INSTITUTO TECNOLÓGICO Y DE ESTUDIOS

SUPERIORES DE MONTERREY
UNIVERSIDAD VIRTUAL

TECNOLÓGICO
DE MONTERREY®

APLICACIÓN DE LA METODOLOGÍA DE SEIS SIGMA

EN UNA EMPRESA CERVECERA

PROYECTO PRESENTADO POR:

JAIME CASTRO BATISTA

ADOLFO BARROSO PLATA
GUSTAVO ADOLFO LUJÁN MORENO

Presentada ante la Dirección Académica de la Universidad Virtual del

Instituto Tecnológico y de Estudios Superiores de Monterrey
Como Requisito Parcial para Obtener
El Certificado de:

BLACK BELT EN SEIS SIGMA

ABRIL DE 2008
Aplicación de la Metodología de Seis Sigma en una
Empresa Cervecera

Ing. Manuel Oscar Munguía Romo

Sinodal
Aplicación de la Metodología de Seis Sigma en una
Empresa Cervecera

TECNOLÓGICO
DE MONTERREY®

Jaime Castro Batista

Adolfo Barroso Plata
Gustavo Adolfo Luján Moreno

Proyecto de Seis Sigma presentado a la facultad del ITESM

Este trabajo es requisito parcial para obtener el Certificado Black

Belt en Seis Sigma
Dedicatoria

A Dios por darnos vida y la oportunidad de ser mejores.

A nuestras familias por el apoyo, paciencia y amor en todas las ocasiones

que estuvimos ausentes.

Reconocimientos

Nuestro más sincero agradecimiento a nuestro comité evaluador por su

tiempo y asesoría para enriquecer nuestro Proyecto de Seis Sigma.

Agradecemos al Equipo Docente del PGIT por su aportación de

conocimiento tan importante para la realización de este trabajo, así como su
asesoría y su excelente atención hacia los alumnos.

Por último, agradecemos a Cervecería Cuauhtémoc Moctezuma, muy

especialmente a la Dirección, Gerencia de Recursos Humanos y Gerencia de
Elaboración, quienes desde un inicio estuvieron dispuestos y motivados a llevar
a cabo el primer proyecto de Seis Sigma en la Planta de Navojoa.

iv
Resumen

Cervecería Cuauhtémoc Moctezuma (CCM) es la cervecera más antigua de

México, con más de un siglo de operación. Produce prestigiosas marcas como
Tecate, XX lager, Sol, Bohemia, Superior, Indio, High Life, Noche Buena y
Carta Blanca entre otras. Sus productos se exportan a todos los continentes del
mundo, siendo Estados Unidos su principal destino. Pertenece al grupo
Fomento Económico Mexicano S.A. (FEMSA) quien es el líder en el mercado
de bebidas en Latinoamérica y uno de los principales productores a nivel
mundial.
A pesar del aumento en ventas en los últimos años tanto a nivel doméstico
como en exportación, el costo de los principales insumos con lo son la malta, la
cebada, lata de aluminio y algunos otros, han presionado de manera dramática
los costos de producción, algunos de ellos con aumento de arriba del 100%
respecto al 2007. Todo esto provocado por la dinámica actual de los mercados,
especialmente el surgimiento de China como potencia económica y en general
de los mercados asiáticos. La Dirección General en una estrategia por convertir
este escenario de oportunidad en una ventaja competitiva, no ha querido
transferir el costo de estos aumentos hacia el consumidor, a través del precio
de venta. A raíz de esto se realizan diferentes esfuerzos en todas las unidades
de negocio para ejecutar un plan de austeridad y de cuidado de los recursos,
principalmente, el de los insumos.
En esta empresa el producto más valioso y el más costoso es la cerveza. En
el año 2007 CCM terminó con un 4.06% de merma de cerveza en el área de
elaboración. Si bien este indicador es aceptable en la industria cervecera a
nivel mundial la Dirección de Operaciones solicitó a Planta Navojoa el
compromiso de ahorro por este concepto para el 2008 por 2 millones de pesos,
lo que equivale al 3.5 % de merma de cerveza en el área de elaboración.
Se elaboró una propuesta de proyecto para implementar la metodología de
Seis Sigma en el área de elaboración y ayudar a la Gerencia a cumplir con el
compromiso de ahorro. La propuesta fue aceptada y se definió el alcance para
el área de cocimientos, que es un subproceso del área de elaboración. Este
documento contiene los resultados de dicho proyecto.

v
Tabla de contenido Página

Capítulo 1. Introducción
Resumen 1
1.1 Descripción de la empresa 1
1.2 Descripción del producto 2
1.3 Objetivo del proyecto 2
1.4 Planteamiento del problema 3
1.5 Justificación 3
1.6 Objetivo específico 3
1.7 Alcance del proyecto 4
1.8 Producto final 4
1.9 Estructura del reporte 4

Capítulo 2. Revisión bibliográfica

Introducción 5
2.1 Seis Sigma 6
2.2 Las fases de Seis Sigma 6
2.3 El rol del líder en Seis Sigma 8
2.4 La selección correcta de proyectos 9
2.5 El rol de las herramientas de Seis Sigma 10
2.6 Seis Sigma como ventaja competitiva 11
2.7 Lean Seis Sigma 11

Capítulo 3. Metodología de investigación

Introducción 13
3.1 Proceso bajo estudio 13
3.2 Métodos analíticos y software 13
3.3 Metodología Seis Sigma: DMAIC 13
3.3.1 Definir 14
3.3.2 Medir 16
3.3.3 Analizar 20
3.3.4 Mejorar 21
3.3.5 Controlar 22
3.4 Características de la muestra 22
3.5 Prueba de hipótesis 22
3.6 Nivel de significancia 23

Capítulo 4. Resultados de la investigación

Introducción 24
4.1 Resultados de la fase de Definir 26
4.2 Resultados de la fase de Medir 26
4.3 Resultados de la fase de Analizar 32
4.4 Resultados de la fase de Mejorar 40
4.5 Resultados de la fase de Controlar 44

vi
Tabla de contenido Página

Capítulo 5. Recomendaciones y trabajos futuros

Introducción 46
5.1 Recomendaciones al proceso 46
5.2 Trabajos futuros 46

Apéndice A. Lista de figuras

Tabla Título
3.1 Project Charter 48

Bibliografía 49
Vita 49

vii
 1 INTRODUCCIÓN

Resumen

El presente trabajo contiene los resultados de la aplicación de la

metodología de Seis Sigma en Cervecería Cuauhtémoc Moctezuma Planta
Navojoa llevado a cabo en el primer trimestre del año 2008. La metodología fue
aplicada en el área de cocimientos con el objetivo de disminuir el porcentaje de
merma de cerveza, el cual es el principal producto de la empresa, así como el
más costoso.

1.1 Descripción de la empresa

Cervecería Cuauhtémoc Moctezuma (CCM) es la cervecera más antigua de

México, con más de un siglo de operación. Produce prestigiosas marcas como
Tecate, XX lager, Sol, Bohemia, Superior, Indio, High Life, Noche Buena y
Carta Blanca entre otras. Sus productos se exportan a todos los continentes del
mundo, siendo Estados Unidos su principal destino. CCM pertenece a la
División Cerveza del grupo Fomento Económico Mexicano S.A. (FEMSA) quien
es el líder en el mercado de bebidas en Latinoamérica y uno de los principales
productores a nivel mundial. Actualmente cuenta con 6 plantas en México
ubicadas estratégicamente en las ciudades de Tecate, Monterrey, Navojoa,
Toluca, Orizaba y Guadalajara. Hace un par de años la División Cerveza de
FEMSA adquirió Cervecería Kaiser de Brasil, la tercera cervecera de ese país,
la cual produce la prestigiosa cerveza del mismo nombre. Con esta adquisición,
FEMSA se consolida como uno de los principales productores de cerveza a
nivel mundial, exportando su portafolio de productos a distintos rincones del
globo e integrando sus operaciones bajo un mismo esquema de negocio,
consolidándose así como el líder en el mercado de bebidas en Latinoamérica.
CCM Planta Navojoa se encuentra ubicada a 330 Km. al sur de Hermosillo,
en el estado de Sonora. Inició operaciones el 6 de diciembre de 1991, con el
objetivo de satisfacer la demanda cada vez más grande del mercado en el
Noroeste del país. CCM Planta Navojoa es la cervecería más moderna del
grupo y una de las más avanzadas en tecnología a nivel Latinoamérica,
utilizando sistemas de administración de cadena de suministro, procesos
productivos automatizados y sistemas de información centralizada, lo cual
permite tomar decisiones en tiempo real.
Actualmente la planta cuenta con una capacidad instalada de 450,000
hectolitros mensuales, con una saturación de 95%, esto ha provocado la
construcción de una planta nueva en la ciudad de Meoqui, Chihuahua, la cual
iniciará operaciones en el año 2010 y abastecerá parte del mercado que hoy en
día atiende Navojoa.

1
1.2 Descripción del producto

La cerveza es una bebida alcohólica preparada con malta, cebada, lúpulo,

adjuntos y levadura. El alcohol es producido al fermentar, sin destilar, el azúcar
contenido en el mosto, el cual es una solución que se obtiene generalmente de
los cereales malteados.

Existen diferentes tipos de cervezas: Lager, Ale, Light, Dry, Ice, Sin Alcohol
y Shandy, las cuales se describen brevemente a continuación:

Lager: Son de fermentación baja, lo que significa que la levadura se asienta

en el fondo del tanque al terminar su fermentación

Ale: Son de fermentación alta y se distinguen por que la levadura al finalizar

su fermentación asciende a la superficie del tanque

Light: Son aquellas cervezas producidas bajo condiciones especiales que

dan una reducción en la cantidad de carbohidratos y por consecuencia en el
número de calorías

Dry: El concepto Dry está más orientado hacia la mercadotecnia que a la

tecnología. Tuvo su origen en Japón, y se caracteriza por tener un extracto real
ligeramente más bajo que el de la cerveza normal

Ice: Se produce mediante una tecnología que congela la cerveza en su

etapa de reposo para obtener una mayor separación de proteínas.
Normalmente son de más alto contenido de alcohol que la cerveza regular

Sin alcohol: Se obtiene por un proceso de eliminación del alcohol de una

cerveza normal, o bien mediante un proceso de fermentación controlada.

Shandy: Es una mezcla de cerveza preferentemente tipo Light con un

concentrado cítrico o de fruta y agua carbonatada (http://www.ccm.com.mx/)

1.3 Objetivo del proyecto

Implementar la metodología de Seis Sigma en una empresa cervecera con

la intención de cumplir con uno de los requisitos para recibir el certificado como
Black Belt en Seis Sigma por parte del Instituto Tecnológico y de Estudios
Superiores de Monterrey (ITESM) y la Arizona State University (ASU).

2
1.4 Planteamiento del problema

Uno de los indicadores más importantes del área de elaboración es la

merma de cerveza. Esta se define como el porcentaje de pérdida en el proceso
de extracto de cerveza con relación al total de cerveza enviada a envasado.
Este dato lo calcula oficialmente de manera mensual el departamento de
administrativo, quien es el responsable de generar los estados financieros para
la empresa. Este indicador se obtiene al hacer un corte de inventarios y
calcular el volumen teórico que debió producirse respecto al consumo de
materia prima en el mes, contra lo que se entregó realmente al área de
envasado. El año 2007 cerró con un 4.06% de merma elaboración. Para el año
2008 la Dirección de Operaciones está pidiendo un ahorro de 2 millones de
pesos anuales en este concepto, como parte de un plan de austeridad y
cuidado de los recursos que tiene como objetivo contener el impacto en el alza
de precios de los principales insumos y evitar así el traspaso de este costo al
consumidor.
Se han hecho esfuerzos aislados al tratar de minimizar este indicador pero
no han sido tan efectivos como se esperaban.

