Clase 12 Herramientas para la Planificación Estratégica II

21,311 views

Published on

Published in: Business
1 Comment
3 Likes
Statistics
Notes
No Downloads
Views
Total views
21,311
On SlideShare
0
From Embeds
0
Number of Embeds
3,282
Actions
Shares
0
Downloads
488
Comments
1
Likes
3
Embeds 0
No embeds

No notes for slide

Clase 12 Herramientas para la Planificación Estratégica II

  1. 1. Herramientas para la Planificación Estratégica II Andrés Ricardo Schuschny Planificación Estratégica Mágister en Gestión Pública Universidad de Santiago de Chile 2007
  2. 2. Algunas herramientas basadas en la metodología 6 sigma
  3. 3. ¿ Porqué 6 sigma? <ul><li>¿Es posible alcanzar el 100 % de calidad (defecto cero)? </li></ul><ul><li>¿Porqué no conformarse con el 99% o incluso el 95%? Ej.: Un 96.642 % significa que de 100,000 transacciones efectuadas por un servicio; 3,358 resultarían desfavorables. </li></ul><ul><li>Una ambiciosa meta sería: 99.9%. Pero que pasaría si eso sucediese: (datos de EE.UU) </li></ul><ul><ul><li>Las guarderías de los hospitales entregarían 12 bebes por dia a padres equivacados </li></ul></ul><ul><ul><li>Algún banco descontaría 22,000 cheques de cuentas equivocadas ......cada 60 minutos. </li></ul></ul><ul><ul><li>Se fabricarían 268,500 neumáticos defectuosos </li></ul></ul><ul><ul><li>Se emitirían 20,000 recetas medicinales incorrectas. </li></ul></ul><ul><li>“ Seis sigma ”: Un nivel de funcionamiento correcto del 99.99966 % (defectos prácticamente inexistentes), esto es equivalente a 0.00034% defectos ó 3.4 defectos por millón (6 sigma = 3.4 DPMO) </li></ul>
  4. 4. ¿ Qué es 6  ? <ul><li>Definición: </li></ul><ul><ul><li>Una metodología que se centra en encontrar y eliminar las causas que producen defectos </li></ul></ul><ul><ul><li>6  es una medida estadística del nivel de desempeño de un proceso o producto </li></ul></ul><ul><ul><li>Es un objetivo de lograr casi la perfección mediante la mejora del desempeño </li></ul></ul><ul><ul><li>6  es un proceso de gestión que permite a las compañías mejorar drásticamente sus resultados finales, diseñando y supervisando sus actividades </li></ul></ul><ul><li>Objetivos: Producir al nivel 6  : </li></ul><ul><ul><li>Eliminando defectos.  = desviación estándar </li></ul></ul><ul><ul><li>Reduciendo costos de producción y desarrollo </li></ul></ul><ul><ul><li>Reduciendo los tiempos de los ciclos y los niveles de inventario </li></ul></ul><ul><ul><li>Incrementar los márgenes y la satisfacción del cliente </li></ul></ul>
  5. 5. ¿De d ó nde sale 6  ? 1 sigma - Defectos 31.8% 3 sigma - Defectos 0.27 % 6 sigma – 3 DPMO  +    +3    +6   Limites de tolerancia La escala de calidad de la metodología 6  mide el número de  que caben dentro del intervalo definido por los limites de tolerancia
  6. 6. El concepto de 6 sigma <ul><li>La diferencia entre la tolerancia superior (TS) y la tolerancia inferior (TI) dividido por la desviación estándar, nos da la cantidad de sigmas (  ) </li></ul><ul><li>Siempre que la medición esté dentro del intervalo TS-TI, se dirá que el servicio es conforme o de calidad </li></ul>U n nivel de defectos de 3,4 dpmo s e considera un nivel de calidad excelente y, por tanto, un objetivo estratégico a alcanzar si una organización pretende la satisfacción de sus clientes. Nivel  DPMO Nivel de calidad (%) 1 690,000 30.2328 2 308,537 69.1230 3 66,807 93.3319 4 6,210 99.3790 5 233 99.9767 6 3.40 99.99966
  7. 7. Ventajas del 6  <ul><li>Hace que los procesos sean predecibles. </li></ul><ul><li>Elimina ineficiencias dadas por la repetición de tareas mal realizadas (defectos) y por ello reduce costos. </li></ul><ul><li>Mejora la calidad de los productos y servicios. </li></ul><ul><li>Mejora la satisfacción del “cliente”. </li></ul>
  8. 8. Hoja de ruta de la metodología
  9. 9. Herramientas 6 
