Seis Sigma Champions

SEIS SIGMA – CHAMPIONS

Dr. Primitivo. Reyes

SEIS SIGMA - CHAMPIONS

Dr. Primitivo Reyes Aguilar

Página 1 de 97



CONTENIDO

I. Panorama de Seis Sigma en la organización

II. Seis Sigma – Fase de definición

III. Seis Sigma – Fase de medición

IV. Seis Sigma – Fase de Análisis

V. Seis Sigma – Fase de mejora

VI. Seis Sigma – Fase de control

VII. Diseño para Seis Sigma

Página 2 de 97



I. Despliegue de Seis Sigma en la organización        

Metodología Seis Sigma Metodología Lean Metodología Lean Sigma Diseño para Seis Sigma Liderazgo y roles en Seis Sigma Gestión de Procesos Benchmarking Gestión de equipos de trabajo

Metodología Seis Sigma Definiciones Seis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente – 3-4 ppm.

Seis Sigma como estrategia 



Es una estrategia de gestión que usa herramientas estadísticas y métodos de gestión de proyectos para lograr mejoras en calidad y utilidades significativas Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocándose a los resultados que son de importancia crítica para el cliente.

Antecedentes de Seis Sigma  Bajo la dirección del CEO de Motorola1 Bob Gavin, se usaron herramientas estadísticas para identificar y eliminar la variación.  En 1981 Bob Gavin director de Motorola, estableció el objetivo de mejorar 10 veces el desempeño en un periodo de 5 años.  En 1985 Bill Smith en Motorola concluyó que si un producto se reparaba durante la producción, otros defectos quedarían escondidos y saldrían con el uso del cliente.  Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo En 1987 Motorola desarrolla Seis Sigma como una iniciativa clave del negocio. En 1988 Motorola ganó el premio Malcolm Baldrige, y las empresas se interesaron en analizarla. 



1

Motorola es una marca registrada por Motorola, Inc,

Página 3 de 97

SEIS SIGMA – CHAMPIONS 


El Dr. Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de Motorola e inicia el “Six Sigma ResearchInstitute” ResearchInstitute” con la participación de IBM, TI,



ASEA y Kodak. La metodología se expandió a Allied Signal, ASEA, GE, Sony, Dupont, Texas Instruments, Bombardier, Lockheed Lockheed Martin, ABB, Polaroid, Kodak, Sony, Toshiba, Black and Decker, Dow Chemical, Federal Express, American Express, John and Johnson, Navistar y otras.

Razones por las que funciona Seis Sigma        

Involucramiento de la dirección Resultados en la rentabilidad Un método disciplinado utilizado (DMAIC) Conclusión de proyectos en 3 a 6 meses Medición clara del éxito Infraestructura de personal entrenado (Black belts, Green belts) Enfoque al proceso y al cliente Métodos estadísticos utilizados adecuadamente

Resultados esperados de Seis Sigma       

Reducciones de costos Mejoras en el nivel de servicio al cliente Reducción de fallas y errores Mejoras en la productividad Mejora en la satisfacción del cliente Reducciones de tiempos de ciclo Cambios culturales

¿Qué es Sigma? ( ) 

Sigma es un concepto estadístico que representa la variación que tiene un proceso respecto a los requisitos del cliente



0 – 2 sigmas, no cumple requisitos



2 – 4.5 sigmas, cumple marginalmente



4.5 – 6 sigmas, cumplimiento de requisitos. requisitos.



Un proceso 6  tiene rendimiento del 99.9997%

Página 4 de 97



Distribución gráfica de la variación – Curva normal LAS MEDICIONES VARÍAN DE UNA A OTRA:

Núm ero

Número

Núm ero

Número

Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal Número

Número

Número

LAS DISTRIBUCIONES PUEDEN DIFERIR EN: UBICACIÓN

Número

DISPERSIÓN

Número

FORMA

Número . . . O TODA COMBINACIÓN DE ÉSTAS

P1

10

PRACTICA 1: 1: Ejemplo con edades. a) Generar diferentes conjuntos de datos normales con media = 100 y desviación estándar = 5, variando el número de datos generados n con Datos1 en 5, Datos2 en 30, 30, Datos3 en 100 y Datos4 en8000 en8000..

b) Obtener el histograma correspondiente: correspondiente:

Página 5 de 97



Seleccionar con doble click o Select Colocarse sobre sobre una gráfica y acceder a Edi Editor tor > Layout tool y pasar a las Ventanas Ventanas las gráficas para cada conjunto de datos

6 Prueba de normalidad Stat > Basic statistics > Normality Test Variable Datos1 Datos1 Seleccionar la prueba (menos (menos de 15 datos Kolmogorov, más de15 Anderson Darling) OK El P value debe ser mayor m ayor a 0.05 para que los datos se distribuyan normalmente

Página 6 de 97



Interpretación de Sigma y Zs LIE Especificación inferior

LSE Especificación superior

s Z

xi

La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal

_ X

p = porcentaje de mediciones fuera de Especificaciones P2

Desviación estándar Definición estadística de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm

Media del proceso Corto plazo Largo Plazo

4.5 sigmas

La capacidad Del proceso Es la distancia En Sigmas de La media al LSE

-6 -5 -4 -3 -2 -1 0 +1 +2+3 +4 +5 +6 LIE - Límite Límite inferior de especificación

El proceso se puede recorrer 1.5 sigma en el largo plazo

LSE - Límite Límite Superior de especificación

Página 7 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes PRACTICA 2. Efecto de variar la desviación estándar en la l a dispersión de los datos

9 ¿Por qué es importante lograr niveles de calidad Seis Sigma? 





Un 99% de rendimiento equivale a tener un nivel de 3.86 sigmas y 100 minutos sin energía eléctrica por semana (10,080 minutos) Un 99.9% de rendimiento equivale a un nivel de calidad de 4.6 sigmas, representa 10 minutos sin energía eléctrica en una semana. Con 6 sigma se tiene un nivel de 99.99966% o 3.4 ppm, 2 segundos /semana sin luz

Interpretación estadística de Seis Sigma

Página 8 de 97



PRACTICA 3. Obtener los niveles Sigma con base en rendimiento (tiempo en que se tiene el servicio disponible / tiempo total) y las partes por millón o partes por millón de oportunidades de deficiencias, fallas o errores: a) Eficiencia del 98% Nivel sigma = 3.6 b) 8,000 ppm o 0.8% Nivel sigma = c) Rendimiento del 75% Nivel sigma = Utilizar la tabla de la página siguiente:

Página 9 de 97



Página 10 de 97



Proceso DMAIC

1. Definir

5. Controlar

4. Mejorar

2. Medir

3. Analizar

Las fases de Seis Sigma (DMAIC) 

Definir: seleccionar la “Y” del proyecto pr oyecto a ser mejorada y enfocar el pro blema a resolver “y”.



Medir: Recolección de datos de la variable de respuesta “y” y factores de influencia “Xs” para establecer línea base







Analizar: Generar causas potenciales e identificar las causas raíz del problema (variables independientes X`s) Mejorar: Generar alternativas de solución por causa raíz, seleccionar las mejores, implementarlas y verificar su efectividad Control: Acciones para mantener la mejora

Página 11 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes La ruta de la calidad y su relación con Seis Sigma FASE DE DEFINICIÓN:  o 1. Equipo de trabajo, 2. Selección del problema o área a mejorar FASE DE MEDICIÓN  o 3. Diagnóstico de la situación actual, 4. Establecer la meta. FASE DE ANÁLISIS  o 5. Análisis de las causas del problema (potenciales y reales) FASE DE MEJORA  o 6. Generación, evaluación y selección de alternativas de solución. o 7. Implementación de soluciones, 8. Verificación de resultados. FASE DE CONTROL  o 9. Prevenir reincidencia, 10. Reconocimiento al equipo de trabajo o Paso 11. Lecciones aprendidas y cierre del proyecto

Metodología Lean Conjunto de métodos enfocados a minimizar el Muda (desperdicios en tiempo, combustibles, energía, espacio, talento, etc.) paratener flexibilidad y maximizar el aprovechamiento de los recursos en la empresa, para lograr la satisfacción y lealtad del cliente. Su propósito es reducir el tiempo de ciclo y aumentar la productividad en la empresa .

Muda       

Sobreproducción Fallas / errores Inventarios Movimientos excesivos Procesos que no agregan valor Esperas Transportes innecesarios

Métodos Lean: 

Mapa de cadena de valor, Kaizen, 5S’s, 5 S’s, SMED,



PokaYokes, TPM, Admón. Visual, reducción tiempo de ciclo, etc.

Típicamente el 70% de las actividades no agregan valor

Página 12 de 97



Metodología Lean Sigma Tópico Mejora

Seis Sigma Lean Reducir variación Reducir muda

Justificación

Seis sigma (3.4 ppm)

Rapidez (velocidad)

Ahorros principales

Costos de calidad

Costos de operación

Curva de aprendizaje

Larga

Corta

Selección de proyectos

Varios enfoques

Mapeo de la cadena de valor (VSM)

Duración de proyectos

2 – 6 meses

1 semana a 3 meses

Impulsor

Datos

Demanda

Complejidad

Alta

Moderada



Problemas resueltos con Lean o Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanos o Enfoque a mejora de la productividad



Problemas resueltos con Seis Sigma o Minimizar variación en los procesos o Reducir las fallas y errores hasta 3.4 ppm o Solución científica de problemas o Enfoque a problemas y mejoras de calidad

Liderazgo Los programas Seis Sigma no suceden accidentalmente, deben contar con el compromiso y soporte de la administración en aspectos de recursos y herramientas Organización para Seis Sigma 

Green Belts

Green Belts

Página 13 de 97

SEIS SIGMA – CHAMPIONS Capacitación en Seis Sigma


Pirámide de Capacitación en Seis Sigma Directores - Entrenamiento de promotores

Candidatos a Master Black Belts - Capacitación MBB Gerencias - Capacitación ejecutiva Candidatos a Black Belts - Capacitación BB (a tiempo completo o parcial) Supervisores Supervisores - Capacitación panorámica Candidatos a Green Belt - Capacitación GB Todos los empleados - Capacitación de introducción a Seis Sigma

Papeles/roles en Seis Sigma Comité directivo de Seis Sigma / Consejo de calidad Fijan metas, identifican proyectos, seleccionan equipos  Apoyan a los equipos: Capacitación de Black Belts y Green Belts  Capacitación a miembros de los equipos  Líder de proyecto  Aprobar el proyecto y sus cambios  Apoyar al equipo en la solución de problemas  Apoyar con logística para las reuniones  Proporcionar expertos como Black Belts  Comunicar los resultados a toda la organización  Monitorear los avances  Champions Son representantes de la alta dirección que controlan y asignan recursos para  promover mejoras, se involucran en todas las revisiones de proyectos en su área de influencia. Reciben entrenamiento general en Seis sigma Promotores ejecutivos (sponsors)  Son líderes que comunican, guían y dirigen el despliegue exitoso de Seis Sigma  Reciben capacitación en panorama de Seis Sigma, sus herramientas y métodos  Dueños de procesos (Processowners):

Página 14 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Coordinan actividades de mejora de procesos y monitorea los avances, trabaja con  Black Belts para mejorar los procesos bajo su responsabilidad, a veces actúan como Champions Master Black Belts Tienen puestos enfocados a la mejora, con habilidades demostradas como Black Belt y  habilidades de asesoría, instrucción, educación y promoción Papeles en Seis Sigma  Black Belts: A veces están a tiempo completo, son personas capacitadas y con habilidades para  coordinar proyectos de mejora demostradas con ahorros aho rros y beneficios. Actúan como consultores y asesores  Green Belts: Pueden ser Black Belts en entrenamiento, manejan las herramientas estadísticas y de  solución de problemas para los proyectos con impacto financiero y a clientes Están bajo la tutela de los Black Belts y son líderes de equipos  Miembro del equipo: Participa en la capacitación para ser efectivo  Atiende las reuniones del equipo conforme sea necesario  Completa sus asignaciones entre las reuniones  Participa activamente con ideas e información  Alienta la participación de otros miembros  Se beneficia de la experiencia, experiencia y perspectivas de los demás  Aplica los pasos del proceso de mejora  Reconocimiento y refuerzo Se deben lograr reconocimientos tangibles e intangibles por las mejoras alcanzadas a  todos los miembros participantes El lograr ahorros y publicarlos ayuda a mejorar la moral de los miembros de los  equipos de proyectos

Gestión de procesos A. Procesos B. Benchmarking C. Medidas de desempeño del negocio Proceso

Página 15 de 97



Procedimiento

Especificación de la forma en que se realiza alguna actividad

Eficacia Capacidad para alcanzar resultados deseados ISO 9001:2000

PROCESO

Entradas

Salida

Conjunto de actividades interrelacionadas interrelacionad as o que q ue interactúan

(Incluyendo recursos)

PRODUCTO Eficiencia Resultados contra recursos empleados

Actividades de medición y seguimiento

ISO 9004:2000

Proceso de negocio (---) vs Función organizacional (O) Ventas y Mktg.

