1
Implementación de la metodología Six Sigma para incrementar la
utilización de los recursos de transporte en una empresa de
consumo masivo
Implementation of Six Sigma methodology to increase transportation resources’ utilization in a consumer goods company
John Felipe Aranguren Mora1, Jorge Hernán Rodríguez Cardona2, Ernesto Fabián
Sampayo Oliveros MSc 3
1Candidato a grado Ingeniería Industrial. Universidad de Los Andes. [email protected]
2Candidato a grado Ingeniería Industrial. Universidad de Los Andes. [email protected]
3Ingeniero Industrial. Magister en Ingeniería Industrial. Universidad de Los Andes Black Belt en Six Sigma
RESUMEN
Este artículo presenta la implementación de la metodología Six Sigma en el área de logística de una empresa de consumo masivo, acorde al ciclo DMAIC. En primer lugar, se observaron los procesos centrales del sistema de distribución para identificar aquellos que impactaban en mayor medida la generación de valor. Posteriormente, se realizó una caracterización de la situación actual a partir de los indicadores de gestión de la operación y se definieron ciertas metas para los más críticos. Seguido a esto, a través de una búsqueda en el ERP de la compañía, se determinaron las variables con mayor incidencia en la problemática. Con el objetivo de mitigarlas, se establecieron alternativas de solución que luego fueron priorizadas con ayuda del análisis multi-criterio, según su eficacia, ahorro potencial y viabilidad de implementación. Por último, se procuró que la propuesta fuera sostenible a largo plazo a partir de capacitaciones a los empleados y su replicación en otros procesos de la compañía.
Palabras claves: Six Sigma, logística, distribución, productividad, DMAIC, consumo masivo.
ABSTRACT
This article presents the implementation of Six Sigma methodology in the logistics area of a consumer goods company, according to the DMAIC cycle. First of all, the core processes of the distribution system were observed to identify those that impacted the profits. Then, a characterization of the current situation was made based on the indicators, and goals for the most critical were defined. Following this, through a search in the ERP, variables with the greatest impact on the problem were defined. In order to mitigate them, alternative solutions were prioritized with multiple-criteria analysis,
according to their effectiveness, potential savings and feasibility. Finally, the proposal was complemented with employees training and replication in other processes of the company.
2 1. INTRODUCCIÓN
En la actualidad, en un mundo cada vez más competitivo y dinámico, las grandes compañías deben hacer frente a las necesidades y especificaciones de sus consumidores. Esto implica, que deben ser más rápidos, efectivos, y de bajo costo a la hora de entregar productos de calidad a sus clientes. En este contexto, el manejo y control de la cadena de suministro se vuelve esencial para sobrevivir en un ambiente tan hostil. De acuerdo a Dick Conrad [1], Vicepresidente de la cadena de suministro en Hewlett Packard, por cada dólar que una compañía obtiene de utilidad, se gasta 65 centavos en la cadena de suministro. Este fenómeno es sumamente relevante pues la optimización de los procesos en la cadena de suministro inevitablemente genera un incremento en las utilidades. Para el año 2010, Colombia tenía el tercer costo logístico más grande de la región, representando el 18.6% de los costos totales [2]. Esta dinámica va evidentemente en contra de la capacidad del país para competir y por tanto las empresas deben tomar medidas para hacer frente a los altos costos. Particularmente, en el sector de consumo masivo se hace indispensable el uso técnicas innovadoras, teniendo en cuenta que se obtienen bajos márgenes
de rentabilidad con altos volúmenes de producto, por lo cual el costo tiene amplio potencial de mejora [3].
Considerando lo anterior, es relevante pensar en la metodología Six Sigma como una opción válida para aumentar la competitividad de las organizaciones, a través de la generación de valor para el cliente y la eficiencia en el uso de los recursos. Esto se logra con base en la gestión de la calidad, entendida como la reducción del desperdicio y la variabilidad de los procesos [4]. Para ello, Six Sigma brinda una serie de herramientas analíticas que se estructuran en torno al ciclo DMAIC, que consta cinco etapas; a saber:
Definir: En esta etapa, se
identifica el problema del negocio, se delimita el alcance del proyecto y se escoge el proceso que va a ser mejorado [5].