1.5 Justificación

Tener un proceso estable y eficiente contribuye a mejorar los indicadores de

proceso. Este proyecto está enfocado a cumplir con un indicador crítico para
los clientes, el precio del producto, a la vez que se contribuye a reducir el costo
unitario de producción (CUP), otorgando de esta forma mayor rendimiento a los
accionistas. En caso de no implementar este proyecto o alguna metodología de
mejora al proceso de elaboración para poder reducir el indicador de merma, el
consumo de materia prima aumentaría, disminuyendo el flujo de efectivo y por
consiguiente aumentando el CUP. Si el CUP aumenta de manera considerable,
el aumento proporcional puede ser traspasado al consumidor. Altos precios,
son siempre una variable clave a la hora que un consumidor elige un producto,
y en el caso de la cerveza, el consumidor podría preferir otras marcas más
baratas, perdiendo así ventas potenciales. Es por esto la importancia de
implementar de manera eficiente una metodología que ayude a reducir el
porcentaje de merma de cerveza en el área de elaboración.

1.6 Objetivo específico

Reducir la merma de cerveza del área de elaboración de una base de

4.06% acumulado al cierre del año 2007 a 3.5% acumulado al cierre del 2008.
Esto es equivalente a afirmar que se esperan ahorros por 2 millones de pesos
anuales en ahorro por concepto de reducción de la merma de cerveza de
elaboración.

3
1.7 Alcance del proyecto

El alcance del proyecto se limita solo al área de cocimientos, que es el

primer proceso del área de elaboración. Las otras dos áreas del proceso de
elaboración son fermentación y salas frías, las cuales no se contemplaron
dentro del alcance de este proyecto, así como tampoco se contempló la merma
de cerveza generada por el área de envasado, que es el siguiente proceso
después de elaboración.

1.8 Producto final

El producto final de este proyecto es documentar la implementación de la

metodología de DMAIC de Seis Sigma en el proceso de cocimiento, cuyo
objetivo ya se mencionó anteriormente, y revisar fase por fase los resultados,
conclusiones y comentarios de cada uno de los pasos del proceso.

1.9 Estructura del reporte

El reporte está estructurado en capítulos. En el presente capítulo se hizo

una introducción al proyecto, haciendo una breve descripción de la empresa y
del producto, explicando el objetivo, problemática, justificación y alcance del
proyecto. En el capítulo 2, se hará una revisión bibliográfica de Seis Sigma,
donde se verá en qué consiste la metodología de Seis Sigma, cuáles son las
fases de Seis Sigma, cuál es el rol del líder en la implementación de proyectos,
el rol de las herramientas de Seis Sigma, cómo la metodología brinda una
ventaja competitiva a las empresas que la aplican y por último la integración de
Seis Sigma con la filosofía Lean. Esta revisión es con el objetivo de
comprender los principales fundamentos de la metodología y cómo estos
contribuyen a una implementación efectiva en la práctica. En el capítulo 3 se
explicará la metodología de la investigación, se definirá el proceso bajo estudio,
los materiales y software utilizado, así como el proceso DMAIC, también se
hablará de las características de la muestra así como la prueba de hipótesis
planteada para este proyecto. En el capítulo 4 se hablará a profundidad y a
detalle los resultados obtenidos en cada una de las fases, haciendo un análisis
de la validación estadística de los datos, discutiendo el análisis de regresión y
comentando acerca de la comprobación de hipótesis. Por último, en el capítulo
5 hablaremos de las recomendaciones y trabajos futuros aplicables a este
proyecto.

4
 2 REVISIÓN BIBLIOGRÁFICA

Introducción a Seis Sigma

La historia de la mejora de la calidad comienza a principios del siglo XX

cuando Frederick Taylor separó el trabajo de una empresa del planeamiento y
mejora de éste; esta separación es muy importante para la empresa porque le
permite tener una mejor organización y tener siempre claro lo que ésta debe
hacer a futuro. Esta separación del trabajo mismo del área de administración
sigue vigente en las empresas en la actualidad. (Farol, 1984)

Posteriormente se fueron desarrollando procesos estadísticos que siguen

siendo usados frecuentemente tanto en teoría como en práctica, algunos
ejemplos son:

• La distribución t de W.S. Gosset (bajo el pseudónimo de "student") en

1908,
• El Diseño de Experimentos y la tabla ANOVA de Fisher (en la década de
1920's),
• Las Cartas de Control de Walter A. Shewhart, el SQC (Control
Estadístico de la Calidad por sus siglas en inglés, Statistical Quality
Control) durante las décadas de 1940 y 1950 creado por dos compañías
(Dodge y Romig),
• El SPC (Control Estadístico de Procesos, también por sus siglas en
inglés, Statistical Process Control) desarrollado en la década de 1960.
(Snee, 2004).

Más recientemente se encuentra el TQM (Administración Total de la

Calidad, por sus siglas en inglés Total Quality Management) que fue
desarrollado bajo las enseñanzas de dos gurús en el control de la calidad en
esos años: W. Edwards Deming y Joseph M. Juran. TQM incluía un énfasis en
el entrenamiento de los trabajadores y en que la empresa estuviera
activamente consciente de la calidad de sus productos. Desafortunadamente,
debido principalmente a la pobre continuidad que se le dio al seguimiento del
problema, a la falta de una estructura paso a paso y al poco énfasis en la
calidad resultó ser una metodología no eficaz y más bien deficiente. A pesar de
esto, TQM era la metodología más utilizada desde la mitad de la década de los
1980 hasta principios de la década de 2000 a falta de una mejor alternativa.
(Manitoba, 2005).
Cronológicamente "Seis Sigma" nace en Motorola un poco después de 1984
donde Mikel J. Harry, un ingeniero empleado por la empresa, empezó a
trabajar después de obtener su doctorado en Arizona State. En Motorola, Mikel
conoce a Bill Smith, un ingeniero veterano quien en palabras del propio Mikel J.
Harry posteriormente se convirtió en el padre de Seis Sigma. (Maguire, 1999).
Mikel J. Harry decidió estudiar la variación en varios procesos dentro de la
empresa y notó que ésta es directamente proporcional a la insatisfacción de los
clientes. Posteriormente dedicó mucho tiempo a la medición de la variación de

5
los procesos dentro de la empresa antes de actuar; y decidió actuar en la
mejora de los procesos que presentaban mayor variación con el objetivo de
reducirla y controlarla. Harry comenta que él no inventó "Seis Sigma",
solamente se convirtió en el "Padrino" de esta metodología al agregarle algo de
matemáticas y vestirlo para que fuera a la escuela.

2.1 Seis Sigma

En 1999, Ronald Snee define Seis Sigma como una estrategia de mejora
empresarial que busca tanto el incremento de la satisfacción del cliente como la
mejora de las ganancias financieras de la organización. Snee afirma que el
éxito y popularidad de Seis Sigma se debe a las siguientes características:

• Brinda beneficios directamente al flujo financiero de la empresa

• El liderazgo y la experiencia desempeñan un papel clave
• Uso de una metodología
• Desarrollo rápido de proyectos (3-6 meses)
• Métricas claramente definidas del éxito del proyecto
• Existen roles y niveles jerárquicos para integrantes de los equipos de
mejora
• Enfoque en el cliente y procesos
• Uso de herramientas estadísticas para alcanzar las mejoras.

Otras iniciativas de calidad cuentan con una o dos de las características

mencionadas anteriormente pero sólo Seis Sigma basa su éxito en la
aplicación simultánea de las ocho.
Mikel Harry (2000) profundiza aún más en el concepto de Seis Sigma y
menciona que esta metodología representa un nuevo sistema de calidad
multidimensional y holístico que viene a reemplazar los anteriores
requerimientos del cliente de "forma, dimensión y funcionalidad". En esta nueva
visión de la calidad, tanto el cliente como el proveedor reciben beneficios
financieros (utilidades), de disponibilidad y valor agregado.
Derivado de lo anterior podemos definir a Seis Sigma como una estrategia
que adopta una empresa con el afán de mejorar la calidad de sus productos o
servicios, implementando una serie de intervenciones y herramientas
estadísticas que pueden permitir el alcance de un alto beneficio económico
tanto para el cliente como para la empresa.

2.2 Las fases de Seis Sigma

Parte de la razón por la que Seis Sigma es eficiente es por las fases que lo
componen. El proceso es conocido como DMAIC, estas letras son las siglas en
inglés (Define, Measure, Analyse, Improve, Control) de las fases: Definir, Medir,
Analizar, Mejorar y Controlar. A continuación se define cada uno de ellos.

6
Definir

Definir el problema o las oportunidades de mejora, definir los límites y

objetivos del proyecto. Herramientas usadas en esta etapa: Diagrama de
afinidad; Lluvia de ideas; Investigación al cliente; Gráficas de Gantt; Carta de
equipo (team charter); Diagrama causa-efecto; Análisis cuantitativo de
procesos; Mapeo de procesos; Análisis de Kano; Diagrama SIPOC y
Despliegue de la Función de Calidad (Quality Function Deployment).

Medir

El propósito de esta etapa es recabar los datos que permitan describir la

naturaleza y extensión del problema. Herramientas usadas en esta fase:
Análisis de competencia; Hojas de verificación; Gráficas de control; Técnicas
gráficas; Gage R&R; Indicadores; Muestreo; Cálculo sigma; Estratificación y
Variación.

Analizar

El objetivo es la interpretación de la información obtenida en la etapa

anterior para identificar las relaciones causa-efecto que están generando los
defectos encontrados, fallas en el proceso, etc. Herramientas usadas en esta
fase: Pruebas de hipótesis; Diagrama causa y efecto; Diseño de experimentos;
Cartas de control; Gráfico Pareto; Análisis de regresión; Árbol de fallas;
Confiabilidad; Simulación y Análisis del proceso.

Mejorar

Una vez que se conocen las principales causas que están generando del
problema, es necesario establecer acciones o contramedidas para remediarlas.
En esta etapa se definen y se llevan a cabo las alternativas de solución para
alcanzar los resultados deseados en el proyecto. Herramientas utilizadas en
esta fase: Análisis costo-beneficio; Diseño robustos; Experimentación
secuencial; Despliegue de la Función de Calidad (QFD); Técnicas de
optimización: MSR, Confiabilidad, Pruebas de confirmación.

Controlar

En esta etapa nos aseguramos que las mejoras obtenidas serán

preservadas, al menos hasta que se recolecten nuevos datos o se obtenga
información diferente acerca de una mejor manera en que puede ser operado
el proceso. El equipo de mejora deberá entregar el nuevo conocimiento del
proceso a su dueño y asegurarse que todos los que operan el proceso cuentan

7
con el debido entrenamiento en los nuevos procedimientos. Herramientas de
esta etapa: Análisis de Modo y Efecto de la Falla; Sistema de control de
procesos; Cierre de proyecto y Planeación del trabajo.

2.3 El rol del líder en Seis Sigma

Los diferentes roles son necesarios dentro de un grupo de trabajo para

facilitar el cumplimiento de los propósitos del grupo. Algunos de los nombres
dados a estos roles son Champion, Master Black Belt, Black Belt, Green Belt.
Estos roles describen funciones por desempeñar sin posiciones definitivas y no
se debe confundir estos papeles con posiciones de promoción o poder tal como
gerente o supervisor en general.

Champions

Son personas que tienen un cargo muy alto en la empresa, en empresas

grandes puede ser por ejemplo el vicepresidente. Su entrenamiento previo al
comienzo del programa es de muy poco tiempo, usualmente de dos a cinco
días. Sugieren y apoyan proyectos, ayudan a obtener recursos necesarios y
eliminan los obstáculos que impiden el éxito del proyecto. Participan en la
revisión y aseguran que se desarrolle la metodología Seis Sigma.