Ingeniería

Admón. Finanzas

Operaciones

Recursos Humanos

Tecnologías Información

Ejecutivos

Staff

Gerentes

Ingenieros

Supervisores

Operadores

Benchmarking Entrada

Salida

Benchmarking Compara el desempeño de una empresa con la l a competencia, o el mejor en su clase, identifica áreas de oportunidad de mejora a nivel negocio u operativo. Sigue los pasos siguientes: 







Determinar las prácticas actuales o Seleccionar el área problema o Identificar los factores clave de desempeño o Comprender los procesos propios y los del competidor o Seleccionar criterios de desempeño en base a necesidades y prioridades Identificar las mejores prácticas o Medir el desempeño dentro de la empresa o Determinar los líderes para las áreas a evaluar o Buscar una organización con la que se hará la comparación Analizar las mejores prácticas o Visitar la organización como un socio benchmark o Colectar información y datos del benchmark líder o Evaluar y comparar prácticas actuales con benchmark o Identificar áreas de mejora potenciales Modelar las mejores prácticas

Página 16 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Realizar cambios para mejorar niveles de desempeño l a empresa o Extender los cambios en desempeño a toda la o Incorporar la nueva información en la toma de decisiones del negocio o Compartir los resultados con el socio benchmark o Buscar otros lideresbenchmark para mejoras futuras Repetir el ciclo  Algunas empresas superan a su propio Benchmark

Análisis del consumo específico de gas natural ó régimen térmico Kcal/KWh 2700

2646

2650

2542

2600 2550

Promedio Unidad 1

2466

2500 2450

2388

2376

2400

Promedio 3 años CTVM Promedio CFE

2350

FPL USA P Deming

2300 2250

Nerc USA

2200

Promedio Unidad 1

Promedio 3 años CTVM

Promedio CFE

FPL USA P Deming

Nerc USA

Figura 3.1.4.1 Análisis Análisis del régimen térmico CTVM 2007

Página 17 de 97



PRÁCTICA 4. Comparación del consumo de combustible de tres plantas termoeléctricas. Copiar las columnas marcadas en amarillo a Minitab. Día-1999 (Antes)

Consumo de combustibleSureste

Mes

Consumo de combustible Planta A

Consumo de combustible Planta B

P1

1

18162

17888

2

1

18645

17572

17758 17494

3

1

18260

17598

17408

4

1

18369

17799

17846

5

1

18342

17358

17189

6

1

18149

17604

17505

7

1

18644

17496

17475

8

1

18244

17672

17594

9

1

17862

17634

17458

10

1

18034

17765

17613

11

1

18092

17737

17561

12

1

18359

17324

17315

13

1

18109

16881

16846

14

1

18160

17588

17588

15

1

18277

17632

17447

16

1

18172

17525

17403

17

1

17990

17861

17774

18

1

18027

17869

17901

19

1

18884

17776

17675

20

1

18333

17858

17689

21

1

18621

17532

17451

22

1

18428

17567

17605

23

1

18640

17500

17568

24

1

18084

17945

17850

25

1

18214

17427

17396

26

1

17746

17505

17524

27

1

18538

17749

17575

28

1

18167

17491

17588

29

1

18466

17904

17813

30

1

18256

18112

18190

31

1

18688

17094

17054

1

2

17858

17186

17057

2

2

17325

17040

17093

3

2

17535

16839

16648

4

2

17637

16994

17043

5

2

17192

17642

17486

6

2

17532

16526

16342

7

2

17444

17071

17090

8

2

17529

16936

16886

9

2

17508

17141

16945

10

2

17737

17068

17143

11

2

17674

16997

17088

12

2

17394

16929

16998

13

2

17401

16960

17049

14

2

17524

17215

17106

15

2

17225

17120

16993

16

2

17367

16892

16839

17

2

17484

17051

17015

18

2

17401

17212

17036

19

2

17295

17159

16979

20

2

17696

17083

17069

21

2

17180

17387

17486

22

2

17679

17482

17494

23

2

17990

17167

17004

24

2

17599

16841

16648

25

2

17470

17385

17398

26

2

17429

17218

17118

27

2

17787

17055

16974

28

2

17445

17367

17325

1

3

18040

17502

17563

2

3

18023

17285

17201

3

3

17802

17297

17223

4

3

18256

17584

17559

5

3

17845

17187

17128

6

3

17993

17651

17750

7

3

18007

17770

17734

8

3

18124

17103

16911

9

3

18409

17695

17666

10

3

18189

17755

17669

11

3

17856

17898

17712

12

3

17857

17429

17333

13

3

18182

17388

17363

14

3

18059

17320

17362

15

3

17604

17374

17328

16

3

17897

17298

17377

17

3

17855

17222

17204

18

3

18109

17586

17529

19

3

17776

17759

17621

20

3

17716

17456

17306

21

3

18306

17183

17217

22

3

17542

17663

17601

23

3

18085

17357

17333

31

3

18188

17468

17318

Página 18 de 97



a) Diagramas de caja en Minitab: Copiar tabla de datos. Instrucciones: Graph> Box Plot

Boxplot of Fuel C onsumption, onsumption, Fuel C onsumption, onsumption, Fuel Consumption Consumption

M á x i m o , m e d i a n a , m í n i m o

19000

18500

18000 a t 17500 a D

17000

16500

16000 Fuel Consumption-Southeast

Fuel Consumption-Plant A

Fuel Consumption-Plant B

24

b) Prueba de hipótesis de igualdad de medias ANOVA Instrucciones: Stat > ANOVA > One way (unstacked)

One-way ANOVA: Fuel Consumption, Fuel Consumption, Fuel Consumption Source

DF

SS

MS

F

P

Factor 2 17916218 8958109 72.87 0.000 P< 0.05 Medias diferentes Error 246 30240786 122930 Total 248 48157004 S = 350.6 R-Sq = 37.20% R-Sq(adj) = 36.69% Level N Mean StDev Fuel Consumption-Southea 83 17940 400 Fuel Consumption-Plant A 83 17403 320 Fuel Consumption-Plant B 83 17344 326 Individual 95% CIs For Mean Based on

Página 19 de 97



Individual 95% CIs For Mean Based on Pooled StDev Level -------+---------+---------+---------+-Fuel Consumption-Southea (---*---) Fuel Consumption-Plant A (---*---) Fuel Consumption-Plant B (---*---) -------+---------+---------+---------+-17400 17600 17800 18000

c) Gráficas de series de tiempo Instrucciones: Stat > Time series > Time series plot

Página 20 de 97



Time Series Plot of Fuel Consump, Fuel Consump, Fuel Consump 19000

Variable Variable Fuel Consumption-Southeast Fuel Consumption-Plant A Fuel Consumption-Plant B

18500 18000 a t 17500 a D

17000 16500 16000 1

8

16 24 32 40 48 56 64 72 80

Index

Métricas de desempeño de negocios Nivel de operaciones: Efectividad del negocio, mide que tan bien se satisfacen las necesidades de los clientes  Eficiencia operativa, en función de costo y tiempo requerido para producir el producto  Nivel de procesos: Datos de procesos detallados  Nivel de producción: Datos de producción detallados 

Balanced Score Card Mide las siguientes perspectivas: Financieras: retorno sobre la inversión, utilización de los activos, EVA, etc.  Percepción del cliente: liderazgo en el servicio, costos competitivos, cercanía con  clientes Procesos internos del negocio (operaciones): excelencia operativa en procesos,  innovaciones y nivel de servicio Aprendizaje organizacional y crecimiento: desarrollo de las capacidades de los  empleados, motivación, delegación, mejora en los sistemas de información y aprendizajes

Página 21 de 97



Ejemplo de Mapa estratégico de BSC s e t n e i l C

Incrementar valor en los procesos de las plantas

Conocimiento del negocio

s o n r e t n I s o s e c o r P

y o e t j a n e z i i d m i n c e e r r p C A

C2

Alto nivel nivel de especialización

a r e i c n a n i F

Ser líder en Servicios de generación de energía

Seguridad

Oportunidad

Optimizar costos y gastos de operación

Visión de largo plazo

Ser la mejor opción para los clientes C1

Sustentabilida entabilidadd

Rentabilidad de los servicios F2

Impulsar la seguridad

Mantenimiento y optimización del uso de activos

P4

Desarrollo sustentable

Eficientar los procesos administrativos

Mejora de los procesos y calidad P5

P2 Impulsar la gestión del conocimiento y tecnología

P3

Capital Tecnológico Optimizar la aplicación e innovación de tecnologías de información A1 y comunicaciones

Contar con RRHH adecuados en puestos clave

F3

Mejora de la productividad P1

Capital Humano

A1

Efectividad

Calidad

Confiabil iabilidad idad

Maximizar la rentabilidad sobre activos F1

Promover, impulsar y verificar la aplicación de normas

C3

P7

P8

Mejorar la oportunidad y efectividad de los servicios P6

P9

Capital Organizacional Asegurar la coordinación de trabajos entre deptos.

Fortalecer el clima organizacional A3

A2

Asegurar cumplimiento del marco regulatorio A4

A5

Gestión de equipo de trabajo Formación de equipos de trabajo Debe haber un líder o dueño del proceso  Un secretario  Tomador de tiempo  Facilitador  Miembros involucrados con el proceso, según Belbin:existe el formador,  implementador, coordinador, compañero, investigador, innovador, especialista Etapas de desarrollo del equipo Formación  Integración  Normas  Desempeño u operación  Las presentaciones dan la oportunidad de: Mostrar habilidades  Mostrar logros  Resumir proyectos  Obtener aprobaciones necesarias de la dirección  Mantener líneas de comunicación con la dirección  Demostrar comprensión de las necesidades reales del cliente  Factores de proceso de equipo para evaluar su desempeño: Factores de relación: Identificación, manejo de conflictos, soporte, nivel de integración 

Página 22 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Factores de proceso: Nivel de consenso, efectividad de reuniones, crecimiento y  aprendizaje, participación, comunicación, retroalimentación, retroalimentación, escucha Factores de metas: Fijación de objetivos, claros, realistas y alcanzables  Factores de ambientales: Proximidad física, habilidades y recursos, soporte de la  dirección Factores de rol: Efectividad del liderazgo, claridad de responsabilidades  Reconocimiento al equipo Al finalizar el proyecto Seis Sigma es conveniente dar un reconocimiento a los participantes: Materiales: Tangibles, Intangibles, Satisfacción, amistad, aprendizaje, agradecimiento,  prestigio Ver ejemplos de aplicación en CFE 

Página 23 de 97



II. Seis Sigma – Fase de Definición Propósitos    

 

Selección inicial del proyecto Identificar a los clientes del proceso o producto afectados Definir las CTQs (características críticas para la calidad) desde la perspectiva del cliente Definir el alcance del proyecto en un nivel específico manejable (Project, TeamCharter o Contrato del proyecto) Desarrollar una Declaración Refinada del Problema Documentar las actividades en programa del Proyecto

Los clientes   

En términos simples, un cliente es el receptor de un producto o servicio Se puede escuchar su voz en forma reactiva: Quejas, garantías, demandas, etc. O en forma proactiva: Encuestas, grupos de enfoque, entrevistas, estudios de mercado, etc.)