Medir: El objetivo en esta fase es
entender y documentar el estado actual del proceso estudiado, a través de la recolección de información relevante. De igual forma, se realiza la validación de los sistemas de medición de la compañía para garantizar su confiabilidad [5].
Analizar: En esta etapa se busca
3 previamente, con el fin de establecer las causas fundamentales de las problemáticas estudiadas [5].
Mejorar: El propósito de esta fase
es realizar una aproximación a las alternativas de solución, para diseñar el estado futuro del proceso, implementar planes piloto y documentar los nuevos procedimientos de acuerdo a la iniciativa implementada [5].
Controlar: Es la última etapa del
ciclo y su objetivo consiste en medir los resultados de los planes piloto, hacer seguimiento a las implementaciones, identificar posibilidades de replicación en otras áreas de la compañía y desarrollar planes de mejora futuros [5].
Este artículo busca, entonces, presentar los resultados de la implementación de la metodología Six Sigma en el área logística de una empresa de consumo masivo en el sector de bebidas carbonatadas y no carbonatadas. En este caso, es importante resaltar que los procesos de distribución y entrega son claves dentro del negocio pues representan una parte significativa del costo del producto. El desarrollo del proyecto se realizó de acuerdo a las etapas del ciclo DMAIC mencionadas anteriormente, y
partiendo de sus conclusiones más importantes, se hicieron ciertas recomendaciones a la Gerencia de Servicios de Distribución de la organización.
2. DEFINIR
En la fase definir, se observó detalladamente el proceso de distribución de la compañía. Este comienza con la preventa del portafolio de productos a los clientes. Posteriormente, las órdenes son transmitidas a un centro de administración de pedidos, que se encarga de verificar el inventario de producto terminado y en curso, y de emitir las solicitudes al centro de despacho. Allí, son responsables de la planeación de recursos y personal para el reparto oportuno de los pedidos. Finalmente, los camiones salen a mercado de acuerdo al plan establecido, recaudando el dinero producto de la venta y el envase retornable. Después de entender el modelo operativo, se identificaron los indicadores clave del proceso. Estos son:
-Productividad: Promedio de cajas cargadas en una ruta de reparto.
-Ocupación: Porcentaje de utilización del camión en cuanto a su capacidad de carga.
-Jornada diseño: Tiempo
4 prestar su servicio de entrega y realizar su recorrido.
-Jornada Mercado: Tiempo real
que tomará la ruta en prestar su servicio de entrega y realizar su recorrido.
-Drop Size: Tamaño de pedido
promedio en una zona específica de clientes.
Al estudiar minuciosamente cada uno de estos indicadores, establecimos una oportunidad de mejora importante en el porcentaje de ocupación. De acuerdo al tablero de indicadores del área de distribución, la ocupación promedio del país en el 2015 fue 79.1%. Esto es preocupante debido a que el 20.9% de la capacidad de la flota se está desaprovechando. Ahora bien, se pudo determinar una relación directa entre este indicador y la jornada de las rutas, ya que la ocupación se ve restringida por la jornada y los
acuerdos de entrega, en horarios determinados con los clientes. Con el fin de delimitar el problema, se decidió escoger una locación que evidenciara la problemática descrita y fuera representativa en términos de volumen de ventas. En este orden de ideas, se procedió a organizar las ciudades con base en el volumen distribuido durante el año 2015. Con ayuda de la figura 1, se determinó que las locaciones más relevantes son: Bogotá Norte, Medellín, Bogotá Sur y Barranquilla. Seguido a esto, se indagó sobre el porcentaje de ocupación de las cuatro locaciones seleccionadas y se estableció que Bogotá Sur estaba por debajo del promedio nacional (78.4%). Por tanto, esta fue la locación seleccionada para realizar la implementación de six sigma. El resumen del proyecto se presenta en la carta del proyecto (Tabla 1).
5
Tabla 1. Carta de Proyecto.
