Taller Seis Sigma

Elaborado por:

MBA Alejandro Gallegos Chocce

MEJORA CONTINUA DE PROCESOS:

SIX SIGMA

AGENDA

1. Introduccin al Seis Sigma

2. Proyectos Seis Sigma

3. Metodologa Seis Sigma

4. Fase I: Definir y Medir

5. Fase II: Analizar

6. Fase III: Implementar mejoras

7. Fase IV: Controlar

1. Introduccin al Seis Sigma

1.1 Qu es Seis Sigma?

1.2 Calidad Seis Sigma

1.3 Desarrollo de Seis Sigma

1.4 Principios de Seis Sigma

1.5 Seis Sigma e ISO 9001

Qu es Seis Sigma ?

Es un sistema empresarial para lograr y mantener el xito por medio de la

orientacin al cliente, la gestin por procesos, as como la utilizacin de los

hechos y de los datos.

1.1

Mide el desempeo de un proceso

en cuanto a su nivel de productos o

servicios fuera de especificacinComo Mtrica

Como Filosofa

Como Meta

Mejoramiento continuo de procesos

Tener procesos de clase mundial,

no producir servicios o productos

defectuosos (3.4 pmo)

Calidad Seis Sigma 1.2

Ejemplo: El tiempo que un cliente esta dispuesto esperar por una pizza

esta entre 23 y 32 minutos

Tiempo (minutos)

LI

23 min.

LS

32 min.

LI

23 min.

LS

32 min.Distribucin

Alta

probabilidad

error

Alta

probabilidad

de error

Baja

probabilidad

de error

Baja

probabilidad

de error

1.3

La mayor cantidad de proyectos Seis Sigma se destinan a reas funcionales de

operaciones o manufactura, seguidas con bastantes menos proyectos en las

reas administrativas y de servicios al cliente, quedando en cuarto lugar el

sector de logstica y distribucin

Calidad Seis Sigma

La unidad de medida sern los metros de tela

de punto que produce la fbrica en un mes.

Las oportunidades por defectos son los

defectos que se pueden producir en un metro

de tela.

CALCULADORA SIGMA

Caracterstica en estudio: Metros de Tela Punto

# de unidades 404821

Oportunidades de defectos por unidad 4

Defectos 14109

DPU 0.034852441

DPMO 8,713

SIGMA 3.88

Cdigo Defecto

1 Mezcla de lotes de algodn (Barrado)

2 Irregularidad de hilo

3 Contaminacin de polipropileno (polys)

4 Contaminacin de cascarilla

5 Contaminacin fibra muerta

7 Rotura de lycra

8 Agujeros menores a 1 cm

9 Cadas de tejido

10 Fugas de punto

11 Falta de aguja (desagujado)

12 Flotantes sueltos

13 Pata de gallo ( aguja forzada)

14 Manchas lineales de aceite

15 Manchas en gotas de aceite

16 Barras verticales de agujas o platinas

17 Anillos por diferencia tensin

18 Tramos o anillos de hilo roto

19 Anillado por mezcla de lotes de hilo (UV)

20 Anillado por mezcla de ttulos

21 Diseo o rapport equivocado

22 LM fuera de Std

23 Hilo veteado

24 Contaminacin de pelusa hilo color

25 Escape de lycra

26 Marca de doblez

27 Manchas de grasa

28 Cordones hilo doble

30 Fuera de Tono

32 Mancha de Suciedad

33 Oxido Metlico

1.3 Calidad Seis Sigma

Autentica orientacin al cliente, satisfacer al

cliente es la prioridad nmero uno.

Principios de Seis Sigma1.4

Primer

principio

Todo debe y puede ser mejorado alineado

con los objetivos de la organizacin.

Segundo

principio

Objetivos

Las decisiones deben basarse en hechos, datos

estadsticos, pues lo nico constante en los procesos es

la variacin.

Se debe evitar el ...Yo creo que... o ...Yo piensoque...

1.4

Tercero

principio

Principios de Seis Sigma

Al mejorar se debe mirar el proceso

completo (Pensamiento Sistemtico),

pues optimizar un subproceso nos puede

llevar a suboptimizar el proceso global.

1.4

Cuarto

principio

C

L

I

E

N

T

E

C

L

I

E

N

T

E

Proceso A Proceso CProceso B

Sub

proceso a

Sub

proceso c

Sub

proceso b

Procesos de la Organizacin


Las causas de los problemas deben ser

eliminadas en su raz para prevenir que

vuelvan a aparecer y as poder hacer bien

las cosas desde la primera vez.

1.4

Quinto

principio

Causa 1

PROBLEMA

Sntoma 1

Sntoma 2

Sntoma n

Causa 2

Causa n


Cada vez que un proceso es mejorado

debe garantizarse que los resultados se

mantengan en el tiempo.

1.4

Sexto

principio


El recurso humano es el capital

fundamental de la empresa.

