Tesis de mejora de procesos con Lean y DMAIC: cómo medir el antes y el después sin que te lo tumben

Respuesta directa: una tesis de mejora de procesos no se aprueba por proponer mejoras, sino por demostrar que el proceso mejoró. Eso exige tres cosas que casi nadie prepara a tiempo: una línea base medida con un número suficiente de observaciones, un indicador definido con su fórmula y su unidad antes de recoger nada, y una comparación posterior hecha sobre el mismo indicador y en condiciones comparables. DMAIC te da el orden; el rigor lo pone la medición.

El problema real de estas tesis

La tesis de mejora de procesos es una de las más comunes en las carreras de Ingeniería Industrial de la región, y también una de las que más se devuelve con observaciones. El motivo se repite: el estudiante describe muy bien la empresa, dibuja el flujo, identifica los desperdicios, propone un plan y termina diciendo que «se estima una mejora del 30 %». El jurado pregunta de dónde sale ese 30 % y no hay respuesta medida, solo un cálculo teórico.

La causa no es pereza. Es de secuencia: la línea base hay que medirla antes de intervenir, y para entonces el estudiante todavía no sabe qué va a mejorar. Este artículo pone el orden correcto y señala en qué punto se toma cada decisión que después no se puede deshacer.

Qué es DMAIC y por qué te sirve como estructura de capítulos

DMAIC es el ciclo de mejora en cinco fases asociado a Six Sigma: definir, medir, analizar, mejorar y controlar. Su utilidad para una tesis no está en la etiqueta, sino en que cada fase produce un entregable concreto que se convierte en un apartado del documento.

Lean aporta el vocabulario de los desperdicios y las herramientas de flujo; Six Sigma aporta la disciplina de la variabilidad y la medición. En la práctica de una tesis de grado se combinan, y no hace falta declarar un bando.

Fase 1 — Definir: convierte la queja en un indicador

Casi todos los proyectos nacen de una queja: «hay mucho reproceso», «los pedidos salen tarde», «se pierde tiempo en el almacén». Una queja no se puede medir. Un indicador sí. Conviértela con cuatro decisiones escritas:

1. Nombre del indicador. Tiempo de ciclo, porcentaje de unidades defectuosas, cumplimiento de fecha de entrega, metros recorridos por operario.
2. Fórmula exacta. Numerador, denominador y unidad. «Porcentaje de defectos» no es una fórmula; «unidades rechazadas en inspección final dividido entre unidades producidas en el turno, expresado en porcentaje» sí lo es.
3. Frontera del proceso. Dónde empieza y dónde termina lo que vas a medir. Sin frontera, cada medición incluye cosas distintas.
4. Meta. Un valor objetivo justificado, no inventado: el histórico de la empresa, una norma del sector o un referente documentado.

Estas cuatro decisiones son, en la práctica, la operacionalización de tu variable dependiente. Si tu programa exige matriz de consistencia, el indicador es lo que llena la columna de indicadores y lo que amarra el objetivo con el instrumento.

Fase 2 — Medir: la línea base es el capítulo que decide tu nota

Aquí es donde se gana o se pierde el trabajo. Tres reglas prácticas:

Mide con repeticiones, no con una observación. Un estudio de tiempos con cinco cronometrajes no permite hablar de variabilidad. Cuántas repeticiones necesitas depende de cuánto varíe la operación: cuanto más irregular, más observaciones. Registra siempre el número de observaciones junto al promedio; una media sin el número de datos que la respalda no se puede evaluar.

Registra también la dispersión. En mejora de procesos, la variabilidad suele ser el problema más que el promedio. Un proceso que tarda entre 8 y 40 minutos es peor que uno que tarda siempre 22, aunque el promedio se parezca. Reporta desviación estándar o rango junto a la media.

Documenta las condiciones. Turno, operario, día de la semana, mezcla de productos. Si mides el «antes» en temporada baja y el «después» en temporada alta, la comparación no vale y el jurado lo verá.