Definición de CTQs Son las características del producto/servicio que son importantes desde el punto de  vista del cliente

Requerimientos clave ACC/CENACE ó Factor Crítico clientes y usuarios finales 1. Precio competitivo (Consumo gas natural ó control del régimen térmico) 2. Calidad de la regulación: Control de frecuencia y control de voltaje 3. Cantidad de energía entregada

4. Confiabilidad

5.

Disponibilidad

Indicador $/MWh Kcal / Kwh (De acuerdo a la Unidad) Frecuencia: 60 Hz ± 0.2 Voltaje: 230,000 Volts ± 1000 100% Cumplimiento programa

Conf = (100% - % Falla propia) = 97.69%

Disp= (100% - (%Falla + % Matto - % ajenos)) = 88.50%

Figura 3.1.9.1 Tabla de Factores Críticos del Cliente

Página 24 de 97

Valor generado cadena de valor usuarios finales Precio competitivo competitivo a los usuarios finales de CFE No variaciones en el suministro de energía eléctrica Cero interrupciones en el suministro de EE Cero interrupciones en el suministro de EE y participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional (SEN) Cero interrupciones en el suministro de EE y participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional (SEN)

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Árbol de Críticos para la calidad (CTQs) = Y`s:  o Avanzar con más niveles conforme se requieran (2,3) o Validar los requerimientos con el cliente. Revisar el árbol de CTQs con el cliente. Calidad de la energía

Frecuencia Econo mía Voltaje Voltaje

Hertz Precio Volts

Críticos para X (CTX) CTQ – – Críticos para la calidad  o Cumplir con requerimientos del mercado y técnicos o Proporcionar productos y servicios excelentes CTC – críticos para el costo  o Consumo de combustible o Costos de operación CTP – Críticos para el proceso  o Reducir los tiempos de ciclo y tiempos muertos por mantto. o Maximizar el régimen térmico CTD – críticos para la entrega  o Confiabilidad, disponibilidad, o Cantidad de energía eléctrica entregada CTS – críticos para la seguridad  o Proporcionar ayudas visuales e instrucciones claras o Proporcionar EPP adecuado

CT’s

CTC Precio Competitivo 

Régimen Térmico

CTQ Calidad de regulación de  

Control de frecuencia Control de voltaje

CTD   

Confiabilidad Disponibilidad Cantidad de energía eléctrica entregada

Figura 3.1.9.2 Diagrama de Árbol CT´s Cliente Costos de calidad Los costos de calidad son un vehículo para identificar oportunidades de reducción de  costos por medio de mejoras al sistema Las categorías de los costos de calidad son:  Página 25 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Costos de prevención – capacitación, documentación o Costos de evaluación – pruebas e inspecciones o Costos de falla interna – fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente Bases de comparación  o Ingresos, costos de transformación, etc.

Diagrama de Pareto 



En la fase de Definición, el diagrama de Pareto ayuda a seleccionar proyectos y manejar el alcance de este. Diagrama de Pareto o Define la oportunidad del proyecto o Provee el impacto medible de las acciones correctivas

PRÁCTICA 5. Construcción de un diagrama de Pareto Instrucciones de Minitab: File > Open worksheet > Exh_qc.mtw Stat > Quality tools > Pareto chart SeleccionarDefects y Counts Pareto Chart of Defects 100

400

80 s t n u o C

300 60 200

40

100

Defects

20

0

i t t s e w s i p s k a r l s o u C r e a H c e P g G t S e n e i y l i v k t p a c i n g i s s m f e M L e i s s c o n D e M I

Counts Percent Cum %

2 74 64.8 64.8

Página 26 de 97

59 13.9 78.7

43 10.2 88.9

19 4.5 93.4

10 2.4 95.7

r h e t O

18 4.3 100.0

0

t n e c r e P



Definición del proyecto 

Atacar al problema en general no funciona ya que es fácil equivocarse tratando de hacer todo a la vez



En la práctica, es mas efectivo enfocarse en un componente específico del problema. Una definición del problema enfocado enfocado describe específicamente que que ocurre, cuando o en qué circunstancias ocurre, y/o quien esta involucrado

Identificar CTQs del proceso o X’s para satisfacer CTQs del proyecto Y (Drill Down)









Interrupciones de energía

Y = ƒ(X1, X2, X3, X4)



Fallas en los los equipos equipos de gener generación ación



Falta de suministro de gas

Fallas en el sistema sistem a de agua desmineral. desmin eral. Xs: 

Mantenimiento preventivo



Mantenimiento predictivo

El alcance del proyecto debe estar limitado a los factores que representan la principal diferencia: Mantenimiento preventivo

Página 27 de 97

Y = ƒ(X1,

X2)

Y = ƒ(X1)



Ejemplos de selección de problemas

Página 28 de 97



Justificación económica de proyectos Seis Sigma Análisis para obtener la aprobación del proyecto: Identificar los beneficios del proyecto: monto, tiempo, duración  Identificar los factores de costo del proyecto (personal, recursos) así como los gastos  del periodo Calcular la ganancia neta por periodo  Calcular los índices financieros (TIR, VPN, etc.)  Determinar si el proyecto se implementará (antes de iniciarlo) o si fue benéfico  (después de completarlo) Si no da beneficios, pero de todas formas se debe implementar, justificarlo (ambiente,  seguridad) PRÁCTICA 6. Aplicación del método del valor va lor presente neto y de la tasa interna de rendimiento en la justificación de proyectos Asumiendo un interés del 15% y costo del equipo de $15,000 Interés Inversión Beneficios Año 1 Año 2 Año 3 Año 4 Año 5

0.15 -15,000 5,000 5,000 5,000 5,000 9,000

Página 29 de 97



VNA = Valor presente en Excel Fx Financieras = VNA(0.15 , VNA(0.15 , rango) VPN = Valor presente neto = VNA – costo del equipo = $3,749.48 - Costo del equipo Conclusión: Si VPN es positivo si conviene la inversión

Interés Inversión Año 1 Año 2 Año 3 Año 4 Año 5

0.15 -15,000 5,000 5,000 5,000 5,000 9,000

TIR = Tasa interna de rendimiento r endimiento = TIR(rango)= 24% Conclusión: Si el TIR es mayor que la TREMA de la empresa, el proyecto es viable

2. Si un proyecto Seis Sigma requiere una inversión inicial de $400,000 y proporciona rendimientos de $100,000 por año durante 6 años, considerando considerando un interés del 15% anual: Año 1

100,000

Año 2

100,000

Año 3

100,000

Año 4

100,000

Año 5

100,000

Año 6

100,000

a) ¿cuál es el periodo de recuperación sin importar los intereses e impuestos? PR =Inversión inicial / Rendimiento Rendimiento Anual = 400,000 / 100,000 = 4 b) ¿Cuál es el valor v alor presente neto de las inversiones? ¿Es adecuado?

VPN = VNA(0.15, C1:C6)-400000 VNA = 378,448 TIR = 13%

VPN = -21,551 15%

c) Con la inversión de $400,000 ¿cuál es la tasa interna de retorno? = -400000 Año 1

100,000

Año 2

100,000

Año 3

100,000

Año 4

100,000

Año 5

100,000

Año 6

100,000

Página 30 de 97



Justificación con base a costos de operación Para la CTVM, al disminuir el régimen térmico ó consumo de gas natural a niveles óptimos, se reduce el costo costo de generación, en pesos pesos por unidad de energía eléctrica eléctrica generada ($/KWh) fortaleciendo su competitividad. Costo gas consumido / Costo total

(%) CTVM

100% 80% 60%

78.78%

83.61%

83.75%

2 00 6

20 07

40% 20% 0%

2 00 5

Análisis de riesgo en los proyectos Evaluar áreas potenciales de riesgo de negocio como: Cambios en la tecnología  Competencia  Falta de materiales  Reglamentaciones y problemas de seguridad e higiene  Reglamentaciones y problemas ambientales  Riesgos asegurables (propiedad, pérdidas, responsabilidad legal)  Contrato de proyecto Es el compromiso formal del equipo y de la dirección, en la ejecución del proyecto 



Caso de negocio



Descripción general del problema 





Alcance



Beneficios Beneficios estimados



Costos estimados

Recursos 

Nombre, Rol



Otros participantes

Meta medible 



Impacto financiero

Sigmas

Planes del proyecto 

Fechas arranque y final por cada fase DMAIC



Eventos parciales a revisar

El contrato del proyecto (Project Charter) debe incluir: Caso de negocio (impacto financiero)  Enunciado del problema  Alcance del proyecto (límites)  Establecimiento de metas 

Página 31 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Rol de los miembros del equipo  Metas intermedias y productos finales  Recursos requeridos  Caso del negocio: Resumen de las razones estratégicas para el proyecto.  Incluye aspectos de calidad, costo, producto final con justificación financiera  Por qué hacer el proyecto  Importancia de hacer el proyecto ahora  Consecuencias de no hacer el proyecto  Prioridades  Importancia del proyecto en relación a las estrategias estrategias de la empresa  Aumentar el nivel de servicio de la planta del 95 al 98%  Enunciado del problema 

Detalla el tema que el equipo quiere mejorar, tan descriptivo como sea posible. “El

tiempo de mantenimiento correctivo planeado para la Unidad 1 es de un mes, lo que impacta en el nivel de servicio del 95% anual”

Alcance del proyecto Se refiere a los lím ites del proyecto o acotaciones. “El proyecto se desarrollará durante  el mes de diciembre”

Establecimiento de las metas Una regla común es la reducción del 50% en alguna de las métricas o su mejora en 50%  

“Reducir el tiempo de mantenimiento planeado para la Unidad 1 de un mes a 15 días”

Roles de los miembros de los equipos Los miembros deben ser gente calificada con la suficiente experiencia para realizar lo  establecido en la misión del equipo Definir sus roles, responsabilidades y expectativas 

Página 32 de 97



PROJECT CHARTER Incremento de satisfacción del cliente mediante la mejora del proceso de mantto. a las subestaciones s ubestaciones eléctricas. Alcance: Se apl aplicar icará á al pro proces ceso o de ma mante ntenim nimien iento to de los eq equip uipos os pri primar mariosen iosen el De Depar partam tamen ento to de Su Subes bestac tacion iones es de la Su Subár bárea ea de Meta: Reducir en un 50 % el incumplimiento de los horarios programados de libranza, de los equipos primarios. Justificación:

El incu incumpl mplim imien iento to con los hor horario arioss pro progr grama amados dos de lib libra ranza nza,, ade además más de imp impact actar ar en el asp aspect ecto o eco económ nómico; ico; en pri prime mera ra instancia instanc ia tie tiene ne un imp impact acto o muyfuert muyfuerte e en el gr grado ado de sat satisfa isfacci cción ón de nue nuestr stro o clie clienteinter nteinterno. no. Est Este e pro proye yecto cto incr increm emen entar tará á en 5% el niv nivel el de sati sa tissfa facc cció ión, n, a tr trav avé és de la op opti timi miza zaci ción ón y la re redu ducc cció ión n en lo loss ti tiem empo poss de ej ejec ecuc ució ión n de la lass ac acti tivi vida dade dess de ma mant nte eni nimi mie ent nto o co con n la consecuent conse cuente e dismin disminución ución de costos.