1.4

Stimo

principio

Todos los miembros de la empresa deben ser lderes, maestros

y modelos en la prctica de los principios.


Seis Sigma e ISO 90011.5

Seis Sigma como

Sistema de Gestin

de Calidad

Sistema de Gestin de

Calidad segn la

Norma ISO 9001

Equivalentes

Seis Sigma como

proyecto de mejora

Sistema de Gestin

de Calidad segn la

Norma ISO 9001

Complemento

Mejora continua Mejora continua

CLICO DE DEMING

2. Proyectos Seis Sigma

2.1 Requisitos para un Proyecto Seis Sigma

2.2 Criterios de seleccin

2.3 Equipo Seis Sigma

2.4 Seleccin del Equipo

Alineado con la estrategiadel negocio. Tiene una

meta clara.

Existen datos histricos, opueden ser obtenidos.

Mide el rendimiento delproceso, mediciones

financieras para el

negocio e impacto en el

cliente.

Puede ser hecha por unequipo de Trabajo.

Cumple con lasexpectativas de tiempo

establecidas por la

gerencia.

Beneficia

Negocio

Apoyo de

Administracin

Cuantificable

Alineado con

la Visin del

Negocio

Requisitos para un proyecto2.1

ESFUERZO

FOCALIZADO

Criterios de seleccin2.2

Equipo Seis Sigma2.3

Controler

Onwer

CHAMPIONS:

Conformado generalmente por la alta gerencia. Son quienes seleccionan los

proyectos y supervisa su funcionamiento. Participan en la eleccin de BB y GB.


MASTER BLACK BELT:

Son los responsables del entrenamiento de BB. Son especialistas en la Metodologa y

certifican BB. Lideran proyectos de mucha complejidad organizacional. Remueven las

barreras que impiden avances de proyectos.

CONTROLLER:

Es el responsable de dar el visto bueno cada vez que haya algn tipo de evaluacin

financiera y cuantifica los beneficios obtenidos.

BLACK BELT:

Son los especialistas en la aplicacin metodologa. Lideran proyectos Seis Sigma. Su

rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y

esfuerzos de los miembros del equipo. Dan soporte a los GB. La interaccin con el

dueo del proceso continua despus de terminado el proyecto.


GREEN BELT:

Son miembros del equipo de proyecto que conocen las herramientas bsicas de la

metodologa. Son interdisciplinarios y multifuncionales. Estn preparados para

participar o liderar proyectos Seis Sigma.

OWNER:

Son los lderes de las reas en las que se van a desarrollar proyectos Seis Sigma.

Es el socio estratgico del BB, para alcanzar la meta. Es el responsable de mantener y

superar los estndares alcanzados despus de finalizados los proyectos.

2.4 Seleccin de equipo Seis Sigma

TEST: Inventario de Utilizacin de Energas

Se utiliza para indicar que atributos emplea una persona en su

relacin con los dems bajo dos tipos de condiciones: Cuando

todo marcha bien y cuando se enfrenta con un conflicto.

3. Metodologa Seis Sigma

3.1 DMAMC y el PHVA

3.2 Diagrama Metodolgico

3.1 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 medicin

7.- Optimizar y robustecer

10.- Mejorar continuamente

Planear

Hacer

Verificar

Actuar

6.- Determinar variables significativas

DM

A

I

C

Definicin

del

proyecto

Medicin del

desempeo

del proceso

Anlisis

del

proceso

Implementacin de

mejoras o

transformacin del

proceso

Control y aseguramiento

del desempeo alcanzado

Managemt

Team

Equipo Six Sigma + Dueo Proceso con el apoyo del Sponsor

y la gua del Master Black Belt / Black Belt

Dueo de

Proceso

Ruta Metodolgica3.2

Diagrama Metodolgico3.2

Definir el Problema,

definir objetivos

Definir y Describir el

proceso

Determinar variables

significativas

Validar Mejora

Controlar proceso

Proce

so

Estable

?

Optimizar y

robustecer

Mejorar

continuamente

Proce

so

Capaz?

SI

Eliminar

causas

especialesNO

NO

Si

Determinar las

causas del problema

4. Fase I: Definir y Medir

4.1 Definir el problema: CTQ y FQD

4.2 Definir y describir el proceso

4.3 Evaluar Capacidad del proceso

Y (KPOV)

X (KPIV)

CTQs

FMEA, Mapa de Procesos

Cp, Cpk

Prueba de Hiptesis

Correlacin

Regresin

FMEA, Lean, Plan de

Mejoras

SPC

5 Ss

Poka Yoke

XKey Process Input Variables

(KPIV)Variable clave del proceso

YKey Process Ouptput Variables

(KPOV) Problema

X (KPIV) significativas

X (KPIV) que afectan al proceso


Controladas

Definir Problema4.1

IdeasInformacin

IncompletaCreencias

Situacin problemtica inespecfica

Identificacin de los clientes, CTQ, VOC

Diagrama de Pareto

Histogramas, etc.

