El fenómeno de la varianza en la industria

Es una práctica común en la industria llevar indicadores de medición de la varianza expresada en términos financieros. Las industrias definen estándares de uso de materias primas y luego reportan la diferencia entre la cantidad actual usada y el estándar previamente definido para el volumen de productos producidos en términos contables es decir multiplicando esta diferencia por el costo unitario de la materia prima a pesar de agregarlo el porcentaje de costo indirecto asociado al producto.  Al final con un ligero descuido en el mantenimiento de los estándares el indicador de varianza crece exponencialmente.  El objetivo de nuestro tema es mencionar algunos factores a menudo desconsiderados o simplemente olvidados que impactan grandemente la varianza en los procesos.  

1- Primero mencionamos el más simple y resultado de una negligencia imperdonable. Se trata de la no actualización de los BOM (bills of materials), este registro que contiene la descripción de la materia prima y la cantidad usada por unidad de producto. Se ha visto en innumerables ocasiones departamentos de ingeniería hacer cambios en un material x pero sin actualizar el BOM, o departamento de compras trabajando con un proveedor alterno cuya materia prima expresada en libra por ejemplo tiene un peso mayor o menor por unidad que el material del suplidor original o preferido. Estos casos son frecuentes pero fáciles de detectar y de corregir sin la intervención de las estadísticas.

2- Segundo mencionamos la variación inducida en los procesos por los métodos propios de trabajo. Estos casos son más difíciles de detectar y a menudo resultan en varianzas mucho mayores y por largo tiempo antes de resolver, ya que si la empresa es muy rentable tomara cierto tiempo para que esta fuente de varianza haga suficientes ruidos como para impulsar su solución. Estos casos se tratan con estudios estadísticos. Cualquier equipo de medición que usamos para determinar la cantidad de un material debe en estos casos entrar en la validación del sistema de medición a través de un Gauge R&R, buscando el % de variación introducida al proceso por carencia de repetitividad y/o reproducibilidad  

Esto es el primer estudio a realizar. Otros como multivari ayudarán a entender la variación entre operadores, dentro de una misma parte y en tiempo.  Encontramos a menudo que las empresas con productos de muy alto volumen ganan tiempo de conteo usando el método de pesaje para determinar una cantidad.  El método consiste en coger una muestra del lote, tarar el peso con la muestra y luego pesar el lote donde por operación aritmética de división del peso total por el peso de la muestra, se calcula el peso del lote.

Dicho método no tiene nada malo si se lleva a cabo correctamente. Los errores que provocan e impactan grandemente la varianza se centran todos en no considerar algunos conceptos básicos de variaciones en las estadísticas.

a) Por ejemplo pesar un material o producto de una muestra no representativa del lote, es asumir que todos los materiales o productos de este lote pesan igual. Es una inferencia incorrecta. La variación es algo natural en un proceso y no podemos decir que un lote contiene 500 unidades porque pesa 500 kg y la unidad de tara pesa 1 kg. Una unidad no es una muestra representativa de 500. Se resuelve este error con el uso de power factor para determinar el tamaño de muestra correcta para poder inferir sobre la cantidad final.

b) redondear los decimales al número entero más cercano.  Esto implica que los redondeos hacia arriba eventualmente se cancelan con los de a hacía abajo. Esto parece lógico pero asume una distribución normal del peso. Pero que pasa si no tenemos una distribución normal por causas especiales en el proceso, sino una distribución sesgada cuya media se encuentra por ejemplo más hacia  el lado opuesto al sesgo. Esto significaría que los redondeos no se cancelan entre ellos.  Se entiende la magnitud del error calculando primero el "skewness" o factor asimetría (sesgo) dentro de las estadísticas descriptivas y segundo usando una función de adaptación de distribución (más conocido en inglés como distribution fitting). En dado caso que sale otra distribución que la normal pues el supuesto de cancelación mutua de redondeos no es factible y habrá que buscar en los procesos las causas especiales de la no normalidad de los residuos considerando el redondeo como un residuo del valor esperado o valor real.

Tenemos tres grandes fuentes de variación que resultarán en la varianza contable. Estas son
Sistema de medición no repetitiva y/o no reproducible
Uso de muestra no estadísticamente representativa incurriendo en una inferencia incorrecta
Asumir una distribución normal de residuos sin haberla verificado.

Esto solo es un ejemplo de fuente de varianza.  El fenómeno es costoso si no se trata a tiempo.