Fecha Fec ha de ini inicio cio::

Febrero,2008 Feb rero,2008

Fecha Fec ha de tér términ mino: o:

Juni Ju nio o , 200 2008. 8.

Obstáculos:

Posibl Pos ibles es af afect ectaci acione oness por con condici dicione oness me mete teoro orológ lógicas icas,, fal falta ta de suf sufici icien encia cia pre presup supues uestal tal par para a mod modern erniza ización ción de eq equip uipos, os, materialesy mate rialesy situa situacione cioness sindica sindicales les con el perso personal nal no prev previstas. istas.

Supuestos:

Libranzascontinua Libra nzascontinuass parapoder toma tomarr info informació rmación. n.

Colabo Col abora rado dores res y Re Relac lacion iones es Cla Clave ve de Re Repo porte rte:: GreenBelt: Cliente: Champion: Grupos Impacta Impactados: dos: Equipo: Asesorr Blac Aseso Black k Belt:

TécnicosAuxiliares Subárea Jefe Jef e de la Su Subár bárea ea Zonade Dis Distri tribuc bución, ión, De Depto ptos. s. Técn écnico icoss y Dpt Dpto. o. de Ad Admin minist istra ración ción.. Depto. Dept o. De Sube Subestacio staciones nes Jefe Jef e de Dpto Dpto.. de Sube Subestacio staciones nes

PRÁCTICA 7. Describir un caso de negocio de ejemplo

Diagrama SIPOC Identifica el flujo de las actividades y fuentes de variación en el proceso. Incluye  proveedores, entradas, procesos, resultados y clientes

Página 33 de 97



Mapa de proceso SIPOC (Proveedores, Entradas, S alidas, Clientes) Procesos y sist emas

Entradas

Salidas

Proveedores

Clientes

Retroalimentación

Retroalimentación

Banco de información

Ejemplo: Proceso de generación de energía en una termoeléctrica

Proveedores

Entradas

Proceso

Salidas

Clientes

PEMEX Comisión Nacional del Agua

Gas Agua

Generación Termoeléctrica

Entrega de energía eléctrica

CENACE Cliente final

Insumos Gas y Agua

Planta de tratamiento de agua

Generador de Vapor

Turbogenerador

Subestación

Transmisión

CENACE

Usuario Final

Figura 3.1.10.1.1 Mapa de proceso de primer nivel

PRÁCTICA 8. Realizar un ejemplo de Diagrama SIPOC de un proceso pequeño o subproceso

Proveedores

Entradas

Pasos grales. del proceso

Casa de la calidad

Página 34 de 97

Salidas

Clientes

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes QFD es un proceso que relaciona los requisitos de los clientes con los procesos o las  características del producto. QFD/Casa de la Calidad  o Representa la voz del Cliente o 

Alinea CTQ’s con CTP’S y comunica las necesidades del cliente

Para crear la Casa de Calidad se deben seguir 7 pasos: o Identificar a los clientes y sus demandas (¿Qué?), rango de Importancia o Identificar las características clave o procesos (¿Cómo?) o

Identificar las relaciones de de celdas entre Qué’s y Cómo’s

o

Calcular los totales totales de renglones renglones (¿Qué?) Calcular los totales totales de columnas columnas (¿cómo?) Identificar a que aspectos enfocarse (¿Qué?) y (¿Cómo?)

o o

CTQ= característica crítica para la calidad, cualquier característica del producto es importante para los clientes. CTP= variable crítica para el proceso, cualquier variable de proceso que afecta significativamente la capacidad de cumplir el CTQ.

Programa de Trabajo Se realiza para planear las actividades para la solución del problema, a continuación se muestran algunos ejemplos:

Página 35 de 97



Página 36 de 97

SEIS SIGMA – CHAMPIONS FLUJO DE AIRE-GAS


149

%O 2 CO CO 2 NOx

% E. O2: 0.9 – 1.2

Q

Q

Inclinación de quemadores

Q

Q

N4 352

Q

Q

Q

Q

Q

Q

Q

Q

N3 RPM 300-1000

32.2

289

N2

Aire Q

Q

Q

Q

Aire N1 508

32.2 Apertura 0-100% RPM 300-1000

277

50

8

3.5

Compuertas auxiliares

Caseta

PEMEX

Medición / reducción 2 12,600 KCal/Kg

Temperatura °C

Flujo de aire

0

Flujo de gas

0

Presión

Kg/cm2

0

Flujo

Ton/hr

Flujo gases de combus tión

Página 38 de 97

6.66

29.7



PRACTICA 9. Diagrama de flujo de un proceso pequeño o subproceso

DIAGRAMA DE FLUJO DE PROCESO Legenda: Operación O S A P

Transporte

Inspección

Operación o Ev ento

Espera/retraso

Descripción de Operación o ev ento

Almacenaj

Ev aluación y Métodos de análisis

Matriz de causa efecto Entradas y salidas del proceso Antes de mejorar un proceso, primero debe medirse, identificando sus variables de  entrada y de salida, y documentando su relación en diagramas de causa efecto, matrices de relación, diagramas de flujo, etc. (1-poca, 3-media, 9-alta relación) A Importancia Ent 1

3

Ent 4 Ent 5

1

2

Ent 2 Ent 3

Salidas B

7

C

D

E

6

10

4

3

6

4

2

5

Res

%

84

35

63

27

25

11

22

9

42

18

Totales 236

100

3

1 6

4 2

3

Página 39 de 97



Página 40 de 97



Recolección de datos Tipos de información 

Datos Continuos 





Se obtienen a través de un sistema de medición, medición, su su utilidad depende de la capacidad del del sistema de medición.

Datos Discretos 



Las ocurrencias consistentes se pueden manejar como datos continuos continuos

Continuos

Incluye porcentajes, conteos, atrib utos y ordinales Las ocurrencias deben ser independientes

Discretos

87 Datos

Tipo

Temper atur a de vapor

Continuo

Fal las de l a bomba

Di scr eto: Porcentaje o cue nta

Tiempo de mante ni mi ento

Continuo

Ca nti da d de conta mi na nte s

Conti nuo

Fal las de M a quina ri a


Tiempo del cicl o de arr an anque

Conti nu nuo

Per di da de cl cl ientes


E r rore s e n r epor tes

Di scr eto: cuenta

Camb Ca mbios ios en la ag agen enda da o el el plan plan

Disc Discret reto: o: cuen cuenta ta

Porcentaje orcentaje de reportes que tienen que que se r rectificados

Discreto: Porcentaje

Comprendiendo la variación ¿Qué es la variación? La diferencia entre las cosas  La mayoría de las veces la variación es natural  Factores que causan la variación  o Material o Maquinaria o Mano de obra o personal o Método o Naturaleza o Mediciones o La variación es inherente a todos los procesos Se tienen causas comunes y causas c ausas especiales 

Página 41 de 97



Ejemplos:

Histogramas Muestra la distribución de frecuencia de los valores o mediciones

Distribución normal    

La distribución normal puede ser descrita sólo por la media y la desviación estándar Media es el promedio de todos los lo s datos El rango es la diferencia diferencia entre la cantidad mayor y menor La desviación estándar es aproximadamente igual a 1/6 del rango de los datos, y puede ser calculada por Excel o Minitab

Áreas bajo la curva de distribución normal estándar

Página 42 de 97



La distribución normal estándar  La distribución normal estándar es una distribución de probabilidad que tiene una media de cero y una desviación estándar de uno.  El área bajo la curva desde menos infinito a más infinito vale uno.  La distribución normal estándar es simétrica, cada lado tiene una probabilidad o área bajo la curva de 0.5.  La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z. Para cada valor Z se asigna una probabilidad o área bajo la curva mostrada en la Tabla de distribución normal

PRÁCTICA 11. Áreas bajo la curva normal estándar a) Área menor a Z1 = -3.1 más área mayor a Z2 = 2.9 representando representando una fracción defectiva, expresarla en decimal, ppm y porcentaje: En Minitab: Calc> Probability Distributions Distributions > Normal Input constant constant (Z) OK (cumulative (cumulative prob) Distribution Plot Normal, Mean=0, StDev=1 0.4

0.3 y t i s n e 0.2 D

0.1

0.0

-2. 4

0

Z

2.8

Excel Fx Estadísticas: = distr.norm.estand(Z1) +[1 - distr.norm.estand(Z2) ] b) Área entre Z1 = -1.4 y Z2= 1.9, expresarla en decimal y porcentaje: porcentaje: = distr.norm.estand(Z2) - distr.norm.estand(Z1)

Página 43 de 97



Un proceso tiene un límite de especificación especificación inferior de 10 psi. Tiene un promedio de 10.50 psi una desviación estándar de 0.5 psi determinar lo siguiente: a) Fracción defectiva por debajo de 9.50 psi. En Minitab: Minitab: Calc> Calc> Probability Distributions > Normal Normal Input constant (Z) Mean 10.50 Standar deviation 0.5 OK (cumulative prob)

En Excel= distr.norm(9.5, 10.5, 0.5, 1)

b) Área entre 10 y 11 psi, expresarla en decimal y porcentaje: Excel Fx Estadísticas. En Excel Excel = distr.norm(11, distr.norm(11, 10.5, 0.5, 1) - distr.norm(10, distr.norm(10, 10.5, 10.5, 0.5, 1)

Análisis del sistema de medición Variación del sistema de medición 



Un error significante puede ser introducido en la medición de un proceso por medio del sistema de medición El proceso puede estar en control estadístico pero no así el sistema de medición y puede introducir una variación inaceptable

Página 44 de 97



Posibles fuentes de variación

Variación del proceso

Variación proceso, real Variación deldel proceso, real

Variación dentro de la muestra

Variación de la medición

Variación originada Equipo de mediciòn por el calibrador

Repetibilidad Repetibilidad

Reproducibilidad

Estabilidad

Linealidad

Sesgo

Calibración Errores de medición 

Repetibilidad o La variación en las mediciones obtenidas con un instrumento de medición cuando es usado muchas veces por un evaluador mientras mide una característica idéntica de la misma parte Patrón Valores medidos



Reproducibilidad o La variación en la medición obtenida con un instrumento de medición cuando es usado por varios evaluadores mientras miden una característica característica idéntica de la misma parte.

Página 45 de 97



Diferencia entre operadores Reproducibilidad

Minitab: File > Open worksheet > gageaiag.mtw Stat > quality tools > Gage study > Gage R&R study (crossed) ( crossed) SeleccionarPart_numbers Operator Response – mediciones Options: Study variation 5.15 (99% de area bajo la curva) Process tolerance: Upper – lower 20 OK Estudio de R&R – Análisis de resultados

Gage R&R Study - XBar/R Method %Contribution Sour Source ce VarC VarCom omp p (of (of VarC VarCom omp) p) Total Gage R&R 0.0000001 41.00 Repeatability 0.0000001 40.52 Reproducibility 0.0000000 0.48 Part-To-Part Part- To-Part 0.0000001 0.0000001 59.00 Total Variation 0.0000001 100.00

% Error R&R debe ser menor Al 10% ya ya sea para control del Proceso o para producto final. Repetibilidad – Instrumento Reproduci Reproducibilid bilidad ad - Operador Operador

Stud Study y Var Var %Stu %Study dy Var %Tol %Tolera eranc nce e Source Source StdDev StdDev (SD) (SD) (5.15 (5.15 * SD) (%SV) (%SV) (SV/To (SV/Toler ler) ) Total Gage R&R 0.0002476 0.0012750 64.03 21.25 Repeatability 0.0002461 0.0012675 63.65 21.12 Reproducibility 0.0000269 0.0001384 6.95 2.31 Part-To Part -To-Part -Part 0.0002970 0.0015295 76.81 25.49 Total Variation 0.0003867 0.0019913 100.00 33.19 Number of Distinct Categories = 1

Número mínimo 4 111



El error de R&R vs tolerancia es 64.03% y vs variación total del proceso es 21.25% lo que hace que el equipo de medición no sea adecuado para la medición. Página 46 de 97



Por otro lado el número de categorías es sólo de 1 cuando debe ser al menos 4 indicando que el instrumento discrimina las diversas partes diferentes.