PROBLEMA DEFINIDO

Objetivos definidos

Alcance del proyecto definido

Definir Problema4.1

CTQ

VOC

CTQ (Critical to Quality). Son los atributos a

factores crticos para la calidad de un producto o

servicio que influyen en la decisin de compra por

parte del cliente.

VOC (Voice of Client). Es la voz del cliente que se

obtiene por dos medios:

Sistemas proactivos: Quejas del consumidor,

llamadas telefnicas, devoluciones de productos,

etc.

Sistemas Reactivos: Observacin del cliente,

encuestas, entrevistas, etc.

(8, 90%)

0

75

100

10Importancia para el cliente

Ins

ati

sfa

cc

in

de

l c

lie

nte

Muy Importante y

poca satisfaccin

CTQInsatisfaccin

(Escala: 1-100)

Tiempo de entrega 90

Sabor de la Pizza 60

Cantidad de Ingredientes 65

Ingredientes correctos 50

Cortesa del repartidor 51

CTQImportancia

(Escala: 1-10)

Tiempo de entrega 8

Sabor de la Pizza 7

Cantidad de Ingredientes 7

Ingredientes correctos 10

Cortesa del repartidor 5

4.1 Definir Problema: Clasificar CTQ

Ejemplo Fastpizzas

Definir Problema4.1

Definir Problema4.1

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Maana Fines de Semana Feriados Noche

Ejemplo Fastpizzas

Definir Problema4.1

Hoja de Vida del Proyecto

ALCANCEQuejas de los clientes por tiempo de entrega

inaceptable.

OBJETIVODisminuir en 50% las quejas por tiempo de

entrega en el Turno de la maana.

AHORRO

-Disminucin de las llamadas en el

Call CenterS/.165,000

-Disminucin de las perdidas de

clientesUS$51,080

Definir Problema: Enfoque CAD 20104.1

Establece que el sector pblico puede establecer mejoras continuas de la

gestin orientndolas a la ciudadana. Este enfoque supone pasar de una

visin basada en la ley y en el poder monoplico del estado, para centrar

la atencin en los atributos de servici brindado al ciudadano,

independiente del servicio que brinda y el nivel del gobierno

Segn el estudio denominado

Ranking CAD 2010.

En el mbito de los organismos

pblicos con sede en Lima, destaca

en la lista el Banco de la Nacin,

donde el 100% de los encuestados

considera que siempre se les brinda

a los ciudadanos un trato que

respeta el principio de igualdad.

En el extremo inferior se encuentra

Promper con tan solo 13% de

ciudadanos que considera que recibe

un trato igualitario en esta entidad.


Definir y describir el proceso4.2

Mapa de procesos de

la organizacin

Mapa de un conjunto

de procesos

Mapa del Proceso de

Anlisis para el

proyecto

40

4.2


Cada proceso principalest organizado por Sub

categoras de los

procesos.

Los atributos de losprocesos son listados por

cada rea y descrita,

sugiriendo un mnimo de

estndares de procesos y

una mejor practica

C, N y E son Entradas al

proceso

S son Salidas

E1

INICION1 C1

C2

E2 X3

E3

N2

E4C3

E5

FIN

S1

S2

Definir y describir el proceso

Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -

Clientes

4.2


C ENTRADA CONTROLABLE Aquella que puede ser controlada

N ENTRADA RUIDOSAEs impredecibles, altera el proceso.No es controlable por el

momento.

E ENTRADA EXPERIMENTALAquella que puede ser estudiada bajo diversos parmetros

para ver su comportamiento en el proceso.

S SALIDA

Segn donde impactan se suelen clasificar en :

CTQ: Criticas para la calidad

CTD: Criticas para la Entrega

CTC: Criticas para el Costo.

Variables de Ruido o no

controlables (N)

Variables experimentales (E)

PROCESO Caractersticas de

calidad (Y)

Variables

Controlables

N1 N2 N3

S1 , S2C1

C2

E1 E2 E3 E4

Y = f ( X1,X2,....Xn)

Entiende las X (KPIV) ycontrolars las Y (KPOV)

X(KPIV)

Y(KPOV)

4.2

INICIO

FIN

VA

VA

VA

VA

VA

VANA

NA

VAOperacin con Valor

agregado

Valor agregado son las caractersticas dadas a aquella

operaciones indispensables por las cuales el cliente esta

dispuesto a pagar

NAOperacin de no Valor

agregadoNo generan valor (pero si generan costos)



Eliminar la fabrica oculta

4.2

INICIO

FIN

INFO

INFO

INFO

INFO Etapas donde se registran datos del proceso



Funcin

del

proceso

(paso)

Mtodos de falla

potenciales

(defectos de

proceso)

Efectos de falla

potenciales

(KPOVs)

Causas

potenciales

de falla

(KPIVs)

Controles de

proceso

actuales

S

E

V

O

C

C

D

E

T

N

P

R

1

2

3

4

5

6

7

8

9

10

Se hace una

Simple descripcin

Del proceso

Forma como el

proceso podra

no cumplir con

las especificaciones

Efecto que

puede tener

el defecto

en el cliente

Razn por la

cual ocurre la

falla

Controles

que detectan

o previenen

la falla si es

que ocurre

Severidad Ocurrencia Deteccin

NPR = SEV * OCC * DET

Nivel de prioridad de riesgo

Formato de Matriz FEMEA

4.2

NPR = SEV * OCC * DET

Donde:

NPR : Nmero de probabilidad de riesgo o de prioridad de riesgo.