Master Black Belt (MBB)

Este cargo puede ser de una o varias personas, trabajan tiempo completo y
deben saber todo lo que saben los Black Belts (BB) y además tener bases
matemáticas fuertes con respecto a la metodología estadística a utilizar. Parte
de su trabajo también es ayudar a los BB en aplicar metodología estadística de
manera correcta; el entrenamiento estadístico de la empresa debe ser
únicamente por parte de los MBB debido a que si el entrenamiento no es hecho
de la manera correcta, el "error" generado se propaga a todos los demás
niveles inferiores de donde éste surgió. Si es que se necesita que un BB y/o
Green Belts (GB) deban dar entrenamiento al personal, debe ser siempre bajo
la supervisión del MBB. Las personas con este cargo deben tener habilidades
de liderazgo, comunicativas y educativas para poder coordinar a los BB y a los
GB de una forma óptima. Su entrenamiento previo al comienzo del programa
es usualmente de 4 semanas. Son responsables del desarrollo e implantación
del programa Seis Sigma.

8
Black Belts (BB)

Los candidatos a BB no necesitan tener un alto nivel matemático ya que lo

que más bien se necesita es que éstos provengan de diversas áreas de
conocimiento, es por esto que su entrenamiento estadístico normalmente tiene
una duración de dos a cinco semanas. Los BB deben tener habilidades
computacionales ya que en algún punto de su entrenamiento se les requerirá
utilizar paquetes computacionales de estadística avanzados. Son los
responsables de medir, analizar, mejorar y controlar los procesos que
intervienen en la satisfacción del cliente, se encargan de la gerencia en los
proyectos y de reportar los resultados.

Green Belts (GB)

Los GB participan activamente en los proyectos Seis Sigma recogiendo

datos e información, diseñando el proceso de trabajo a ser analizado,
identificando causas de los problemas y proponiendo soluciones,
implementando soluciones y monitoreando y corrigiendo las soluciones.
(Pyzdek, 2000).

2.4 La selección correcta de proyectos

Ronald D. Snee y Roger W. Hoerl (2003) mencionan que una actividad

crucial en la metodología Seis Sigma es la selección de los proyectos que
serán desarrollados y este proceso inicia desde los altos mandos, donde se
han identificado las áreas de oportunidad. Posteriormente, los proyectos pasan
después a ser evaluados por el Champion, quien realiza un nuevo filtro de
acuerdo a criterios específicos de selección y al proceso de carta del proyecto.

Las características de un buen proyecto de Seis Sigma se listan a

continuación:

• El proyecto claramente se encuentra relacionado a las prioridades de la

empresa
o Ligado al plan operativo o estratégico anual de la empresa

• El problema definido es de alta relevancia en la organización

o Se espera una mejora muy grande en el desempeño del proceso
(ejemplo >50%)
o Se espera un gran beneficio económico (ejemplo >$500,000
pesos anuales)

• Un alcance y plazo razonable para el desarrollo del proyecto de 4 a 6

meses

9
 o Por lo regular el apoyo a los proyectos decrece después de 6
meses
o Un problema muy común en el desarrollo de proyectos Seis
Sigma es el establecer un alcance demasiado ambicioso para el
plazo de tiempo.

• Métricas claramente definidas para evaluar el desempeño del proyecto

o Medición basal, metas y objetivos bien definidos

• La importancia del proyecto es entendible por toda la empresa

o El personal de la empresa apoyará un proyecto del cual entienden
su relevancia para la organización

• El proyecto cuenta con la aprobación y el soporte de los altos niveles

gerenciales
o Esto es vital para obtener recursos, remover barreras y mantener
el ímpetu durante el tiempo de desarrollo del proyecto.

2.5 El rol de las herramientas de Seis Sigma

El éxito de la implementación de Seis Sigma depende en gran medida de

que los líderes tengan un buen entendimiento de las herramientas (en qué
consisten, para qué son usadas, en qué momento funcionan y en qué momento
no lo hacen). Ciertamente entre más conocimiento tenga el líder acerca de las
herramientas es mejor, sin embargo, más allá de que este sea un gran experto
en habilidad técnica, es preferible que el líder tenga buena comprensión y
familiaridad con su uso ya que el punto clave es la interpretación de los
resultados que nos brindan estas herramientas tanto estadísticas como
administrativas. Algunas de las herramientas de mayor relevancia en Seis
Sigma son las siguientes:

• Mapa de proceso: se utiliza para mostrar un esquema del proceso en el

cual se observan entradas, procesos clave y salidas.
• Diagrama causa-efecto: Un diagrama de priorización que permite
identificar las variables (X's) del proceso que tienen el mayor efecto
sobre la variable de respuesta (Y's).
• Análisis del sistema de medición: estudio del sistema de medición donde
típicamente se utiliza el análisis Gage R&R para cuantificar la
repetitividad y reproducibilidad de la medición.
• Estudio de capacidad: Análisis de la variación contra las
especificaciones del proceso para estudiar la habilidad del proceso para
ajustarse a las especificaciones.
• Análisis del Modo y Efecto de la Falla: procedimiento analítico para
identificar problemas en el proceso priorizando modos de falla, sus
efectos y posibles mejoras.

10
 • Análisis multi-varianza: un estudio que realiza un muestreo del proceso
durante su operación, el cual identifica las variables controlables y no
controlables (ruidos) mediante análisis gráfico y estadístico.
• Diseño de experimentos: método de experimentación que identifica
mediante experimentación sencilla, la manera en que las variables
claves de respuesta afectan la salida del proceso.
• Plan de control: documento que resume el resultado de un proyecto Seis
Sigma y brinda apoyo al operador para el control del proceso. (Snee, R.
y Hoerl, R., 2003)

2.6 Seis Sigma como ventaja competitiva

La mayoría de los expertos en Seis Sigma (Ronald Snee, Michael L.

George, Forrest W. Breyfogle III, James M. Cupello, entre otros) coinciden en
que esta metodología brinda resultados dramáticos en las utilidades de la
empresa cuando se hace una adecuada combinación entre la estrategia de
negocio, uso de indicadores y herramientas estadísticas, todo esto tomando
siempre en cuenta la opinión del cliente. Asimismo, la disponibilidad de
software informático fácil de usar, ha derivado en que el proceso de análisis
estadístico se haya vuelto accesible para la gran mayoría de las personas.
A pesar de estos factores, Seis Sigma aún no logra alcanzar niveles tan
populares en México como lo han hecho otras estrategias de calidad como el
Modelo de Gestión Total de Calidad (TQM), la cual ha tenido gran aceptación
gracias a la introducción de Premios Nacionales de Calidad (recientemente
incursionando con mucha fuerza en el sector salud) y certificaciones en las
normas ISO. En la mayoría de las pequeñas y medianas empresas apenas
comienzan a interesarse en el concepto de la mejora continua, esto a medida
en que la exigencia del cliente y la competencia empresarial (derivado de la
apertura comercial del País) empiezan a evolucionar. La mejora continua se
vuelve ahora una apremiante necesidad para nuestros diversos sectores
productivos y en este sentido Seis Sigma puede representar una ventaja
competitiva clave para poner a la empresa mexicana a la par de las mejores a
nivel mundial. Para esto, se necesita invertir un poco más en educación en
nuestro país ya que son pocas las personas que cuentan con un entrenamiento
completo como Black Belt o Master Black Belt, requisito primordial para la
implementación de la estrategia Seis Sigma, pero para dar este paso primero
es necesario informar, sensibilizar y convencer a los altos mandos de la
empresa mexicana, ya que sin el compromiso de ellos no solamente Seis
Sigma fracasará, el mismo destino tendrá cualquier otra iniciativa de calidad.

2.7 Lean Seis Sigma

Actualmente existen dos principales enfoques en la empresa para mejorar

sus operaciones de fabricación. Una de ellas es a través de Manufactura
Esbelta (Lean Manufacturing); y el otro es Seis Sigma. Ambas son

11
promocionadas como diferentes enfoques y diferentes procesos, pero al ser
inspeccionadas más a detalle, ambos enfoques lidian con el mismo "enemigo" y
se comportan como dos eslabones de una misma cadena -esto es, que ambos
enfoques dependen uno de otro para obtener el éxito. Ambas combaten contra
la variación, pero desde diferentes ángulos. La integración de la Manufactura
Esbelta y Seis Sigma toma dos poderosas técnicas de solución de problemas,
las une y las convierte en un poderoso "combo". A ambos enfoques se les debe
ver como un complemento uno del otro, mucho más que simples equivalentes o
reemplazos uno del otro. (Pyzdek, 2000).
Trabajando de manera conjunta, Manufactura Esbelta y Seis sigma,
representan una formidable arma para luchar en contra de la variación de
procesos. La metodología Seis Sigma utiliza técnicas de solución de problemas
para determinar la manera en que los sistemas y los procesos operan y cómo
reducir la variación en ellos. En un sistema en el que se combinan las dos
filosofías, Manufactura Esbelta crea el estándar y Seis Sigma investiga y
resuelve cualquier variación a partir de este estándar. Implementando
Manufactura Esbelta con el énfasis de estandarizar, los equipos de Seis Sigma
pueden ser hasta 10 veces más efectivos en disminuir los "ruidos" en el
proceso. Si un determinado número de factores de "ruido" tradicionales o
típicos en los procesos han sido eliminados por las acciones de Manufactura
Esbelta, el resto pueden ser fácilmente identificados. El nuevo sistema Lean
Seis Sigma permite la rápida solución de problemas debido a que el equipo
Seis Sigma ya no tiene que hacer búsquedas exhaustivas de ruidos a través de
toda la planta.
Manufactura Esbelta evidencia y/o expone diversas áreas de oportunidad de
variación en toda la planta—por ejemplo, variación en el tiempo de ciclo,
retraso de partes, tiempos muertos, requerimientos de habilidades especiales,
operaciones fuera de estándar, problemas de calidad, etc. Por lo tanto, el
practicante Seis Sigma solamente tiene que enfocarse rápida y directamente al
problema, integrar un equipo de mejora, recolectar datos e información del área
en cuestión, comparar estos datos con el estándar y desarrollar el proyecto de
mejora. De esta manera, el practicante Seis Sigma puede ser más proactivo y
dedicarse continuamente a realizar mejoras alrededor de un estándar, y al
mismo tiempo incrementar el conocimiento que se tiene acerca del proceso. Es
responsabilidad de la organización hacer a la empresa "esbelta", para que al
momento de implementar Seis Sigma, los equipos de mejora no anden como
"bomberos" sino más bien como solucionadores de problemas proactivos y
productivos. (Denecke, 1998).

12
 3 METODOLOGÍA DE INVESTIGACIÓN

Introducción

En este capítulo se describirá la metodología de Seis Sigma, así como los

métodos que se usaron para la investigación de campo. En esta sección se
describirán las características de la muestra, cómo se seleccionó, quiénes
participaron y qué características relevantes tienen, así como las pruebas de
hipótesis que se plantearon en la implementación de este proyecto.

3.1 Proceso bajo estudio

El proceso general de la empresa comprende 3 áreas principales:

elaboración, envasado y embarques. El primer proceso, que es elaboración,
comprende a su vez 3 procesos principales: cocimientos, fermentación y salas
frías. Este proyecto se enfoca en el primer proceso del área de elaboración:
cocimientos, que comprende desde la recepción de materia prima hasta el
enfriado de mosto. En este proceso se lleva a cabo la molienda de las materias
primas, la licuefacción de los almidones, la maceración, filtrado, ebullición y
enfriamiento de mosto.

