5.- Quinta Semana - Seis Sigma

May 3, 2019 | Author: Winny Palomino Rojas | Category: Six Sigma, Measurement, Quality (Business), Statistics, Methodology
Share Embed Donate


Short Description

Download 5.- Quinta Semana - Seis Sigma...

Description

SEIS SIGMA

6

2

 AGENDA 1.

In tr tr od od uc uc ci ci ón ón al al S Se ei s Si Si gm gm a

2.

Pr oy oy ec ec to to s Se Sei s Si Si g m a

3.

Met od od ol ol og og ía ía Se Sei s Si gm gm a

4.

Fas e I: De Def in in irir y Med irir  

5.

Fas e II: A An n al i zar  

6.

Fase III: Impl Imple ementa mentarr mejo mejora rass

7.

Fas e IV: Co Co n t ro ro l ar  

1.

Intro ntroduc ducci ción ón al S Se eis Sigma igma 1.1 ¿Qué es Seis Sigma? 1.2 Calidad Seis Sigma 1.3 Historias de éxito de Seis Sigma 1.4 Principios de Seis Sigma 1.5 Seis Sigma e ISO 9001

33

44

1.1

¿Qué es Seis Sigma ?

¿Qué es Seis Sigma? Es un sist sistem emaa empr empres esar aria iall para para logr lograr ar y mant manten ener er el éxito éxito por m ed edi o de l a ori en ent ac ac ió ión al c lilient e, e, l a gesti ón ón p or or   pro proceso cesos, s, así así como como la util utiliz izaación ción de los los hech hechos os y de los los datos.

Como Métrica

Mide d e el dese desempe mpeño ño de un proc proces esoo en cuantoa cuantoa su nive nivell de prod produc ucto toss o servicio servicioss fuera fuera de especifi especificación cación

Como Filosofía

Mejoramie Mejoramiento nto continuo continuo de procesos procesos y producto productoss

Como Meta

Tener ener proce proceso soss de clase clase mund mundia ial,l, no prod produc ucir ir serv servic icio ioss o prod produc ucto toss defectu defectuoso ososs (3.4 pmo)

“Un método de gestión que permite a las empresas mejorar drásticamente sus resultados, median antte el diseñ eñoo y supervi vissión diaria de sus actividades, minimizan anddo el desp speerdicio y los recursos y, po porr ta tant nto, o, aumentando la sa sati tisf sfac acci ción ón de su suss cl clie ient ntes es””

6

Mikel Harry y Richard Schroeder “Six Sigma” 6

55

¿Qué es Seis Sigma? 

6



¿Qué es Seis Sigma?

Concep eptto es esttadí díst stiico que ca caliliffica un pro rocces esoo en tér érm minos de def efeectos. Un nivel de caliliddad Sei eiss Sigma sign gniifica pre ressen enci ciaa sólo de 3.4 defectos por millllón mi ón de op oport ortun unid idad ades es..

REDUCCIÓN DE LA VARIACIÓN REDUCIR DEFECTOS

REDUCIR COSTOS

INCREMENTAR BENEFICIO EMPRESARIAL

Estrateg Estrat egia ia de inn innova ovaci ción ón pa para ra me mejo jorar rar sign si gnif ific icat ativ ivam amen ente te la sa sati tisf sfac acci ción ón de los clientes y el valor agregado a los inve in vers rsio ioni nist stas as me medi dian ante te la reducción de la var ariiac aciión en todos los proceso soss de un neg egoc ocio io..

INCREMENTAR SATISFACCION DEL CLIENTE 7

INCREMENTAR INGRESOS

8

T.Q.M. T.Q .M. – Seis Sigm Sigmaa

Otras definiciones La Visión La Metodología

E. Deming “La calidad se puede definir como co mo re redu ducc cció iónn de la va vari riac ació ión” n”

La Filosofía

6

La Referencia

La Meta

P. Crosby “La norma de realización de la cal aliidad es CERO DEFEC ECTO TOSS, no nivel ni veles es ac acept eptab able less de ca calilida dad”. d”.

La Métrica La Estadística

Feigenbaum “Cali “C alida dadd es sa sati tisf sfac acci ción ón de dell cl clie ient nte” e” 9

10

1.2

Calidad Seis Sigma

T.Q.M. T.Q .M. – Sei Seiss Sigma Sigma Juran LI

Planeación de Control de la calidad la calidad (durante las operaciones)   d   a   d   i   l   a   c   o   n   a   l   e   d   s   o   t   s   o   C

23 min.

Distribución

LS

LI

LS

32 min.

23 min.

32 min.

Problemas Esporádicos Zona original de control de calidad

Problemas Crónicos

Lecciones aprendidas

Alta probabilidad error 

Problemas Nueva zona de Crónicos control de calidad Mejora de la calidad

Tiempo(minutos)

Alta probabilidad de error 

Baja probabilidad de error 

Baja probabilidad de error 

Ejemp Ejemplo lo:: El tiem tiempo po que que un cliente cliente esta esta disp dispue uesto sto espe espera rarr por por una una pizz pizzaa esta esta entre ntre 23y 32minuto 32minutoss

Tiempo 11

12 12

1.2

Calidad Seis Sigma

3.4 defectos por millón de oportunidades

305 537 defectos por millón de oportunidades

3 SIGMA

6 SIGMA

Malas Recetas médicas

54.000 / año

3 / año

Bebes que se caen

40.500 / año

3 / año

Tomar agua contaminada

2 h. / mes

27 min. / semana 6” / 100 años

Corte de señal de TV Mala Oper. médica

697 700 defectos por millón de oportunidades

1” / 16 años

Devolución Sacos de Azúcar 

1.350 / semana

1 / 20 años

44.000 / año

5 / año

13 13

¿Qué significa 99% de Calidad? PARA PA RADI DIGM GMA A DE DELL 

Corte de servicio eléctrico, por cada 7 horas cada mes.