EI NPR es la multiplicacin de la severidad de la falla, la ocurrencia de esta y

su posible deteccin. Este ser 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 : Ocurrencia

Frecuencia en la que puede ocurrir una falla.

DET : Deteccin

Posibilidad de identificar la falla en algn momento durante el proceso.


Matriz FEMEA

4.2

Evaluar Capacidad del proceso4.3

Capacidad

Habilidad basada en

rendimiento demostrado,

de un proceso, en

satisfacer los

requerimientos del cliente.

Capacidad Medida

Capacidad del proceso

cuantificada, de datos que

son resultado de

mediciones de trabajo

realizado por el proceso.

Evaluar Capacidad del proceso

Para analizar si un indicador es capaz de cumplir con las especificaciones,

se suele utilizar el ndice de capacidad

Diremos que un indicador es capaz de cumplir con las especificaciones

cuando su dispersin es menor que la distancia entre especificaciones.

Cp < 1 INCAPAZ

1 < Cp < 1.33 APENAS CAPAZ

1.33 < Cp < 2 CAPAZ

Cp > 2 MUY CAPAZ

Cp = 2Cp = 1

Cp =LSE - LIE

6

4.3

CENTRAMIENTO (Cpk)

No solo interesa ver si el indicador puede cumplir con las

especificaciones, nos interesa saber si este centrado respecto a las

mismas.

Para analizar esto, existe el ndice de centramiento denominado Cpk que

mide la menor distancia del promedio de los datos a las especificaciones

comparada contra el ancho de media distribucin.

LSE - X X - LIECpk = Min

Especificacin

Promedio

de los datos

3 3,

3 3

Evaluar Capacidad del proceso4.3

ISHIKAWA

FEMEAENTRADAS DEL

PROCESO

PRUEBA DE

HIPOTESIS

VARIABLES SIGNIFICATIVAS

CAPACIDAD DEL

PROCESO

X

1

INICIO N1 C

1

C

2

X2X

3

X

3

N2

X

4C3

X5

FIN

Y

1

Y

2

Prximos pasos

5. Fase II: Analizar

5.1 Determinar las causas del problema

5.2 Variables Discretas y Continuas

5.3 Prueba hiptesis

5.4 Procedimiento de prueba hiptesis

5.5 Ejemplos

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk

Prueba de Hiptesis

Correlacin

Regresin

SPC

5 Ss

Poka Yoke


(KPIV)variable claves del proceso


(KPOV)

variables clave de salida del

proceso para el cliente




Controladas

FMEA, Lean, Plan de

Mejoras

% de

Pedidos

entregado

s fuera

plazo.

Falta de toma

de conciencia.

Personal in

suficiente

Falta de

supervisin

Falta de

medicin de

capacidad de

produccin.

Falta de materia

prima a tiempo.

Infraestructura

limitada. Falta de

mantenimiento

a maquinaria.

Medicin MaterialMano de

obra

Maquinaria

Falta de

recursos para

compra de

materiales.

Lneas de

informacin

deficientes.

Falta de

capacitacin

a personal.

Tiempo de entrega

de cotizacin

demasiado largo.

% Incumplimiento

de programacin

No hay

presupuestoCarga

de

Trabajo

No hay

turnos

No hay

Mantenimiento

Preventivo

No hay

presupuesto

No hay R%R

No hay

presupuesto

Tiempo de entrega

de planos a

produccin alto

Carga de

trabajo

Comercial

Carga de

trabajo

Produccin

Determinar las causas5.1

Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro

poblewma (Y o KPOV), usaremos el Diagrama Causa Efecto, o Ishikawa. Si las causasvienen de los KPIV, se deben sealar si son E,C,N

Posteriormente se validaran cuales

causas son definitivamente las que

son las responsables del Problema

Se ha visto que la KPIV, puede impactar en las KPOV:

Matriz Causa-Efecto

Nmero de Contratos

Conocimientos norma de crditos

Numero de Analistas

Tiempo de entrega de Contratos

Tiempo de Calificacin

% de crditos rechazados

Costo Evaluacin.

X Yafecta

Ejemplos:

Para mejorar el proceso, se debe identificar cules son las X que ms

afectan a las Y para determinar cules deben ser atacadas.