3. MEDIR
En la etapa medir, se construyó la definición operacional de los indicadores críticos: Jornada y Ocupación. Con ayuda del equipo de trabajo, se determinaron las variables que tenían incidencia sobre el desempeño de ambos indicadores. Para el caso de la jornada, se estableció que era afectada por un tiempo fijo de entrega relacionado con el número de visitas de la ruta de reparto, un tiempo variable relacionado con el número de cajas a entregar, y finalmente, los desplazamientos entre clientes y hasta el centro de distribución. Por su parte, la ocupación estaba impactada por el número de cajas cargadas en el camión, la capacidad del camión y el factor de conversión de caja a cubo del SKU correspondiente.
Luego, se hizo una caracterización más detallada de la estructura de Bogotá Sur. Esta locación está compuesta por cinco sectores, los cuales presentan niveles de volumen homogéneos, bajas tasas de ocupación y jornadas de mercado muy altas. Por tanto, la problemática debe ser analizada en todos ellos. Para facilitar el análisis de datos, se realizó un filtro entre las rutas de Bogotá Sur, seleccionando aquellas que tuvieran una ocupación menor al 80%, una jornada de mercado mayor a 11 horas, 4 ayudantes abordo y cuyas condiciones viales y de seguridad fueran adecuadas. La tabla 2 resume la información de las 11 rutas escogidas. Es importante resaltar que la ocupación promedio de este conjunto es 75% y la jornada promedio es de 11:35.
6
Tabla 2. Ocupación y Jornada Mercado de las rutas críticas de Bogotá Sur.
4. ANALIZAR
Para la fase analizar, se profundizó en aquellas variables que intensifican el efecto de la problemática. Para ello, se llevó a cabo una lluvia de ideas con los miembros del equipo de trabajo y se construyó un diagrama de causa y efecto con las principales conclusiones (Figura 2).
A nivel general, se identificaron 4 categorías de causas que afectaban el desempeño de los indicadores. La primera de ellas fue la de personal, donde se agruparon las variables relacionadas con el rendimiento del conductor y sus ayudantes. La segunda categoría estaba relacionada con las características de los clientes que dificultan o restringen una planeación óptima de las rutas de reparto. Adicionalmente, se consideraron causas relacionadas con las condiciones geográficas y viales del entorno. Por último, se tuvieron en cuenta los recursos que generan ineficiencias operativas.
Figura 2. Diagrama causa-efecto
Ruta Ocupación Jornada Mercado
Ruta 1 68% 10:56
Ruta 2 69% 11:28
Ruta 3 72% 11:35
Ruta 4 76% 10:50
Ruta 5 78% 11:56
Ruta 6 76% 11:20
Ruta 7 76% 11:06
Ruta 8 73% 10:56
Ruta 9 76% 12:06
Ruta 10 77% 13:05
Ruta 11 78% 12:13
de Mercado Alta Jornada ocupación y Bajo nivel de
Entorno Caracterísicas de Clientes
Eficiencia Personal
con ruta diseñada Conductores no cumplen productivo
Cuarto ayudante no es entrega
Malas prácticas de
entregada Tiempo por caja
de los vehículos Baja velocidad promedio
Jornada de diseño Horario de entrega limitado
Bajo Drop-Size zona
Alta concentración en la misma
Largas Distancias entre clientes
condiciones de seguridad Restricciones de entrega por
mal estado
Restricciones de acceso por vías en
7 Habiendo ilustrado las diversas causas que impactan la correcta ejecución del proceso de distribución, se procedió a priorizarlas de acuerdo a la cuantificación de su efecto sobre los indicadores de Ocupación y Jornada. Para hacerlo, se decidió puntuar el efecto como un número entre 1 y 5, donde 1 significa que el efecto sobre el indicador es nulo, y 5 que el efecto es máximo. Los resultados se muestran en la tabla 3.
Tabla 3. Priorización de causas.