  10. 10. Tratamiento de la información <ul><li>Segmentación: </li></ul><ul><ul><li>Agrupamiento de la información de acuerdo las características de los datos (ejemplo: día de la semana, región, tipo de servicios, etc.) </li></ul></ul><ul><ul><li>Se producen categorías discretas (“ cluster analysis ”). </li></ul></ul><ul><li>Estratificación: </li></ul><ul><ul><li>Es el agrupamiento de los datos por rangos de valor (por ejemplo: registros de datos obtenidos en las horas pick versus momentos normales). </li></ul></ul><ul><ul><li>La elección de los rangos está sujeto a juicio. </li></ul></ul><ul><ul><li>Permite la comparación de los atributos asociados a los rangos “altos” en relación a los “bajos”. </li></ul></ul>
  11. 11. Las herramientas básicas <ul><li>Diagramas de flujo y de causa y efecto (Ishikawa) </li></ul><ul><li>Gráficos de puntos </li></ul><ul><li>Histogramas </li></ul><ul><li>Gráficos de Pareto </li></ul><ul><li>Diagramas de control </li></ul><ul><li>Estadísticas descriptivas (medias, varianzas, medianas, etc.) </li></ul><ul><li>Hojas de checkeo (“ checklists ”) </li></ul>
  12. 12. Mapeo de procesos <ul><li>Es una representación de las principales actividades/tareas, subprocesos que se realizan. Conviene basarse en un esquema Insumo/Producto: </li></ul>Etapa de un proceso Insumos (fuentes de Variación) Productos (sobre los que se mide el desempeño) <ul><li>Empleados </li></ul><ul><li>Equipamiento </li></ul><ul><li>Materias primas </li></ul><ul><li>Políticas </li></ul><ul><li>Procedimientos </li></ul><ul><li>Métodos </li></ul><ul><li>Información </li></ul><ul><li>Servicio prestado </li></ul><ul><li>Producto desarrollado </li></ul><ul><li>Actividad realizada </li></ul>Evaluar los insumos: ¿ Son controlables? ¿ Son críticos? Conocer como funcionan los procesos el resolver el 50% de los problemas
  13. 13. Diagramas de flujo <ul><li>Es una representación encadenada de las principales actividades/tareas, subprocesos que se realizan: </li></ul>
  14. 14. Diagramas de flujo
  15. 15. Diagrama de causa y efecto I (Diagramas de Ishikawa)
  16. 16. Diagrama de causa y efecto II
  17. 17. Diagrama de causa y efecto III
  18. 18. Definición de una “ línea de base ” para la información <ul><li>Consiste en definir una “fotografía” del desempeño de un proceso </li></ul><ul><li>¿Para qué sirve? Nos da una “base” a partir de la cual medir el desempeño </li></ul><ul><li>¿Cómo se la calcula? </li></ul><ul><ul><li>Teniendo una descripción de los procesos </li></ul></ul><ul><ul><li>Vía referenciación (“benchmarking”) </li></ul></ul><ul><ul><li>A través del apropiado muestreo estadístico histórico. </li></ul></ul>
  19. 19. Gráficos de puntos
  20. 20. Regresión lineal
  21. 21. Histogramas
  22. 22. Distribuciones de probablidad Poisson Normal Beta Chi cuadrado Exponencial Gamma Otras distribuciones: la uniforme, binomial o de Bernoulli, de Levy, de Cauchy, de Pareto, de Laplace, de Skellam, de Rademacher, de Zipf, hipergeométrica, de Von Mises…
  23. 23. Diagramas de Pareto Sirve para priorizar las causas que tendrán mayor impacto y la importancia relativa de estas Principio de Pareto: En todo grupo de factores que contribuyen a un mismo efecto, unos pocos son los responsables de la mayor parte de dicho efecto. Regla empírica de 80/20
  24. 24. Diagramas de Box y Whisker <ul><li>Es una gráfica que presenta un solo eje y se muestran 5 valores: los valores mínimo y máximo , el 1er y 3er cuartil y la mediana . Del valor mínimo al 1er cuartil (Q1), se observa el 25% de los datos; de Q1 a la mediana se observa la misma cantidad y así sucesivamente. Este diagrama permite ver la algunas características generales de la distribución, tal como simetría y dispersión. Ejemplo: Sea la serie: </li></ul><ul><li> {18 27 34 52 54 59 61 68 78 82 85 87 91 93 100} </li></ul>Mediana Q1 Q3
  25. 25. Diagramas de Box y Whisker
  26. 26. Detección de problemas esporádicos: diagramas de control
  27. 27. Como consecuencia de aplicar un plan Aumentar la media  (ejemplo: ventas) y achicar la varianza  (dispersión)