3.2 Métodos analíticos y software

Al utilizar la metodología de Seis Sigma se utilizan análisis de técnicas

estadísticas, como lo son: la estadística descriptiva, pruebas de normalidad,
gráficas de probabilidad, pruebas de varianza, prueba t de muestreo, intervalos
de confianza, gráficas de valor individual. También se utilizarán gráficas de
series de tiempo, gráficos de control, ANOVA, valores P y estadísticos F.
También se harán análisis de regresión y correlación. El software que se
utilizará como apoyo para analizar toda la información y poder interpretarla de
manera amigable es Minitab.

3.3 Metodología Seis Sigma: DMAIC

En este proyecto la definición de la problemática a atacar fue relativamente

sencilla, ya que le empresa lleva un seguimiento a las áreas de oportunidad
presentadas en cada uno de los años y priorizadas respecto a la contribución
total en ahorro. En el caso del área de oportunidad de reducción de merma de
cerveza, este era un proyecto que ya estaba asignado para el año 2008 por su
impacto en el CUP, más no así la metodología a seguir. Los dos proyectos más
importantes en reducción de costos para el 2008 en CCM Planta Navojoa

13
fueron rotura de botella y merma de cerveza elaboración, siendo este último el
de mayor contribución y el de mayor probabilidad de éxito, debido a que el
control sobre este proceso queda dentro de los mismos límites de la
organización, a diferencia del de rotura de botella donde entran variables
externas, algunas de ellas fuera del alcance de la empresa.

A continuación se describen cada uno de los pasos que se siguieron en la

realización de este proyecto.

3.3.1 Definir

Integración del equipo:

Una vez definido el proyecto la Dirección definió el equipo que participaría.

El equipo dentro de planta está integrado por: Alejandro Valenzuela
Valenzuela, Green Belt; Gustavo Adolfo Lujan Moreno, Black Belt; Julio Isidro
Almaguer, Process Owner; Joseba Aguirre, Process Owner; Juan Francisco
Rivera, Process Owner; Rene Cázarez Campos, Champion; Ramón Zarate
Hurtado, Ingeniería de mantenimiento; Martín García Barrón, Operación y
Milagros Armenia, practicante.

Definición del proyecto:

Ya definido el equipo que se integraría se llevó a cabo la primera reunión

para definir el alcance y propósito del proyecto. Para llevar a cabo este
propósito se procedió a llenar en equipo el "Project charter" (Figura 3.1). El
proceso bajo estudio sería el área de elaboración, específicamente el primer
subproceso que es cocimientos. Se definió la descripción del proyecto como:
"Aplicación de la metodología DMAIC de Seis Sigma con el objetivo de poder
minimizar la pérdida de cerveza durante el proceso de elaboración, la cual
llamaremos merma de cerveza, y así poder ahorrar en costos, mejorando el
costo unitario de producción, generando valor para los accionistas y
cumpliendo con las necesidades del cliente al contar con un proceso más
controlado".

Definición de nietas:

En esta parte se definieron las metas para el proyecto, quedando

establecido un 3.5% de merma de cerveza en elaboración acumulado para el
cierre del 2008. En esta parte se definió que la medición del porcentaje de
merma no incluiría la generada por el área de envasado y sería calculado por el
departamento de administrativo, que son quienes emiten el resultado oficial

14
cada mes y a cierre de año. El cálculo equivalente al 3.5% de merma
representa un ahorro de 2 millones de pesos anuales respecto a la base del
cierre del año 2007 que fue de 4.06%. Esta sería definida como la meta
financiera.
Se definió que la fecha de inicio del proyecto sería a partir del 21 de enero
de 2008 y concluiría a más tardar el 20 de abril de 2008. Por último, los
miembros del equipo procedieron a firmar el Project Charter como símbolo del
compromiso ante el proyecto y a los resultados del mismo.

Entendiendo el proceso:

La figura 3.2 muestra el mapa de proceso de alto nivel, que explica de

manera general el proceso de elaboración.

Recepción Cocimientos Fermentación y Filtración y

materia prima reposo gobierno

Figura 3.2 Mapa de proceso de alto nivel

El área bajo estudio, como ya se mencionó, es el proceso de cocimientos.

Materia prima Cebada y malta Almidón, cebada Maceración de la

pesada o contada molida y malta pesadas material prima

Medición Molienda Tolvas Macerador

de material pesadoras
nrimn

Mosto filtrado Mosto ebullido Proteína AL y mosto

precipitada mezclado

Lauter Olla de Tanque de Mixer

cocimiento mosto
caliente

Mosto Mosto enfriado Mosto oxigenado Mosto con

esterilizado levadura

Serpetín Enfriador Oxigenación Agregado

de levadura

Alcohol Cerveza madura Cerveza filtrada Cerveza

0
plato carbonatada

Fermentación Maduración Filtración Carboblend

y enfriados

Figura 3.3 Mapa de proceso detallado

15
 La figura 3.4 muestra el diagrama SIPOC, que muestra a los proveedores,
entradas, proceso, salidas y clientes.

Proveedores Entradas Proceso Salidas Cliente

Maltera Lara Malta % vol. Alcohol Envasado
Grajales Recepción
Materia Turbidez
CCM Planta Cebada Drima

Pachuca Color

S.S Steiner Lúpulo Cocimientos ° plato

/Hohn 1. Haas
Extracto
Celite de México Tierras filtrantes aparente

Cargill Adjunto líquido Oxígeno

Fermentación disuelto
y reposo
Cargill de México Almidón
C02 disuelto
CCM Monterrey Levadura
Amargor
DIFUSA Antiespumante Filtración y
gobierno Aroma
Praxair C02
Sabor
Praxair 02

Figura 3.4 Diagrama SIPOC de Elaboración

Como se muestra en el diagrama SIPOC, existe una variedad importante de

proveedores, tanto nacionales como extranjeros. Esto hace que el proceso de
abastecimiento sea complicado, ya que los tiempos de entrega así como los
trámites, en el caso de los materiales de importación, hacen más tardado el
proceso.

3.3.2 Medir

Confirmación de meta propuesta:

En las primeras reuniones llevadas a cabo con el equipo de este proyecto

se confirmó que la meta propuesta corresponde con las expectativas de ahorro
definidas por la Dirección para el año 2008, además de ser un área de
oportunidad real en el proceso de elaboración. Por lo que la meta es de 3.5%
de merma de cerveza acumulada en el área de elaboración al finalizar el año
2008.

16
"Y" identificada

La "Y" identificada es el % de merma de cerveza, que como se mencionó

anteriormente, es calculada por el departamento de finanzas, y es la diferencia
de lo consumido de materia prima contra lo entregado al área de envasado. La
merma de cerveza en la mayoría de las cervecerías es calculada de esta
forma.

Pian de recolección de información

Durante el proyecto se trabajó junto con la compañía Steinecker para poder

diseñar un reporte que sirviera para recolectar información en tiempo real,
aprovechando la tecnología con la que cuenta la planta. Este reporte se le
denominó "Brew Report" y es un reporte muy austero que se obtiene al
exportar las bases de datos contenidas en un sistema de base de datos del
proceso (Botec) a Excel. La figura 3.5 muestra dicho reporte.

Figura 3.5 Brew Report (Botec)

Quality Map

En la tabla 3.1 se muestra el Quality Map, el cual contempla las principales

variables del proceso, los medidores y si aplica estudio de R&R.

17
 Proceso Variable Clave Medidor R&R

Molienda 8. G r a n u l o m e t r i a (y)

8.1 A p e r t u r a d e r o d i l l o s c e b a d a (x) 8. C e r n i d o r 8. N A

8.2 A p e r t u r a d e rodillos m a l t a (x)

Básculas / Cocedor 9. P e s o (x) 9. B á s c u l a 9. C a l i b r a c i ó n

9.1 T e m p e r a t u r a (x) 9.1 T X t e m p 9.1 N A

9.2 V o l u m e n m e z c l a d o r (x) 9.2 T X f l u j o 9.2 N A

9.3 T i e m p o ( t r a s i e g o ) (x) 9.3 P L C 9.3 N A

9.4 T i e m p o d e r e p o s o (x) 9.4 P L C 9.4 N A

9.5 V o l u m e n t a n q u e (y) 9.5 T X nivel 9.5 N A

9.6 T e m p e r a t u r a m e z c l a d o r (x) 9.6 T X t e m p 9.6 N A

Básculas / Macerador 9. P e s o (x) 9. B á s c u l a 9. C i a e x t e m a

9.1 T e m p e r a t u r a (x) 9.1 T X t e m p 9.1 N A

9.2 V o l u m e n m e z c l a d o r (x) 9.2 T X flujo 9.2 N A

9.3 T i e m p o ( t r a s i e g o ) (x) 9.3 P L C 9.3 N A

9 . 4 T i e m p o d e reposo (x) 9.4 P L C 9.4 N A

9.5 V o l u m e n t a n q u e (y) 9.5 T X nivel 9.5 N A

9.6 T e m p e r a t u r a m e z c l a d o r (x) 9.6 T X t e m p 9.6 N A

Lauter 10. Turt>idez(y) 10. T u r b l d i m e t r o 10. C a l i b r a c i ó n

1 1 . E x t r a c t o d e m a s i l l a (y) 11. Laboratorio 1 1 . Si a p l i c a

1 2 . V o l u m e n d e a g u a d e riego (x) 12. T X f l u j o 12. C a l i b r a c i ó n

13. V o l u m e n f i n a l (y) 13. T X F l u j o 13. C a l i b r a c i ó n

1 4 . T e m p e r a t u r a a g u a d e riego (x) 14.TXTemp 14. Calibración

15. G r a d o plato p r i m e r m o s t o (y) 15. S a c a r o m e t r o 15. S i a p l i c a

1 6 . G r a d o p l a t o m o s t o d é b i l (y) 16. S a c a r o m e t r o 16. Si a p l i c a

17. V o l u m e n d e m o s t o d é b i l (y) 17. T X F l u j o 17. Calibración

Tanque de mosto débil 18. V o l u m e n del t a n q u e (x) 18. T X n i v e l 18. C a l i b r a c i ó n

Tanque de espera 1 9 . V o l u m e n del t a n q u e (y) 19. T X nivel 19. C a l i b r a c i ó n

2 0 . T e m p e r a t u r a (x) 20. T X T e m p 20. Calibración

2 1 . G r a d o p l a t o (y) 21. Sacarometro 2 1 . Si aplica

Olla de c o c i m i e n t o 19. V o l u m e n del t a n q u e (y) 19. T X nivel 19. C a l i b r a c i ó n

2 0 . T e m p e r a t u r a (x) 20. T X T e m p 20. Calibración

2 1 . G r a d o p l a t o f i n a l (y) 2 1 . Sacarometro 2 1 . Si aplica

2 2 . % d e e b u l l i c i ó n (x) 22. Fórmula 22. No aplica

Tanque de m o s t o callente 2 3 . N i v e l del t a n q u e (x) 23. T X Nivel 24. calibración

2 4 . V o l u m e n d e T r u b (y 24. No hay

Mixer de Al- Mosto

2 5 . M a s a (x) 25. T X masa 25. Calibración

2 6 . G r a d o p l a t o (x) 26. Sacarometro 26. Si aplica

AL

2 7 . M a s a (x) 27. T X masa 27. Calibración

2 8 . G r a d o p l a t o (x) 28. Certificado de calidad 28. NA

Agua

2 9 . V o l u m e n (x) 29. T X flujo 29. Calibración

Mosto callente + agua + AL

3 0 . M a s a (y) 30. Cálculo 30. N A

3 1 . G r a d o p l a t o (y) 3 1 . T X grado plato 3 1 . Calibración

Enfriador de mosto 3 2 . V o l u m e n (x) 32. T X flujo 32. Calibración

3 3 . G r a d o p l a t o (x) 33. Densímetro 33. Si aplica

Tabla 3.1 Quality Map de Cocimientos

18
Validación del sistema de medición

A raíz del Quality Map una de las primeras acciones que se emprendieron
fue hacer un plan de calibración a todos los equipos de medición que se
enlazan de manera automática con la base de datos del sistema Botec, en la
cual no interviene operador alguno. Por consenso del grupo y la experiencia del
mismo se decidió hacer un estudio de R&R al proceso de medición d e l plato
0

en mosto frío, ya que este es una variable clave en el proceso de cálculo de la

merma. Al ser el proceso de medición de ° plato destructivo, ya que no se
pueden medir exactamente el mismo mosto siempre, se decidió hacer un
estudio anidado (nested), cada cocimiento fue tratado como un batch (serie)
diferente y en la prueba participaron 3 operadores, que corresponden a los 3
turnos en los que opera la planta.
Se utiliza un estudio de R&R anidado para determinar la de variabilidad en las
mediciones atribuibles al sistema de medición. La variación del sistema de
medición incluye tanto la variación atribuible al equipo y la variación de
operador a operador.
El estudio de R&R anidado es usado para pruebas destructivas cuando los
siguientes supuestos han sido cumplidos:
• Todas las partes de un solo batch son lo bastantes parecidas para ser
consideradas iguales
• Los operadores toman muestras de diferentes batches. (Minitab
Statguide, 2007)

Media y yafianza del proceso bajo estudio

El sistema Botec permite conocer una estimación aproximada a la merma

después de cada cocimiento. Esta estimación solamente corresponde a la
merma generada hasta el tanque de mosto frío, que es donde termina el
proceso de cocimientos, justo antes de empezar la fermentación. Se tomaron
todos los datos generados del 21 al 29 de febrero, y de estos se calculó la
media y varianza del proceso.