En efecto, se determinó que la causa más significativa es el tiempo por caja, debido a su ostensible impacto sobre los indicadores, y a la posibilidad de ser controlado desde el interior de la compañía. Es decir, el bajo nivel de compra (Drop size), las largas distancias entre clientes, ventanas horarias, condiciones viales y restricciones de seguridad, son características del entorno que a pesar de afectar en gran medida el proceso, no son controlables desde las herramientas operativas que posee el área. Otro es el panorama en cuanto a la causa seleccionada, ya que es una variable completamente
gestionable y de gran impacto en cuanto a la Jornada mercado y la Ocupación. El tiempo por caja hace referencia a la porción de tiempo que le toma a un entregador dejar el producto en manos del cliente, recaudar el dinero y recibir el envase retornable si la situación lo amerita. Su relación con los dos indicadores críticos es sumamente estrecha, debido a que es un elemento crucial en la misma definición operacional del indicador de jornada, y a su vez la jornada determina el nivel de ocupación de la ruta.
Figura 3. Relación causa-var respuesta
En la compañía, este tiempo es manejado como un estándar ya establecido, 0.7 min por caja para las rutas de reparto de 4 tripulantes y 1.0 min por caja para las rutas de reparto de 3 tripulantes. Sin embargo, en la realidad estas medidas no se cumplen, a causa de diferentes prácticas o complicaciones a la hora del reparto. Para reducir su efecto negativo, es necesario disminuir la brecha de tiempo por caja real vs el teórico o reducir el
8 estándar a partir de un nuevo modelo operativo. Esto, a fin de cuentas, lograría reducir la jornada mercado o en su defecto mantener constante la jornada, pero presenciando un incremento en el porcentaje de ocupación.
5. MEJORAR
En la etapa mejorar, se llevó a cabo la búsqueda de alternativas de solución para reducir el tiempo variable por caja. Para ello, se hizo un Benchmarking con los modelos de reparto de otros países y se consideraron 4 posibilidades; a saber: Inclusión de un ayudante adicional, utilización de una moto tráiler como recurso complementario, extensión de la capacidad del camión a través de un tráiler adicional y el incremento de las cajas asignadas por camión en el armado. Con el objetivo de seleccionar la alternativa más adecuada para la empresa, se utilizó un método de análisis multicriterio. De acuerdo a Berumen & Llamazares [6], “Los métodos de decisión multicriterio,
lejos de ser considerados
elementos infalibles y certeros, cuya utilización permite encontrar una solución óptima y definitiva, son una base, sustentada en elementos científicos, que aporta mejoras distintivas para asumir una decisión”. Esto es importante, debido a que, para este caso, las
posibilidades de solución tenían restricciones e impacto sobre diversos aspectos de la operación. El primer paso, entonces, fue la construcción y ponderación de los criterios de selección con ayuda del líder del proyecto. Los criterios fueron los siguientes:
-Costo de implementación: Se
refiere a los costos asociados a la ejecución de la política (30%)
-Viabilidad operativa: Hace
referencia a la posibilidad de implementar la propuesta en las condiciones de infraestructura y seguridad del país (25%)
-Impacto potencial sobre la ocupación y jornada: Se refiere al
impacto estimado que tiene la alternativa sobre la ocupación y jornada (30%)
-Afectación sobre la calidad de vida del trabajador: Hace
referencia a los efectos de la propuesta sobre la calidad de vida de conductores y ayudantes (15%).
Posteriormente, se puntuaron los criterios de cada una de las alternativas, con base en una escala de 1 a 5. La tabla 3 presenta el resumen de estas puntuaciones para las alternativas de solución propuestas previamente.
9
Tabla 3. Puntuación de alternativas
Para encontrar la mejor solución, se decidió usar el software especializado D-SIGHT [7]. Es importante aclarar que se buscó maximizar los criterios de viabilidad operativa, impacto potencial sobre indicadores y afectación sobre la calidad de vida, y se procuró minimizar el costo de
implementación. Tal como se puede observar en la figura 3, la alternativa que mejor se adapta a los criterios establecidos es la utilización de un moto tráiler como recurso complementario (Con un puntaje global de 61.67).
Figura 3. Resultados análisis multicriterio.
