1
2
SEIS SIGMA
6s
33
AGENDA
1. Introducción al Seis Sigma
2. Proyectos Seis Sigma
3. Metodología Seis Sigma
4. Fase I: Definir y Medir
5. Fase II: Analizar
6. Fase III: Implementar mejoras
7. Fase IV: Controlar
44
1. Introducción al Seis Sigma1.1 ¿Qué es Seis Sigma?1.2 Calidad Seis Sigma1.3 Historias de éxito de Seis Sigma1.4 Principios de Seis Sigma1.5 Seis Sigma e ISO 9001
2
55
¿Qué es Seis Sigma ?
Es un sistema empresarial para lograr y mantener el éxitopor medio de la orientación al cliente, la gestión porprocesos, así como la utilización de los hechos y de losdatos.
1.1
Mide el desempeño de un procesoen cuanto a su nivel de productos oservicios fuera de especificación
Como Métrica
Como Filosofía
Como Meta
Mejoramiento continuo de procesosy productos
Tener procesos de clase mundial,no producir servicios o productosdefectuosos (3.4 pmo)
6
¿Qué es Seis Sigma?
6s“Un método de gestión quepermite a las empresas mejorardrásticamente sus resultados,mediante el diseño y supervisióndiaria de sus actividades,minimizando el desperdicio y losrecursos y, por tanto, aumentandola satisfacción de sus clientes”
Mikel Harry y Richard Schroeder “Six Sigma”
7
¿Qué es Seis Sigma?Concepto estadístico que califica unproceso en términos de defectos. Unnivel de calidad Seis Sigma significapresencia sólo de 3.4 defectos pormillón de oportunidades.
6s Estrategia de innovación para mejorarsignificativamente la satisfacción delos clientes y el valor agregado a losinversionistas mediante la reducciónde la variación en todos los procesosde un negocio.
8
REDUCCIÓN DE LA
VARIACIÓN
REDUCIRDEFECTOS
REDUCIRCOSTOS
INCREMENTARSATISFACCIONDEL CLIENTE
INCREMENTARINGRESOS
INCREMENTAR BENEFICIO
EMPRESARIAL
¿Qué es Seis Sigma?
3
9
Otras definiciones
La Visión La Filosofía
La MetaLa Metodología
La MétricaLa Referencia
La Estadística
6s
10
T.Q.M. – Seis Sigma
“La calidad se puede definircomo reducción de la variación”
E. Deming
“La norma de realización de lacalidad es CERO DEFECTOS, noniveles aceptables de calidad”.
P. Crosby
“Calidad es satisfacción del cliente”Feigenbaum
11
T.Q.M. – Seis SigmaJuranPlaneación de
la calidadControl dela calidad (durante las operaciones)
Zona original de control de calidad
Nueva zona de control de calidad
Lecciones aprendidas
Cost
os d
e la n
o ca
lidad
TiempoMejora de la calidad
Problemas Crónicos
Problemas Esporádicos
Problemas Crónicos
1212
Calidad Seis Sigma 1.2
Ejemplo: El tiempo que un cliente esta dispuestoesperar por una pizza esta entre 23 y 32 minutos
Tiempo (minutos)
LI
23 min.
LS
32 min.
LI
23 min.
LS
32 min.Distribución
Alta probabilidad
error
Alta probabilidad
de error
Baja probabilidad
de error
Baja probabilidad
de error
4
1313
3.4 defectos por millón
de oportunidades
305 537 defectos por millón
de oportunidades
697 700 defectos por millón
de oportunidades
1414
Calidad Seis Sigma 1.2
3 SIGMA 6 SIGMA
Malas Recetas médicas 54.000 / año 3 / año
Bebes que se caen 40.500 / año 3 / año
Tomar agua contaminada 2 h. / mes 1” / 16 años
Corte de señal de TV 27 min. / semana 6” / 100 años
Mala Oper. médica 1.350 / semana 1 / 20 años
Devolución Sacos de Azúcar 44.000 / año 5 / año
15
Corte de servicio eléctrico, por cada 7 horas cada mes.
Peligro de agua potable contaminada al menos 15 minutos cada día.
99% de calidad ha dejado de ser suficiente, satisfactorio y mucho menos aceptable por el cliente
¿Qué significa 99% de Calidad?
PARADIGMA DEL%
16
¿Qué significa 99% de Calidad?
1%
1%
1%
1000 galones
990.0 galones
980.1 galones
970.3 galones
29.7 galones desperdiciados
97.03%
Calidad transferida al cliente
CALIDAD FINAL = 0.99n
Número de etapas
5
17
Calidad Seis Sigma : 99.9997%
0.0003%999.997 galones
999.994 galones
99.9991%
Calidad transferida al cliente
CALIDAD FINAL = 0.999997n
Número de etapas
0.0003%
0.0003%
0.009 galones desperdiciados
1000 galones
999.991 galones
Alcanzar la Calidad Seis Sigma es una necesidad para el
negocio
18
Niveles de Calidad 6sNivel Sigma
Defectos por millón de oportunidades
1s 690 000
2s 308 537
3s 66 807
4s 6 210
5s 233
6s 3.4
Nivel de Calidad
30.9%
69.2%
93.3%
99.4%
99.98%
99.9997%SE APROXIMAAL IDEAL CERO
DEFECTOS
1919
Esfuerzo Seis Sigma
Ingr
esos
HacerNada
Ingr
esos
Ingr
esos
Pérdida
Ingr
esos
COPQ
Costo hacer
las cosas bien
Costo hacer
las cosas bien
Costo total
Utilidad
Costo mala
calidad
Costo hacer
las cosas bien
Costo mala
calidad
Costo hacer
las cosas bien
Utilidad
Esfuerzo Seis Sigma
Estado inicial
Cuando las fuerzas de Mercado y la Competencia
Reduce Precios
Opción 1
Opción 2
2020
Historias de éxito de Seis Sigma1.3
6
21
Historia
Propone estudiar la variación, siguiendolos principios del Dr. Deming.
Ing. Mikel Harry1985
“Lograr 3.4 defectos por millón para el año1992”. Se inicia en la división deComunicaciones, dirigida por George Fisher.
CEO Bob GalvinEnero 1987
Se alcanza un promedio de 150 defectos pormillón.
1992
22
Historia
General Electric Se da inicio al Seis Sigma.
Jack Welch
Beneficios acumulados de más de2 millardos de dólares enbeneficios
1999
1995
2323
Autentica orientación al cliente, satisfacer alcliente es la prioridad número uno.
Principios de Seis Sigma1.4
Primer principio
Todo debe y puede ser mejorado alineadocon los objetivos de la organización.
Segundo principio
Objetivos
2424
Las decisiones deben basarse en hechos,datos estadísticos, pues lo únicoconstante en los procesos es la variación.Se debe evitar el “...Yo creo que...” o “...Yopienso que...”
Principios de Seis Sigma1.4
Terceroprincipio
7
2525
Al mejorar se debe mirar el procesocompleto (Pensamiento Sistemático),pues optimizar un subproceso nos puedellevar a suboptimizar el proceso global.
Principios de Seis Sigma1.4
Cuartoprincipio
CLIENTE
CLIENTE
Proceso A Proceso CProceso B
Sub proceso a
Sub proceso c
Sub proceso b
Procesos de la Organización
2626
Las causas de los problemas deben sereliminadas en su raíz para prevenir quevuelvan a aparecer y así poder hacer bienlas cosas desde la primera vez.
Principios de Seis Sigma1.4
Quintoprincipio
Causa 1
PROBLEMA
Síntoma 1
Síntoma 2
Síntoma n
Causa 2
Causa n
2727
Cada vez que un proceso es mejoradodebe garantizarse que los resultados semantengan en el tiempo.
Principios de Seis Sigma1.4
Sextoprincipio
2828
El recurso humano es el capitalfundamental de la empresa.
Principios de Seis Sigma1.4
Sétimoprincipio
Todos los miembros de la empresa deben ser líderes, maestrosy modelos en la práctica de los principios.
8
2929
Seis Sigma e ISO 90011.5
Seis Sigma como Sistema de Gestión de Calidad
Sistema de Gestión de Calidad según la Norma ISO 9001Equivalentes
Seis Sigma como proyecto de mejora
Sistema de Gestión de Calidad según la
Norma ISO 9001Complemento
Mejora continua Mejora continua
CLICO DE DEMING
3030
2. Proyectos Seis Sigma2.1 Requisitos para un Proyecto Seis Sigma2.2 Criterios de selección2.3 Equipo Seis Sigma2.4 Selección del Equipo
3131
Alineado con la estrategiadel negocio. Tiene unameta clara.
Existen datos históricos, opueden ser obtenidos.
Mide el rendimiento delproceso, medicionesfinancieras para elnegocio e impacto en elcliente.
Puede ser hecha por unequipo de Trabajo.
Cumple con lasexpectativas de tiempoestablecidas por lagerencia.
