamkanya A, Cho B, Goethals P. The development of target-based posterior process capability indices and confidence intervals. International Journal of Quality Engineering and Technology. 2017; 6(4):269-301. Publisher Full Text
9. Garza J. Green lean and the need for Seis Sigma. International Journal of Lean Seis Sigma. 2015; 6(3):226-248. Publisher Full Text
10. Torres P. Applying holonic manufacturing for effective Seis Sigma projects. International Journal of Seis Sigma and Competitive Advantage. 2017; 10(3-4):201-220. Publisher Full Text
11. Mahasneh J, Thabet W. Utilising design for Seis Sigma to implement soft skills in construction education. International Journal of Seis Sigma and Competitive Advantage. 2017; 10(3-4):157- 178. Publisher Full Text
12. Montella E, Di Cicco M, Ferraro A, Centobelli P, Raiola E, Triassi M, Improta G. The application of Lean Seis Sigma methodology to reduce the risk of healthcare-associated infections in surgery departments. Journal of evaluation in clinical practice. 2017; 23(3):530-539. Publisher Full Text
13. Nabiyouni N, Franchetti M. Applying Lean Seis Sigma methods to improve infectious waste management in hospitals. International Journal of Seis Sigma and Competitive Advantage. 2019; 11(1):1-22. Publisher Full Text
14. Sawalakhe P, Deshmukh S, Lakhe R. Review of Seis Sigma applications in clinical testing laboratory. International Journal of Seis Sigma and Competitive Advantage. 2016; 10(2):77-97. Publisher Full Text
15. Wiegel V, Brouwer-Hadzialic L. Lessons from higher education: adapting lean Seis sigma to account for structural differences in application domains. International Journal of Seis Sigma and Competitive Advantage. 2015; 9(1):72-85. Publisher Full Text
16. Pugna A, Negrea R, Miclea S. Using Seis sigma methodology to improve the assembly process in an automotive company. Procedia-Social and Behavioral Sciences. 2016; 221:308-316. Publisher Full Text
17. Suresh K, Asokan P, Vinodh S. Application of design for Seis Sigma methodology to an automotive component. International Journal of Seis Sigma and Competitive Advantage. 2016; 10(1):1-23. Publisher Full Text
18. Indrawati S, Ridwansyah M. Manufacturing continuous improvement using lean Seis sigma: An iron ores industry case application. Procedia Manufacturing. 2015; 4(1):528-534. Publisher Full Text
19. Surange V. Implementation of Seis Sigma to Reduce Cost of Quality: A Case Study of Automobile Sector. Journal of Failure Analysis and Prevention. 2015; 15(2):282-294. Publisher Full Text
20. Dora M, Van Goubergen D, Kumar M, Molnar A, Gellynck X. Application of lean practices in small and medium-sized food enterprises. British Food Journal. 2014; 116(1):125-141. Publisher Full Text
21. Lim S, Antony J, Arshed N, Albliwi S. A systematic review of statistical process control implementation in the food manufacturing industry. Total Quality Management & Business Excellence. 2017; 28(1-2):176-189. Publisher Full Text
22. Porter J, Xie A, Challinor K, Cochrane S, Howden M, Iqbal D, Lobell D, Travasso M. Climate Change 2014: Impacts, Adaptation, and Vulnerability”. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press: Cambridge, United Kingdom; 2017. Publisher Full Text
23. Cortese R, Veiros M, Feldman C, Cavalli S. Food safety and hygiene practices of vendors during the chain of street food production in Florianopolis, Brazil: A cross-sectional study. Food Control. 2016; 62(1):178-186. Publisher Full Text