Para la implementación de esta propuesta, fue necesario redefinir
el modelo operativo de
distribución. El principal cambio consiste en una combinación de recursos (Camión-Moto tráiler) que siguen un nuevo modelo de
entrega. En primer lugar, el camión se dirige a un parqueadero situado en la zona de clientes, donde se encuentra estacionado el moto tráiler. En este punto, el cuarto ayudante toma control de este recurso y se realiza la
10
transferencia de cajas desde el camión (Cross-Docking). Este procedimiento se repite a lo largo de la jornada, en puntos de
encuentro previamente
acordados.
Con la finalidad de verificar la
mejora potencial de los
indicadores, se decidió realizar
una simulación del nuevo
escenario en el software
especializado Roadnet
Transportation Suite ®. Para ello se calculó el tiempo variable y el tiempo de alistamiento del nuevo recurso (Moto tráiler), con el objetivo de incluirlo como parámetro en la herramienta. Actualmente, algunas bodegas de entrega de la compañía apoyan su distribución con este tipo de vehículos. Por consiguiente, se tomó la decisión de medir el desempeño de sus recursos para tener un punto de referencia.
En la medición, realizada durante dos días de operación, se registró el tiempo de llegada y salida de cada cliente y a su vez el tiempo necesario para cargar el tráiler. Con base en los datos, se determinaron el tiempo de cargue por caja y el tiempo variable de entrega por caja a partir de las siguientes fórmulas:
𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑎𝑟𝑔𝑢𝑒 𝐶𝑎𝑗𝑎=
𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑎𝑟𝑔𝑢𝑒 # 𝐶𝑎𝑗𝑎𝑠
𝑇𝑖𝑒𝑚𝑝𝑜 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒
= (𝐻𝑜𝑟𝑎 𝑓𝑖𝑛𝑎𝑙 − 𝐻𝑜𝑟𝑎 𝑖𝑛𝑖𝑖𝑐𝑎𝑙) − 01: 30 𝐶𝑎𝑗𝑎𝑠 𝐹3
En efecto:
𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑎𝑟𝑔𝑢𝑒 𝐶𝑎𝑗𝑎= 00: 21
𝑇𝑖𝑒𝑚𝑝𝑜 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑐𝑎𝑗𝑎 = 01: 00
Nota: En el cálculo del tiempo
variable se restan 01:30 minutos ya que este es el tiempo fijo estándar para la realización del cobro y la recolección del envase.
Teniendo en cuenta estos tiempos, procedimos a realizar una estimación de la productividad
óptima del nuevo modelo
operativo a partir de una simulación manual en MS Excel. Se tuvieron en cuenta los siguientes parámetros:
- Número de visitas promedio (NV): Número de clientes promedio que visita cada uno de las rutas a implementar en su jornada de entrega.
Productividad de reparto (PR):
Promedio de cajas cargadas en una ruta de reparto.
Densidad o distancia entre clientes (DE): Distancia promedio entre clientes a atender por una ruta determinada.
Distancia primer cliente camión (DC1): Distancia promedio entre
el centro de distribución y el primer cliente atendido por una ruta determinada.
Distancia primer cliente moto tráiler (DM1): Distancia entre el
11
centroide de la zona de clientes y el primer cliente a atender la moto.
Velocidad inicial y entre clientes (V, VC): Velocidad de
desplazamiento en vías
principales y velocidad de desplazamiento en zona de clientes respectivamente.
Drop size (DS): Pedido promedio
en cajas para los clientes atendidos por una ruta específica.
Número de ciclos (NC): Número
de cargues que debe hacer la moto para entregar su porción de clientes.