Determinar las causas5.1

5.2 Variables Discretas y Continuas

tienen un nmero fijo de valores

Ejemplos: estado civil, tipo

sanguneo, nmero de nios

Datos

Discretos

tienen un nmero infinito de valores

Ejemplos: estatura, peso,

temperatura

Datos

Continuos

Para conocer si un factor ( X: KPIV ) influye sobre nuestro

indicador ( Y: KPOV ) del proceso; se suele variar este

factor de manera de ver si su variacin afecta al indicador.

La manera de ver esta variacin es a travs de las

pruebas de hiptesis que nos permitirn concluir si el factor

en estudio afecta significativamente al indicador.

PRUEBA DE HIPOTESIS

Prueba Hiptesis5.3

Errores posibles al evaluar una hiptesis

Verdad de H0

V

(no hay diferencia)

F

(si hay diferencia)

Decisin correcta

1 -

(nivel de significan

ca)

Error tipo 1

Error tipo 2

Decisin correcta

1

(poder la prueba)

F V

Aceptar H0

(no hay

diferencia)

Aceptar Ha

(si hay

diferencia)

P(Error Tipo) =

:Probabilidad de

encontrar una

diferencia cundo

esta no existe.

= 0.01, 0.05

P(Error Tipo2) =

: Probabilidad de no

encontrar una

diferencia cuando

esta si existe.

Verdad de Ha

Prueba Hiptesis5.3

Ho : El factor no gener diferencias Antes Vs Despus (X no afecta Y)

Ha : El factor si gener diferencias Antes Vs Despus (X si afecta Y)

RECORDANDO

Si p val > 0.05 ( ) NO se rechaza H0

VOCABULARIO

Conclusin Robusta:

Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en

0.05)

Conclusin Dbil:

Aceptar H0 sin conocer el valor de . En estos casos se suele decir No puederechazarse H0

Potencia de una prueba estadstica:

Es la probabilidad de rechazar correctamente una H0

Potencia = 1 -

Prueba Hiptesis5.3

Prueba Hiptesis5.3

TIPO LOTE

HUEV

OS I

NCUBA

DO

S

VIEJOJOVENADULTO

16000

14000

12000

10000

8000

6000

4000

2000

0

Boxplot of HUEVOS INCUBADOS by TIPO LOTE

Source DF SS MS F P

TIPO LOTE 2 177886860 88943430 6.46 0.002

Error 118 1625812015 13778068

Total 120 1803698874

S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%

Individual 95% CIs For Mean Based on

Pooled StDev

Level N Mean StDev --------+---------+---------+---------+-

ADULTO 52 6158 3863 (----*----)

JOVEN 17 9055 4226 (--------*--------)

VIEJO 52 5331 3369 (----*----)

6000 8000 10000 12000

ANOVA

F- TEST

F es un ratio estadstico que compara la

variacin entre factores con la variacin dentro

de los factores.

Cuando las medidas de los grupos o factores

son similares F esta cerca de 1.

Prueba Hiptesis: Interpretar Siglas5.3

Source DF SS MS F P

TIPO LOTE 2 177886860 88943430 6.46 0.002

Error 118 1625812015 13778068

Total 120 1803698874

S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%

Individual 95% CIs For Mean Based on

Pooled StDev

Level N Mean StDev --------+---------+---------+---------+-

ADULTO 52 6158 3863 (----*----)

JOVEN 17 9055 4226 (--------*--------)

VIEJO 52 5331 3369 (----*----)

6000 8000 10000 12000

P-VALUE

Un p-value < 0.05 indica una diferencia

significativa entre niveles de factores.

Por lo menos un grupo es diferente. Se rechaza

la hiptesis de que todos los promedios son

iguales.

COEFICIENTE DETERMINACION

Una medida relativa de la variabilidad es el coeficiente R

: SS factor / SS total.

Se denomina coeficiente de determinacin, este estar

entre cero y uno.

Queda claro que cuanto ms prximo est de uno. Ms

variabilidad explica el modelo.

-1 r < 0

Correlacin Negativa

r = 0

No hay Correlacin

0 < r 1

Correlacin Positiva

Correlacin

Es la Fuerza de Asociacin entre 2 Variables. Se mide con el Coeficiente de Pearson (r)

-1 r 1

Cunto ms cercano est el coeficiente de Correlacin de Pearson

a 1 o 1; mayor probabilidad de Correlacin

Prueba Hiptesis5.3

Precauciones: Dado que no estamos modificando el proceso ( variando x) y midiendo su

efecto ( en Y) : encontrar que hay correlacin no siempre significa que al variar X, variarY (Causa Efecto). Solo debemos usar correlacin cuando hay una persuasin razonableque X podra afectar Y

PROCESOIndicador (Y)

Variables

Experimentales

Y1 , Y2

X1 X2 X3 X4Y = f ( X1,X2,....Xn)

Con la regresin se determina el Modelo Matemtico que relacione las

Variables X con Y.

Estas Xi, son la

que se han

obtenido

despus de:

Prueba de

Hiptesis.