24. Scott B, Wilcock A, Kanetkar V. A survey of structured continuous improvement programs in the Canadian food sector. Food Control. 2009; 20(3):209-217. Publisher Full Text
25. Manzouri M, Rahman M, Saibani N, Zain C. Lean supply chain practices in the Halal food. International Journal of Lean Seis Sigma. 2013; 4(4):389-408. Publisher Full Text
26. Santos A, Antonelli S. Application of statistical approach in the context of quality management: A study in food industries in the state of São Paulo. Aplicação da abordagem estatística no contexto da gestão da qualidade: Um survey com indústrias de alimentos de São Paulo. Gestão & Produção. 2011; 18(3):509-524. Publisher Full Text
27. Liverani A, Caligiana G, Frizziero L, Francia D, Donnici G, Dhaimini K. Design for Seis Sigma (DFSS) for additive manufacturing applied to an innovative multifunctional fan. International Journal on Interactive Design and Manufacturing. 2019; 13(1):309-330. Publisher Full Text
28. Vergara I, López J. Lean, Seis Sigma y Herramientas Cuantitativas: Una Experiencia Real en el Mejoramiento Productivo de Procesos de la Industria Gráfica en Colombia//Lean, Seis Sigma and Quantitative Tools: A Real Experience in the Productive Improvement of the Processes. Revista de Métodos Cuantitativos para la Economía y la Empresa. 2019; 27(1):259-284. Publisher Full Text
29. Prajogo D, Oke A, Olhager J. Supply chain processes: Linking supply logistics integration, supply performance, lean processes and competitive performance. International Journal of Operations & Production Management. 2016; 36(2):220-238. Publisher Full Text
30. Caligiana G, Liverani A, Francia D, Frizziero L, Donnici G. Integrating QFD and TRIZ for innovative design. Journal of Advanced Mechanical Design. Systems, and Manufacturing. 2017; 11(2)Publisher Full Text
31. Albliwi S, Antony J, Lim S. A systematic review of Lean Seis Sigma for the manufacturing industry. Business Process Management Journal. 2015; 21(3):665-691. Publisher Full Text
32. Aqlan F, Al-fandi L. Prioritizing process improvement initiatives in manufacturing environments. International Journal of Production Economics. 2018; 196(1):261-268. Publisher Full Text
33. D'Andreamatteo A, Ianni L, Lega F, Sargiacomo M. Lean in healthcare: A comprehensive review. Health Policy. 2015; 119(9):1197-1209. Publisher Full Text
34. Raak N, Symmank C, Zahn S, Aschemann-Witzel J, Rohm H. Processing-and product-related causes for food waste and implications for the food supply chain. Waste management. 2017; 61(1):461-472. Publisher Full Text
35. Mishra N, Rane S. Prediction and improvement of iron casting quality through analytics and Seis Sigma approach. International Journal of Lean Seis Sigma. 2019; 10(1):189-210. Publisher Full Text
36. Trehan R, Gupta A, Handa M. Implementation of Lean Seis Sigma framework in a large scale industry: a case study. International Journal of Seis Sigma and Competitive Advantage. 2019; 11(1):23-41. Publisher Full Text
37. Babiceanu R, Seker R. Big Data and virtualization for manufacturing cyber-physical systems: A survey of the current status and future outlook. Computers in Industry. 2016; 81(1):128-137. Publisher Full Text
38. Hou M, Grazia C, Malorgio G. Food safety standards and international supply chain organization: A case study of the Moroccan fruit and vegetable exports. Food Control. 2015; 55(1):190-199. Publisher Full Text