Gage R&R (Xbar/ R) for Datos Gage name: Date of study:

La gráfica R se mantiene en control indicando que las mediciones se realizar rea lizaron on en forma adecuada. La gráfica X barra sólo presenta 5 de 30 puntos fuera Reported de control, control, Tolerance: debería deberíbya: ser al menos el e l 50%, indicando Misc: que el equipo no discrimina las diferentes difer entes partes.

Components of Variation Variation

Datos by Partes

80

% Contribution %StudyVar

t n e c r 40 e P

0

0.006

% Tolerance

0.005

0.004 Gage R&R

Repeat

Reprod

1

Part-to-Part

2

3

R Chart by Operadores 1

2

UCL=0.001073

_ R=0.000417

0.0000

LCL=0

2

8

9

10

0.005

0.004 1

2 Operadores

3

Operadores * Partes I nteraction nteraction

3

n a 0.0050 e M e l p 0.0045 m a S

7

0.006

Xbar Chart Chart by Operador Operadores es 1

5 6 Partes

Datos by Operadores

3

e 0.0010 g n a R e l 0.0005 p m a S

4

UCL=0.005143 _ X=0.004717 LCL=0.004290

Operadores 1

e 0.0050 g a r e v 0.0045 A

2 3

0.0040

0.0040

1

P10

2

3

4

5 6 Partes

7

8

9

10

Gráficas y cartas de datos Las gráficas de barras pueden ser usados para mostrar una variable vs el “Tiempo”

Las gráficas de series de tiempo pueden ser usadas para mostrar la variación vs el “Tiempo” e identificar si se presenta cierta tendencia o estacionalidad

Página 47 de 97



Variable dependiente del tiempo

El “corrimiento” “corrimiento” en las mediciones

Indica que están presentes variables dependientes del tiempo 106

Régimen térmico U-1 CTVM Kcal/KWh 2654 2651.41

2652

2649.29

2650 2647.22

2648 2646

2646.69

2645.77

2644.71

2644 Régimen Térmico

2642 2640 2640.00

2638

2641.10

2636 2634 Ju l-l- 07 07 A go go -0 -0 7 S ep ep -0 -0 7 O ct ct- 07 07 No vv- 07 07 D ic ic -0 -0 7 En ee- 08 08 F eb eb -0 -0 8

Un histograma también sirve para identificar si el comportamiento compo rtamiento de una variable es normal (P value< 0.05): Summary for Julio A nderson-Darling Normality Test

2630

2640

2650

A -Squared P -V alue

0.25 0.720

M ean S tD e v V ariance S k ew ew n es es s K ur urtosis N

2644.3 9.3 87.3 -0 .1 .1 71 71 99 999 -0.607477 31

M inimum 1st Q ua uartile M edian 3rd Q ua uartile M aximum

2660

2623.8 2638.6 2643.1 2651.8 2661.1

95% C onfidence onfidence Interval Interval for Mean 2640.9

2647.7

95% C onfidence onfidence Interval for Median 2640.2 7.5 Mean Median 2640

2642

2644

2646

2649.9

95% C onfidence onfidence Interval for StDev

95% Confidence Intervals

2648

2650

Página 48 de 97

12.5



PRACTICA 12. 12. Gráficas de series de tiempo Minitab: 1 File > Open worksheet > NEWMARKET.MTW. NEWMARKET.MT W. 2 Graph > Time Series Plot or Stat > Time Series > Time Series Plot. Plot . 3 Simple, Simple, click OK. OK. 4 En Series, Series, SalesB. 5 Click Time/Scale. 6 En Time Scale, seleccionar Calendar. Y seleccionar QuarterYear. 7 Para valores iniciales en Quarter, Quarter, 1. En Year, Year, 2000. 8 ClickOK ClickOK en cada cuadro de diálogo.

Time Series Plot of SalesB 240 220 200 B s e l a S

180 160 140 120 100

Quarter Year

Q1 2000

Q2

Q3

Q4

Q1 2001

Q2

Q3

Q4

Q1 2002

Q2

Q3

Q4

Cartas de control ¿Qué es el CEP?  Control Estadístico del Proceso o Control: Hacer que un proceso se comporte como como queramos queramos que se comporte. o

Estadístico: …Con la ayuda de números

o

Proceso:

…Medimos y controlamos las

característica característica críticas (CTQs) del proceso identificadas por los clientes Tipos de variación:

Página 49 de 97



Causas comunes: 

El resultado de causas naturales, diferencias esperadas entre productos o servicios 

Una vez que las causas especiales o asignables están en control, se pueden observar las causas

Causas especiales de variación: 

El resultados de causas no naturales o asignables: 



“comunes”



Si es una causa asignable o especial puede ser controlada Se pueden identificar causas asignables aisladas Es más influyente que una causa de variación común

Página 50 de 97



Tipos de Variación 12.5

Límite Superior de Control

11.5

Variación – Causas comunes

10.5 Línea Central

9.5 8.5 Límite inf. de especs.

Límite sup. de especs.

7.5 0

10

20

30

Límite Inferior de Control 102

Variación – Causas especiales Objetivo

Límite inf. de especs.

Límite sup. de especs.

Objetivo

100

94

Patrones de anormalidad en la carta de control “

Escuche la Voz del Proceso

M E D I D A S C A L I D A D

”

Región de control, captura la variación natural del proceso original

LSC

LIC

Tendencia del proceso (7P) Causa Especial

Corrida del Proceso (7P)

identifcada

TIEMPO

Propósito de la carta de control  Monitorea la característica característica clave de calidad calidad del producto (CTQ’s)  Permite la detección de las causas inusuales de variación entes de que se salga de la especificación especificación del producto  Provee el historial y estabilidad del proceso así como la operación esta trabajando ahora.  Cuando no hay causas especiales presentes, el proceso esta trabajando apropiadamente, es predecible, el proceso puede estar “en control”

Página 51 de 97



Ejemplo del consumo de Gas I-MR I-MR Chart of Juli o UC L=2671. L=2671.69 69

2670 e u l 2655 a V l a u 2640 d i v i d n 2625 I

_ X=2644.28

LCL=2616.87 2610 3

6

9

12

15 18 Observation

21

24

27

30

UC L=33.68 L=33.68 30 e g n a 20 R g n i v o 10 M

__ MR=10.31

0

LCL=0 3

6

9

12

15 18 Observation

21

Gráfica de Control Contr ol Régimen Térmico Kcal/KWh a Feb-08)

24

27

30

U-1 CTVM (Jul-07 (Ju l-07

2740 LCS

2720 h W2700 K / l 2680 a c K 2660

Promedio

o 2640 c i m r 2620 é t 2600 n e 2580 m i g 2560 é R 2540

LCI

Diseño de la Unidad 50% carga

2520 2500

En este caso:  Para el régimen térmico el proceso es normal y está en control estadístico  La Unidad 1 de la Central Termoeléctrica Valle de México, en el período observado (50% de carga), no está cumpliendo cumpliendo con las especificaciones especificaciones de diseño del Régimen Térmico de 2,560 Kcal/KWh.  Se comprueba la definición del proyecto proyecto ó área de oportunidad de mejorar la eficiencia térmica de la Unidad 1 de la CTVM buscando alcanzar los niveles de diseño.

Página 52 de 97



PRACTICA 13. 13. Carta de control de lecturas individuales para parámetros del proceso I-MR: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Control charts > variable chart for Individuals > I-MR. I-MR. 3 Variable Weight, Weight, clickOK clickOK..

I-MR Chart of Weight Wei ght 1050

1 1

1 1

UCL=1010.9

e u1000 l a V l a 950 u d i v i d n 900 I

_ X=936.9

850

1

1

5

9

13

LCL=862.8

1

17

21

25

29

33

37

41

45

Observation 1

100 e g n a R g n i v o M

UCL=91.0 75 50 __ MR=27.8

25 0

LCL=0 1

5

9

13

17

21

25

29

33

37

41

45

Observation

Capacidad del proceso 

  

Mide y cuantifica el desempeño del proceso y productos para cumplir con las especificaciones especificaciones (tanto Cp y Cpk) Identifica áreas que requieren atención y mejora Ayuda a construir un plan de acción soportado por datos Proporciona una métrica común para comparar procesos o desempeño del producto entre departamentos y plantas Página 53 de 97

SEIS SIGMA – CHAMPIONS  


Identifica oportunidades de mejora para eliminar Muda Establece la línea base

Teoría del camión y el túnel El túnel tiene 9' de ancho (especificación (especificación). ). El camión tiene 10’ y el chofer es perfecto (variación del proceso). proceso). ¿Pasaría el camión? NO, la variabilidad del proceso es mayor que la especificación.

•

Centrar es hacer que el promedio del del proceso sea igual al centro de la especificación. Si el camión tiene 8 pies de ancho ancho ¿pasará el camión?, camión?, Si. Si el chofer puede mantener el centro del camión en el centro del túnel. De otra forma chocará con las paredes paredes del túnel y no no pasará a pesar de ser ser más angosto. angosto. •

El proceso debe estar en control, tener capacidad y estar centrado Ancho 9´ Nigel´ Nigel´ss Trucki Trucking ng Co.

¿Qué es la capacidad del proceso? La capacidad del proceso indica que tan bien una métrica se esta desempeñando vs los estándares establecidos. establecidos. Se asume que el proceso de la métrica o parámetro es estable, permite predecir la probabilidad de que el valor de la métrica esté fuera de los estándares establecidos. Especificaciones Especificac iones superior e inferior

Fuera de especs.

Sólo especificación superior LSE

LSE

LIE Dentro de especs. de especs.

Fuera de especs.

Fuera de especs.

Dentro de especs.

120 

La capacidad potencial (Cp) es función de que tan disperso esté el proceso, independientemente independientemente del centrado

Página 54 de 97





La capacidad real (Cpk) es una función de que tanto está centrada el proceso y de su dispersión

Ahorros simplemente centrando c entrando el proceso, sin cambiar la variabilidad

Ahorros al reducir la variación variación y centrar el proceso, eliminando eliminand o desperdicio

Página 55 de 97



PRACTICA 14. 14. Capacidad del proceso con base en carta de control de Medias Rangos XR para variables del proceso: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Quality tools > Capability analysis > Normal 3 Single column > Weight, Weight, Subgroup size 5, 4 Lower Spec 800 Upper Spec 1100 5 Estimateseleccionar EstimateseleccionarRba RbarrOK. OK.

49

Process Capability of Weight LSL

USL

Process Data LS L 80 0 T arget * USL 11 00 S a mp mp le M e an an 9 36 36 .8 .8 89 89 S ample N 45 StDev(W StDev(Wit ithi hin) n) 31.52 31.5277 77 StDev(Overall) StDev(Overall) 45.804 45.80455

Within Overall Potential (Within) Capability Cp 1.59 C PL PL 1.45 C PU PU 1.72 C pk pk 1.45 Ov erall Capability Capability

El proceso es capaz de cumplir especificaciones especificaciones Su Cpk es mayor mayor a 1.33 Con 7 ppm

Pp P PL P PU PU P pk C pm

800 Observ ed Performance P P M < LS LS L 0 .0 .0 0 P P M > U SL SL 0 .0 .0 0 P PM PM To Total 0.00

850

900

Exp. Within Performance P P M < LS L 7 .0 .0 6 P P M > US US L 0 .1 .1 1 P PM PM To Total 7.1 8

950

1000

1050

1.09 1.00 1.19 1.00 *

1100

Exp. Ov erall Performance Performance P P M < LS L 1 40 40 1. 1. 55 55 P PM PM > U SL SL 184. 70 70 P P M To To ta ta l 1 58 58 6. 6. 25 25

Métricas Seis Sigma Motorola notó que muchas operaciones en productos complejos tendían a desplazarse ±1.5  sobre el tiempo, por tanto un proceso de ± 6  a la larga tendrá 4.5  hacia uno de los límites de especificación, generando 3.4 DPMOs (defectos por millón de oportunidades)

Página 56 de 97



Corrimiento de 1.5 sigmas

Página 57 de 97



¿Por qué usar una métrica Sigma del proceso?  Indicador más sensible que el porcentaje  Se enfoca a los defectos o Siempre que un defecto refleje una falla a los ojos de los clientes  Las métricas comunes hacen las comparaciones más fáciles o Por ejemplo, ¿cuál de los siguientes procesos se comporta mejor?

