La estadística y los belts: ¿Cuál es la cantidad adecuada? ¿Cuál es la profundidad adecuada?

Este artículo de Paul Sheehy, especialista en capacitación técnica de Minitab. Inc., aborda las diferencias en la forma de enseñar a los Green Belts y Black Belts Six Sigma en diferentes organizaciones, e identifica siete maneras en las que el software de herramientas estadísticas puede apoyar a los profesionales de la calidad.

Las diferentes organizaciones enseñan estadística a sus belts Six Sigma a niveles de alcance y profundidad significativamente diferentes. He visto muchos Master Black Belts (MBB) que están altamente calificados desde el punto de vista práctico y algunos que no saben la diferencia entre una prueba t para 2 muestras y una prueba t pareada. En general, a los Black Belts (BB) se les enseña estadística a un nivel menos intensivo, porque pueden recurrir a sus MBB en busca de ayuda. Sin embargo, son los Green Belts (GB) y—si me permiten acuñar el término—los BB de nivel básico quienes parecen mostrar la mayor variación en lo que respecta a conocimiento estadístico.

Es importante resaltar que muchas organizaciones creen en conjunto estándar de conocimientos que todos los BB deberían dominar. Este concepto de BB profesional certificado es válido, pero por ahora nos enfocaremos en los GB y los BB de nivel básico. El conjunto de herramientas enseñado a estas personas puede ser más apropiado si está vinculado a su campo, fábrica u oficina en particular. Si no hay nadie en la organización que utilice ciertas herramientas, podría ser “interesante” enseñarlas, pero hacerlo también podría ser un “desperdicio de procesamiento”.

Algunas organizaciones proporcionan a los GB el mismo nivel de capacitación que a los BB. La justificación es que ambos necesitan el mismo conjunto de herramientas, ya que la diferencia principal entre un GB y un BB en estas organizaciones es que uno trabaja en los proyectos a tiempo parcial y el otro a tiempo completo. Otras organizaciones tratan a los GB como simples miembros del equipo. Estos GB aprenden la importancia de los datos y el concepto de Análisis y Control, pero es posible que no se les permita tener acceso a los paquetes estadísticos. Este último enfoque, desafortunadamente, tiene una base lógica:  la estadística puede ser complicada, tiene una característica de “o se usa o se pierde” y puede ser peligrosa en manos mal entrenadas. Los posibles peligros incluyen la selección de una herramienta inadecuada, uso de pruebas sin verificar los supuestos, uso de muestras de tamaño insuficiente, uso de datos que no son dignos de confianza o simplemente interpretación errónea de los análisis.

¿Cuáles son algunas de las posibles soluciones?

En primer lugar, las compañías que desarrollan software de herramientas estadísticas deben reconocer el hecho de que la mayoría de sus usuarios no son especialistas en estadística, y su software debe permitir ingresar datos y obtener resultados en un inglés (o francés o chino) claro. Consideremos el adagio que dice que “Si tu única herramienta es un martillo, todos los problemas te parecerán un clavo”.  En pocas palabras, el software debe ofrecer un conjunto básico de herramientas para un GB y uno avanzado para un MBB, y debería ser confortable para ambos usuarios. Lo ideal es obtener un paquete de software que sea adecuado para el aprendiz y para el experto. Esto tiene dos ventajas claras. Primero, a medida que los GB avanzan para convertirse en BB y quizás en MBB, la herramienta que utilizan se mantiene constante. Además, los MBB utilizan la misma herramienta independientemente de que estén realizando un análisis avanzado o ayudando a un GB.

Segundo, el software, siempre que sea posible, debería validar los supuestos de forma automática y mostrar advertencias claras en un lenguaje fácilmente comprensible al proporcionar los resultados estadísticos. En el caso de los GB, no me siento a gusto con una salida que no proporcione ningún tipo de verificación de los supuestos (con la expectativa de que el usuario sabe cómo y en efecto valida todos los supuestos) ni con las “cajas negras” que dan "LA" respuesta sin informar sobre la cantidad y la calidad de los datos y el estado de los supuestos.

Tercero, el software debe guiar o, mejor aun, dirigir semi automáticamente a los GB a través de una secuencia lógica de acciones cuyo resultado sea un análisis adecuado. Esta secuencia debe consistir en la validación de los datos, el análisis de las representaciones gráficas críticas, asistencia en la elección del análisis estadístico apropiado y una conclusión clara basada en un procedimiento estadístico ejecutado correctamente.

Cuarto, el software para GB debe utilizar pruebas que sean robustas ante los supuestos comunes y proporcionen claridad estadística. A continuación se presentan cuatro ejemplos:

