SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
SEIS SIGMA - CHAMPIONS
Dr. Primitivo Reyes Aguilar
Página 1 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Página 10 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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)
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Ejemplos de selección de problemas
Página 28 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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 $400,000 ¿cuál es la tasa interna de retorno? = -400000 Año 1
100,000
Año 2
100,000
Año 3
100,000
Año 4
100,000
Año 5
100,000
Año 6
100,000
Página 30 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Justificación con base a costos de operación Para la CTVM, al disminuir el régimen térmico ó consumo de gas natural a niveles óptimos, se reduce el costo costo de generación, en pesos pesos por unidad de energía eléctrica eléctrica generada ($/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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Página 36 de 97
SEIS SIGMA – CHAMPIONS FLUJO DE AIRE-GAS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Página 40 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Di scr eto: Porcentaje o cue nta
Tiempo del cicl o de arr an anque
Conti nu nuo
Per di da de cl cl ientes
Di scr eto: Porcentaje o cue nta
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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 %StudyVar
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Corrimiento de 1.5 sigmas
Página 57 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
¿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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Compu ertas au xiliares N1
40
Compu ertas au xiliares N4
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Comprobación de causas reales:
Página 62 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
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
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
QFD
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Página 69 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Página 70 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
¿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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
Compuertas auxiliares N2
20
40
Compuertas auxiliares N3
20
40
Compuertas auxiliares N4
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Paso 8.Usar lo siguiente para la Predicción de resultados:
Página 83 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Evaluación de soluciones
Implantación de soluciones ¡!!!! HACERLO ¡!!!!
Página 87 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Diagrama de Pareto Diagrama de Pareto del antes y después puede ser usada para mostrar las mejoras
Verificación de soluciones
Página 90 de 97
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
Prevención de la reincidencia
Controles automáticos Ayudas visuales / PokaYokes Procedimientos de operación estándar Especificaciones Capacitación
Página 92 de 97
SEIS SIGMA – CHAMPIONS
CONTROLES AUTOMATICOS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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
SEIS SIGMA – CHAMPIONS
Dr. Primitivo. Reyes
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