  28. 28. Aplicación de métodos gráficos Propósito Método gráfico Ver relaciones entre los datos Gráficos de puntos Ver relaciones en el tiempo Gráficos de series temporales Ver variaciones de Y con una X Gráficos de cajas (Box plots) Ver variaciones entre Y y varias X’s Gráficos multivariados Priorizar dos X’s sobre las que focalizarse Gráfico de Pareto Testear la normalidad de los datos Histográmas y test de hipótesis Predecir relación entre los datos Regresiones lineales o no lineales
  29. 29. Las voces que hay que oir <ul><li>La “voz del cliente”: </li></ul><ul><ul><li>para entender lo que este busca y necesita (que puede no ser lo mismo). </li></ul></ul><ul><li>La “voz del proceso”: </li></ul><ul><ul><li>para conocer el desempeño y las capacidades requeridas </li></ul></ul><ul><li>La “voz del negocio”: </li></ul><ul><ul><li>para entender las prioridades y tendencias del sector </li></ul></ul>
  30. 30. La voz del cliente (VOC) <ul><li>¿Qué es lo que el cliente considera como los principales atributos de la calidad del producto o servicio prestado? </li></ul><ul><li>Se realiza através de entrevistas, encuestas, focus groups, mostrando prototipos, leyendo el libro de quejas, etc. </li></ul><ul><li>¿Cuáles son los requerimientos que el cliente considera como críticos? </li></ul><ul><ul><li>Velocidad de atención </li></ul></ul><ul><ul><li>Costos </li></ul></ul><ul><ul><li>Tamaños </li></ul></ul><ul><ul><li>Etc. </li></ul></ul>Se puede hacer una Matriz cruzada que relacione los párametros de diseño con los requerimientos de los clientes
  31. 31. La voz del proceso <ul><li>¿Qué es que se es capaz de lograr? </li></ul><ul><li>¿Cuándo se esta controlando el proceso y cuándo no? </li></ul><ul><li>El control del proceso se realiza con los gráficos de evolución centrados en la media y estableciendo los límites inferiores y superiores de tolerancia. </li></ul>
  32. 32. Evaluando la calidad de la información <ul><li>¿La frecuencia de muestreo es la correcta? </li></ul><ul><li>Los ratios o tasas sobre datos malos es un indicador malo. </li></ul><ul><li>¿Cuán grandes son los errores de medición? </li></ul><ul><li>¿Cuáles son las fuentes de errores de medición? </li></ul><ul><li>¿Es el sistema de medición estable en el tiempo? </li></ul><ul><li>¿Cómo puede mejorarse el sistema de medición? </li></ul>
  33. 33. Evaluando la calidad de la información
  34. 34. Evaluando la calidad de la información <ul><li>Los sistemas de medición deber ser: </li></ul><ul><ul><li>Precisos (reproducible/repetible) </li></ul></ul><ul><ul><li>Estables </li></ul></ul><ul><ul><li>Exactitud (No sesgados) </li></ul></ul><ul><li>Diferencia entre precisión (  ) y exactitud (  ): </li></ul>Exacto pero no preciso Preciso pero no exacto Preciso y exacto
  35. 35. Los outliers <ul><li>Son registros que se escapan de la distribución del proceso, es decir, que no siguen las características del resto de los datos. </li></ul><ul><li>Es una observación anormal y atípica. </li></ul><ul><li>Conviene eliminarlos del proceso para evitar los sesgos no deseados. ¿Cómo hacerlo? </li></ul><ul><ul><li>Visualmente, viendo los gráficos, las distribuciones, las tendencias en las series de tiempo. </li></ul></ul><ul><ul><li>Método del rangos entre cuartiles. </li></ul></ul><ul><ul><li>Existen métodos y tests estadísticos y econométricos que destectan y eliminan outliers. </li></ul></ul>
  36. 36. Método de rangos entre cuartiles <ul><li>Determinar el 1er. (Q1) y 3er. (Q3) cuartil de los datos. </li></ul><ul><li>Calcular la diferencia entre ambos, es decir, el rango intercuartil (RI) </li></ul><ul><li>Límite inferior para considerar outliers = Q1 – 1.5 RI </li></ul><ul><li>Límite superior para considerar outliers = Q3 + 1.5 RI </li></ul>
  37. 37. Diagramas de Box y Whisker Ejemplo para distribución Normal N(0,1)
  38. 38. Cuestiones relacionadas con la calidad de la información <ul><li>Identificar y remover datos de mala calidad </li></ul><ul><li>Identificar y remover outliers (a menos que reflejen algo importante) </li></ul><ul><li>Si se remueven demasiados datos es necesario analizar los sistemas de medición </li></ul><ul><li>Cuantificar la variación debida a los sistema de medición </li></ul>
  39. 39. Otras herramientas

×