Correlacin.

LOS MODELOS MATEMATICOS PUEDEN SER

Y = 0 + 1 X LINEAL

Y = 0 + 1X + 2X2 CUADRTICO

Y = 0 + 1X + 2X2 + 3X3 CBICO

Y = 0 + 1X1 + 2X2+... + nXn) LINEAL

MLTIPLE

Regresin

Prueba Hiptesis5.3

FLUJOGRAMA PRUEBA HIPTESIS

Inicio

Ubicar las variables importantes

( Fase 1 )

Seleccionar la

prueba de hiptesis

a usar

Variar el factor de

manera de tener 2

Situaciones :

AntesDespus

Recopilar data

Aplicar la prueba

de hiptesis

H0 no hay variacin antes vs despus

Ha si hay variacin antes vs despus

p val > 0.05

1Factor si afecta

Fin

Si

NoRechazo H0

1

Factor no afecta

Acepto H0

Procedimiento de pruebas5.4

X Y

cantidad pedido

devueltos semanal

Qu tipo de

prueba?

X1= Zona Geografica 2030

.

.

.

10

20

40

.

.

.

30

30

50

.

.

.

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 ms de 1

y 2 muestras

respectivamente.

48 datos (48 semanas)



Zona 1

Zona 2

.

.

.

.

.

Zona 10

Ejemplos: EMPRESA COURIER EL RAPIDO 5.5

X2= Repartidores

Repartidor 1

Repartidor 2

.

.

.

.

.

.

.

.

Repartidor 50

X2= inicialmente es

discreta, pero por tener

ms de 30 valores se

le considera continua.

Y= continua


Prueba de Regresion.

X Y

cantidad pedido

devueltos semanal

Qu tipo de

prueba?

20

30

.

.

.

10

20

40

.

.

.

30

30

50

.

.

.

20




Ejemplos: EMPRESA COURIER EL RAPIDO 5.5

X3= El repartidor usa

Guia ?

Si

No

50

10

.

.

.

20

10

20

.

.

.

30

X3= Discreta

Y= Continua


Prueba T2 para probar

la significancia de X en

Y

Nota: no Anova porque

solo son 2 muestras.

X Y

cantidad pedido

devueltos semanal

Qu tipo de

prueba?

5.5Ejemplos: EMPRESA COURIER EL RAPIDO

6. Fase III: Implementar

6.1 Anlisis de riesgo: Matriz FMEA.

6.2 DOE: Diseo de Experimentos

6.3 Plan de Mejora

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk

Prueba de Hiptesis

Correlacin

Regresin

SPC

5 Ss

Poka Yoke




(KPOV)






Controladas

FMEA, Lean, Plan de

Mejoras

PROCESO FMEA

Elabora FMEA preliminar.

Discusin para definir NPR.

Plan de Accin de mejora de los

NPR.

Ejecucin del Plan.

Evaluacin de Resultados.

Emisin del FMEA definitivo.

OK

NO

SI

F

A

S

E

I

F

A

S

E

II

Anlisis de riesgo: Matriz FMEA.6.1

Se vuelve usar la matriz FMEA mostrado

anteriormente.

En esta parte se establecen las posibles

soluciones para aquellas actividades que

tienen un NPR alto.

Acciones

Recomen

dadas

Persona

responsab

le & Fecha

Objeto

Acciones

Tomadas

S

E

V

O

C

C

D

E

T

N

P

R

Las acciones

recomendadas

que son llevadas

A cabo.

El responsable

de llevar acabo

la accin (es)

El NPR despus

de haber tomado

las accin (es). El

cual se supone

debe ser menorSon las acciones

orientadas a seguir

para las causas con

NPR alto, destinadas

mejorar la deteccin

de la causa o disminuir

la frecuencia de

ocurrencia de las fallas

Anlisis de riesgo: Matriz FMEA.6.1

Es una estrategia experimental estructurada que permite la

evaluacin de mltiples variables de proceso en cuanto a su

capacidad para influir sobre las caractersticas de un producto o

proceso.

Determinar que factores son importantes.

Establecer la estabilidad del proceso.

Encontrar el mejor conjunto de condiciones de operacin.

DOE6.2

Introduccin al DOE

DOE

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, X3

2 = Nivel = Es la cantidad de valores que toma cada factor

3

2

K

2

6.2

Diseo Factorial Completo con 2 niveles

DOE

Diseo Factoriales Fraccionados

Son diseos donde se elige adecuadamente una parte o fraccin de los

tratamientos de un factorial completo, con la intencin de poder

estudiar el efecto de los factores utilizando menos corridas

experimentales, debido a que es imposible en la practica correr todos

los tratamientos.

La teora de los diseos factoriales fraccionados se basa en la

jerarquizacin de los efectos: Son ms importantes los efectos

principales, seguidos por la interacciones dobles, luego las triples, las

cudruples , etc.