El mapa del flujo

Dibujar el flujo de valor es útil porque obliga a separar tres cosas: el tiempo en que se agrega valor, el tiempo de espera y el tiempo de transporte. Esa separación es la que revela dónde está el cuello de botella. Un mapa sin tiempos en cada etapa es un dibujo, no un diagnóstico.

Fase 3 — Analizar: causas con evidencia, no con lluvia de ideas

El diagrama de causa-efecto y la lluvia de ideas sirven para generar hipótesis de causa. No sirven para probarlas. El salto que separa una tesis aprobada de una observada es que las causas se prioricen con datos:

• Frecuencia. Clasifica los eventos del periodo base por tipo de causa y cuenta. Casi siempre unos pocos tipos concentran la mayoría de los casos, y son los que justifican tu intervención.
• Contraste estadístico cuando aplique. Si sospechas que el turno influye en los defectos, contrástalo. Elegir bien la prueba depende del tipo de variable, y hay un árbol de decisión estándar que te lleva a la correcta sin adivinar.
• Verificación en campo. Ir a ver la operación y confirmar lo que dicen los datos. Cuando el dato y la observación se contradicen, casi siempre el registro está mal hecho.

Fase 4 — Mejorar: implementada o simulada, pero declarada

Aquí hay una bifurcación que conviene decidir pronto y decir con claridad en la metodología:

El error más caro de esta fase es escribir en el resumen «se logró reducir el tiempo de ciclo en un 32 %» cuando la mejora fue simulada. Eso no es un matiz de redacción: es una afirmación falsa sobre tus resultados, y es la observación que más veces obliga a levantar acta con reparos.

Fase 5 — Controlar: la comparación que cierra la tesis

La comparación antes-después debe cumplir cuatro condiciones para ser defendible:

1. Mismo indicador, misma fórmula. Si a mitad del proyecto cambiaste la definición, las dos cifras no son comparables.
2. Mismo procedimiento de medición. Mismo instrumento, mismo punto de observación, mismo criterio de inicio y fin.
3. Periodo posterior suficiente. Medir tres días después de implementar recoge sobre todo el entusiasmo del cambio. Un periodo corto es una limitación real y hay que escribirla.
4. Contraste, no solo resta. Con datos suficientes, aplica una prueba de comparación entre los dos periodos y reporta el resultado. Si tus muestras son muy pequeñas, di que la comparación es descriptiva.

Y hay un cuarto punto que casi nadie contempla: si algo más cambió en la empresa durante tu proyecto, tu mejora no es solo tuya. Un nuevo turno, un cliente que se fue, un equipo que se reparó. Cuando existe un área o una línea comparable que no recibió la intervención, medirla también te permite descontar la tendencia general, que es exactamente la lógica de un diseño de diferencias en diferencias. No siempre es posible, pero cuando lo es, la tesis sube de categoría.

Cómo se justifica la muestra en este tipo de trabajo

Es una pregunta clásica del jurado y muchos estudiantes la contestan mal porque intentan aplicar fórmulas de encuestas a un proceso. Aquí la unidad de análisis no son personas sino eventos del proceso: piezas, pedidos, ciclos, atenciones. La justificación se construye sobre el periodo observado y el número de eventos registrados, y se argumenta que ese periodo es representativo de la operación normal. Si tomaste todos los eventos del periodo, no hay muestreo: hay censo del periodo, y conviene decirlo con ese término. La lógica general de población y muestra sigue aplicando, pero adaptada a la unidad correcta.

El acceso a la empresa: el riesgo que hunde estos proyectos

Una tesis de mejora depende de una empresa que te deje entrar, medir y volver. Antes de comprometer el tema, cierra por escrito cuatro cosas: qué datos históricos te entregarán, cuántos días podrás estar en planta, quién es tu contraparte y qué información será confidencial. Muchos programas piden además una carta de autorización. Si la empresa solo te da acceso para el diagnóstico y no para la implementación, elige desde el principio la modalidad simulada en lugar de descubrirlo cuando ya no hay tiempo.