  • Usar un ANOVA de Welch vs. una prueba F clásica porque el ANOVA de Welch no requiere el supuesto de igualdad de varianzas.
  • Automáticamente usar de forma predeterminada las pruebas 1, 2 y 7 para SPC. Esto coincide con investigaciones y conclusiones actuales de la comunidad estadística y minimiza las falsas alarmas, al tiempo que maximiza la investigación del proceso.
  • Aclarar cuando los supuestos comunes no son importantes, como el supuesto de normalidad en una prueba t para 2 muestras con tamaños de muestra mayores que 20.
  • Proporcionar comparaciones automáticas de las diferencias a nivel de la media en un ANOVA de un factor en lugar de proporcionar un valor p individual.
  • Quinto, durante la capacitación se debe evitar el uso del “lenguaje estadístico”, salvo que sea imprescindible. También debemos entender que los participantes en un curso de capacitación de GB típico de dos semanas, o incluso un curso de cuatro semanas para BB, necesitan aprender una enorme cantidad de teoría Six Sigma y el uso de muchas herramientas de software diferentes para poder realizar los proyectos. Dedicar el tiempo adecuado a estos temas por lo general no deja suficiente tiempo para enseñar cómodamente estadística y el software estadístico de apoyo. Como MBB, pasé 7 años capacitando a Black Belts y Green Belts, y siempre tenía que extenderme para cubrir los conceptos de Six Sigma Esbelto, manejo de cambios, administración de proyectos y presentación de informes, selección de proyectos y definición del alcance, análisis e informes financieros, además de realizar revisiones de proyectos en clase y sesiones de orientación. Me sentía incapaz de proporcionar un nivel adecuado de capacitación y práctica estadística.

    Como instructor de Minitab durante los últimos 6 años, me he encontrado en el otro lado del asunto. Alrededor del 40% de los estudiantes en mis clases de Minitab han servido como belts o están siendo capacitados como belts. En casi todas las clases escucho a alguien decir: “Oye, eso no lo aprendí en mi clase de Six Sigma”. Yo siempre respondo que, dado el tiempo disponible, el instructor de Six Sigma sólo puede enseñar lo básico. Consideramos que las habilidades de Six Sigma Esbelto de un belt no están completas al final de un par de semanas de capacitación; más bien, esperamos hasta que tenga tiempo para aplicar y mejorar esas habilidades durante cierto período, normalmente un año y/o varios proyectos completados con jurado. ¿Por qué entonces suponemos que toda la formación estadística se completa y se domina en el curso de capacitación inicial? El conocimiento estadístico, como la mayoría de los componentes de Six Sigma Esbelto, se debe alimentar y ampliar durante ese primer año.

    Sexto, debemos enseñar hasta el nivel adecuado. Un molde no sirve para todo. He estado en muchas organizaciones de servicio que no usan los medidores continuos tradicionales y por lo tanto no hay razón para utilizar un análisis R&R tradicional del sistema de medición. ¿Para qué enseñarlo? En una situación opuesta, estaba enseñando Six Sigma Esbelto en una organización de servicio y me dijeron que no veían el valor de aprender DOE. Los convencí de que aunque tenían razón al opinar que no debíamos dedicar tres días a la teoría y práctica de DOE como lo exigía el material de capacitación del grupo de manufactura de su organización, debíamos tener de 3 a 4 horas de capacitación de “introducción” para que la clase tuviera conocimiento de que la herramienta existe, lo que puede hacer y sus requisitos básicos. Estuvieron de acuerdo, y más tarde dos de los 25 asistentes utilizaron adecuadamente diseños DOE 2K simples en su primer proyecto.

    Séptimo, debemos proporcionar apoyo continuo a los belts. Esto debería incluir orientación sobre cómo acceder a las funciones de ayuda del software que utilizan. Es una herramienta básica, pero que con frecuencia se ignora. La primera línea de acción para cualquier belt que se encuentre atascado debe ser recurrir a la ayuda incorporada al software.

    Voy a concluir con una observación:  la estadística es el corazón de Six Sigma Esbelto, pero no es la actividad a la que un belt dedica la mayor parte del tiempo. Durante un proyecto que abarque de tres a cuatro meses calendario, un belt puede usar un paquete de estadísticas/datos de 10 a 20 horas. Sin embargo, la estadística es una herramienta fundamental, ya que sin ella, ¿cómo podríamos cuantificar nuestra capacidad de línea de base y verificar que proviene de un proceso estable? ¿Cómo podríamos saber si hubo un cambio estadísticamente válido o en virtud de las probabilidades, y cómo podríamos cuantificar correctamente nuestro estado final?

    La estadística es necesaria, a pesar de las sesiones de conferencia que proclaman “Six Sigma sin Estadística”, pero debería y puede ser más accesible, más fácil de aprender y más segura.

    Acerca de Paul Sheehy

    Paul Sheehy es especialista en capacitación técnica en Minitab, LLC. Obtuvo sendos títulos universitarios en tecnología industrial e ingeniería mecánica mientras trabajaba en General Electric, pero considera que su capacitación más valiosa es producto del aprendizaje y la aplicación de estadísticas prácticas relacionadas con los negocios y la mejora continua de procesos en un entorno real. Después de convertirse en Master Black Belt, implementó el programa Six Sigma en las instalaciones de GE Power Systems en Bangor, Maine, y enseñó la metodología Six Sigma en los niveles de usuario e “Instructor de instructores” en varias ubicaciones de GE. Antes de unirse a Minitab, Sheehy fue consultor y capacitador principal de la Academia Six Sigma, donde desarrolló material de capacitación para los programas Black Belt y Green Belt y dictó cursos de capacitación a Black Belts Six Sigma de empresas como Ford, Visteon, Johnson Controls, Tyco, Kerr McGee y Lear. Sheehy ha participado como orador en múltiples conferencias y ha presentado varias ponencias en la Conferencia de Six Sigma Esbelto de la Sociedad Americana de la Calidad. Fue el autor principal de Black Belt Memory Jogger.

    Descargar este artículo como PDF (sólo en inglés)

    Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado. Leer nuestra política