K - p

2Nmero de generadores

del diseo

Nmero de factores (K)

Nmero niveles (2)

6.2

Accin

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



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 DOE6.2

4. Determine el tamao

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-vales asociados a

cada factor e interacciones; los cuales deben ser usados para

probar hiptesis:

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

Accin Minitab

Procedimiento DOE6.2

ID Acciones de MejoraTipo de

MejoraResponsable

Fecha de

Compromiso

% de

AvanceObservaciones

1

Desarrollo de una Base de Datos

donde se regist ra las altas por dslam

saturados

Corto plazo Veronica Avila 15 de Abril 50%

Problemas para ident if icar la

correspondencia de los nmeros

a los DSLAM por falta de

et iquetas y creacin de nuevos

perf iles

2

Desarrollo 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 part icipacin de

la Subgerencia de Tx y el

conocimiento del Aplicat ivo

Asig2000.

3Desarrollo de un sistema que realice

la previsin de t raf ico por DSLAMsMediano Plazo Veronica Avila Por def inir Por def inir


GSI

4

Solicitar 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 Matta Por def inir Por def inir

Se requiere establecer un

requerimiento, y el posible

costeo de esta nueva rut ina

5

Elaboracin de un procedimiento para

la ampliacin de los enlaces en la Red

Speedy que abarca desde la

deteccin de su sobrecarga hasta su

ampliacin.

Largo Plazo Ernesto Saravia Por def inir 15%


las Gerencia de Desarrollo y

Planif icacin

6

Desarrollo de una Base de Datos que

regist ra las fechas de denuncias de

los sobrecargas hasta su ampliacin,

con la f inalidad de realizar el

seguimiento de las ampliaciones en

planta

Corto Plazo Veronica Avila 15 de Abril 25%

Se t iene la informacin hay que

armar la data a part ir del

presente ao 2005

Falta de un procedimiento para

realizar la ampliacin de los

enlaces en los DSLAM'S

Oportunidad de Mejora

Falta de un control de las altas en

DSLAM que presentan saturacin

Falta de un sistema que controle

las denuncias de sobrecarga hasta

su ampliacin en la Red

Falta de un sistema que controle

la capacidad disponible de Tx por

DSLAM's

Falta de previsin en el crecimiento

de t raf ico por cliente

No se regist ras las fechas de inicio

y culminacin de las Obras en el

Aplicat ivo SAP-Modulo Gest in de

Proyectos

Plan de Mejora6.3

7. Fase IV: Controlar

7.1 Objetivo

7.2 Mantenimiento de Resultados.

7.3 Control estadstico de procesos

7.4 POKA YOKE

7.5 Las 5 S

7.6 Fabrica visual

7.7 Acciones Finales

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk

Prueba de Hiptesis

Correlacin

Regresin

SPC

5 Ss

Poka Yoke




(KPOV)






Controladas

FMEA, Lean, Plan de

Mejoras

Concluida las mejoras en las Y, se debe controlar la variable en el

tiempo para que no retorne a la situacin anterior.

Fin de

Proyecto

CONTROL

Antes de

la Mejora

MEJORAR

FASE POST

PROYECTO

Situacin No

Deseada

Y

Objetivo7.1

Es el listado con las acciones generales que cada proceso debe

seguir para garantizar, mantener el resultado del indicador.

Ejemplo:

PLAN DE CONTROL

Proceso:_______ Fecha:____

Responsable:_____

Accin Responsable Periodicidad

1Analizar indicador

2.Gage R & R

Normas y

procedimientos

4.Revisin

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

Se debe elaborar un plan de Mantenimiento de Resultados este plan debe contener:

El mapa de proceso actualizado, con indicadores crticos en la entrada y salida (Yaestuvieron definidos en la primera etapa).

El tipo de control para cada indicador y las acciones de reaccin ante el descontrol.

Mantenimiento resultados7.2

Existen diferentes maneras de hacer el Control para los indicadores. Entre los

ms importantes, se menciona:

Control Estadstico de Procesos.

Sistema a Prueba de Errores (Poka Yoke).

Filosofa de 5 Ss y Gerenciamiento Visual.

Muestra el desempeo del Proceso.

Provee de un Lenguaje Comn para discutir el Proceso.

Permitir diferenciar Causas Comunes de Especiales.

Los componentes del CEP, son:

Cartas de Control.

Causas Especiales y Comunes.

LSC : Lmite Superior de Control

LIC : Lmite Inferior de Control

ZONA EN

CONTROL (BIEN)

ZONA PRUEBA

DE CONTROL

(MAL)

Control Estadstico de Procesos7.3

Controla la proporcin de piezas no conformes.No controla la cantidad

de no conformidades encontradas en la pieza.

CARTA P

n

dp

k

nnnn k

21

k

pppp k

21

pq 1

n

qppLIC

p3

n

qppLSC

p3


kcccc k

21

ccLICp

3

ccLSCp

3kccc 21

CARTA CControla el numero de no conformidades por unidad y slo es aplicada

cuando el nmero de elementos de las muestras recolectadas es

constante.