Beneficia Negocio
Apoyo de Administración
Cuantificable
Alineado con la Visión del
Negocio
Requisitos para un proyecto SS2.1
ESFUERZO FOCALIZADO
3232
Criterios de selección2.2
9
3333
Equipo Seis Sigma2.3
Controler
Onwer
3434
CHAMPIONS:Conformado generalmente por la alta gerencia. Son quienesseleccionan los proyectos y supervisa su funcionamiento.Participan en la elección de BB y GB.
2.3 Equipo Seis Sigma
MASTER BLACK BELT:Son los responsables del entrenamiento de BB. Sonespecialistas en la Metodología y certifican BB. Lideranproyectos de mucha complejidad organizacional. Remuevenlas barreras que impiden avances de proyectos.
3535
BLACK BELT:Son los especialistas en la aplicación metodología. Lideranproyectos Seis Sigma. Su rol es guiar al Equipo durante lasfases del Proyecto. Sinergizan los conocimientos y esfuerzosde los miembros del equipo. Dan soporte a los GB. Lainteracción con el dueño del proceso continua después determinado el proyecto.
2.3 Equipo Seis Sigma
GREEN BELT:Son miembros del equipo de proyecto que conocen lasherramientas básicas de la metodología. Soninterdisciplinarios y multifuncionales. Están preparados paraparticipar o liderar proyectos Seis Sigma.
3636
OWNER:Son los líderes de las áreas en las que se van a desarrollarproyectos Seis Sigma.Es el socio estratégico del BB, para alcanzar la meta. Es elresponsable de mantener y superar los estándaresalcanzados después de finalizados los proyectos.
2.3 Equipo Seis Sigma
CONTROLLER:Es el responsable de dar el visto bueno cada vez que hayaalgún tipo de evaluación financiera y cuantifica los beneficiosobtenidos.
10
3737
2.3 Equipo Seis Sigma
3838
2.4 Selección de equipo Seis Sigma
TEST: Inventario de Utilización de Energías
Se utiliza para indicar que atributos emplea una persona en surelación con los demás bajo dos tipos de condiciones: Cuandotodo marcha bien y cuando se enfrenta con un conflicto.
3939
3. Metodología Seis Sigma3.1 DMAMC3.2 DMAMC y el PHVA3.3 Diagrama Metodológico
4040
1.- Definir el Problema, definir objetivos
2.- Definir y Describir el proceso3.- Evaluar Sistema de medición4.- Evaluar Capacidad del proceso
5.- Determinar las causas del problema6.- Determinar variables significativas
7.- Optimizar y robustecer8.- Validar Mejora
9- Controlar y dar seguimiento al proceso10.- Mejorar continuamente
3.1 DMAMC (o DMAIC)
11
4141
D
M
AI
C
Definicióndel
proyecto
Medición del desempeño del proceso
Análisis del
proceso
Implementación de mejoras o
transformación del proceso
Control y aseguramiento del desempeño alcanzado
Managemt
Team
Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor
y la guía del Master Black Belt / Black Belt
Dueño de
Proceso
Ruta Metodológica
4242
3.2 DMAMC y el PHVA
1.- Definir el Problema, definir objetivos
2.- Definir y Describir el proceso
5.- Determinar las causas del problema
8.- Validar Mejora
9- Controlar y dar seguimiento al proceso
4.- Evaluar Capacidad del proceso
3.- Evaluar Sistema de medición
7.- Optimizar y robustecer
10.- Mejorar continuamente
Planear
Hacer
Verificar
Actuar
6.- Determinar variables significativas
4343
Diagrama Metodológico3.3
Definir el Problema, definir objetivos
Definir y Describir el proceso
Determinar variables significativas
Validar Mejora
Controlar proceso
¿Proceso
Estable?
¿Medición
Capaz y
estable?
Optimizar y robustecer
Mejorar continuamente
¿Proceso
Capaz?
MejorarNO
SI
SI
Eliminar causas
especiales
NO
NO
Si
Determinar las causas del problema
4444
4. Fase I: Definir y Medir4.1 Definir el problema4.2 Definir y describir el proceso4.3 Evaluar el sistema de medición4.4 Evaluar Capacidad del proceso
12
4545
Definir Problema4.1
Ideas InformaciónIncompleta Creencias
Situación problemática inespecífica
Identificación de los clientes, CTQ, VOCDiagrama de Pareto
Histogramas, etc.
PROBLEMA DEFINIDOObjetivos definidos
Alcance del proyecto definido
4646
Definir Problema4.1
CTQ
VOC
CTQ (Critical to Quality). Son los atributos afactores críticos para la calidad de un producto oservicio que influyen en la decisión de compra porparte del cliente.
VOC (Voice of Client). Es la voz del cliente que seobtiene por dos medios:Sistemas proactivos: Quejas del consumidor,llamadas telefónicas, devoluciones de productos,etc.Sistemas Reactivos: Observación del cliente,encuestas, entrevistas, etc.
4747
Definir Problema4.1
IDENTIFICAR CLIENTES Y CTQ
1. Definir Clientes Internos y Externos2. Definir el tipo de cliente y el canal de comunicación para
obtener la VOC3. Identificar preguntas claves para cada uno de ellos4. Elaborar un plan de contacto con el cliente (quien, como,
cuando, donde, etc)5. Identificar los CTQ
48
Cambiodel
proceso
Controldel
proceso
Losprocesosvarían
Todo trabajoes un
proceso
Analizarvariación
delproceso
Aprenderdel
proceso
Reducirla
variación
Mejorade la
calidad
Satisfacción de:• Clientes
• Empleados• Accionistas
• SociedadPasos para implantar el pensamiento estadístico
Pensamiento Estadístico
13
49
CTQ
CTQ
ClienteProceso
Característica de los resultados del proceso (bienes o servicios) que satisfacen un requerimiento crítico del cliente o un requerimiento del proceso del cliente
Critical To Quality (Característica “crítica
para la Calidad”)
50
CTQ
CTQ
ClienteProceso
Tiempo de atención Confiabilidad Área de trabajo segura Productos sin daños Pagos a tiempo Nº de defectos
Deben representar lo que realmente es importante para el cliente
51
Defecto Cualquier caso o evento en que el producto o proceso
fracasan en la satisfacción de la necesidad del cliente.
El defecto es el incumplimiento de un requerimientoespecífico.
Una característica medible del proceso o su salida, queno cumple con los límites aceptables por el cliente.
La alta incidencia de defectos en un proceso, puedeincrementar el número de unidades defectuosas, creandodesperdicios y reprocesos.
52
Defectuoso
Una unidad que contiene defectos.
Una unidad ES o NO ES defectuosa, no interesa cuantos defectos tenga.
14
53
Toda situación que puede ocasionar que un producto oservicio no cumpla los requerimientos del cliente o superformance estándar, es decir que genere un defecto.
Procesos más complejos, tendrán más oportunidades de defectos
OPER.1
OPER.2
Llamadas locales:7 dígitos por número
Llamadas internacionales:10 dígitos por número
Másoportunidadesde producirun defecto
Oportunidades de Defecto
54
Oportunidades de Defecto
Determinación:
Primero: Desarrollar una lista preliminar de tiposde defectos.
Segundo: Determinar cuáles son los defectosreales, críticos para el cliente.
Tercero: Comprobar el número de oportunidadespropuesto frente a otros estándares.
55
Oportunidades de Defecto Consideraciones:
Centrarse en áreas problemáticas “estándar”. Agrupar todos los defectos relativos a una
oportunidad. Asegurarse que el defecto es importante para el
cliente. Coherencia. Establecer normas para definir
oportunidades. Cambiar el número de oportunidades sólo cuando
sea necesario.
56
Métricas
% de Unidades defectuosas
Nº de Unidades defectuosasNº de Unidades
Defectos por Unidad (dpu)
Nº de defectosNº de Unidades
15
57
Métricas Defectos por Oportunidad (dpo)
Defectos por Millón (dpm)
Nº de defectosNº de Unidades * Nº de oportunidades
dpuNº de oportunidades
dpu * 1´000,000
58
OD = oportunidades de defectos
Defectos por Millón de Oportunidades (dpmo)
El dpmo es una métrica para cuantificar el número totalde defectos producidos en un millón entre el total deoportunidades de defectos.
dpmo = dpmOD
= dpo * 1´000,000
El propósito del dpmo es poder comparar el rendimientode un proceso , servicio o producto complejo con unomás simple.
59
Define y/o valida la oportunidadde mejora en el negocio
Analiza la causa raiz deldesempeño actual
Mide el desempeño actual
Mejora el desempeño
¿El proceso existeactualmente?
¿El proceso es capazcumplir las especificaciones
del cliente?