Los tiempos que componen la jornada del camión son:
𝐷𝑒𝑠𝑝𝑙 𝐶𝐸𝐷𝐼 − 1𝑒𝑟 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 = 𝐷𝐶1
𝑉 ∗ 60´
𝐷𝑒𝑠𝑝𝑙 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = (𝐷𝐸
𝑉 ∗ 60´) ∗ 𝑁𝑉
𝐸𝑛𝑡𝑟𝑒𝑔𝑎 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 1.5´ ∗ 𝑁𝑉 + 1.0 ∗ 𝑃𝑅
𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑜𝑚𝑖𝑑𝑎𝑠 − 𝐸𝑛𝑣𝑎𝑠𝑒 = 45´ + 45´
Los tiempos que componen la jornada de la moto son:
𝐶𝑎𝑟𝑔𝑢𝑒 𝑦 𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑢𝑒: 𝑁𝐶 ∗ (30𝐶𝑎𝑗𝑎𝑠 ∗ 0.35 + 12)
𝐷𝑒𝑠𝑝𝑙 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = (𝐷𝐸
𝑉 ∗ 60´) ∗ 𝑁𝑉
𝐸𝑛𝑡𝑟𝑒𝑔𝑎 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 = 1.5´ ∗ 𝑁𝑉 + 1.0 ∗ 𝑃𝑅
𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑜𝑚𝑖𝑑𝑎𝑠 − 𝐸𝑛𝑣𝑎𝑠𝑒 = 45´ + 45´
𝐷𝑒𝑠𝑝𝑙 𝑝𝑒𝑟𝑠𝑒𝑐𝑢𝑐𝑖ó𝑛 = (𝐷𝑀1
𝑉 ∗ 60´)
Para la realización de las iteraciones en la simulación se definió un ciclo de entrega como el tiempo necesario para que una
moto entregue 30 cajas
(Capacidad del moto-trailer) y regrese a encontrarse con el camión. Entonces, se halló el número de ciclos óptimo para que se alcanzara la jornada diseño actual, y al mismo tiempo el número de cajas que entregaría el camión en paralelo.
En el caso de Bogotá sur, se estimó que se debían realizar 6 ciclos para alcanzar la jornada diseño actual (09:21). El resumen de los tiempos y número de cajas transportados por cada recurso, se presenta en las tablas 4 y 5.
12
Tabla 5. Indicadores Camión
Ahora bien, debido a que el software de simulación de la compañía solo permitía configurar un recurso de reparto, fue necesario encontrar un recurso combinado cuyo tiempo conjunto fuera equivalente a los tiempos individuales del camión y el moto tráiler.
Para ello se utilizó la siguiente relación, que representa la jornada de diseño:
Entonces, se despejó el tiempo variable por caja (X), igualando la formula a la jornada encontrada en la simulación (578 min).
𝑋 = 0.4879 𝑚𝑖𝑛/𝐶𝑎𝑗𝑎
Al conocer el tiempo variable del nuevo modelo operativo, fue posible reevaluar la estructura del sistema de distribución de la locación. En primer lugar, se encontró un mes que representara el comportamiento promedio de la operación. Luego, se verificó la homogeneidad de las semanas y se seleccionó aquella cuyo volumen de venta fuera aproximadamente el 25% del volumen del mes.
Finalmente, se simuló la
estructura de cada sector de reparto, teniendo en cuenta que las rutas implementadas en el
proyecto presentaron una
disminución en su tiempo de entrega por caja de 43.5%. En el sector Plaza (Piloto), se incluirán 6 moto tráileres y esto hizo posible que se redujera en una unidad el número de rutas bases. Esto generará un aumento del 13% en la ocupación promedio del sector, una disminución del 7% en la jornada y un ahorro del costo por caja de $92.
Los resultados por ruta se presentan en las tablas 6 y 7. Por practicidad, solo se muestra el sector de Plaza, el cual es el más representativo en términos de implementación, pues 6 de los 11 nuevos recursos serán destinados allí.
13
Tabla 6. Variación ocupación sector plaza.
Tabla 7. Variación Jornada sector plaza.
Adicionalmente, con el fin de probar que la variación fuera significativa desde el punto de vista estadístico, se realizaron 2 pruebas de hipótesis (Una para cada indicador).
Prueba de Hipótesis Ocupación
Figura 4. Diferencias Pareadas de la ocupación
Figura 5. Distribución de las diferencias de la ocupación.
Para el caso de la ocupación, se puede afirmar con un 90% de confiabilidad, que la media del escenario con motos es mayor a la media del escenario original.
Prueba de Hipótesis Jornada
Figura 6. Diferencias Pareadas de la jornada.
Figura 7. Distribución de las diferencias de la jornada.