Proceso bajo control

Se procederá a realizar un gráfico l-MR (Individual/Moving Range). Esto nos

permitirá ver si el proceso está bajo control. Un gráfico l-MR es para muestras
individuales y se utiliza cuando:

• La medición es cara
• El proceso tiene un tiempo largo
• Una muestra representa un batch diferente

19
 En este caso el proceso de cocimiento es largo (1 hora 45 minutos) y cada
muestra representa un batch distinto.

3.3.3 Analizar

Lluvia de ideas de las "x's" posibles

Se llevó a cabo una reunión para hacer un listado de las posibles x's que
estuvieran influenciando en la variable de respuesta "Y" (merma de cerveza)
tomando en cuenta el Quality Map.

Priorización de las "x's" posibles

Se llevó a cabo un análisis de regresión con el objetivo de identificar o

descartar todas aquellas variables que influyeran en la variable de respuesta
«%/»

Planteamiento de la hipótesis

Con base al análisis de regresión y a observaciones anteriormente hechas

por los operadores y dueños del proceso, se planteó la hipótesis de que uno de
los trenes de cocimiento estaba dando mayor merma de otro. Si esto es cierto,
se procedería a realizar un diagrama de Ishikawa que ayudará a resolver esta
problemática, a estabilizar los 2 trenes y por lo tanto a reducir el índice de
merma de cerveza.

Antes de realizar la prueba de diferencia de medias, se plantea la hipótesis

para ver si las varianzas son iguales.

Ho: o i = o 2 vs. H 1 : a 1 1 o 2 , donde o 1 es la varianza del tren uno y a 2

2 2 2 2 2 2

es la varianza en el tren dos.

Una vez confirmada la hipótesis de las varianzas se plantea la hipótesis de

diferencia de medias para los trenes:

Ho: u1 - u2 = 0 vs. H 1 : u 1 - u2 * 0, donde u1 es la media del tren uno y u2

es la media del tren 2.

Para confirmar el cambio en la media del proceso una vez eliminada la

diferencia en la media de los trenes (en caso de existir) se plantea la siguiente
hipótesis:

20
 Ho: u1 - u2 = 0 vs. H 1 : u 1 - u2 * 0, donde u1 es la media inicial del proceso
antes de la aplicación del proyecto Seis Sigma y u2 es la media al finalizar el
proyecto de Seis Sigma.

Elaboración de diagrama de Ishikawa

Una vez validada la hipótesis de que un tren genera más merma que otro,
se procede a realizar un diagrama de Ishikawa. En este diagrama, el problema
central es la diferencia de merma por tren. Se cita al equipo donde participan
los dueños de procesos, champion, Green belt, Black Belt y los operadores del
proceso. A continuación se les explica el propósito de la dinámica y empiezan a
generar ideas y las escriben una a una en post-its. Cada una de las espinas de
pescado se clasifica en: maquinaria, material, método, mano de obra y medio
ambiente. Una vez que las ideas se han agotado de manera individual el
facilitador solicita que cada quien pase y pegue sus ideas en las espinas
correspondientes. Una vez que todas las ideas están pegadas se procede a
eliminar todas aquellas que están repetidas, se leen todas, y si existe alguna
duda, la persona que generó la idea puede ampliar la explicación para que
quede claro a todo el equipo. Después se procede a votar por cada una de las
causas individualmente por cada miembro del equipo, la causas de pasan a
una matriz de manera priorizada, se asignan responsable, se validan las
causas y en caso de aplicar se procede a hacer un plan de acción de acciones
potenciales para atacar la problemática.

3.3.4 Mejorar

Terminar de desarrollar y seleccionar soluciones

Conforme el plan de acciones se vayan ejecutando se irán proponiendo

nuevas soluciones potenciales que ayuden a eliminar la diferencia de merma
entre los trenes, según la hipótesis planteada y al mismo tiempo disminuir la
merma en elaboración.

Confirmar las mejoras

Se realizará un 2-sample t test para demostrar que la diferencia entre los

trenes haya sido eliminada. También se realizará un ANOVA para comprobar
que ha habido un cambio de la media de la "Y", disminuyendo su valor y
confirmando de esta forma la mejora al proceso.

21
Confirmar las "x's" listadas

Se procederá a confirmar que las x's listadas al principio sean realmente

significativas para el proceso.

3.3.5 Controlar

En esta última parte, y quizás la más importante, se documentará el

proyecto para dejar evidencia en posibles auditorias y revisiones futuras al
proceso, de tal forma que se pueda saber qué se hizo y qué se dejó de hacer
en caso de que surgiera un problema. También se llevará a cabo una medición
del desempeño actual para evaluar si este será sostenible. Una vez hecho esto
se transferirá el proceso a los dueños, se identificarán oportunidades
adicionales y se verificarán y aprobarán los beneficios financieros por parte del
departamento administrativo.

3.4 Características de la muestra

La muestra que se utilizará para fines de este estudio es el resultado que da

el sistema Botec al final de cada cocimiento, para lo cual se tomaron el 100%
de los datos arrojados por el sistema en el periodo de duración del proyecto.
Los datos deben seguir una distribución normal y deberán de comportarse de
manera aleatoria.

3.5 Prueba de hipótesis

La prueba de hipótesis, como antes se mencionó, es que existe una

diferencia de merma entre los 2 trenes de cocimiento. Por lo que la hipótesis
nula planteada es que las medias de la variable "Y" merma de cerveza son
iguales para los dos trenes, y la hipótesis alternativa será que son diferentes.
Una vez eliminado el problema de las diferencia de merma por tren se
procederá a validar los resultados, por lo que se generará un ANOVA donde la
hipótesis nula será que la media del proceso no ha cambiado y la hipótesis
alternativa será que la media del proceso cambió.
Con estas dos hipótesis se podrá validar y confirmar la reducción de la merma
de cerveza en elaboración y por lo tanto los resultados del proyecto, que se
verán en el siguiente capítulo.

22
3.6 Nivel de significancia

El nivel de significancia elegido para la mayoría de las pruebas es de 5%.

Esto nos permite tener un muy buen nivel de confianza (95%)

23
 4 RESULTADOS DE LA INVESTIGACIÓN

Introducción

El principal resultado y a la vez el más importante fue una reducción de la

merma, derivado en gran parte a la aplicación de la metodología de Seis Sigma
en el proceso de elaboración de cerveza. Logrando un ahorro acumulado a
abril de 2008 de $400,000 de pesos y un ahorro estimado acumulado anual de
$2, 000,000 de pesos. Estos se resultados fueron validados por el
departamento administrativo, responsable de las finanzas de CCM Navojoa.

Figura 4.1 Merma Elaboración por Mes

En la figura 4.1 se puede ver con el avance en la reducción de % de merma

de cerveza en elaboración ha sido considerable, reflejo de las acciones que se
llevaron a cabo a través de la metodología Seis Sigma.

Figura 4.2 Merma Elaboración Acumulado

24
 En esta figura 4.2 se muestra como el valor acumulado de % de merma de
cerveza en el área de elaboración es de 3.75 al mes de marzo. Si los avances
son sostenidos, se estará logrando cumplir con la meta anual de 3.5% de
merma acumulado al cierre del año 2008, por consiguiente, los ahorros por 2
millones de pesos.

Figura 4.3 Merma Cocimientos Mes

Gran parte del desempeño en la reducción de merma de cerveza de

elaboración se debe a la reducción de este índice en el área de cocimientos,
que es el proceso donde se aplicó la metodología de Seis Sigma. En la figura
4.3 aparece el resultado por mes.

Figura 4.4 Merma Cocimientos Acumulado

La merma de cocimientos acumulado también muestra buen desempeño. Si

el indicador de merma cocimientos por mes sigue la tendencia observada en la
figura 4.4 el indicador de merma de cocimientos acumulado se adaptará pronto
a esta tendencia, ya que este último contempla el volumen total producido

25
acumulado. En los meses de enero y febrero la producción es baja, por lo que
el 1.84 y 1.71% pueden ser revertidos fácilmente.

En el siguiente capítulo se hace una descripción exhaustiva de cada uno de

las fases del proceso que llevaron a obtener los resultados mencionados,
explicando cada detalle del análisis y las mejoras implementadas durante el
proyecto.

4.1 Resultados de la fase de Definir

El resultado principal de la fase Definir fue el "Project Charter" el cual

aparece en la figura 3.1 (ver apéndice). También se confirmó la meta de 3.5%
de merma de cerveza acumulada anual en el área de elaboración, lo que
corresponde a 2 millones de pesos anuales en ahorros.

4.2 Resultados de la fase de Medir

Validación del sistema de medición

El estudio de R&R se llevó a cabo con los 3 analistas de procesos que

llevan cabo las mediciones, que corresponden a los 3 turnos de producción. Se
tomaron 30 muestras por operador, dando un total de 90 muestras para la
prueba. Las muestras fueron obtenidas de 10 cocimientos diferentes y cada
operador tomó 3 muestras de cada cocimiento, dando así el total de 30
muestras por operador. Para fines de la interpretación de resultados a cada
cocimiento le llamaremos batch.
Como ya se mencionó anteriormente, se decidió hacer un estudio anidado
(nested) ya que las 3 muestras que toma el operador de cada cocimiento no
son propiamente la misma muestra, sino muestras diferentes de mismos
batches. Los resultados de dicho estudio fueron los siguientes:

26
Gage R&R Study - Nested ANOVA
Gage R&R (Nested) for °P
Source DF SS MS F P
Operador 2 0.01694 0.0084717 0.15 0.864
COCIMIENTO (Operador) 27 1.55981 0.0577709 1721.65 0.000
Repeatability 60 0.00201 0.0000336
Total 89 1.57877

Gage R&R
%Contribution
Source VarComp (of VarComp)
T o t a l Gage R&R 0.0000336 0.17
Repeatability 0.0000336 0.17
Reproducibility 0.0000000 0.00
Part-To-Part 0.0192458 99.83
Total Variation 0.0192793 100.00

Study Var %Study Var

Source StdDev (SD) (6 * SD) (%SV)
T o t a l Gage R&R 0.005793 0.034756 4.17
Repeatability 0.005793 0.034756 4.17
Reproducibility 0.000000 0.000000 0.00
Part-To-Part 0.138729 0.832375 99.91
Total Variation 0.138850 0.833100 100.00

Number of D i s t i n c t Categories = 33

Tabla 4.1 Estudio de R&R ° plato

La prueba de ANOVA anidada lista las siguientes fuentes de variabilidad:

• Operador. Que representa la variabilidad en las mediciones entre los

diferentes operadores.
• COCIMIENTO (operador). Que representa la variabilidad de las
mediciones a través de los diferentes cocimientos por cada operador.
• Error o repetibilidad. Que representan la variabilidad que no puede ser
atribuible ni a los cocimientos ni a los operadores.