Mide los requerimientos delmercado
Controla el desempeño
Explora alternativas de diseño
Desarrolla diseño detallado
Implementa nuevo diseño
DMAMC
DfSS - DMADV
SI
NO
NO
SI
Metodologías Seis Sigma
60
LIELSE
Proceso aser mejorado
KPOV
KPIV1
KPIV2
KPIV3
KPIV4
KPIV5
$Crítico
Costos de Calidad
Control
KPOV: Key Process Output VariableKPIV: Key Process Input Variable
Monitoreo
DMAMC – Panorama Total
16
61
LA CLAVE PARA QUE LA MEJORA TENGA ÉXITO
DMAMC
Etapa 1: Definición
62
ObjetivoIdentificar las oportunidades de mejora.
•Reclamaciones•Costes de mala
calidad•Plan estratégico•Problemas
Mapa de procesos
PROYECTOS SEIS SIGMA
DMAMC
Etapa 1: Definición
63
CTQ’s:Características críticas
para la calidad
Misión del proyectoProceso afectado
PROCESO
Prov
eedo
res
Entr
adas
Client
esSalid
as
Definir características criticas para la calidad
Las CTQ's son los elementos básicos que se usarán enla dirección de la medición del proceso mejora ycontrol.
DMAMC
Etapa 1: DefiniciónMATRIZ DE CARACTERIZACION
Ejemplo
17
6565
(8, 83%)
0
75
100
10Importancia para el cliente
CTQValoración
(Escala: 1-10)
Tiempo de entrega 8
Sabor de la Pizza 7
Cantidad de Ingredientes 7
Ingredientes correctos 10
Cortesía del repartidor 5
Factor de queja Quejas % relativo
Tiempo de entrega inaceptable 764 83
Tipo de masa incorrecta 56 6.1
Cantidad de ingredientes reducidos 50 5.4
Ingredientes incorrectos 30 3.3
Descortesía del repartidor 20 2.2
Definir Problema4.1
Insa
tisfa
cció
n de
l clie
nte
Muy Importante y poca satisfacción
6666
Definir Problema4.1
Grafica de barras que representa enforma ordenada el grado de importanciade las causas de un determinadoproblema, considerando la frecuencia conla que ocurren las causas.
Diagrama de Pareto
O regla 80-20. Es el comportamiento quesigue la grafica de PARETO: “El 80% delos problemas se encuentra en el 20% delas causas”.
Principio de Pareto
6767
Ejemplo Fastpizza’s
Definir Problema4.1
6868
Definir Problema4.1
0%10%20%30%40%50%60%70%80%90%
100%
Mañana Fines de Semana Feriados Noche
Ejemplo Fastpizza’s
18
6969
Definir Problema4.1
Hoja de Vida del Proyecto
ALCANCE Quejas de los clientes por tiempo de entrega inaceptable.
OBJETIVO Disminuir en 50% las quejas por tiempo de entrega en el Turno de la mañana.
AHORRO
-Disminución de las llamadas en el Call Center S/.165,000
-Disminución de las perdidas de clientes US$51,080
Ejemplo Fastpizza’s
7070
Definir y describir el proceso4.2
Y (KPOV)
X (KPIV)CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hipótesis
Correlación
Regresión
DOE Simulación
SPC
5 Ss
Poka Yoke
X Key Process Input Variables (KPIV) variable clave del proceso
Y Key Process Ouptput Variables (KPOV) Problema
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
7171
Definir y describir el proceso4.2
Mapa de procesos dela organización
Mapa de un conjuntode procesos
Mapa del Proceso deAnálisis para elproyecto
7272
C, N y E son Entradas al proceso
S son Salidas
E1
INICIO N1 C1
C2
E2 X3
E3
N2
E4C3
E5
FIN
S1
S2
Definir y describir el proceso4.2
Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -Clientes
19
7373
Proceso :
Objetivo :
Requisitos Requisitos
¿Quién está pidiendo la salida del proceso?
¿Quiénes son los que proveeran los
recursos necesarios?
Recursos necesarios para el proceso
Breve descripción del paso del procesoEntregables del proceso
ClientesProveedores Entradas Actividades Salidas
Responsables Parámetros de Control / Medición / Seguimiento
Documentos
Suployer Input Process Output Client
Definir y describir el proceso4.2
Formato de Matriz SIPOC
7474
Definir y describir el proceso4.2
C ENTRADA CONTROLABLE Aquella que puede ser controlada
N ENTRADA RUIDOSA Es impredecibles, altera el proceso.No es controlable por el momento.
E ENTRADA EXPERIMENTAL Aquella que puede ser estudiada bajo diversos parámetros para ver sucomportamiento en el proceso.
S SALIDA
Según donde impactan se suelen clasificar en :CTQ: Criticas para la calidadCTD: Criticas para la EntregaCTC: Criticas para el Costo.
Variables de Ruido o no controlables (N)
Variables experimentales (E)
PROCESO Características de calidad (Y)
Variables Controlables
N1 N2 N3
S1 , S2C1
C2
E1 E2 E3 E4
Y = f ( X1,X2,....Xn)
Entiende las “X” (KPIV) ycontrolarás las “Y” (KPOV)
“X”(KPIV)
“Y”(KPOV)
7575
Definir y describir el proceso4.2
Acciones a seguir
Tipo Características Acción
Controlable (C) Se puede controlar fácilmente Estandarizar el control
Experimental (E) Variable sobre la que se tiene capacidad de acción pero no se conoce su valor optimo.
Verificar si impactan sobre el indicador (fase 2).
Establecer Nivel optimo (fase 3)
Ruido (N)Variable que se sabe afecta a las KPOV pero que por ahora no se puede controlar ------------------------
7676
INICIO
FIN
VAVA
VA
VA
VA
VANA
NA
VA Operación con Valor agregado
Valor agregado son las características dadas a aquella operaciones indispensables por las cuales el cliente esta dispuesto a pagar
NA Operación de no Valor agregado No generan valor (pero si generan costos)
Definir y describir el proceso4.2
20
7777
Definir y describir el proceso4.2
Eliminar la fabrica oculta
7878
INICIO
FIN
INFOINFO
INFO
INFO Etapas donde se registran datos del proceso
Definir y describir el proceso4.2
7979
Definir y describir el proceso4.2
Función del
proceso (paso)
Métodos de falla potenciales (defectos de
proceso)
Efectos de falla potenciales
(KPOVs)
Causas potenciales
de falla (KPIVs)
Controles de proceso actuales
SEV
OCC
DET
NPR
1
2
3
4
5
6
7
8
9
10
Se hace una Simple descripción
Del proceso
Forma como elproceso podríano cumplir con
las especificaciones
Efecto quepuede tenerel defecto
en el cliente
Razón por la cual ocurre la
falla
Controles que detectano previenenla falla si es que ocurre
Severidad Ocurrencia Detección
NPR = SEV * OCC * DETNivel de prioridad de riesgo
Formato de Matriz AMFE
8080
NPR = SEV * OCC * DET
Donde:
NPR : Número de probabilidad de riesgo o de prioridad de riesgo.EI NPR es la multiplicación de la severidad de la falla, la ocurrencia de esta y su posible detección. Este será mejor en tanto sea menor.
SEV : Severidad. Es el impacto de mayor o menor intensidad en que la falla de un proceso puede repercutir en el cliente (interno o externo) y su comportamiento respecto a nuestros servicios.
OCC : OcurrenciaFrecuencia en la que puede ocurrir una falla.
DET : DetecciónPosibilidad de identificar la falla en algún momento durante el proceso.
Definir y describir el proceso4.2
Matriz AMFE
21
81
ObjetivoMedir el nivel de desempeño del proceso y oportunidadalcanzable.
CTQ’s:Características críticas para la
calidad
Misión del proyectoProceso afectado
LÍMITES: Dónde empieza/termina Qué actividades incluye/excluye
FLUJO: Cómo funcionaDOCUMENTACIÓN: Procedimientos / Instrucciones
Función A Función B Función C
Actividad 1
Actividad 2
Actividad 7
Actividad 5
Actividad 3
Actividad 4
Actividad 6
Actividad 8
Prov
eedo
res
Entr
adas
Client
esSalid
as
Alcance del proyecto
DMAMC
Etapa 2: Medición
82
CTQ’s
Resultados de las Y’s Variables del proceso Rendimiento del proceso Capacidad del proceso Nivel s del proceso
“CAJA DEHERRAMIENTAS”
Y’s
Identificar los KPOV’s
Las Y’s son las salidas del proceso que reflejan lascaracterísticas críticas para la calidad (CTQ’s). Los KPOV’s son las Y’s claves del proceso. Los KPOV’s miden el desempeño del proceso a ser mejorado.