39. Webb M. Food Safety, Market Organization, Trade and Development. Springer: Cham; 2015. Publisher Full Text
40. Sarkar N. Instrumental methods for quality assurance in foods. Routledge; 2017.
41. Singh T, Ahuja I. Evaluating manufacturing performance through strategic total productive maintenance implementation in a food processing industry. International Journal of Productivity and Quality Management. 2017; 21(4):429-442. Publisher Full Text
42. Ling E, Wahab S. Integrity of food supply chain: going beyond food safety and food quality. International Journal of Productivity and Quality Management. 2020; 29(2):216-232. Publisher Full Text
43. Niñerola A, Sánchez M, Hernández A. Quality improvement in healthcare: Seis Sigma systematic review. Health Policy. 2020; 124(4):438-445. Publisher Full Text
44. SJayakumar V, Kumar S. Defect analysis and lean Seis sigma implementation experience in an automotive assembly line. Materials Today: Proceedings. 2020; 22(1):948-958. Publisher Full Text
45. Fahey W, Jeffers P, Carroll P. A business analytics approach to augment Seis sigma problem solving: A biopharmaceutical manufacturing case study. Computers in Industry. 2020; 116(1):103-153. Publisher Full Text
46. Deshmukh V, Mukti S, Agrawal A. Advances in Industrial and Production Engineering. Lecture Notes in Mechanical Engineering. Springer: Singapore; 2019. Publisher Full Text
47. Kubilius A, Winfrey K, Mayer C, Johnson G, Wilson T. Applying Lean Seis Sigma tools to reduce the rate of slips, trips and falls for Joint Commission field staff. International Journal of Seis Sigma and Competitive Advantage. 2015; 9(1):37-55. Publisher Full Text
48. Sen P. Application of ANN in Seis Sigma for CO modelling and energy efficiency of blast furnace: a case study of an Indian pig iron manufacturing organization. International Journal of Seis Sigma and Competitive Advantage. 2015; 9(2-4):109-125. Publisher Full Text
49. Fatemi S, Franchetti M. An application of sustainable lean and green strategy with a Seis Sigma approach on a manufacturing system. International Journal of Seis Sigma and Competitive Advantage. 2016; 10(1):62-75. Publisher Full Text
50. Belhadi A, Kamble S, Zkik K, Cherrafi A, Touriki F. The integrated effect of Big Data Analytics, Lean Seis Sigma and Green Manufacturing on the environmental performance of manufacturing companies: The case of North Africa. Journal of Cleaner Production. 2020; 252(1):1-14. Publisher Full Text
51. Cherrafi A, Elfezazi S, Govindan K, Garza-Reyes J, Benhida K, Mokhlis A. A framework for the integration of Green and Lean Seis Sigma for superior sustainability performance. International Journal of Production Research. 2017; 55(15):4481-4515. Publisher Full Text
52. Gijo E, Palod R, Antony J. Lean Seis Sigma approach in an Indian auto ancillary conglomerate: a case study. Production Planning & Control. 2018; 29(9):761-772. Publisher Full Text
53. Ferryanto L. Structuring a design for Seis Sigma project: paper helicopter robust and optimal design. International Journal of Seis Sigma and Competitive Advantage. 2015; 9(2-4):150-173. Publisher Full Text
54. Arnheiter E, Maleyeff J. The integration of lean management and Seis Sigma. The TQM Magazine. 2005; 17(1):5-18. Publisher Full Text
55. Laureani A, Antony J. Leadership and Lean Seis Sigma: a systematic literature review. Total Quality Management & Business Excellence. 2019; 30(1-2):53-81. Publisher Full Text
56. Haerizadeh M, Vijaya Sunder M. Impacts of Lean Seis Sigma on improving a higher education system: a case study. International Journal Quality Reliable Management. 2019; 36(6):983-998. Publisher Full Text
57. Ministerio de salud y protección social. Calidad e inocuidad de alimentos. 2020. Publisher Full Text
58. Misra R, Chauhan A. Seis Sigma approach for reducing rejection of in-house cast component. International Journal of Seis Sigma and Competitive Advantage. 2015; 9(2-4):208- 221. Publisher Full Text
59. Ben R, Vinodh S, Asokan P. Implementation of Lean Seis Sigma framework with environmental considerations in an Indian automotive component manufacturing firm: a case study. Production Planning & Control. 2017; 28(15):1193-1211. Publisher Full Text
60. Alhuraish I, Robeldo C, Kobi A, Azzabi L. Analytic hierarchy process used to estimate the performance of companies that implement lean manufacturing and Seis Sigma. International Journal of Seis Sigma and Competitive Advantage. 2017; 10(3-4):179-200. Publisher Full Text
61. Santos M. Lean Seis Sigma-Behind the Mask. 2019. Publisher Full Text
62. Polo Bornachera K, López Juvinao D.D., Henríquez Jaramillo A. Transferencia tecnológica para la producción limpia en la minería de materiales aluviales en La Guajira, Colombia. Investigación e Innovación en Ingenierías. 2020; 8:6-20. Publisher Full Text
63. Yadav G, Desai T. Lean Seis Sigma: a categorized review of the literature. International Journal of Lean Seis Sigma. 2016; 7(1):2-24. Publisher Full Text