Página 58 de 97



IV. Seis Sigma - Fase de Análisis Propósitos: Establecer hipótesis sobre las posibles Causas Raíz (X’s que afectan a Y)  Refinar, rechazar, o confirmar la Causa Raíz  Seleccionar las Causas Raíz más importantes (Las pocas Xsvitals)  Salidas:  

Causasraízvalidadas Factores de variabilidadidentificados

Generación de Causas potenciales Tormenta de ideas 

 

Tormenta de ideas es un método de generación de muchas ideas rápidas o Fomenta la creatividad o Involucra a todos o Genera energía o Separa personas de las Ideas que sugieren Usos en la fase de análisis o Use la tormenta de ideas para generar muchas causas potenciales del problema definido en la fase de medición 



Use “5 W’s” para encontrar las causas raíz

Pregunta clave

Los 5 Por qués Para sacar las causas raíz, empieza con el enfoque del problema y empieza a preguntar ¿Porqué? Cinco veces

Diagrama de causa efecto 



El diagrama Causa – y – efecto es usado cando se tienen el problema enfocado para identificar todas las causas potenciales del problema. Un diagrama causa – y – efecto proveerá: o Un camino fácil para identificar todas las causas posibles o Una vista organizada de todas las posibles causas o Entendimiento de las relaciones entre las posibles causas o Diferenciar entre las causas raíz y las causas percibidas

A continuación se muestran algunos ejemplos de diagramas de causa efecto con su comprobación de causas raíz:

Página 59 de 97



Tratamiento de agua

Insumos

Generador de vapor Temp. gases salida

% fuga de aire

Temp. de agua entrada

Precalentador Productos químicos

Agua

Poder Calorífico

PH Calidad de agua

Economizador

Temperatura

Agua negra tratada

Gas

Agua de pozo

Flujo, presión, temp. atemp

Sobrecalentador Flujo, presión, temp. Atemp.

Calidad de agua Agua de enfriamiento

Suciedad Flujo, presión

Exceso O2 Compuertas auxiliares

Azufre Azu fre Hu Humed medad ad

Conductividad

Recalentador Gas a quemadores Inclinación de quemadores

Sílice Entrada de aire

Amperaje y número de ventiladores

Torre de enfriamiento

Cargas Térmica

Nivel de pileta

Gasto y presión de agua

Suciedad

Temp. Agua fría Turbina, API, PI y BP

Vacio del condensador

Calidad de vapor, temperatura, presión Eficiencia

Huelgos de alabes

Presión diferencial

Huelgos

Bombas circulación agua

Presión diferencial filtros

Presión de descarga

Temperatura ambiente

Apertura de alabes

Suciedad

Volumen de energía Volumen eléctrica entregada

Turbina

Auxiliares principales

Factor de planta

Calidad de mantenimiento

Comprobación de causas con DOE # Exp

% O2

C.A. N1

C.A. N2

C.A. N3

C.A. N4

Inclinación Quemadores

Temperatura Vapor

1

2

3

4

5

6

7

1

0 .8

20

20

20

20

-3 0

537

2

2

0 .8

20

20

40

40

0

542

5

3

0 .8

40

40

20

20

0

542

6

4

0 .8

40

40

40

40

-3 0

537

8

5

1 .2

20

40

20

40

-3 0

542

1

6

1 .2

20

40

40

20

0

537

4

7

1 .2

40

20

20

40

0

537

3

8

1 .2

40

20

40

20

-3 0

542

7

Página 60 de 97

Orden de Experimentación

Precio competitivo Régimen Térmico Kcal/Kw h



Los niveles de operación recomendados son: Considerando los resultados anteriores y la recomendación obtenida por el ANOVA y ANOM, se encontraron los niveles de operación que reducen el régimen térmico. Los niveles de operación recomendados se muestran en la siguiente tabla.

Fa cto r

Condición

Inclin ació n d e q uemado res

0

Porcentaje de ex ceso d e O2

1.2

Compuertas Compu ertas auxiliares N2

40

Compu ertas au xiliares N3

40


40


40

Temperatu ra d e vapo r

5 42

Otro Ejemplo:

Se elabora un diagrama de relación para identificar relaciones entres causas potenciales e identificar la causa raíz:

Página 61 de 97



Comprobación de causas reales:

Página 62 de 97



Análisis de regresión Tú piensas ¿qué hay relación entre dos variables? ¿Qué tan fuerte es la relación?  ¿Una puede ser usada para predecir la otra?  



Correlación: es una medida de que tanto están dos variables correlacionadas

Regresión: Es la ecuación matemática que describe la relación

La regresión puede tomar varias formas

Con Minitab se puede obtener una regresión lineal como la siguiente:

PRÁCTICA 15. Correlación y regresión en Minitab 

La presión vs la temperatura se muestra continuación para un día en especial: o SeleccionarStat SeleccionarStat > Regression > Fitted line plot o Response (Y) presión Predictor (X)Temp (X)TempLinear Linear OK Página 63 de 97


Presión 1.2 0.8 1.0 1.3 0.7 0.8 1.0 0.6

Temp 101 92 110 120 90 82 93 75

0.7 1.1 0.9

85 96 91


Fitted Line Plot Presión Pres ión = - 0.4972 + 0.01504 Temp 1.4

S R-S q R-S q (ad j)

1.3

0.122070 73.0% 70.0%

1.2 1.1 n ó i s 1.0 e r P

0.9 0.8 0.7 0.6 70

80

90

100

110

120

Temp



La R-sq (R cuadrada) indica si la correlación es lo suficientemente fuerte para predecir al relación entre dos variables R-sq de 80% o más es una buena correlación

Página 64 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Tratar de extrapolar más allá de los datos es riesgoso:

Correlations: Presión, Temp Pearson correlation of Presión and Temp = 0.854 P-Value = 0.001

Página 65 de 97


QFD


FASE DE ANÁLISIS

Diagrama de relaciones Diagrama de Ishikawa Diagrama de Árbol

Diagrama Causa Efecto Definición Y=X1 + X2+. .Xn CTQs = Ys Operatividad

Medición Y, X1, X2, Xn

Análisis del Modo y Efecto de Falla (AMEF)

Diagrama de Flujo del proceso

X's Causas potenciales

Pruebas de hipótesis

No

¿Causa Raíz?

Si

X's vitales Causas raíz validadas

Análisis del modo y efecto de falla (FMEA) El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o servicio y máquinas, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos que puedan ocurrir.

El AMEF o FMEA ( FailureMode FailureMo de and Effect Analisis) es una técnica de prevención, utilizada para detectar por anticipado los posibles modos de falla, con el fin fin de establecer los controles adecuados que eviten la ocurrencia de defectos.  

 

Identificar los modos de falla potenciales, y calificar la severidad de su efecto. Evaluar objetivamente la ocurrencia de causas y la habilidad de los controles para detectar la causa cuando ocurre. Clasifica el orden potencial de deficiencias de producto y proceso. Se enfoca hacia la prevención y eliminación de problemas del producto y proceso

Existen tres componentes que ayudas a priorizar las fallas o problemas: 

Ocurrencia (O): Frecuencia de la falla.



Severidad (S): Los efectos de la falla. Página 66 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Detención (D: Es la habilidad para detectar la falla antes de que llegue al cliente.  El resultado de un AMEF es: 

Una lista de modos modos de falla potencial potencial calificados por un RPN.



Una lista de características críticas y/o significativaspotenciales.



Una lista de acciones recomendadas dirigidas a las características críticas o significativaspotenciales.



Una lista de eliminación de causas de modo de fallapotenciales, reducción de la ocurrencia, mejora de la detección de defectos.

Ejemplo del uso del AMEF en Mantenimiento:

Ejemplo del uso del AMEF en Mantenimiento:

Página 67 de 97



PRÁCTICA 16. Llenado de AMEF de maquinaria

M FMEA LISTAS ESCALA DE SEVERIDAD 10 Peligroso sin aviso aviso 9 Peligroso con aviso 8 Muy alto (Tiempo muerto - 8 hrs, hrs, Defectos - 4 hrs) 7 Alto (Tiempo muerto - 4-8 hrs, hrs, Defectos - 2-4 hrs) 6 Moderado (Tiempo muerto - 1-4 hrs, Defectos - 1-2 hrs) 5 Bajo (Tiempo (Tiempo muerto - 0.5-1 hrs, Defectos Defectos 0-1 hrs) 4 Muy bajo (Tiempo (Tiempo muerto- 10-30 10-30 min., 0 Defects) 3 Menor (Tiempo muerto - 0-10 min., 0 Defectos) 2 Muy Menor (0 Tiempo muerto, 0 Defects) 1 Ninguno

OCCURENCE SCALE 10 1 en 1 hora, 1 en 90 ciclos 9 1 en 8 horas, 1 en 900 ciclos 8 1 en 24 horas, 1 en 36,000 ciclos 7 1 en 80 horas, 1 en 90,000 ciclos 6 1 en 350 horas, 1 en 180,000 ciclos 5 1 en 1,000 horas, 1 en 270,000 ciclos 4 1 en 2,500 horas, 1 en 360,000 ciclos 3 1 en 5,000 horas, 1 en 540,000 ciclos 2 1 en 10,000 horas, 1 en 900,000 ciclos 1 1 en 25,000 horas, 1 en >900,000 ciclos DETECTION SCALE 10 Absolutamente Imposible 9 Muy remoto 8 Remoto 7 Muy bajo 6 Bajo 5 Moderado 4 ModeradamenteAlto 3 Alto 2 Casi seguro 1 Seguro

Página 68 de 97



Página 69 de 97



Página 70 de 97



Pruebas de Hipótesis  

¿Por qué usar la Prueba P rueba de Hipótesis? Se usa para probar si dos grupos son realmente diferentes (estadísticamente significativo) o si la diferencia diferencia es debida a la variación natural o ¿El primer turno se desarrolla mejor que el segundo turno?