DMAMC
Etapa 2: Medición
8383
Evaluar Sistema de Medición4.3
La evaluación del sistema de medición consiste en determinarla capacidad y estabilidad de los sistemas por medio deestudios de:
• Estabilidad• Repetibilidad• Reproducibilidad• Linealidad• Exactitud
“Un Sistema de medición es la colección de operaciones,procedimientos, instrumentos de medición, software ypersonal definido para asignar un numero a la característicaque esta siendo medida” (Measurement Systems Analysis 1995)
8484
Evaluar Sistema de Medición4.3
Precisión y Exactitud
Preciso, no exacto
Exacto, no preciso
Ni preciso,Ni exacto
Preciso yExacto
22
8585
Evaluar Sistema de Medición4.3
Exactitud
Es la diferencia entre el promedio de lasmediciones hechas por un operario y el valorreal obtenido con el master (patrón).“Una buena Exactitud se logra con un buenprograma de calibración”
Linealidad
Se define como la diferencia en la exactitud(sesgo) entre el master y el promedioobservado sobre todo el rango de operación delinstrumento
Estabilidad
Es la cantidad de variación en exactitud sobrecierto periodo. Sin evaluar la estabilidad no esposible asegurar evaluaciones confiables sobrelas demás propiedades estadísticas
8686
Repetibilidad
Es la variación en las mediciones hechas porun mismo operador en una misma pieza ycon el mismo instrumento de medición. Sedefine como la variación alrededor de lamedia.
Reproducibilidad
Variación entre las medias de las medicioneshechas por varios operarios con las mismaspiezas y con el mismo instrumento demedición.
Evaluar Sistema de Medición4.3
8787
Evaluar Capacidad del proceso4.4
Capacidad
Habilidad basada enrendimiento demostrado,de un proceso, ensatisfacer losrequerimientos del cliente.
Capacidad Medida
Capacidad del procesocuantificada, de datos queson resultado demediciones de trabajorealizado por el proceso.
8888
Grupos
Perc
ent
200-20
99.9
90
50
10
1
0.1
Grupos
Perc
ent
3020100
99.9
99
90
50
10
1
0.1
Grupos
Perc
ent
40200
99.9
99
90
50
10
1
0.1
Correlation CoefficientSmallest Extreme Value
0.957Normal0.985Logistic0.975
Probability Plot for GruposLSXY Estimates-Complete Data
Smallest Extreme Value Normal
Logistic
Variación de los datos
Análisis de NormalidadPrueba de Normalidad
Si los datos son normales, se podrá hacer el análisis de la Capacidad del Proceso.
Evaluar Capacidad del proceso4.4
23
8989
Evaluar Capacidad del proceso4.4
Para analizar si un indicador es capaz de cumplir con lasespecificaciones, se suele utilizar el índice de capacidad
Diremos que un indicador es capaz de cumplir con lasespecificaciones cuando su dispersión es menor que la distanciaentre especificaciones.
Cp < 1 INCAPAZ
1 < Cp < 1.33 APENAS CAPAZ
1.33 < Cp < 2 CAPAZ
Cp > 2 MUY CAPAZCp = 2Cp = 1
Cp =LSE - LIE
6s
9090
CENTRAMIENTO (Cpk)
No solo interesa ver si el indicador puede cumplir con lasespecificaciones, nos interesa saber si este centrado respecto a lasmismas.
Para analizar esto, existe el índice de centramiento denominadoCpk que mide la menor distancia del promedio de los datos a lasespecificaciones comparada contra el ancho de media distribución.
LSE - X X - LIECpk = Min
Especificación Promedio de los datos
3s 3s,
3s 3s
Evaluar Capacidad del proceso4.4
91
Variación
INSATISFACCION
Conocimiento de la relación Causa - Efecto
Necesidad de estudiar los
procesos
LIE LSE
Centrar la media (de acuerdo al requerimiento del cliente)
y reducir la amplitud.
Al cliente no le interesa el
promedio
92
Expectativa del cliente: plazo de entrega 8 días despuésdel pedido
Perspectiva internaPlazo de entrega
del proceso existente
(días)201530105
x = 16 días
Después de las mejoras
convencionales(días)
1725124
x = 8 díasCelebración
interna. Mejora de 16 a 8 (50%)
Perspectiva del clienteIntervalo de 15 días
8 122 5 17
Fecha pretendida
por el cliente
Días de anticipación
(-6)
Días de atraso
(+9)
Variación
24
93
Reducida variación alrededor de la media y proceso centrado en el objetivo
Voz delProceso
Objetivo
Voz delCliente
Capacidad de Proceso
Capacidad del Proceso =Voz del ClienteVoz del Proceso
94
Cp: índice de Capacidad Potencial del Proceso.
Capacidad de Proceso
LSE - LIE6 * s
Cp =
Valores más altos de Cp y Cpk, ES MEJOR.
LSE - x , x - LIE3 * s 3 * s
Cpk = min
Cpk: índice de Capacidad Real del Proceso.
s = desviación estándar teórica de la población
LSE = Límite superior de especificaciónLIE = Límite inferior de especificación
Donde:
x = centro del proceso
95
Relación entre nivel sigma, Cp y Cpk
NIVEL Cp
1s 0.33
2s 0.67
3s 1.00
4s 1.33
5s 1.67
6s 2.00
Cpk
-0.17
0.17
0.50
0.83
1.17
1.50
Capacidad de Proceso
6s
0 2s1s 3s 4s 6s5s-5s-6s -4s-3s -1s-2s
LIE LSE
4.5s
1.5s6s
96
6s
LIE = 125 LSE = 135
4.5s
1.5s
% ?
Capacidad de Proceso
6s
3.4 Dpmo
x - xsz =
z = 4.5
X
z = 135 - xs
Z 0 0.01 0.02 0.03 0.04 0.05
4.30 99.99915 99.99918 99.99922 99.99925 99.99929 99.999324.40 99.99946 99.99948 99.99951 99.99953 99.99955 99.99957
4.50 99.99966 99.99968 99.99969 99.99970 99.99972 99.999734.60 99.99979 99.99980 99.99981 99.99982 99.99983 99.99983
4.70 99.99987 99.99988 99.99988 99.99989 99.99989 99.99990
TABLA Z
PORCENTAJE BAJO LA CURVA NORMAL z% = 100% - 99.99966%% = 0.00034%
Transformando a por millón0.00034 / 100 * 1000000
3.4 dpmo
25
9797
Cpk Superior < Cpk inferior, u tiende hacia el LSECpk Inferior < Cpk Superior, u Tiende hacia el LIE
Primer Ejemplo problema Variación y Centrado
Evaluar Capacidad del proceso4.4
9898
0.600.450.300.150.00-0.15
LSL Target USLP rocess Data
Sample N 106S tDev(Within) 0.107208S tDev(O verall) 0.107447
LSL 0Target 0.1U SL 0.2Sample Mean 0.0626415
Potential (Within) C apability
C C pk 0.31
O verall C apability
Pp 0.31PPL 0.19PPU 0.43Ppk
C p
0.19C pm 0.29
0.31C PL 0.19C PU 0.43C pk 0.19
Observ ed P erformancePPM < LSL 0.00PPM > USL 103773.58PPM Total 103773.58
Exp. Within P erformancePPM < LSL 279509.11PPM > USL 100055.21PPM Total 379564.32
Exp. O verall PerformancePPM < LSL 279947.66PPM > USL 100557.92PPM Total 380505.59
WithinOverall
Process Capability of % de Saturación
Segundo Ejemplo problema Variación y Centrado
Evaluar Capacidad del proceso4.4
9999
5. Fase II: Analizar5.1 Determinar las causas del problema5.2 Variables Discretas y Continuas5.3 Prueba hipótesis5.4 Procedimiento de prueba hipótesis5.5 Ejemplos
100
f(X)Y=X1 . . . XN Independiente Entrada - Proceso Causa Problema Controlable
Y Dependiente Salida Efecto Síntoma Monitoreable
Mejorar las Y’s a través de mejorar las X’s
DMAMC
Etapa 3: AnálisisEl Foco del Seis Sigma
26
101
Función A Función B Función C
Actividad 1
Actividad 2
Actividad 7
Actividad 5
Actividad 3
Actividad 4
Actividad 6
Actividad 8
Prov
eedo
res
Entr
adas
Client
esSalid
as
Identificar los KPIVs para cambiar o controlar quedisminuyan los índices de defectos en los KPOVs.
“CAJA DEHERRAMIENTAS”
KPOV’s
X’s
Identificar variables de entrada (X´s)
Objetivo
DMAMC
Etapa 3: Análisis
102
Las X’s, son los factores, causas, condiciones queafectan los KPOV’s.
Y = f(X’s)Problema estadístico
RESULTADOS DE LOS KPOV’s(Problema práctico)
KPIV’s: FACTORESDOMINANTES“CAJA DE
HERRAMIENTAS”
Al controlar o cambiar los KPIV’s (X’s claves),produciremos efecto en los KPOV’s.
Identificar
DMAMC
Etapa 3: Análisis
103
X XX
Y
CTQ
Y YYY
X X
Definir Característica crítica
KPOVDe las variables de salida (Y’s) del proceso, identificar los KPOV’s que responden al CTQ.
KPIV KPIV
Identificar las variables (X’s) que afectan el KPOV e identificar los pocos vitales (KPIV’s)
DMAMC
Etapa 3: AnálisisDespliegue
104104
Y (KPOV)
X (KPIV)CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hipótesis
Correlación
Regresión
DOE Simulación
SPC
5 Ss
Poka Yoke
X Key Process Input Variables (KPIV) variable claves del proceso
Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
27
105105
Determinar las causas5.1
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestropoblewma (Y o KPOV), usaremos el Diagrama Causa – Efecto, o Ishikawa.