Ruta Actual Futuro Variación
Ruta 1 (Moto) 74% 92% 18%
Ruta 2 (Moto) 79% 91% 12%
Ruta 3 81%
Ruta 4 (Moto) 79% 94% 15%
Ruta 5 (Moto) 79% 94% 15%
Ruta 6 (Moto) 79% 94% 15%
Ruta 7 (Moto) 78% 89% 11%
Ruta 8 76% 76% 0%
Ruta 9 73% 97% 24%
Total 78% 91% 13%
Ruta Actual Futuro Variación
Ruta 1 (Moto) 9:14 8:41 -6%
Ruta 2 (Moto) 9:15 8:53 -4%
Ruta 3 9:19
Ruta 4 (Moto) 9:14 8:37 -7%
Ruta 5 (Moto) 9:15 8:26 -10%
Ruta 6 (Moto) 9:20 8:41 -7%
Ruta 7 (Moto) 9:20 8:49 -6%
Ruta 8 9:28 9:08 -2%
Ruta 9 9:21 8:21 -12%
Total 9:17 8:42 -7%
𝐻0: 𝜇𝑀− 𝜇𝑂 = 0
𝐻1: 𝜇𝑀− 𝜇𝑂> 0
𝐻0: 𝜇𝑀− 𝜇𝑂 = 0
14
Para el caso de la jornada, se puede afirmar con un 90% de confiabilidad, que la media del escenario con motos es menor a la media del escenario original.
Nota:
𝜇𝑀 = 𝑀𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑒𝑠𝑐𝑒𝑛𝑎𝑟𝑖𝑜 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑑𝑜
𝜇𝑂 = 𝑀𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑒𝑠𝑐𝑒𝑛𝑎𝑟𝑖𝑜 𝑜𝑟𝑖𝑔𝑖𝑛𝑎𝑙
En cuanto al ahorro financiero generado por el proyecto, es importante describir en principio la metodología de compensación de los conductores y ayudantes de las rutas de reparto. Este está compuesto por tres elementos
principales: descuento fijo,
descuento variable y
alimentación. El descuento fijo hace referencia a todos los gastos laborales (Salario, salud, pensión,
riesgos profesionales, entre
otros), el descuento variable es la cantidad remunerada a la ruta por cada caja entregada y la alimentación es el subsidio reconocido a cada uno de los tripulantes.
En este sentido, el ahorro consiste en la reducción del descuento fijo, debido a que se eliminan rutas bases de reparto en la locación. A su vez, una disminución en la base del descuento variable por caja, con el fin de que el ahorro que
percibiría la compañía al
aumentar la ocupación, no sea retenido en mayor parte por el
personal de entrega. Por último, una disminución en el pago del subsidio de alimentación, ya que son necesarios menos empleados para la operación. Los ahorros por
sector son presentados a
continuación:
Tabla 8. Ahorro mensual sector Plaza.
Tabla 9. Ahorro mensual sector Bosa.
Tabla 10. Ahorro mensual sector Santa Librada.
Tabla 11. Ahorro mensual sector
El ahorro total en Bogotá sur, se estima en $19’852.410 mensuales y $238’228.924 anuales.
Indicador Actual Futuro Var
Productividad 432 489 12%
Ocupacion 78% 91% 14%
Visitas 76 87 12%
Jornada diseño 9:17 8:42 -7%
Ahorro mes
Motos implementar 6
Ahorro camiones 1
SECTOR PLAZA
(8,334,039) $
Indicador Actual Futuro Var
Productividad 403 439 8%
Ocupacion 75% 82% 9%
Visitas 79 84 6%
Jornada diseño 9:17 9:13 -1%
Ahorro mes
Motos implementar 2
Ahorro camiones 1
SECTOR BOSA
(7,992,684) $
Indicador Actual Futuro Var
Productividad 374 386 3%
Ocupacion 73% 75% 3%
Visitas 66 71 7%
Jornada diseño 9:35 9:19 -3%
Ahorro mes
Motos implementar 1
Ahorro camiones 0.5
SECTOR SANTA LIBRADA
(3,314,092) $
Indicador Actual Futuro Var
Productividad 403 409 1%
Ocupacion 82% 83% 1%
Visitas 72 80 10%
Jornada diseño 9:49 9:37 -2%
Ahorro mes
Motos implementar 2
Ahorro camiones 0.15
SECTOR SAN ANTONIO
(211,595) $
15 6. CONTROLAR
A pesar de haber sido aprobado por la junta directiva, a la fecha de publicación de este artículo el proyecto aún no se encuentra implementado. Sin embargo, se
tiene planeado realizar
replicaciones en otras locaciones críticas de la compañía, para
mejorar sus indicadores.