Sobre la confidencialidad: es perfectamente aceptable anonimizar la razón social y los valores absolutos, y trabajar con índices o con datos escalados. Lo que no es aceptable es alterar los datos para que la mejora se vea mejor.

Errores frecuentes que el jurado detecta

• No hay línea base propia. Se usan cifras que dio la empresa sin saber cómo se calcularon. Si las usas, di quién las produjo y con qué método.
• El indicador cambia entre capítulos. En el diagnóstico es tiempo de ciclo y en los resultados es productividad. Son cosas distintas.
• Las causas no se conectan con las mejoras. Propones cinco contramedidas y solo dos atacan las causas que priorizaste.
• Se promete un ahorro económico sin memoria de cálculo. Cualquier cifra en dinero necesita el detalle de cómo se obtuvo y qué precios se usaron.
• Se confunde herramienta con resultado. Haber aplicado una herramienta de orden y limpieza no es un resultado; el resultado es lo que le pasó al indicador.

Preguntas frecuentes

¿Puedo hacer una tesis de mejora de procesos si la empresa no me deja implementar?

Sí, y es lo más habitual. Se convierte en un trabajo de diagnóstico y propuesta, con la mejora evaluada mediante simulación o mediante un cálculo con supuestos explícitos. Lo único que no puedes hacer es redactar los resultados como si la implementación hubiera ocurrido.

¿DMAIC y PDCA son lo mismo?

Comparten la lógica de ciclo de mejora, pero DMAIC incorpora de forma explícita las fases de medición y análisis con datos, que es justo lo que una tesis necesita para sostener sus conclusiones. Si tu programa te pide PDCA, puedes mantener esa nomenclatura y aplicar por dentro el mismo rigor de medición.

¿Cuántos datos necesito en la línea base?

No hay un número universal. Depende de la variabilidad de la operación y del tamaño del cambio que esperas detectar: cuanto más variable el proceso y más pequeña la mejora esperada, más observaciones hacen falta. Lo que sí es universal es reportar cuántas observaciones tomaste y en qué periodo.

¿Sirve este enfoque fuera de una fábrica?

Sí. Se aplica igual en servicios: tiempos de atención en un hospital, tramitación de expedientes en una municipalidad, procesos administrativos de una universidad. El vocabulario cambia —no hay piezas, hay casos— pero la estructura de medición es la misma.

¿Qué herramientas de recolección debo describir en la metodología?

Las que realmente usaste: formato de registro de tiempos, hoja de verificación de defectos, ficha de observación, entrevista al supervisor. Cada una debe aparecer en anexos. Elegir el instrumento de recolección de datos adecuado y describirlo bien es parte de lo que se evalúa.

¿Es obligatorio usar software estadístico?

No, pero ayuda. Una hoja de cálculo basta para promedios, dispersión y gráficos de frecuencia. Si vas a hacer contrastes entre periodos o cartas de control, un paquete estadístico te ahorra errores.

¿Y si al medir el después el indicador empeoró?

Se reporta igual. Un resultado que no confirma la hipótesis es un resultado, y explicar por qué la mejora no funcionó suele producir una discusión más interesante que la del caso exitoso. Lo que descalifica un trabajo no es fallar, es maquillar.

Antes de redactar el documento

El cuello de botella de estas tesis no está en la planta: está en convertir cronómetros, hojas de registro y diagramas en un documento con planteamiento, metodología, resultados y discusión que se sostengan entre sí. Si ya tienes las mediciones y lo que te falta es la redacción académica, puedes empezar tu documento con Tesify y trabajar sobre una estructura que ya contempla el diagnóstico, la propuesta y la comparación de resultados.