Para realizar la prueba se deben comprender las hipótesis:  La hipótesis nula o H0= No hay diferencia entre los grupos  La hipótesis alternativa o Ha= los grupos son diferentes  La hipótesis nula, o por omisión, establece siempre que no hay diferencia entre los grupos.  P-Value: Si P 0.05, se rechaza la H 0 y se acepta la H a ( los grupos son diferentes) Tipos de pruebas de hipótesis Prueba de hipótesis

Propósito

Prueba t – 1 muestra

Compara una media muestral a la media histórica u objetivo

Prueba t – dos muestras

Compara las medias de dos grupos grupos independien independientes tes

Prueba Z – 1 muestra

Compara una media muestral a la media poblacional u objetivo

ANOVA ANOVA (Prueba F) Prue Prueba ba de igua iguald ldad ad de de varia varianz nzas as ANOM

Prueba Chi Cuadrada

Compara dos o más medias medias de grupos Comp Compara ara dos dos o más más varia varianz nzas as de grupos Compara dos o más medias medias de grupos a la media general de todos los grupos Compara dos o más proporciones de grupos

Página 71 de 97



PRÁCTICA 17. Prueba de Hipótesis Se evalúan los tiempos de acción para dos formulaciones desincrustantes desincrustantes químicas, interesa la comparación de las medias de los tiempos para tomar decisiones, probar a un 95% de nivel de confianza si una formulación tarda menos que la otra (en caso de que P value<= 0): Form_1 Form_2 650

540

810

610

570

730

660

490

820

550

820

460

670

590

590

640

750

720

700

690

A un 95% de nivel de confianza (alfa es 5% o 0.05), Realizar una prueba de igualdad de medias y sacar conclusiones Minitab:Ho: Minitab:Ho: Media form_1 = Media form_2 form_2 Ha: son diferentes Stat > Basic statistics >2- Samples t Seleccionar Samples in different columns First Form_1 Second SecondForm_2 Form_2 SeleccionarAssume SeleccionarAssume equal variances Options:: Conf. Level 95 Test Difference 0.0 Alternative Not equal Options Grpahs: Individual value plots plots OKOK

Como el valor P 0.025

es menor

que 0.05, o el cero NO está en el IC (14.5, 189.5)

Se concluye que Las medias de las formulaciones son diferentes ( La form_1 es mayor)

Página 72 de 97



SMED Reducción de los tiempos de preparación y ajuste

Operaciones internas vs externas  Internas o Puede ser hecha cuando la máquina está apagada o Ejemplo: las mangueras solo pueden ser cambiadas cuando la máquina este parada  Externas o Pueden ser hechas cuando la máquina está trabajando o Ejemplo: el material y refacciones pueden ser preparados mientras la máquina está trabajando Pasos para reducir los tiempos de preparación  Estudiar el proceso o Estudio de tiempos y movimientos, videotape, entrevistas  Identificar actividades internas y externas o Listar cada actividad, clasificarlas en internas y externas  Convertir actividades internas a externas o Pensar fuera de la caja  Alinear las actividades de preparación y ajuste o Eliminar / combinar actividades o Repetir el proceso

Página 73 de 97



V. Seis Sigma - Fase de Mejora 



Propósito: o Desarrollar, probar e implementar soluciones que atiendan a las causas raíz Salidas o Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raíz identificadas o Comparaciones de la situación antes y después para identificar la dimensión de la mejora, comparar los resultados planeados (meta) contra lo alcanzado

FASE DE MEJORA Causas raíz Diseño de experimentos Ideas

Optimización

Efecto de X's en las Y = CTQs

Técnicas de creatividad Tormenta de ideas Metodología

Generación de soluciones

Evaluación de soluciones (Fact., ventajas, desventajas)

No

¿Solución factible? Si

Implementación de soluciones y verificación de su efectivdad

Soluciones verificadas

Diseño de Experimentos 

El cambiar un factor a un tiempo presenta las desventajas siguientes: o Se requieren demasiados experimentos para el estudio o No se puede encontrar la combinación óptima de variables o No se puede determinar la interacción o Se puede llegar a conclusiones erróneas o Se puede perder tiempo en analizar las variables equivocadas

Página 74 de 97

TRIZ



¿Qué es un diseño de experimentos? Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta). ( respuesta).

Entradas

Sal idas (Y)

Proceso

Diseño de experimentos Factores conocidos no controlados w1 w2 w3 w4

E N T R A D A S

...

ws

y1

x1 x2 . . . xa Factores de control con niveles (x’s)

y2 . . . ym

PROCESO

z1 z2 z3 z4 . . . zn Factores desconocidos

Variables de respuesta (y’s) (CTQ’s)

S A L I D A S

147

Pasos del DOE: Establecer objetivos  Seleccionar variables del proceso  Seleccionar un diseño experimental  Ejecutar el diseño  Verificar que los datos sean consistentes con los supuestos experimentales  Analizar e interpretar los resultados  Usar / presentar los resultados 

Diseño factorial 2K 

Los diseños factoriales completos: o Prueba todas las combinaciones de condiciones de los factores o Son fáciles de seguir por su patrón repetitivo

Página 75 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Producen información de los efectos factoriales de 4 o más veces la que produce un factor a la vez o Pueden identificar y ayudar a comprender las interacciones entre factores o Son fáciles de analizar o Pueden cuantificar las relaciones entre las X´s y las Y´s producen una ecuación



 

Factorial completo incluye todas las combinaciones posibles, para 3 factores con 2 niveles, hay 2x2x2 = 8 combinaciones. 2 x 2 x 2 es escrito 2 3. El 3 indica el número de 2s multiplicados juntos. Para 3 factores hay 2 3 = 8 posibles combinaciones de factores Las interacciones son importantes el efecto del factor A depende del factor B y C

DOE Gráficas de efectos principales princi pales La gráfica de efectos principales es una forma eficiente de ver los cambios en el promedio de La respuesta (Y) con cada factor Main Effects Plot (data means) for Res

- 1

1

1 -

1

90 88 s e R

86 84 82 A

Efecto significativo

B

Efecto NO si significativo

Página 76 de 97



DOE gráficas de interacciones Interaction Plot (data means) for Res

A -1 1 90 n a e M 85

80

-1

1

B

Interacción significativa

Nota: No es significativo Cuando las líneas son Casi paralelas

El factor A y el B indican interacción significativa, dadas las diferentes pendientes de las líneas rectas que unen sus niveles.

Tipos comunes de Diseño de experimentos 

Diseño fraccional de de dos niveles de filtraje o









Diseños factoriales completos o fraccionales 2K de alta resolución : equipo a entender cómo actúan los factores o Usado para ayudar a un equipo principales juntos para influir en la respuesta Diseño robusto o Diseños de Taguchi o Usado para estudiar el efecto de los factores no solo en el promedio sino en la variación de la respuesta Y Metodología de superficie de respuesta o Usado para determinar los ajustes óptimos para factores principales Operación Evolutiva (EVOP) o



Se usa para identificar las pocas X’s desde muchos factores potenciales

Se usa para experimentar en un proceso mientras “esta en línea”. Si los

cambios en los niveles de factores se hacen dentro de los límites de especificación, siempre se cumple con los requerimientos de los clientes clientes Diseño de experimentos de Mezclas o Se usa para optimizar los porcentaje de ingredientes en una mezcla química

Diseños de experimentos de Taguchi Objetivo: obtener la mayor cantidad de información con un mínimo de corridas de experimentación industrial, cambiando los niveles de varios factores a la vez . 

Dar prioridad a los factores principales, ya que las interacciones son difíciles de manejar y por eso deben de considerarse como factores de ruido.

Página 77 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Las interacciones a probar deben de ser conocidas ó altamente probables. Si las  interacciones altamente significativas no son incluidas, se generará una confusión Se deben de analizar los datos mediante la razón señal a ruido, detectando con ello las  combinaciones de los factores de control que generan un proceso robusto.

PRACTICA 17. Diseño de experimentos de Taguchi El experimento se diseñó utilizando Arreglos Ortogonales. Los factores seleccionados con sus niveles son: Niveles Factores

N1

N2

Porcentaje de exceso de O2

0.8

1.2

Compuertas auxiliares N1

20

40


20

40


20

40


20

40

Inclinación de quemadores

-30

0

Temperatura Vapor SC. a Turbina

537

542

Figura 3.4.2 Tabla de factores de experimentación con sus niveles El Arreglo Ortogonal seleccionado fue el L82^7 La asignación de los factores al arreglo y el orden (aleatorio) de experimentación es el siguiente:

1 1 1 1 1 1 1 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 2 2 1 1 2 2 1 2 Figura3.3.1.4 Figura 3.3.1.4..2 Tabla del arreglo ortogonal

1 2 1 2 2 1 2 1

Sustituyendo niveles reales no codificados, el arreglo queda como:

Página 78 de 97

1 2 2 1 1 2 2 1

1 2 2 1 2 1 1 2

SEIS SIGMA – CHAMPIONS # Exp 1 2 3 4 5 6 7 8

% O2 1 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2

C.A. N1 2 20 20 40 40 20 20 40 40

C.A. N2 3 20 20 40 40 40 40 20 20

C.A. N3 4 20 40 20 40 20 40 20 40

Dr. Primitivo. Reyes C.A. N4 5 20 40 20 40 40 20 40 20

Inclinación Quemadores 6 -30 0 0 -30 -30 0 0 -30

Temperatura Vapor 7 537 542 542 537 542 537 537 542

Orden de Experimentación 2 5 6 8 1 4 3 7

Figura 3.4.3 Arreglo ortogonal ortogonal con orden de experimentación

Paso 1.Para darlo de alta en Minitab, se copia la tabla de los factores únicamente, o sea: % O2 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2

C.A. N1 C.A. N2 C.A. N3 C.A. N4 20 20 20 20 20 20 40 40 40 40 20 20 40 40 40 40 20 40 20 40 20 40 40 20 40 20 20 40 40 20 40 20

Inclinación Temperatura Quemadores Vapor -30 537 0 542 0 542 -30 537 -30 542 0 537 0 537 -30 542

Paso 2.Se ejecuta la siguiente instrucción en Minitab:

Página 79 de 97

SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Paso 3.Posteriormente se corren los 8 experimentos en el orden aleatorio 2, 5, 6, 8, 1, 4, 3 y 7 para minimizar el error experimental y se obtienen los resultados. Esta columna de resultados se introduce a Minitab como sigue: FACTORES PARA EXPERIMENTACION Inclinación

Temperatura

Quemadores

Vapor

20

-30

537

1

1

1

% O2

C.A. N1

C.A. N2

C.A. N3

C.A. N4

0.8

20

20

20

1

1

1

1

0.8

20

20

40

40

0

542

1

1

1

2

2

2

2

0.8

40

40

20

20

0

542

1

2

2

1

1

2

2

0.8

40

40

40

40

-30

537

1

2

2

2

2

1

1

1.2

20

40

20

40

-30

542

2

1

2

1

2

1

2

1.2

20

40

40

20

0

537

2

1

2

2

1

2

1

Resultados

Resultados 2668.02

2600.72

2668.02 2600.72 2612.76

2612.76

2640.88

2627.36

2640.88 2627.36 2583.98 2591.12

1.2

40

20

20

40

0

537

2

2

1

1

2

2

2

1.2

40

20

40

20

-30

542

2

2

1

2

1

1

1

Media Global

2583.98

2591.12

2628.82 2619.21

Paso 4.Ahora se analiza el diseño con:

Seleccionar la respuesta “Resultados”

Página 80 de 97

2628.82



En Analysisseleccionar Analysisseleccionar en Fit linear modelforSignaltonoise ratios y means En Optionsseleccionar Optionsseleccionar SmallerisBetter ya que se busca minimizar la l a respuesta

Paso 5.Las gráficas obtenidas de Relación Señal a Ruido son las siguientes: Main Effects Plot for SN ratios

Data Means %O2

C .A . N 1

C .A . N 2

-68.30 -68.35 -68.40

s o i t a r -68.30 N S f -68.35 o n -68.40 a e M

0.8

1.2

20

C .A . N 3

40 C .A . N 4

20 40 Temperatura Temperatura V apor

20

40

20 40 I nclinación Q uemadores

-30

0

-68.30 -68.35 -68.40 537

542

Signal-to-noise: Smaller is better

En esta se seleccionan los niveles que proporcionen la mayor S/N (%O2 = 1.2 y Inclinación quemador = 0). Y para las medias coinciden los mismos niveles que para S/N:

Página 81 de 97



Main Effects Plot for Means

Data Means %O2

C .A . N 1

C .A . N 2

2640 2620 2600

s n a 2640 e M f o 2620 n a e 2600 M

0.8

1.2

20

C .A . N 3

40

20 40 I nclinación Q uemadores

40

-30

C .A . N 4

20 40 Temperatura Temperatura V apor

20

0

2640 2620 2600 537

542

Paso 6.En resumen se pueden sugerir los niveles siguientes para los factores, con objeto de minimizar el consumo de combustible: Los niveles de operación recomendados se muestran en la siguiente tabla: Factor

Condición

Inclinación de quemadores Porcentaje de exceso de O2 Compuertas auxiliares N2 Compuertas auxiliares N3 Compuertas auxiliares N1 Compuertas auxiliares N4 Temperatura de vapor

0 1.2 40 40 40 40 542

Figura 3.4.2.3 Tabla de los parámetros recomendados

Paso8.Con los coeficientes de predicción anteriores se establece la predicción de la respuesta esperada:

Ecuación de predicción EstimatedModelCoefficientsforMeans Term Coef Constant 2619.21 % O2 0.8 11.39 C.A. N1 20 0.81 C.A. N2 20 2.96 C.A. N3 20 5.61 C.A. N4 20 4.19 Inclinac -30 22.06 Temperat 537 1.79

 opt  y  ( A2  y )  ( B2  y )  (C 2  y )  ( D2  y )  ( E 2  y )  ( F 2  y )  (G2 

m opt opt =

y)

2619.21 + (2607.82 - 2619.21) + (2618.4 (2618.4 - 2619.21) + (2616.25(2616.252619.21) + (2613.6 -2619.21) + (2615 - 2619.21) + (2597.15 - 2619.21) + (2617.42 - 2619.21) m opt opt = 2570.4

Página 82 de 97



Paso 8.Usar lo siguiente para la Predicción de resultados:

Página 83 de 97



Se seleccionan UNCODED values todos en nivel alto al to (2)

La predicción obtenida es la siguiente: Predicted values S/N Ratio -68.2022

Mean

2570.40

Factor levels for predictions C.A. % O2 1.2

C.A. N1 40

C.A. N2 40

C.A. N3 40

Inclinación Temperatura N4 Quemadores Vapor 40 0 542

Página 84 de 97



Técnicas de creatividad

SCAMPER 

        

Sustituir, Combinar, Adaptar, Modificar o ampliar, Poner en otros usos, Eliminar, Revertir o re arreglar Involucrar al cliente en el desarrollo del producto ¿qué procedimiento podemos sustituir por el actual? ¿cómo podemos combinar la entrada del cliente? ¿Qué podemos adaptar o copiar de alguien más? ¿Cómo podemos modificar nuestro proceso actual? ¿Qué podemos ampliar en nuestro proceso actual? ¿Cómo puede apoyarnos el cliente en otras áreas? ár eas? ¿Qué podemos eliminar en la forma de inv. Del cliente? ¿qué arreglos podemos hacer al método actual?

Lista de atributos Dividir el problema en partes. Por ejemplo para una linterna Componente

Atributo

Ideas

Cuerpo

Plástico

Metal

Inte Interr rru uptor ptor

Encend Encendid ido/ o/A Apaga pagado do

Encendido/Apagado /luminosidad /luminosidad media

Batería

Corriente

Recargable

Bombillo

de Vi Vidrio

Plástico

Peso

Pesado

Liviano

Análisis morfológico Conexiones morfológicas forzadas

Ejemplo: Mejora de un bolígrafo Tapa

Fuente de Tinta

Tapa pegada

Sin repuesto

Sin Tapa Tapa

Permanente

En for forma de Madera cuentas

Retráctil

Repu Repue esto sto papel

En for forma de Papel escultura

Tapa desechable

Repuesto hecho hecho de tinta tinta

Cilindrico

Material

De múlltip mú tiples Metal caras Cuadrado

Vidrio

Página 85 de 97

de



Los Seis Sombreros de pensamiento 











Dejemos los argumentos y propuestas y miremos los datos y las cifras. Exponer una intuición sin tener que justificarla Juicio, lógica y cautela Mirar adelante hacia los resultados de una acción propuesta Interesante, estímulos y cambios Visión global y del control del proceso 162

TRIZ 

Hay tres grupos de métodos para resolver problemas técnicos: o Varios trucos (con referencia a una técnica) (c ambiando el o Métodos basados en utilizar los fenómenos y efectos físicos (cambiando estado de las propiedades físicas de las l as substancias) o Métodos complejos (combinación de trucos y física)

Las 40 herramientas de TRIZ

Página 86 de 97



Evaluación de soluciones

Implantación de soluciones ¡!!!! HACERLO ¡!!!!

Página 87 de 97



Verificando mejoras Una vez que las mejoras han sido identificadas e implementadas, los resultados deben ser verificados usando datos del estado anterior y del estado posterior de la implementación. Prueba de hipótesis  o Prueba t 2 muestras o Prueba de igualdad de varianzas o Prueba de 2 proporciones Cartas de control estratificadas  Sigma de Proceso  Capacidad del Proceso  Diagrama de Pareto 

Prueba de igualdad de varianzas

Prueba de igualdad de medias

PRACTICA 19. Cartas de control estratificadas 

Las cartas de control pueden ser estratificadas para mostrar procesos de control para diferentes “factores”

Página 88 de 97



Capacidad del proceso y sigmas del proceso 

La capacidad del Proceso y las Sigmas del Proceso pueden ser recalculados para verificar mejoras:

Página 89 de 97



Diagrama de Pareto Diagrama de Pareto del antes y después puede ser usada para mostrar las mejoras

Verificación de soluciones

Página 90 de 97



FASE DE ANÁLISIS

QFD

Diagrama de relaciones Diagrama de Ishikawa Diagrama

Diagrama Causa Efecto

de Árbol

Definición Y=X1 + X2+. .Xn CTQs = Ys Operatividad

Medición Y, X1, X2, Xn

Análisis del Modo y Efecto de Falla (AMEF)

Diagrama de Flujo del proceso

X's Causas potenciales

Pruebas de hipótesis

No

¿Causa Raíz?

Si

X's vitales Causas raíz validadas

VII. Seis Sigma – Fase de control Objetivos: Mantener las mejoras por medio de control co ntrol estadístico de procesos, PokaYokes y  trabajo estandarizado Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo  Salidas:   

Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de resultados, lecciones aprendidas y recomendaciones

Página 91 de 97



Prevención de la reincidencia

    

Controles automáticos Ayudas visuales / PokaYokes Procedimientos de operación estándar Especificaciones Capacitación

Página 92 de 97


CONTROLES AUTOMATICOS


AYUDAS VISUALES POKA - YOKE

PROCEDIMIENTOS DE OPE RACIÓN RACIÓN ESTANDAR

ES P ECIF ICACIONES

Las 5 S’s para ahorro de espacio y tiempo 

Serie, Seiton, Seiso, Seiketsu, Shitsuke



Seiri = Organización o Deshacerse de todo lo innecesario del área de trabajo, si hay duda usar









Tarjetas Rojas, ahorrar espacio espacio Seiton = Orden o Tener las cosas en el lugar o distribución correcta, visualmente bien distribuidas e identificadas, ahorrar tiempo de búsqueda. Contornos, pintura, colores. Seiso = Limpieza o Crear un espacio de trabajo impecable, ahorrar espacio y elevar la moral y la imagen Seiketsu = Estandarización o Establecer los procedimientos para man tener las tres S’s anteriores. Administración visual, usar colores claros, plantas, etc. o Shitsuke = Disciplina Crear disciplina (repetición de la práctica)

¿Qué es TPM? Mantenimiento productivo total 

(Total ProductiveMaintenance) ProductiveMaintenance)



Para la mejora continua de la operación del equipo y sistemas a través de las actividades de mantenimiento mantenimiento proactivo, incluye los mantenimientos: mantenimientos: Preventivo, correctivo planeado, autónomo, predictivo, preventivo del mantenimiento y orientado a la confiabilidad (RCM)



¿Es costoso?

Página 93 de 97



Controles visuales 





Siempre que sea posible tratar de encontrar los sistemas visuales para mantener los cambios Ejemplos de controles visuales o Pegar métricas (diagramas de Pareto, semáforos, cartas de tendencia) o Contenedores de colores con código o Poner niveles min / máx. o Ubicación de materiales/ herramientas (5S) Los sistemas visuales hacen mucho más fácil determinar el camino correcto para hacer o identificar algo cuando algo está fuera de lugar.

Tipos de controles visuales  Información de seguridad y salud  Identificación de personas, lugares y cosas  Procedimientos de trabajo y métodos  Estándares de Calidad, instrucciones, resultados  Visibilidad del status  Visibilidad del problema  Programación  Comunicación Ejemplos de controles visuales  Pizarrones  Luces de status  Señales de inventario  Contenedores Retornables  Pizarrones con métricas

Página 94 de 97



PokaYokes – Tipos 

Poka – Yokes son dispositivos o métodos que hacen un proceso “A prueba de error” o “A prueba de equivocaciones”, principalmente ante errores humanos



DISPOSITIVOS DE PREVENCIÓN&DISPOSITIVOS DE DETECCIÓN

Ejemplo de horno de microondas

DETECCIÓN

PREVENCIÓN

La computadora suena cuando se introduce un comando no válido pero no evita que el usuario ejecute un comando erróneo

La computadora no permite que se introduzcan ciertos caracteres en campos específicos (v. gr. gr. No números) núm eros)

Procedimientos, documentación y capacitación Procedimientos Los Procedimientos deben ser escrito para documentar los lo s procesos cambiados y  deben ser: o Fáciles de entender Considere a la audiencia  o Visuales 

o o

“Una imagen es mejor que mil palabras”

Completo (No se salte pasos) No asuma o de por obvio nada  Revisado por otros para su claridad ¿Es correcto reproducir el proceso ( repetido por varias personas)? 

Página 95 de 97



Capacitación La capacitación debe ser siempre parte del proyecto  Cuando vaya a capacitar considere:  o ¿los capacitados pueden demostrar el proceso correcto? o ¿No asuma que todo mundo entiende a la primera?

Monitoreo del proceso Cartas de control Se usan frecuentemente como herramienta de control  Muestran la historia de cómo se desempeña el proceso, es claro ver cuando algo  cambia Establece las expectativas de desempeño del proceso  Herramienta útil para la toma de decisiones de los operadores  o Ajustes en el proceso o Problemas de Material o Problemas de maquinaria Guía para OLPC  Ejemplos de aplicación de DMAIC en CFE Reducción del TIUT (DMAIC)  Reducción de tiempo de conexión (DMAIC)  Mejora de la seguridad operativa (DFSS)  Reducción del factor de potencia (DMAIC)  Reducción de errores de facturación (DMAIC)  Mejora de la compactación presas (DMAIC)  Reducción de tiempo de mantenimiento en turbinas de gas (DMAIC)  Reducción de inventarios en almacenes (DMAIC) 

Lecciones aprendidas 



Es uno de los últimos úl timos pasos en el análisis post mortem (también llamado lecciones aprendidas, evaluación post proyecto). Es una revisión formal y crítica documentada realizada por un comité de personal calificado, se incluyen todas las fases del desarrollo del proyecto

Página 96 de 97



VII. Diseño para Seis Sigma Metodologías Seis Sigma DMAIC para producción de productos y servicios  DMAIC transaccional para servicios  LEAN SIGMA para reducir tiempo de ciclo y variabilidad  DFSS (DMADV) – Diseño para Seis Sigma para innovaciones y nuevos productos Diseño para Seis Sigma - modelo DFSS (DMADV) Definir: metas del proyecto y necesidades del cliente  Medir: medir necesidades del cliente y especificaciones  Analizar: Determinar las alternativas de diseño del producto o servicio  Diseñar: Desarrollar el diseño detallado para cumplir c umplir con los requerimientos del  cliente Verificar: Validar y verificar el diseño 

Página 97 de 97

Seis Sigma Champions

Recommend Documents