Es la cantidad de no conformidades

encontradas en cada muestra.


kXXXX k

21

kkXXXXXXXXR

1212121,,,,

R

RDLSCR 4

RDLICR 3

REXLSCX 2

REXLICX 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


Los defectos tienes su causa raz en errores

La manera tradicional de evitar que lleguen defectos al cliente es

inspeccionar al 100% todo o parte de los servicios brindados. Pero esto es

muy costoso e ineficiente.

Se debe construir Calidad desde la fuente incorporada mecanismos que

prevengan los errores desde el principio

Mecanismos a Prueba De Errores : POKA YOKE

POKA YOKE7.4

Defecto

Olvido

Desconocimiento

De identificacin

Inexperiencia

Voluntarios

Inadvertidos

Lentitud

Falta de estndares

Errores Sorpresa

Intencionales

1

2

3

4

5

6

7

8

9

10

Errores

POKA YOKE7.4

Casi todos los

defectos estn

causados por

errores humanos.

Sin embargo hay

como mnimo 10

clases de errores

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 defectos aunque inadvertidamente

se cometan errores. Los Poka-Yoke ayudan

a fabricar la calidad en el proceso.

Un dispositivo Pokayoke es cualquier

mecanismo que ayuda a prevenir los errores

antes de que sucedan, o los hace que sean

muy obvios para que el trabajador se de

cuenta y lo corrija a tiempo.

Equipo: Camin 785C

Operacin: Cambio de llantas delanteras

Fecha: 15/12/03

Personal Requerido Cantidad Conformidad

Tcnico en Llantas 2

Ayudante 1

Herramientas Cantidad Conformidad

Equipo Manipulador de llantas TAYLOR (1) 1

Barreta (1). 2

Gata 150 TN ( 1 2 ). 2

Gata Hidrulica-Neumtica. 2

Extractor de vlvulas de aire. 1

Vlvulas de aire. 2

Herramientas de impacto 3

Extensin 5. 2

Encastre 2

Vlvulas de aire 1

Destalonador 2

Dado . 2

Material o insumos Cantidad Conformidad

Grasa vegetal 1 balde

Trapo Industrial 1 kilo

Sello O-Ring 2

Tacos de Madera 2

Llanta 2

Procedimientos estndares a seguir

Lista de Comprobacin

EMATL001: Cambio de llantas delanteras 1 y 2

Camiones 785C

Lista de

Chequeo

SEIRI

(Clasificar)

Separar los materiales necesarios y

desalojar lo innecesario.

a.- Mas espacio.

b.- Eliminacin del desperdicio.

SEISO

(Organizar)

Cada cosa en su lugar y un lugar para cada cosa.

a.- Elimina el tiempo de

bsqueda.

b.- Prevenir desabastecimiento

SEITON

(Limpiar)

Eliminar las fuentes de suciedad y

reparar las averas.

a.- Aumento de vida til de

equipos e instalaciones.

.b.-Menos accidentes.

SEIKETSU

(Prevenir)

Evitar que se vuelva a ensuciar y

desordenar, estableciendo

procedimientos y controles

a.- Asegura criterios iguales de

aplicacin.

b.- Mejora la comunicacin.

SHITSUKE

(Disciplinar)

Estandarizar, cumplir con los

estndares, Formar buenos hbitos.

a.- Se evita queja y

amonestaciones.

b.- Mejora nuestra eficacia e

imagen.

Las operaciones de Organizacin, Orden y Limpieza fueron organizadas por empresas

japonesas, entre ellas TOYOTA, con el nombre de 5S, Las 5S son las iniciales de cinco palabras

japonesas que nombran a cada una de las cinco fases de la metodologa

Las 5 S7.5

Las 5 S7.5

Observation

Indiv

idual V

alu

e

81736557494133251791

80

60

40

20

0

_X=31.32

UCL=67.16

LCL=-4.52

Observation

Movin

g R

ange

81736557494133251791

40

30

20

10

0

__MR=13.48

UCL=44.03

LCL=0

1

1

I-MR Chart of RESUL

Se debe tener de manera visible un Panel que permita ver:

Evolucin del Indicador. (Con Control Estadstico).

Acciones Correctivas tomadas ante Ocurrencia de Fallas.

Estado del Cumplimiento de Estndares y Procedimientos.

Plan de Control del Proceso.

Fabrica visual7.6

Para la implementacin de las Acciones Finales, deben estar

previamente definidos:

El desarrollo y la documentacin de prcticas estndares.

El entrenamiento del personal involucrado en las Actividades.

Acciones Finales

Despus de ello se podr hacer los cierres de los proyectos.

Se debe reconocer el esfuerzo y aporte de cada participante por el

trabajo y sus resultados asociados.

7.7

Bibliografa

Taller Seis Sigma

Documents

Transcript of Taller Seis Sigma