En este caso el valor de P es grande (0.864) lo que quiere decir que el

promedio de las mediciones no es probable que dependa de la forma en la cual
el operador mide, con un nivel de significancia del 5%.

En la columna de "% Contribution (of Varcomp) podemos ver que el 99.83%

de la variabilidad se encuentra de cocimiento a cocimiento, lo que es algo muy
bueno, ya que esto nos dice que el operador no influye en el resultado final de
las mediciones.

También el estudio distingue 33 categorías, lo que nos dice que el sistema

es adecuado para las mediciones que estamos tomando.

27
 Figura 4.5 Estudio de R&R anidado

En la figura 4.5 se confirma los comentarios de la sección anterior. En la

gráfica de "Components of Variation" de la misma figura se puede apreciar que
el porcentaje mayor de contribución en la variabilidad del estudio se encuentra
en "part to part" es decir, de cocimiento a cocimiento. Lo que nos habla de la
buena precisión del sistema de medición.

Media y varianza del proceso bajo estudio

Los resultados en la medición de la media y la varianza fueron los

siguientes:

D e s c r i p t i v e S t a t i s t i c s : M e r m a "Y"

Variable Mean SE Mean StDev Minimum Ql Median

Q3
Merma "Y" 0.020364 0.000925 0.006274 0.007639 0.014986 0.020842
0.024433

Variable Máximum
Merma "Y" 0.032330

Tabla 4.2 Estadística descriptiva en merma "Y"

28
 El proceso presenta una media de 2.03% de merma en el área de
cocimientos, con una desviación estándar de 0.627%.

Figura 4.6 Individual Valué Plot de Merma "Y" muestra de manera gráfica
la dispersión de los datos

Figura 4.7 Boxplot de Merma "Y" muestra la dispersión de los datos,

así como la mediana y los cuartiles

Figura 4.8 Histograma de Merma "Y" muestra la frecuencia de los datos

29
 Figura 4.9 Gráfica de probabilidad

La figura 4.9 muestra como los datos siguen un patrón de distribución

normal, ya que ninguno de los puntos sale fuera de los límites.
Se llevó a cabo la prueba de normalidad de Anderson-Darling, con un nivel de
significancia del 5%, para ver si los datos muestreados siguen una distribución
normal. El valor P es de 0.467, como utilizamos un nivel de significancia de
0.05 esto quiere decir que no existe la evidencia para poder rechazar la
hipótesis nula, con lo que se concluye que los datos siguen una distribución
normal. La prueba de Kolmogorov-Smirnov arrojó resultados similares.

Figura 4.10 Gráfica de probabilidad para Merma

30
 Figura 4.11 Gráfico l-MR

Los gráficos tipo l-MR sirven para ver si un proceso está bajo control y a
diferencia de los gráfico X y R, son para muestras individuales. La decisión se
tomó pues el proceso de cocimientos es largo (1hora 45 minutos) y sólo se
tiene un dato al finalizar este, y cada cocimiento representa un baten diferente.

El diagrama individual (I) nos muestra que el promedio de las observaciones

está en control como lo muestra la figura 4.11. El gráfico MR (Figura 4.11)
muestra que la variación del proceso está bajo control. Con estas dos gráfica
entones podemos concluir que el proceso está bajo control. En caso de
presentarse una observación fuera de los límites señalados, se procedería a
investigar las causas del punto fuera de control.

El diagrama MR nos demuestra que la variación del proceso está bajo

control, ya que ninguna observación sobrepasa los límites señalados.

En conclusión, el diagrama l-MR nos demuestra que tanto el promedio como

la variación del proceso bajo estudio están bajo control.

31
4.3 Resultados de la fase de Analizar

Lluvia de ideas de las "x's" posibles

Se llevó a cabo una reunión para hacer un listado de las posibles x's que
estuviera influenciando en la variable de respuesta "Y" (merma de cerveza)
tomando en cuenta el Quality Map. El resultado fue el siguiente:

• Marca
• Tren
• Almidón
• Rendimiento malta
• Rendimiento cebada
• Colchón cocedor
• Volumen cocedor
• Temperatura cocedor
• Final cocedor
• Volumen cocedor 1
• Colchón extractor
• Agua de riego extractor
• Trub extractor
• Mosto débil extractor
• Volumen de tanque de espera
• Temperatura tanque de espera
• Volumen inicial olla
• ° plato final
• Volumen final olla
• Volumen mosto caliente
• Extracto real mosto caliente
• ° plato A L
• Laboratorio ° plato

Priorización de las "x's" posibles

Se llevó a cabo un análisis de regresión con el objetivo de identificar o

descartar todas aquellas variables que influyeran en la variable de respuesta
"Y". El resultado es el siguiente:

32
 Regression Analysis: Merma "Y" versus Cocto, AL,
The r e g r e s s i o n equation i s
Merma "Y" =1.86 + 0.000005 Cocto - 0.0233 AL + 0 .000001 MF V o l -
0.00858 Tren
- 0.000011 Almidón - 4.13 Rend Malta + 1.55 Rend cebada
- 0.000307 Colchón Coce - 0.000005 V o l Coce + 0.000143 Temp
Coce
- 0.000004 F i n a l Macerador + 0 .000054 Vol Coce 1
+ 0.000006 V o l i n io l l a + 0.00397 ° p l a t o F i n a l
+ 0.000028 V o l f i n a l o l l a + 0. 000105 Vol mosto c a l
- 0.000007 Extracto Ideal + 0. 000020 o p l a t o AL - 0.00152
Lab. ° p l a t o
+ 0.0870 Marca

Predictor Coef SE Coef T P VIF

Constant 1.857 1.209 1.54 0 .131
Cocto 0.00000504 0.00001187 0.42 0 .673 2. 203
AL -0.02326 0.01674 -1.39 0 .171 635. 645
MF V o l 0.00000087 0.00002581 0.03 0 .973 7. 113
Tren -0.008581 0.001833 -4.68 0 .000 9. 752
Almidón -0.00001089 0.00000716 -1.52 0 .135 2618. 543
Rend Malta -4.130 3.336 -1.24 0 .222 26865. 033
Rend cebada 1.551 1.590 0.98 0 .334 90207. 593
Colchón Coce -0.0003075 0.0002168 -1.42 0 .163 2546. 230
V o l Coce -0.00000496 0.00003159 -0.16 0 .876 38. 095
Temp Coce 0.0001425 0.0001009 1.41 0 .164 16. 801
F i n a l Macerador -0.00000419 0.00001710 -0.25 0 .807 1. 366
V o l Coce_l 0.00005375 0.00004020 1.34 0 .188 101. 048
Vol i n i o l l a 0.00000571 0.00000662 0.86 0 .392 3. 008
° plato Final 0.003965 0.007399 0.54 0.595 2832 .353
Vol f i n a l o l l a 0.00002789 0.00005158 0.54 0 .591 248. 193
Vol mosto c a l 0.0001053 0.0001472 0.72 0 .478 2181. 670
E x t r a c t o Ideal -0.00000670 0.00001156 -0.58 0 .565 6363. 357
° p l a t o AL 0.00002043 0.00005014 0.41 0.686 34 .348
Lab. ° p l a t o -0.001517 0.001131 -1.34 D.186 25 .990
Marca 0.08704 0.09086 0.96 0 .343 42591. 638

S = 0.00241606 R-Sq = 89.2% R-Sq(adj) = 84.6%

PRESS = * R-Sq(pred) = *%

A n a l y s i s o f Variance

Source DF SS MS F P
Regression 20 0.00226084 0.00011304 19.37 0.000
Residual E r r o r 47 0.00027435 0.00000584
Total 67 0.00253519

Tabla 4.3 Análisis de regresión

La tabla 4.3 muestra el análisis de regresión hecho sobre las variables x's
que inciden sobre la variable de respuesta "Y" (merma de cerveza). La variable
más significativa fue el "tren". Esto confirma las sospechas de los dueños del
proceso y los operadores. Dentro del modelo existen algunas variables que
presentan un Factor de Influencia de la Variación (VIF) alto, lo que sugiere que
hay relación dependiente entre las variables presentes en el modelo.
Posteriormente se retirarán del modelo aquellas que presenten un VIF alto y se

33
trabajará sobre la variable "tren", ya que en teoría ambos trenes deberían estar
dando la misma merma, al ser ambos procesos espejo.
El modelo muestra una R-cuadrada de 89.2% lo que quiere decir que el modelo
explica la mayor parte de la variación. La R-cuadrada ajustada es de 84.6%, lo
cual es aceptable, por lo tanto el modelo es bueno prediciendo valores futuros.
El análisis de varianza muestra un valor P de 0.000, lo cual lo hace
significativo. Esto quiere decir que por lo menos una variable dentro del modelo
es significativa.

Figura 4.12 Gráfica de residuales para merma "Y"

En la figura 4.12 se muestran las gráficas de residuales. La gráfica normal

de probabilidad indica que los datos se comportan de manera normal. La
gráfica "versus fits" valida el supuesto de que la varianza es constante y que no
existe una relación no linear con los datos. El histograma no muestra que los
datos se carguen hacia algún lado y por último la gráfica "versus order" muestra
que los datos no evidencian un patrón respecto al tiempo o al orden de
recolección de los datos.
En resumen estás gráficas no muestran problema alguno que impida
continuar con la investigación.

34
Planteamiento de la hipótesis

Con base al análisis de regresión y a observaciones anteriormente hechas

por los operadores y dueños del proceso, se planteó la hipótesis de que uno de
los trenes de cocimiento estaba dando mayor merma de otro. Si esto es cierto,
se procedería a realizar un diagrama de Ishikawa que ayudará a resolver esta
problemática, a estabilizar los 2 trenes y por lo tanto a reducir el índice de
merma de cerveza.

Antes de realizar la prueba de diferencia de medias, se plantea la hipótesis

para ver si las varianzas son iguales.

Ho: a 1 = a 2 V S . H 1 : a 1 4- a 2 , donde a 1 es la varianza del tren uno y o 2

2 2 2 2 2 2

es la varianza en el tren dos.

El resultado fue el siguiente:

Test for Equal Variances: Merma "Y" versus Tren

95% B o n f e r r o n i confidence i n t e r v a l s f o r standard d e v i a t i o n s

Tren N Lower StDev Upper

1 36 0.0043147 0.0054755 0.0074369
2 32 0.0039890 0.0051292 0.0071221

F-Test (Normal D i s t r i b u t i o n )
Test s t a t i s t i c = 1.14, p-value = 0.716

Levene's Test (Any Continuous D i s t r i b u t i o n )

Test s t a t i s t i c = 0.00, p-value = 0.982

Tabla 4.4 Prueba de varianza para tren 1 vs. Tren 2

La prueba F para la distribución normal muestra un valor p de 0.716, lo que

quiere decir que no hay evidencia suficiente para rechazar la hipótesis nula, por
lo que se concluye que las varianzas de las dos muestras son iguales. La
prueba de Levene para cualquier distribución continua demuestra un resultado
similar.

La gráfica de la figura 4.13 muestra los mismos resultados

35
 Figura 4.13 Prueba para varianzas iguales para "Y"

Una vez confirmada la hipótesis de las varianzas se plantea la hipótesis de

diferencia de medias asumiendo varianzas iguales.