Listar por tormenta de ideas lascausas generales que afectanal indicador.
Agrupar las causas en 4 o 6grupos. Se suele usar:
Por 4M Por 6MMano O. Mano OMaterial MaterialMaquinaria MaquinariaMétodo Método
MediciónMedio amb.
CONSTRUCCION
causa
causa
causa
causacausa
causa
causa
causa
causa
causa
causa causa
causa
causa
causa
causa
causa
causa
Criterio de agrupación 3
Criterio de agrupación 4
Criterio de agrupación 6
Criterio de agrupación 5
Criterio de agrupación 1
Criterio de agrupación 2
causa
causa
PROBLEMA
Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N
Diagrama de Causa-Efecto (Ishikawa)
106106
Posteriormente se validaran cualescausas son definitivamente las queson las responsables del Problema
Se ha visto que la KPIV, puede impactar en las KPOV:
Matriz Causa-Efecto
Número de Contratos
Conocimientos norma de créditos
Numero de Analistas
Tiempo de entrega de Contratos
Tiempo de Calificación
% de créditos rechazados
Costo Evaluación.
X Yafecta
Ejemplos:
Para mejorar el proceso, se debe identificar cuáles son las X que másafectan a las Y para determinar cuáles deben ser atacadas.
Determinar las causas5.1
107107
ISHIKAWA
FEMEAENTRADAS DEL PROCESO
PRUEBA DE HIPOTESIS
VARIABLES SIGNIFICATIVAS
CAPACIDAD DEL PROCESO
X1
INICION1 C
1
C2
X2 X3
X3
N2
X4
C3
X5
FIN
Y1
Y2
Determinar las causas5.1
108108
5.2 Variables Discretas y Continuas
tienen un número fijo de valoresEjemplos: estado civil, tiposanguíneo, número de niños
Datos Discretos
tienen un número infinito de valoresEjemplos: estatura, peso,temperatura
Datos Continuos
28
109109
Para conocer si un factor ( X: KPIV ) influye sobre nuestroindicador ( Y: KPOV ) del proceso; se suele variar estefactor de manera de ver si su variación afecta al indicador.
La manera de ver esta variación es a través de laspruebas de hipótesis que nos permitirán concluir si el factoren estudio afecta significativamente al indicador.
PRUEBA DE HIPOTESIS
Prueba Hipótesis5.3
110110
Errores posibles al evaluar una hipótesis
Verdad de H0
V
(no hay diferencia)
F
(si hay diferencia)
Decisión correcta 1 -
(nivel de significan cía)
Error tipo 1
α
Error tipo 2
β
Decisión correcta
1 –
(poder la prueba)
F V
Aceptar H0
(no hay diferencia)
Aceptar Ha (si hay diferencia)
P(Error Tipo) = :Probabilidad deencontrar unadiferencia cuándoesta no existe. = 0.01, 0.05P(Error Tipo2) = : Probabilidad de noencontrar unadiferencia cuandoesta si existe.
Verdad de Ha
Prueba Hipótesis5.3
111111
Ho : El factor no generó diferencias Antes Vs Después (X no afecta Y)Ha : El factor si generó diferencias Antes Vs Después (X si afecta Y)
RECORDANDO
Si p – val > 0.05 () NO se rechaza H0
VOCABULARIO
Conclusión Robusta:Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en0.05)Conclusión Débil:Aceptar H0 sin conocer el valor de . En estos casos se suele decir “No puederechazarse H0”Potencia de una prueba estadística:Es la probabilidad de rechazar correctamente una H0
Potencia = 1 -
Prueba Hipótesis5.3
112112
Prueba Anova
ONE SAMPLE t – TAMAÑO DE MUESTRA (Si la Población es Normal)
Prueba t (One Sample t)
Estadístico t = X- s / n
Hipótesis Nula H0: = 0
Hipótesis Alterna
Ha: <0 ; t < t , n-1
> 0; t > t , n-1
0 ; | t | > t /2 , n-1
MinitabStat-Basic Statisc- 1sample t
Prueba Hipótesis5.3
29
113113
Prueba Hipótesis5.3
TIPO LOTE
HUE
VO
S IN
CUB
AD
OS
VIEJOJOVENADULTO
16000
14000
12000
10000
8000
6000
4000
2000
0
Boxplot of HUEVOS INCUBADOS by TIPO LOTE
Source DF SS MS F PTIPO LOTE 2 177886860 88943430 6.46 0.002Error 118 1625812015 13778068Total 120 1803698874S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
Individual 95% CIs For Mean Based onPooled StDev
Level N Mean StDev --------+---------+---------+---------+-ADULTO 52 6158 3863 (----*----)JOVEN 17 9055 4226 (--------*--------)VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
114114
Correlación y Regresión
INTRODUCCIÓN:
Al interior de un proceso, usualmente existe una relación entre 2variables.Si una Y (KPOV) se correlaciona con una X; podremos decir que X esuna KPIV.
De esta manera diremos que existe una ecuación que liga a ambas Y= f (x). Esta ecuación se denomina “Modelo matemático”.Esta ecuación se calcula usando técnicas de regresión.
Usualmente la correlación para determinar la fuerza que liga a 2variables sin necesidad de alterar el proceso como se hizo en lasPruebas de hipótesis o como hará en los DOE (Fase 3).
Prueba Hipótesis5.3
115115
-1 r < 0
Correlación Negativa
r = 0
No hay Correlación
0 < r 1
Correlación Positiva
Correlación
Es la Fuerza de Asociación entre 2 Variables.Se mide con el Coeficiente de Pearson (r)
-1 r 1
Cuánto más cercano esté el coeficiente de Correlación de Pearson
a –1 o 1; mayor probabilidad de Correlación
Prueba Hipótesis5.3
116116
Precauciones:
Dado que no estamos modificando el proceso ( variando x) ymidiendo su efecto ( en Y) : encontrar que “hay correlación”no siempre significa que al variar X, variará Y (Causa –Efecto)
Solo debemos usar correlación cuando hay una persuasiónrazonable que X podría afectar Y
Correlación
Prueba Hipótesis5.3
30
117117
PROCESO Indicador (Y)
Variables Experimentales
Y1 , Y2
X1 X2 X3 X4
Y = f ( X1,X2,....Xn)
Con la regresión se determina el Modelo Matemático que relacione lasVariables X con Y.
Estas Xi, son laque se hanobtenidodespués de:Prueba deHipótesis.Correlación.
LOS MODELOS MATEMATICOS PUEDEN SERY = 0 + 1 X LINEALY = 0 + 1X + 2X2 CUADRÁTICOY = 0 + 1X + 2X2 + 3X3 CÚBICOY = 0 + 1X1 + 2X2+... +nXn) LINEAL
MÚLTIPLE
Regresión
Prueba Hipótesis5.3
118118
Procedimiento para la Prueba Hipótesis
1. Identificar de acuerdo al tipo de variable discreta o continua tanto para KPIVcomo KPOV el tipo de Prueba Estadística a utilizar.
2. Establecer la Hipótesis Nula Ho.
3. Especificar una hipótesis alternativa apropiada Ha.
4. Elegir un nivel de significación (Usualmente: 0.05).
5. Establecer un estadístico de prueba apropiado.
6. Establecer la región de rechazo del estadístico.
7. Calcular las cantidades muestrales necesarias, sustituirlas en la ecuación delestadístico de la prueba y calcular es valor.
8. Decidir si deberá rechazarse o no Ho.
9. Traducir la decisión en términos de proceso.
Acción
Procedimiento de pruebas5.4
119119
FLUJOGRAMA PRUEBA HIPÓTESIS
Inicio
Ubicar las variables importantes ( Fase 1 )
Seleccionar laprueba de hipótesis
a usar
Variar el factor de manera de tener 2
Situaciones :“Antes”
“Después”
Recopilar data
Aplicar la pruebade hipótesis
H0 no hay variación antes vs despuésHa si hay variación antes vs después
p –val > 0.05
1Factor si afecta
Fin
Si
NoRechazo H0
1
Factor no afecta
Acepto H0
Procedimiento de pruebas5.4
120120
Y Continua Y Discreta
X Continua
Correlacion-Regresion Correlacion-Regresion
XDiscreta
Para distribucion normal de YPrueba T1Prueba T2Prueba Anova
Para distribucion no normal de YPrueba WPrueba xxxxPrueba kk
Chi cuadrado
Procedimiento de pruebas5.4
Selección de la Prueba Hipótesis
31
121121
5.4
¿Es normal?
Prueba F para Y agrupada según las X
SI
Agrupar prueba Normalidad para"Y"
¿Es normal?
NO
SI
¿P>α ?Transformar Datos
prueba Normalidad para"Y"
NONO
¿Es normal?
SI
NO
Prueba F para Y agrupada según las X
¿P>α ?