Asimismo, el área de seguridad
industrial piensa hacer
capacitaciones periódicas para que los conductores de las motos mejoren sus prácticas de entrega. Por su parte, el área de despacho realizará el seguimiento de indicadores para analizar el impacto real del proyecto.
7. CONCLUSIONES
-La metodología Six Sigma
permitió realizar una
aproximación holística al sistema de distribución de la empresa, lo cual facilitó la identificación de oportunidades en los indicadores de ocupación y jornada.
-Para la realización del proyecto fue esencial tener en cuenta los requerimientos de los diferentes actores del sistema. Six Sigma fue fundamental para establecer los objetivos de los empleados del área comercial y del área logística, y encontrar puntos en común para sacar la iniciativa adelante.
-Se pudo observar que la ocupación promedio nacional de la compañía (78.4%) estaba por debajo del estándar (80%). Se
encontró que la variable
controlable con mayor incidencia en este indicador era el tiempo variable por caja.
-El análisis multi criterio fue
bastante útil para incluir
cuantitativamente los objetivos financieros, técnicos y humanos de la compañía, en la búsqueda de una solución exitosa.
-Con el nuevo modelo operativo se logró una reducción del 43.5% del tiempo variable por caja, lo cual aumentó la ocupación promedio de la locación en un 7%. Esto sin afectar la calidad de vida de los conductores y ayudantes, pues la jornada diseño se redujo en un 3%.
-El ahorro financiero generado por la implementación del proyecto en la locación, se estimó en $238’228.924 anuales. Si se tiene en cuenta que el ahorro establecido al inicio del proyecto fue de $44’’000.000 al año, se puede concluir que se cumplió con el objetivo principal de la iniciativa.
16
7. REFERENCIAS
[1] Plenert, G. (2007). Reinventing
Lean: Introducing Lean Management into the supply
chain. Amsterdam:
Elsevier/Butterworth-Heinemann. Recuperado por última vez el día 14 de Septiembre
de 2015, de
http://www.sciencedirect.com.ez proxy.uniandes.edu.co:8080/scie nce/book/9780123705174
[2] Álvarez, C, Ortiz, J & Pabón, C (2010). Logística en Colombia: camino hacia la competitividad. Revista Supuestos. Universidad de los Andes. Recuperado por última vez el día 14 de Septiembre de
2015, de
http://revistasupuestos.uniandes .edu.co/?p=64
[3] Duque, I & Londoño, J (2009).
Logística de distribución en
Colombia. Un acercamiento
estratégico para compañías de consumo masivo. (Tesis de maestría). Recuperado por última vez de base de datos de tesis Uniandes el día 9 de Noviembre, de
https://biblioteca.uniandes.edu.c o/visor_de_tesis/web/?SessionID =L1Rlc2lzXzEyMDEwX3ByaW1lcl 9zZW1lc3RyZS80MjUucGRm
[4] Pyzdek, T (2003). The Six
Sigma Handbook: A Complete Guide for Green Belts, Black Belts,
and Managers at All Levels. McGraw-Hill.
[5] Furterer, S, L (2009). Lean Six
Sigma in Service: Applications and Case Studies. CRC Press
[6] Berumen, S & Llamazares, F
(2007). La Utilidad de los métodos de decisión multicriterio (como el
AHP) en un entorno de
competitividad creciente.
Recuperado por última vez el día 17 de Mayo de 2016, de
http://www.scielo.org.co/pdf/ca dm/v20n34/v20n34a04.pdf
[7] Página oficial del software
D-SIGHT