Ho: μ1 - μ2 = 0 vs. H1: μ1- μ2 = 0, donde μ1 es la media del tren uno y μ2

es la media del tren 2.

Se llevó a cabo una prueba t de 2 muestras (two-sample t test) que es un

ANOVA con dos variables, obteniendo los siguientes resultados:

T w o - S a m p l e T-Test a n d C l : M e r m a " Y " , T r e n

Two-sample T f o r Merma "Y"

Tren N Mean StDev SE Mean

1 36 0.02248 0.00548 0.00091
2 32 0.01619 0.00513 0.00091

D i f f e r e n c e = mu (1) - mu (2)
Estimate f o rdifference: 0.00629
95% C I f o r d i f f e r e n c e : (0.00371, 0.00887)
T - T e s t o f d i f f e r e n c e = 0 (vs n o t =): T - V a l u e = 4 . 8 7 P - V a l u e = 0.000 DF
= 66
B o t h u s e P o o l e d S t D e v = 0.0053

Tabla 4.5 Two-sample T-Test para "Y"

Se obtiene un valor de P de 0.000, con lo que se tiene evidencia suficiente

para rechazar la hipótesis nula y afirmar que ambas medias son diferentes.

36
 La figura 4.14 La gráfica de valor individual para merma
muestra una diferencia visual entre las medias de los dos trenes.

Figura 4.15 Muestra el boxplot para la variable "Y" merma.

Visualmente se aprecia una diferencia entre trenes.

37
Elaboración de diagrama de Ishikawa

Una vez confirmada la diferencia de medias entre los 2 trenes se procedió a

reunir al equipo y forma un diagrama de Ishikawa que ayudará a generar
posibles causas de esta diferencia, validar las mismas y establecer soluciones
potenciales.

Maquinaria Material

problemas en válvulas en
l i n e a d e m a c e r a d o r al lauter V á l v u l a s e n falla d e los anillos
del lauter Algún problema de humedad
en las tuberías. Fugas de
vapor.
Calibración d e tolvas
pesadoras Medidos de volumen
descalibrado
C a l i d a d e n la m o l i e n d a
N o b a j a el r a s t r i l l o a 0
Antón Paar descalibrado
mm

Sistema mixer no trabaja en

automático M e d i d o r e s d e flujo e n
entradas de agua en
cocedores y maceradores
Diferencia de
merma extracto
Diferencia en control de por tren
temperatura en sacarificación
de maceradores Algún tiempo de m á s o de
m e n o s e n las recetas.
—
BOTEC.
Tolvas pesadoras no se vacia
T i e m p o s extras en ebullición c o m p l e t a m e n t e al bajar
L o s g r a d o s p l a t o al l l e n a r l a material
olla d a n diferente e n c a d a
Falta d e homogenización tren
durante la filtración
Diferencia e n inicio d e Abejas en descarga de AL
e n t r a d a d e a g u a d e riego e n
Mala secuencia de pesada lauters

A g i t a c i ó n deficiente del
producto en macerador

Método Mano de obra y

medio ambiente

Figura 4.16 Diagrama de Ishikawa

38
Elaboración del plan de validación y soluciones potenciales

A raíz del diagrama de Ishikawa se aplicó la técnica del voto individual para
poder priorizar las causas más reales y de mayor impacto. Una vez hecho esto
se elaboró una matriz con las causas priorizadas, su validación y acciones
potenciales.
Rank Idea Validación Plan de a c c i ó n Responsable Avance

Causa validada. Se tenía problema

en válvula del lauter, una pieza
Gobiernas en válvula en línea de
m pedía el cierre, estaba q u e d a n d o Eliminar el problema de la válvula de
11 macerador al lauter, d e r r a m e a Rene Cazarez 100%
a línea cargada y se enviaba a auter
drenaje
drenaje en uno de los pasos del
programa

Calibrar medidores de flujo de

Medidores de v o l u m e n en equipos Causa validada. Los medidores auters, medidores de presión,
10 R a m ó n Robles 100%
descalibrados están descalibrados tanques de espera, ollas de
cocimientos y maceradores.
C a u s a probada. Se cuenta con mala Elaborar matriz y programarla en
10 víala s e c u e n c i a de pesada R a m ó n Zarate 100%
secuencia de pesada receta

C a u s a validada. La homogenización
Agitación deficiente del producto en es insuficiente por mezcla deficiente Elaborar LSP para arranque d e
9 Julio Almaguer 100%
macerador con a g u a durante la bajada del cocimientos
material al macerador.

A u m e n t a r la cantidad de agua al
S e g u n d a acción — > oajar la materia prima en el Juan Rivera 100%
macerador
Verificar extracto en masilla en
Falta d e h o m o g e n i z a c i ó n durante la
9 C a u s a validada. diferentes zonas del lauter vs. Juan Rivera 100%
filtración
Anillos de lauter

C a u s a validada. Si hay diferencias

7 Calibración de tolvas pesadoras Calibrar tolvas pesadoras R a m ó n Zarate 100%
en la calibración de las tolvas.

C a u s a validada, no aplica. El agua

Diferencia en inicio entrada de a g u a
7 de riego inicia ai m i s m o tiempo en
en riego Lauters
a m b o s lauters
Hacer un comparativo de % de
7 T i e m p o s extras en ebullición C a u s a validada. evaporación y grado plato de a m b o s J o s e b a Aguirre 100%
trenes y realizar ajustes
Elaborar registro de eventos y
V á l v u l a s en falla de los anillos del C a u s a validada. Si es una falla que
7 reportarla a mantenimiento para su Juan Rivera 100%
Lauter afecta el proceso
reparación
Al estar filtrando extractores no baja el
Lauter 2 presentaba diferencias en
5 rastrillo a 0 m m cuando se le pide por Corregir la falla Juan Rivera 100%
los rastrillos
programa
C a u s a validada. Equipo Antón Par
4 Descalibración del A n t ó n Paar Calibrar equipo Julio Almaguer 100%
descalibrado
Tolvas pesadoras no se vacían C a u s a validada. Las tolvas no se
4 Corregir la falla Juan Rivera 100%
c o m p l e t a m e n t e al bajar material vacían completamente.

Diferencias en control de temperatura C a u s a validada. Si existe diferencia

4 Sustitución de termómetros R a m ó n Robles 100%
sacarificación m a c e r a d o r e s en el control de temperatura

A l g ú n t i e m p o de m á s o de m e n o s en
3 C a u s a validada, no aplica.
las recetas. B O T E C
Sistema mixer no trabaja en
3 C a u s a validada, no aplica.
automático
Medidores de flujos en entradas de
3 a g u a en a m b o s trenes en cocedores y C a u s a validada, no aplica.
maceradores

Por el lado de AL darle m a s

temperatura al furgón, le estamos
No s e vacían c o m p l e t a m e n t e los C a u s a validada. No se vacían
3 dando 45° que quede en 55° para Juan Rivera i 100%
furgones de A L completamente.
ver c o m o y si da mejor el escurrido
que le queda en las paredes

A l g ú n p r o b l e m a de h u m e d a d en las
2 C a u s a validada, no aplica.
tuberías. Fuga de vapor.
C a u s a validada. Los operadores no
llevan a cabo su trabajo de manera Eliminar panales de planta y
1 A b e j a s en d e s c a r g a d e A L Edna Rodríguez
cuidadosa por estarse cuidando de periferia con E C O L A B
las abejas
1 Calidad en la molienda C a u s a validada, no aplica.

Tabla 4.6 Plan de validación y soluciones potenciales.

39
4.4 Resultados de la fase de Mejorar

Terminar de desarrollar y seleccionar soluciones

En esta parte se terminaron de validar las causas generadas en el Ishikawa

inicial así como la ejecución de las soluciones para atacar dichas causas.

Confirmar las mejoras

Se realizará un análisis de regresión para demostrar que la variable "Tren"

dejó de ser significativa para el modelo. También se llevará a cabo un two-
sample T-test para demostrar que la diferencia entre los trenes haya sido
eliminada. También se realizará un ANOVA para comprobar que ha habido un
cambio de la media de la "Y", disminuyendo su valor y confirmando de esta
forma la mejora al proceso.

Análisis de regresión

Se realizó un nuevo análisis de regresión y el resultado es el siguiente:

Regression Analysis: Merma "Y"_1 versus Tren, Almidón,...

The r e g r e s s i o n equation i s
Merma "Y" 1 = 0.0300 + 0.000149 Tren + 0.000001 Almidón
+ 0.000008 V o l f i n a l o l l a - 0.00104 Lab. ° p l a t o - 0.00344
Marca

Predictor Coef SE Coef T P VIF

Constant 0.029958 0.002733 10.96 0.000
Tren 0.0001486 0.0002942 0.51 0.615 1.016
Almidón 0.00000089 0.00000013 7.09 0.000 1.576
Vol f i n a l o l l a 0.00000836 0.00000279 3.00 0.003 1.111
0
Lab. plato -0.0010427 0.0001594 -6.54 0.000 1.918
Marca -0.0034382 0.0002568 -13.39 0.000 1.385

S = 0.00148578 R-Sq = 88.4% R-Sq(adj) = 87. 9%

PRESS = 0.000244845 R-Sq(pred) = 86.92%

A n a l y s i s of Variance

Source DF SS MS F P
Regression 5 0.00165625 0.00033125 150.05 0. 000
Residual E r r o r 98 0.00021634 0.00000221
Total 103 0.00187259

40
 Tabla 4.7 Análisis de regresión

En el análisis de regresión mostrado en la tabla 4.6 se puede observar como

la variable "Tren" ya no es significativa. Las otras variables significativas son:
almidón, volumen final de olla, ° plato del laboratorio y marcas.

Two-sample T-Test

Para confirmar el resultado de la regresión se realizó un two-sample t-test

para comprobar que la diferencia en merma por tren haya sido eliminada.

Se plantea la siguiente hipótesis:

Ho: u1 - u2 = 0 vs. H 1 : u 1 - u2 ^ 0, donde u1 es la media del tren uno y u2

es la media del tren 2.

Two-Sample T-Test and Cl: Merma "Y"_.1, Tren

Two-sample T f o r Merma " Y " _ l

Tren N Mean StDev SE Mean

1 49 0.01142 0.00432 0.00062
2 55 0.01104 0.00424 0.00057

D i f f e r e n c e = mu (1) - mu (2)
Estimate f o r d i f f e r e n c e : 0.000383
95% CI f o r d i f f e r e n c e : (-0.001284, 0. 002051)
T-Test of d i f f e r e n c e = 0 (vs not =): T -Valué =0.46 P-Value =0.649 DF
= 102
Both use Pooled StDev = 0.0043

Tabla 4.8 Two-sample T-Test para merma por tren

El valor de P es de 0.649, con lo que se concluye que no hay evidencia

suficiente para rechazar la hipótesis nula, por lo que la diferencia de medias es
cero.

41
 Figura 4.17 Box plot de trenes muestra de manera visual
que la diferencia en medias a desaparecido

Figura 4.18 Individual valué plot merma vs. Tren muestra que la diferencia
de merma entre trenes ha desaparecido.

ANOVA para cambio en la media

Se llevó a cabo una ANOVA para comprobar el cambio en la media de la

variable "Y" merma de cerveza. Se plantea la siguiente hipótesis:

42
 Ho: μ1 - μ2 = 0 vs. H1: μ1- μ2 = 0, donde μ1 es la media inicial del proceso
antes de la aplicación del proyecto Seis Sigma y μ2 es la media al finalizar el
proyecto de Seis Sigma.

Tabla 4.9 ANOVA en merma 1 vs. merma 2

La tabla 4.9 no muestra un valor P de 0.000 lo que nos lleva a rechazar la
hipótesis nula y concluir que ha habido un cambio en la media de 2.03% a
1.12% por concepto de merma cerveza en el área de cocimientos, de esta
forma queda evidenciada la mejora del indicador.