SI
NOPrueba KW
Prueba de Anova
Prueba de Normalidad para "Y"
SI
Y continua / X discretaCon más de 2 muestras
Procedimiento de Pruebas
122122
5.4
Y continua / X discretaCon 2 muestras
¿Es normal?
Prueba F para Y agrupada según las X
SI
Agrupar prueba Normalidad para"Y"
¿Es normal?
NO
SI
¿P>α ?
Transformar Datos prueba Normalidad para"Y"
NONO
¿Es normal?
SI
NO
Prueba F para Y agrupada según las X
¿P>α ?
SI
NOPrueba KW
Prueba T2
Prueba de Normalidad para "Y"
SI
Procedimiento de Pruebas
123123
5.4
Y continua / X discretaCon 1 muestra
¿Es normal?
SI
Agrupar prueba Normalidad para"Y"
¿Es normal?
NO
SI
Transformar Datos prueba Normalidad para"Y"
NO
¿Es normal?
SI
NO
Prueba de Normalidad para "Y"
Prueba T 1
Prueba One Sample Sign
Procedimiento de Pruebas
124124
5.4
Y continua o discreta / X Continua
Probar la correlacion de todos los x con y
¿r = 0?
¿es lineal o curva?
No Si
¿Y es continua
?
SiNo
¿Hay mas de una x?
No Si
curva
¿es lineal o curva?
lineal
curva
lineal
No hay correlacion
Prueba RegresionMultiple
Prueba Regresion Superficie de Respuesta
Prueba de Regresion curva lineal
Prueba de Regresion lineal
Prueba Regresion Logistica
Procedimiento de Pruebas
32
125125
X Ycantidad pedido
devueltos semanal ¿Qué tipo de
prueba?
X1= Zona Geografica 2030...
10
2040...
30
3050 ...
20
X1= Discreta, tiene 10 valores (menos de 30)
Y= continua
Por lo tanto se utiliza la Prueba de Anova para probar la significancia de X en Y.
Nota: no se utiliza T1 ni T2 porque son más de 1 y 2 muestras respectivamente.
48 datos (48 semanas)
48 datos (48 semanas)
48 datos (48 semanas)
Zona 1
Zona 2
.
.
.
.
.Zona 10
Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
126126
X2= Repartidores
Repartidor 1
Repartidor 2 ........
Repartidor 50
X2= inicialmente es discreta, pero por tener más de 30 valores se le considera continua.
Y= continua
Por lo tanto se utiliza la Prueba de Regresion.
X Ycantidad pedido
devueltos semanal ¿Qué tipo de
prueba?
2030...
10
2040...
30
3050 ...
20
48 datos (48 semanas)
48 datos (48 semanas)
48 datos (48 semanas)
Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
127127
X3= ¿El repartidor usa Guia ?
Si
No
5010...
20
1020...
30
X3= Discreta
Y= Continua
Por lo tanto se utiliza la Prueba T2 para probar la significancia de X en Y
Nota: no Anova porque solo son 2 muestras.
X Ycantidad pedido
devueltos semanal ¿Qué tipo de
prueba?
Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
128128
X1= Presion en el cabezal (Bar)
X Ycantidad de
pasta quemada¿Qué tipo de
prueba?
Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5
40 bar65 bar50 bar30 bar
.
.
.
.
.
. 60 bar
100 datos
10 kg15 kg12 kg
8 kg......
14kg
X1= es continua Tiene mas de 30 datos
Y= continua
Por lo tanto se utiiliza la Prueba de Regresion
33
129129
Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5
X2= Temperatura de cocido (ºC)
X Ycantidad de
pasta quemada¿Qué tipo de
prueba?
45 ºC35 ºC55 ºC32 ºC ......
50 ºC
105 datos
15 kg10 kg20 kg
8 kg......
25kg
X2= es continua Tiene mas de 30 datos
Y= continua
Por lo tanto se utiiliza la Prueba de Regresion
130130
Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5
X3= Humedad relativa (%)
X Ycantidad de
pasta quemada¿Qué tipo de
prueba?
60%55%70%45% ......
72%
103 datos
15 kg10 kg20 kg
8 kg......
25kg
X3= es continua Tiene mas de 30 datos
Y= continua
Por lo tanto se utiiliza la Prueba de Regresion
131131
6. Fase III: Implementar (mejora)6.1 Análisis de riesgo: Matriz FMEA.6.2 DOE6.3 Procedimiento DOE6.4 Plan de Mejora
132
Determinar que cambios son necesarios en los KPIVs ycomo efectuarlos, con el fin de reducir la tasa dedefectos de los KPOVs.
KPIV’s: VARIABLES DOMINANTES
(Problema estadístico)
MODELO DEL PROCESO(Solución estadística)
PRUEBA DE SOLUCIONES
(Solución práctica)SOLUCION A IMPLANTAR
“CAJA DEHERRAMIENTAS”
Objetivo
DMAMC
Etapa 4: Mejora
34
133
Análisis dedatos históricos
Prueba y Error
Un factor a lavez
Diseñosexperimentales
Los datos disponibles pueden producir indicios
Dec
reci
endo
el r
iesg
o de
la d
ecis
ión
Pude producir un impacto rápido
Simple de usar
Mejor entendimiento del sistema
Los resultados pueden ser engañosos. Poco entendimiento
Poco entendimiento
Requiere planificaciónDisciplina
Poco entendimiento.No analiza interacción entre las X’s
ENFOQUE VENTAJAS DESVENTAJAS
Entender cuánto afectan los KPIV´s a los KPOV´s
Etapa 4: MejoraDMAMC
134134
PROCESO AMFE
Elabora FMEA preliminar.
Discusión para definir NPR.
Plan de Acción de mejora de losNPR.
Ejecución del Plan.
Evaluación de Resultados.
Emisión del AMFE definitivo.
OKNO
SI
FASE I
FASE II
Análisis de riesgo: Matriz AMFE.
6.1
135135
Se vuelve usar la matriz AMFEmostrado anteriormente.
En esta parte se establecen lasposibles soluciones para aquellasactividades que tienen un NPRalto.
Acciones Recomendadas
Persona responsable & Fecha Objeto
Acciones Tomadas
SEV
OCC
DET
NPR
Las acciones recomendadas
que son llevadasA cabo.
El responsable de llevar acabola acción (es)
El NPR despuésde haber tomadolas acción (es). Elcual se suponedebe ser menorSon las acciones
orientadas a seguir para las causas con NPR alto, destinadasmejorar la detección
de la causa o disminuirla frecuencia de
ocurrencia de las fallas
Análisis de riesgo: Matriz AMFE.
6.1
136136
Es una estrategia experimental estructurada que permite laevaluación de múltiples variables de proceso en cuanto a sucapacidad para influir sobre las características de un producto oproceso.
• Determinar que factores son importantes.
• Establecer la estabilidad del proceso.
• Encontrar el mejor conjunto de condiciones de operación.
DOE6.2
Introducción al DOE
35
137137
Y (KPOV)
X (KPIV)CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hipótesis
Correlación
Regresión
DOE Simulación
SPC
5 Ss
Poka Yoke
X Key Process Input Variables (KPIV) variable claves del proceso
Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
DOE6.2
138138
DOE6.2
Diseño Factorial Completo
El Factorial Completo estudiará cada combinación posible en losniveles escogidos. Estos diseños proveerán una graninformación que nos permitirá determinar el efecto de losfactores principales sobre la respuesta seleccionada.
Cantidad de pruebas que se necesitan =
(niveles factor 1) x (niveles factor 2) x (niveles factor 3) x ….(niveles factor n)
Donde:Factor = Son las variables (KPVI) X1, X2, X3 … XnNivel = Es la cantidad de valores que toma cada factor
139139
Limitaciones para el Diseño Factorial Completo
•La limitación del Factorial completo no es teórica sino practica. Los recursos (ej. Tiempo, costos) necesarios para correr un factorial completo pueden ser significantes.
• Factorial completo puede ser usado en investigaciones donde el numero de variables es pequeño (2-4), pero no son recomendables cuando el numero de variables a investigar es mayor (5 o más).
•Factorial Completo son efectivo cuando son usados de la manera adecuada, en el momento propicio dentro del proceso de mejora del estudio.
DOE6.2
140140
DOE6.2
Diseño Factorial Completo con 2 niveles
Por Ejemplo 3 factores cada uno con 2 niveles:
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8
Donde:3 = Factor = K = variables (KPVI) X1, X2, X32 = Nivel = Es la cantidad de valores que toma cada factor
32
K2
36
141141
DOE6.2
Diseño Factoriales Fraccionados
Son diseños donde se elige adecuadamente una parte o fracciónde los tratamientos de un factorial completo, con la intención depoder estudiar el efecto de los factores utilizando menos corridasexperimentales, debido a que es imposible en la practica corrertodos los tratamientos.
La teoría de los diseños factoriales fraccionados se basa en lajerarquización de los efectos: Son más importantes los efectosprincipales, seguidos por la interacciones dobles, luego lastriples, las cuádruples , etc.
K - p2 Número de generadores del diseño
Número de factores (K)
Número niveles (2)
142142
DOE6.2
Aclaraciones para el Diseño Factorialesfraccionados:
•Se pierde información, ya que habrá efectos que no se podránestimarse y se tienen menos grados de libertad disponibles para laestimación del error. Los efectos que se pierden se espera quesean, en la medida de los posible, interacciones de alto orden, lascuales se pueden ignorar de antemano con bajo riesgo.
•Se utiliza sobre todo para probar un gran número de x potencialescon un mínimo de corridas y lograr la selección de las pocas Xvitales.
•Los experimentos altamente fraccionados son experimentosdonde el número de corridas es solo un poco mayor que el númerode factores y sirven para detectar solo efectos principales.
143143
DOE6.2
Recomendaciones para el Diseño Factorialesfraccionados:
•Los experimentos altamente fraccionados se usan a menudopara cernido, para encontrar las variables que merecen mayorestudio
•Los experimentos más útiles tiene 8, 16 0 32 corridas.
•Usted puede añadir niveles (use 3, 4 o 5 niveles) para unestudio más detallado de las variables importantes.
•Los experimentos de 2 niveles pueden usarse con variables Xdiscretas o continuas.
•Recuerde además que usted puede correr la otra media fracciónsi los resultados del primer experimento no son claros.
144144
Procedimiento DOE6.3
1. Defenir el problema.
2. Establecer el objetivo.
3. Seleccionar las variables de respuesta.
4. Seleccionar las variables independientes y su niveles.
5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de medición. Entender el espacio de inferencia.
6. Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de replicas.
7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.
8. Recolectar los datos.
9. Analizar los Datos.
10. Obtener las conclusiones estadisticas.
11. Replicar los resultados, si corresponde.
12. Establecer soluciones practicas y comunicar.
13. Implementar soluciones.
Pasos para la experimentación
37
145145
Selección de factores
Podemos utilizar las siguientes fuentes:
• FMEA (Puesta al día después de la Fase de Análisis)
• Lista de Calsificación de Entrada. Mapa de procesos.
• Factores de Estudio de Variación Multiple
• Resultados de la Prueba de Hipótesis
• Conocimiento de los expertos, experiencia de los operadores
• Requerimientos de los clientes
• Opinión de los proveedores
• Literatura, tormenta de ideas.........
Procedimiento DOE6.3
146146
Acción
1. Plantear el problema a resolver y objetivo que se requiere alcanzar
2. Identificar los factores y sus niveles.
3. Cree la hoja de toma de datos para el experimento
Stat / DOE / FACTORIALS / CREATE FACTORIAL / DESIGNS
El problema es aumentar/disminuir..... Y = Nombre del indicador
Nivel Bajo
(-)
Nivel alto
(+)
X1 : Nombre del factor
X2 : Nombre del factor
X3 : Nombre del factor
Minitab
• 2 Level Factorial
• Number Of. Factors
DESGNIS Full factorial
Center points=
# Replicates=
FACTORS En la columna “Name” ponerle el
nombre del factor
OPTIONS . Do not fold
Randomize Runs
Store Design on Worksh
Summary table, alias table
Default interactionsRESULTS
Procedimiento DOE6.3
147147
4. Determine el tamaño apropiado de la muestra.
5. Realice el experimento siguiendo la hoja de datos obtenidas.
6. Analice los datos obtenidos
Sta t/ DOE / ACTORIALS Analyze Factorial Design
RESPONSES Poner el indicador
TERMS Seleccionar todos los factores y pasarlos a “Selected Terma”
GRAPHS
Normal
Paretto
Alpha = 0.1
Residual for plots : Regular
•Coefficients and ANOVA table
Fits (Desmarcar)
Residuals (Desmarcar)
RESULTS
STORAGE
Nota:
1. Si se ha usado 2 o mas replicas Minitab arroja p-valúes asociados a cada factor e interacciones; los cuales deben ser usados para probar hipótesis:
H0: El efecto del factor no es importante sobre Y
Ha: El efecto del factor si es importante sobre Y
Si p-val>0.05
Acepto H0
Acción Minitab
Procedimiento DOE6.3
148148
Los planes de Implementación Final de soluciones debecontener:
•La solución (acción) recomendada.
•La causa verificada y el efecto esperado de la solución.
•Definir al responsable que llevara a la práctica lasolución.
•Donde y cuando se realizara (fecha de inicio-fechafinal).
•Como se realizara (descripción operativa).
•Recursos necesarios para la implementación.
•Retorno esperado (beneficio).
•El Plan de Gerenciamiento.
Plan de Mejora6.4
38
149149
Formato Plan de Implementación de Soluciones.
RESPONSABLE
OPERACIÓN INICIO FIN
FECHACOMO
PROYECTO: FECHA:
MIEMBROS DEL EQUIPO:
NroACCION
RECOMENDADA
CAUSAEFECTO ESPERA
DO
QUIENDONDE CUANDO
TIEMPO S$ENTRENAM
IENTO SOPORTE OTROS S$ SATISFACCIÓN
OBSERVACIONESPORCENTAJE DE
AVANCE
RECURSOS NECESARIOS RETORNO ESPERADO STATUS
Plan de Mejora6.4
150150
ID Acciones de Mejora Tipo de Mejora
Responsable Fecha de Compromiso
% de Avance
Observaciones
1Desarrollo de una Base de Datos donde se regist ra las altas por dslam saturados
Corto plazo Veronica Avila 15 de Abril 50%
Problemas para identif icar la correspondencia de los números a los DSLAM por falt a de et iquetas y creación de nuevos perf iles
2Desarrollo de la BD que controle la capacidad disponible de Tx por DSLAM's
Largo Plazo Ernesto Saravia Por def inir Por def inir
Se requiere la participación de la Subgerencia de Tx y el conocimiento del Aplicat ivo Asig2000.
3 Desarrollo de un sistema que realice la previsión de t rafico por DSLAM´s Mediano Plazo Veronica Avila Por def inir Por def inir Se requiere la participación de
GSI
4
Solicit ar a GSI, el desarrollo de una rut ina que permita que los campos : In Real y Fin. Real se han obligatorios cuando se cambia el status del proyecto
Corto plazo Walter la Mat ta Por def inir Por def inirSe requiere establecer un requerimiento, y el posible costeo de esta nueva rut ina
5
Elaboración de un procedimiento para la ampliación de los enlaces en la Red Speedy que abarca desde la detección de su sobrecarga hasta su ampliación.
Largo Plazo Ernesto Saravia Por def inir 15%Se requiere la participación de las Gerencia de Desarrollo y Planif icación
6
Desarrollo de una Base de Datos que regist ra las fechas de denuncias de los sobrecargas hasta su ampliación, con la f inalidad de realizar el seguimiento de las ampliaciones en planta
Corto Plazo Veronica Avila 15 de Abril 25%Se tiene la información hay que armar la data a part ir del presente año 2005
Falta de un procedimiento para realizar la ampliación de los enlaces en los DSLAM'S
Oportunidad de Mejora
Falta de un control de las altas en DSLAM que presentan saturación
Falta de un sistema que cont role las denuncias de sobrecarga hasta su ampliación en la Red
Falta de un sistema que cont role la capacidad disponible de Tx por DSLAM's
Falta de previsión en el crecimiento de trafico por cliente
No se registras las fechas de inicio y culminación de las Obras en el Aplicativo SAP-Modulo Gest ión de Proyectos
Plan de Mejora6.4
151151
7. Fase IV: Controlar7.1 Objetivo7.2 Mantenimiento de Resultados.7.3 Control estadístico de procesos7.4 POKA YOKE7.5 Las 5 S7.6 Fabrica visual7.7 Acciones Finales
152
Verificar las mejoras e instalar un sistema de control queasegure las utilidades.
SOLUCIÓN A IMPLANTAR
TRASFERENCIA A OPERACIONES
(Plan de implantación)
PLAN DE CONTROLVALIDACIÓN
¿?Si
No
“CAJA DEHERRAMIENTAS
”
Objetivo
Etapa 5: ControlDMAMC
39
153153
Y (KPOV)
X (KPIV)CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hipótesis
Correlación
Regresión
DOE Simulación
SPC
5 Ss
Poka Yoke
X Key Process Input Variables (KPIV) variable claves del proceso
Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
154154
Concluida las mejoras en las Y, se debe controlar la variable en eltiempo para que no retorne a la situación anterior.
Fin deProyecto
CONTROL
Antes de la Mejora
MEJORAR
FASE POST PROYECTO
Situación No Deseada
Y
Objetivo7.1
155155
Se debe elaborar un plan de Mantenimiento deResultados:
El plan debe contener:
•El mapa de proceso actualizado, con indicadorescríticos en la entrada y salida (Ya estuvieron definidosen la primera etapa).
•El tipo de control para cada indicador y las accionesde reacción ante el descontrol.