Figura 4.19 El boxplot muestra de manera visual el cambio de la mediana

en el proceso, lo cual muestra la mejora en el indicador

43
 Figura 4.20 El individual valué plot muestra la mejora en el indicador
de merma de cerveza al inicio del proyecto y al final del mismo.

Confirmar las "x's" listadas

Mediante el nuevo análisis de regresión efectuado se concluye que la

diferencia de merma por tren ya no es significativa. También se confirman las
variables almidón, volumen final de olla, ° plato del laboratorio y marcas.

4.5 R e s u l t a d o s de la fase de Controlar

I n s t i t u c i o n a l i z a c i ó n del p r o c e s o

Las soluciones potenciales fueron implementadas al 100%, esto ocasionó

no solamente el mejoramiento en el indicador de merma de cerveza en el área
de cocimientos, sino también en el proceso global de elaboración. Lo
resultados fueron validados por parte del departamento de administrativo.
Las soluciones fueron integradas al "trabajo diario" mediante alineación con
los sistemas ya existentes en CCM. Los principales de estos son ISO, MAD,
Botec y SAP. CCM Planta Navojoa está certificada bajo la norma ISO 9001-
2000, el cual es un sistema de gestión de calidad internacional en el cual se
tienen documentados todos los procesos claves de la empresa. MAD es el
Sistema de Mantenimiento de Alto Desempeño; está basado en la filosofía de
Total Productive Maintenance (TPM) y su principal objetivo es asegurar la
confiabilidad total de los equipos. El Botec es un sistema de información que
maneja y controla todo el proceso de elaboración, desde materia prima hasta
salas frías. Este sistema es el "cerebro" que controla todos los equipos
electrónicos de dicho proceso y a la vez contiene las recetas para la
elaboración de cada una de las marcas, por lo que si algún cambio es

44
necesario estandarizar, el Botec es el sistema en el cual debe quedar
registrado. Por último CCM cuenta con SAP; este es un sistema de tipo MRP
que funciona de manera modular para integrar todos los procesos de
administración de negocio. La administración de mantenimiento se lleva a
través de SAP, que integra la parte de refacciones, ordenes de trabajo,
compras y todo lo relacionado con la confiabilidad de los equipos.
Siendo estos los sistemas principales, los cambios que se llevaron a cabo
fueron integrados a estos. La siguiente tabla muestra como fueron integrados.
Causa Pían de acción Estandarización Responsable Avance
P r o b l e m a s e n v á l v u l a en línea d e
E l i m i n a r el p r o b l e m a d e la v á l v u l a d e Rubén Alejandro
m a c e r a d o r ai lauter, d e r r a m e a S e integra a S A P m a n t e n i m i e n t o 100%
lauter Aldama
drenaje
Calibrar m e d i d o r e s d e flujo d e
M e d i d o r e s d e v o l u m e n en e q u i p o s lauters, m e d i d o r e s d e p r e s i ó n , Rubén Alejandro
S e integra a S A P m a n t e n i m i e n t o 100%
descalibrados t a n q u e s d e e s p e r a , ollas d e Aldama
cocimientos y maceradores.
E l a b o r a r m a t r i z y p r o g r a m a r l a en
Mala secuencia de pesada S e integra al B O T E C Ramón Zarate 100%
receta
A g i t a c i ó n d e f i c i e n t e del p r o d u c t o en Elaborar LSP para arranque de S e e l a b o r a L e c c i ó n d e un S o l o
Julio Almaguer 100%
macerador cocimientos P u n t o y s e integra al M A D
A u m e n t a r la c a n t i d a d d e a g u a al
bajar la m a t e r i a p r i m a en el S e integra al B O T E C Ramón Zarate 100%
macerador
V e r i f i c a r e x t r a c t o e n m a s i l l a en
Falta d e h o m o g e n i z a c i ó n d u r a n t e la
d i f e r e n t e s z o n a s del lauter v s . S e integra a I S O Juan Rivera 100%
filtración
A n i l l o s d e lauter
Rubén Alejandro
Calibración de tolvas pesadoras Calibrar t o l v a s p e s a d o r a s S e integra a S A P m a n t e n i m i e n t o 100%
Aldama
Elaborar registro de eventos y
V á l v u l a s e n falla d e los anillos del Rubén Alejandro
reportarla a mantenimiento para su S e integra a S A P m a n t e n i m i e n t o 100%
Lauter Aldama
reparación
A l e s t a r f i l t r a n d o e x t r a c t o r e s n o baja el
Rubén Alejandro
rastrillo a 0 m m c u a n d o s e le p i d e por C o r r e g i r la f a l l a S e integra a S A P m a n t e n i m i e n t o 100%
Aldama
programa
Rubén Alejandro
D e s c a l i b r a c i ó n del A n t ó n P a a r Calibrar equipo S e integra a S A P m a n t e n i m i e n t o 100%
Aldama
Tolvas pesadoras no se vacían
C o r r e g i r la f a l l a S e integra a ISO Juan Rivera 100%
c o m p l e t a m e n t e al b a j a r m a t e r i a l

Diferencias en control d e temperatura Rubén Alejandro

Sustitución de termómetros S e integra a S A P m a n t e n i m i e n t o 100%
sacarificación maceradores Aldama

Por el lado d e A L darle m a s

t e m p e r a t u r a al f u r g ó n , le e s t a m o s
No s e v a c í a n c o m p l e t a m e n t e los
d a n d o 4 5 ° q u e q u e d e en 55° p a r a S e integra a ISO Juan Rivera 100%
furgones de AL
ver c o m o y si d a m e j o r el e s c u r r i d o
q u e le q u e d a en las p a r e d e s

Eliminar panales de planta y

Abejas en descarga de A L S e integra a ISO Edna Rodríguez 100%
periferia c o n E C O L A B

Tabla 4.9 Institucionalización del proceso

E s t a n d a r i z a c i ó n y réplica

El área de oportunidad detectada en la cual este proyecto podría ser

replicado es al resto de las planta cerveceras el grupo, ya que la metodología
aborda un problemática común para el área de elaboración, además que
comparte información relevante acerca de acciones específicas que se llevaron
a cabo con el fin de mejorar el indicador.
CCM Navojoa cuenta con un sistema llamado Knowledge Management
(KM) el cual es una plataforma de intercambio de conocimiento. Una vez
terminado de documentar el proceso se subirá a dicha plataforma para que
pueda ser consultado por cualquier usuario con acceso a dicha plataforma. En
la documentación adicionalmente se pone la información del contacto en caso
de que se requiera de mayor información.

45
 5 Recomendaciones y trabajos futuros

Introducción

En la siguiente sección de describe brevemente alguna recomendaciones

que se hacen al proceso, así como a las personas que lo administran. También
se habla acerca de investigaciones o trabajos futuros que pueden derivarse a
partir de este proyecto. Todo esto bajo un esquema de mejora continua.

5.1 Recomendaciones al proceso

Durante el estudio de R&R anidado a pesar de que la variabilidad atribuible

al sistema R&R fue muy baja, se pudieron observar inconsistencias por parte
de los operadores al llevar a cabo las mediciones, esto nos lleva a concluir que
dicha inconsistencia es lo suficientemente baja para no afectar al sistema de
medición, pero se requiere de una mayor investigación y tal vez mayor
entrenamiento a los operadores para poder asegurar la estandarización de está
práctica. También es recomendable verificar la matriz de capacitación para
asegurar de que en caso de algún cambio o un nuevo trabajador se integre,
pueda entrenársele eficientemente en dicho proceso.
Otra recomendación es hacer comparaciones referenciales con otras
plantas del grupo. Los procesos de elaboración en teoría son iguales; sí existe
variación por los equipos de mayor o menor tecnología, pero el proceso en
esencia es el mismo, por lo que el intercambio de mejoras prácticas podría
aumentar más el grado de conocimiento respecto al proceso.
Es necesario terminar de implementar las mejoras al sistema Botec, aún
existen áreas de oportunidad respecto a la recopilación de información
especialmente en el área de fermentación y salas frías (las cuales no
estuvieron dentro del alcance de este proyecto). De igual forma, es necesario
buscar una plataforma en html que pueda ser accesible para los usuarios clave.

5.2 Trabajos futuros

El alcance de este proyecto no contempló un diseño de experimentos, la

razón principalmente fue que el proceso presentaba fuertes áreas de
oportunidad que fueron corregidas en este proyecto. La aplicación de un diseño
de experimentos es algo más fino que se pudiera llevar a cabo una vez
cerrando y concluyendo la fase de control.
Se recomienda hacer un análisis futuro acerca del efecto que tiene la marca
que se está elaborando y la merma. Esta hipótesis ya se manejaba de manera
empírica entre los dueños del proceso y los operadores, y quedó confirmado en
el último análisis de regresión, pero se decidió no contemplarlo dentro del
alcance de este proyecto.

46
 De igual forma, en el último análisis de regresión quedó evidenciado el
impacto que tiene el uso de almidón en la merma. Esta materia prima ya se ha
estado dejando de usar, sustituyéndolo por adjunto líquido. Valdría la pena
llevar a cabo un estudio que haga un comparativo sobre los costos-beneficios
de utilizar almidón o adjunto líquido, tomando como variable principal la merma
que genera cada uno.
Por último, se recomienda llevar a cabo un proyecto de Seis Sigma para las
otras dos áreas de elaboración: fermentación y salas frías, ya que la merma en
esas áreas ha estado alta e inconsistente.

Figura 5.1 Merma Salas frías por mes

47
Apéndice A

Figura 3.1 Project Charter

48
Bibliografía:

• Breyfogle III, F. W., Cupello, J. M. y Meadows, B. (2001). Managing Six

Sigma. New York, Estados Unidos: Wiley-lnterscience.
• George, M. L. (2002). Lean Six Sigma: Combining Six Sigma Quality with
Lean Speed. Estados Unidos: McGraw-Hill.
• Snee, R. D. y Hoerl, R. W. (2003). Leading Six Sigma. New Jersey,
Estados Unidos: Prentice Hall.
• La Esencia del Trabajo en Equipo (Febrero 2002) [Material didáctico de
curso Metodología "Six Sigma"]. Copy Editor, 33-53.
• Herramienta y Fases dentro del Programa Seis Sigma (2005) [Material
didáctico de Curso para Certificación Black Belt Six Sigma]. Copy Editor,
2, 5-31.

VITA

Gustavo Adolfo Lujan Moreno es Ingeniero Industrial y de Sistemas

egresado del Instituto Tecnológico de Sonora, ha trabajado por 7 años en
Cervecería Cuauhtémoc Moctezuma desempeñándose como supervisor de
envasado, comprador internacional y actualmente ocupa el puesto de Jefe de
Desarrollo Organizacional.
En su labor docente ha sido maestro de inglés de Harmon Hall, impartido
clases en la Universidad Tecmilenio y actualmente trabaja como maestro en el
Instituto Tecnológico de Sonora en el área de Administración.
Ha impartido cursos, seminarios y talleres en diferentes foros e instituciones
educativas en las áreas de ingeniería, administración y recursos humanos.
Actualmente cursa la Maestría en Calidad y Productividad en la Universidad
Virtual del Instituto Tecnológico y de Estudios Superiores de Monterrey y es
candidato a certificarse como Black Belt en Seis Sigma por la misma institución
y la Arizona State University.

Su dirección laboral es:

Cervecería Cuauhtémoc Moctezuma

Km. 149.5 carretera Mochis-Navojoa
Parque Industrial. C P . 85801
Navojoa, Sonora.

Su dirección permanente es:

Paseo de las Palmas 74.

Fraccionamiento Los Laureles C P . 85874
Navojoa, Sonora.

Su dirección de correo electrónico es:

qaluimor@ccm.femsa.com.mx; luiangus@hotmail.com

49