Mantenimiento resultados7.2
156156
Es el listado con las acciones generales que cada proceso debeseguir para garantizar, mantener el resultado del indicador.
Ejemplo:
PLAN DE CONTROL
Proceso:_______ Fecha:____ Responsable:_____
Acción Responsable Periodicidad
1Analizar indicador
2.Gage R & R
Normas y
procedimientos
4.Revisión
FMEA
5.Charla de Six
Sigma en 5 minutos
Supervisor 1
Supervisor 2
Gerente
Todos
Jefe
Diario
Mensual
Quincenal
Anual
Mensual
PLAN DEL CONTROL DEL PROCESO
Mantenimiento resultados7.2
40
157157
TIPO DE CONTROL PARA CADA INDICADOR
Existen diferentes maneras de hacer el Controlpara los indicadores. Entre los más importantes, semenciona:
•Control Estadístico de Procesos.
•Sistema a Prueba de Errores (Poka Yoke).
•Filosofía de 5 Ss y Gerenciamiento Visual.
Mantenimiento resultados7.2
158158
Control Estadístico de Procesos (CEP)
•Muestra el desempeño del Proceso.
•Provee de un Lenguaje Común para discutir el Proceso.
•Permitirádiferenciar Causas Comunes de Especiales.
Los componentes del CEP, son:
•Cartas de Control.
•Causas Especiales y Comunes.
LSC : Límite Superior de Control
LIC : Límite Inferior de Control
ZONA ENCONTROL (BIEN)
ZONA PRUEBADE CONTROL(MAL)
Control Estadístico de Procesos7.3
159159
Controla la proporción de piezas no conformes.No controla la cantidad de no conformidades encontradas en la pieza.
CARTA P
ndp
knnnn k
21
kpppp k
21
pq 1
nqppLIC p
3
nqppLSC p
3
Cartas De Control
Control Estadístico de Procesos7.3
160160
kcccc k
21 ccLICp 3
ccLSC p 3kccc 21
CARTA C
Controla el numero de no conformidades por unidad y sólo esaplicada cuando el número de elementos de las muestrasrecolectadas es constante.
Es la cantidad de no conformidadesencontradas en cada muestra.
Cartas De Control
Control Estadístico de Procesos7.3
41
161161
kXXXX k
21
kk XXXXXXXXR 1212121 ,,,,
R
RDLSCR 4RDLICR 3
REXLSCX 2REXLICX 2
CARTA X-R Se utiliza cuando se trabaja con valores individuales del
proceso. La amplitud (R), en este caso, es la calculada para cada par
sucesivo de datos registrados en la carta entre el Xmax-Xmin.
Es la media de los R individuales calculados.
c
Cartas De Control
Control Estadístico de Procesos7.3
162162
Gráfica X-R
Control Estadístico de Procesos7.3
163163
Los defectos tienes su causa raíz en errores
La manera tradicional de evitar que lleguen defectos al cliente esinspeccionar al 100% todo o parte de los servicios brindados. Pero esto esmuy costoso e ineficiente.
Se debe construir Calidad desde la fuente incorporada mecanismos queprevengan los errores desde el principio
Mecanismos a Prueba De Errores : POKA YOKE
POKA YOKE7.4
Defecto
164164
Olvido
Desconocimiento
De identificación
Inexperiencia
Voluntarios
Inadvertidos
Lentitud
Falta de estándares
Errores Sorpresa
Intencionales
123456789
10
Errores
POKA YOKE7.4
Casi todos los defectos están causados por
errores humanos. Sin embargo hay como mínimo 10 clases de errores
42
165165
Olv
ido
Des
cono
cim
ient
o
No
iden
tific
ado
Inex
perie
ncia
Vol
unta
rio
Inad
verti
do
Lent
itud
Falta
de
está
ndar
es
Sorp
resa
Inte
ncio
nal
Proceso Omitido
Errores de Proceso
Piezas omitidas
Piezas equivocadas
Error de ajuste
Operación defectuosaProcesamiento de Pieza equivocadaMontaje erróneo de piezas de máquinaEquipo montado inapropiadamenteUtiles y plantillas mal preparados
Errores Humanos
Causa de defectos
Conexión fuerte
Conexión
POKA YOKE7.4
166166
Los errores Humanos usualmente lo son por inadvertencia.
POKA YOKE7.4
“Los errores inadvertidos incrementan el trabajo”
Yokeru Evitar
Poka Errores Inadvertidos
Los mecanismos Poka-Yoke nos ayudan a evitar los defectosaunque inadvertidamente se cometan errores.Los Poka-Yoke ayudan a fabricar la calidad en el proceso.
Un dispositivo Poka−yoke es cualquier mecanismo que ayuda aprevenir los errores antes de que sucedan, o los hace que seanmuy obvios para que el trabajador se de cuenta y lo corrija atiempo.
167167
El Diskette no puede ser colocado en posición invertida
El CD es expulsado si fue colocado en posición invertida
POKA YOKE7.4
GuíasGuías (pines) de distintos tamaños
168168
Equipo: Camión 785COperación: Cambio de llantas delanterasFecha: 15/12/03
Personal Requerido Cantidad ConformidadTécnico en Llantas 2Ayudante 1
Herramientas Cantidad Conformidad ∙ Equipo Manipulador de llantas TAYLOR (1) 1∙ Barreta (1). 2∙ Gata 150 TN ( 1ó 2 ). 2∙ Gata Hidráulica-Neumática. 2∙ Extractor de válvulas de aire. 1∙ Válvulas de aire. 2∙ Herramientas de impacto ½” 3∙ Extensión 5”. 2∙ Encastre ½” 2∙ Válvulas de aire 1∙ Destalonador 2∙ Dado ¾”. 2Material o insumos Cantidad Conformidad∙ Grasa vegetal 1 balde∙ Trapo Industrial 1 kilo∙ Sello O-Ring 2∙ Tacos de Madera 2∙ Llanta 2Procedimientos estándares a seguir
Lista de Comprobación
EMATL001: Cambio de llantas delanteras 1 y 2Camiones 785C
POKA YOKE7.4
Lista de Chequeo
43
169169
SEIRI(Clasificar)
Retirar, desalojar lo innecesario.
SEISO(Organizar)
“Cada cosa en su lugar y un lugar para cada cosa”.
SEITON(Limpiar)
Limpieza es inspección.
SEIKETSU(Prevenir)
Evitar que se vuelva a ensuciar, desordenar.
SHITSUKE(Disciplinar)
Estandarizar, cumplir con los estándares, Formar buenos hábitos.
Las 5 S7.5
170170
¿Cómo se pueden definir las 5S?
Las 5 S7.5
“Siempre se pueden evitar ineficiencias, evitar desplazamientos, y eliminar desperdicios de tiempo y
espacio”
171171
Las 5 S7.5
172172
Las 5 S7.5
44
173173
O bs er v ation
O bs er v ation
Mo
vin
g R
an
ge
81736557494133251791
40
30
20
10
0
__M R= 13.48
U C L= 44.03
LC L=0
1
Se debe tener de manera visible un Panel que permita ver:
•Evolución del Indicador. (Con Control Estadístico).
•Acciones Correctivas tomadas ante Ocurrencia de Fallas.
•Estado del Cumplimiento de Estándares yProcedimientos.
•Plan de Control del Proceso.
Fabrica visual7.6
174174
Para la implementación de las Acciones Finales, deben estarpreviamente definidos:•El desarrollo y la documentación de prácticas estándares.•El entrenamiento del personal involucrado en las Actividades.
Acciones Finales
Después de ello se podrá hacer los cierres de los proyectos.Se debe reconocer el esfuerzo y aporte de cada participante porel trabajo y sus resultados asociados.
7.7
175
Caja de HerramientasCostos de mala calidad
Mapa de proceso
Tormenta de ideas
Diagrama de causa-efecto
Diagrama de afinidadDistribuciones
ParetoHoja de verificación
Capacidad de proceso
R&R
Temas críticos para el clientePlan estratégico
Reclamos
Diagrama de dispersión
Gráficos (lineal, barras)
Las 7 herramientas de la calidad
EstratificaciónHistogramaGráfico de control
QFD
Prueba de hipótesis
Diseño de experimentosDiseño Robusto
Función de pérdida de Taguchi
Análisis de regresión múltiple
Box PlotPoka Yoke
KaizenKanbam
FMEA
Análisis de regresión simpleAnálisis de varianza
176
Agentes del Cambio
45
177
Factores de Éxito
Estrategia
LiderazgoPersonal
GerenciaTecnología
Metodología
6s
178
Bibliografía Greg Brue, “Seis Sigma para Directivos” McGraw-Hill, España,
2003
Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh, “LasClaves de Seis Sigma”, McGraw-Hill, España, 2002.
Thomas Pyzdek, “The Six Sigma Handbook”, McGraw-Hill, USA,2003
Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh, “The SixSigma way. Team fieldbook”, McGraw-Hill, 2002.
Thomas Pyzdek, “The complete guide to Six Sigma”, QAPublishing, USA, 1999