14 14

¿Qué significa 99% de Calidad?

%

1000 galones

Peligro de agua potable contaminada al menos 15 minutos cada día.

Número de etapas

990.0 galones

CALIDAD FINAL = 0.99 n

1% 980.1 galones

Calidad transferida al cliente

1% 1%

99% de calidad ha dejado de ser suficiente, satisfactorio satisfactorio y mucho menos aceptable por el cliente

29.7 galones desperdiciados 15

970.3 galones

97.03% 16

Niveles de Calidad 6s

Calidad Seis Sigma : 99.9997% 1000 galones

Nivel Sigma

Número de etapas 999.997 galones

0.0003%

CALIDAD FINAL = 0.999997

Calidad transferida al cliente

999.994 galones

0.0003% 0.0003% 0.009 galones desperdiciados

999.991 galones

n

Alcanzar la Calidad Seis Sigma es una para el 99.9991% necesidad negocio

Nivel de Calidad

1

690 000

30.9%

2 3

308 537 66 807

69.2% 93.3%

4 5 6

6 210 233 SE APROXIMA 3.4 AL IDEAL CERO

99.4% 99.98% 99.9997%

DEFECTOS

17

18

1.3

Esfuerzo Seis Sigma

Defectos por millón de oportunidades

Histor ias de éxito d e Seis Sigma

Cuando las fuerzas de Mercado y la Competencia Reduce Precios Hacer  Nada

Utilidad

Pérdida Costo total

Costo mala calidad Costo hacer las Costo cosas hacer bien las cosas bien Estado inicial

Costo mala calidad

Esfuerzo Seis Sigma Utilidad COPQ

  s   o   s   s   o   e   s   r   e   g   r   n   g    I   n    I

  s   o   s   e   r   g   n    I

Costo hacer las cosas bien

Costo hacer las cosas bien

Opción 1 Opción 2

19 19

20 20

Historia

Historia

Ing. Mikel Harry 1985 Propone estudiar la variación, siguiendo los principios del Dr. Deming. CEO Bob Galvin Enero 1987 “Lograr 3.4 defectos por millón para el año 1992”. Se inicia en la división de Comunicaciones, dirigida por George Fisher. 1992 Se alcanza un promedio de 150 defectos por millón.

Jack Welch General Electric

1995 Se da inicio al Seis Sigma. 1999 Beneficios acumulados de más de 2 millardos de dólares en beneficios

21

1.4

22

1.4

Principios de Seis Sigma

Primer principio

Autentica orientación al cliente, satisfacer al clientees la prioridad número uno.

Segundo principio

Todo debe y puede ser mejorado alineado con los objetivos de la organizació n.

Principios de Seis Sigma

Tercero principio

Las decisiones deben basarse en hechos, datos estadísticos, pues lo único constante en los procesos es la variación. Se debe evitar el “...Yo creoque...” o “...Yo pienso que...”

Objetivos

23 23

24 24

1.4

1.4

Principios de Seis Sigma Al mejorar se debe mirar el proc eso completo (Pensamiento Sistemático), pues optimizar un subproceso nos puede llevar a suboptimizar el proceso global.

Cuarto principio

C L I E N T E

Procesos de l a Organización

Proceso A

Proceso B

Proceso C

Principios de Seis Sigma

Quinto principio

C L I E N T E

Las causas de los problemas deben ser  eliminadas en su raíz para prevenir que vuelvan a aparecer y así poder hacerbien las cosas desde la prim era vez.

Causa 1 Síntoma 1

Causa 2 Síntoma 2

PROBLEMA Causa n

Sub proceso a

Sub proceso b

Síntoma n

Sub proceso c

25 25

1.4

1.4

Principios de Seis Sigma

Sexto principio

26 26

C ad a v ez qu e un p roc es o es m ej or ad o debe garantizarse que los resultados se mantengan en el tiempo.

Principios de Seis Sigma

Sétimo principio

El recurso humano es fundamental de la empresa.

el

capital

Todos los miembros de la empresa deben ser líderes, maestros y modelos en la práctica de los prin cipios. 27 27

28 28

1.5

Seis Sig ma e ISO 9001

Seis Sigma como Sistema de Gestión de Calidad

Equivalentes

Sistema de Gestión de Calidad según la Norma ISO 9001

2.

CLICO DE DEMING

2.1 Requisitos para un Proyecto Seis Sigma 2.2 Criterios de selección 2.3 Equipo Seis Sigma 2.4 Selección del Equipo

Mejora continua

Mejora continua

Seis Sigma como proyecto de mejora

Proyectos Seis Sigma

Sistema de Gestión de Calidad según la Norma ISO 9001

Complemento

29 29

2.1

Requisitos para un pro yecto SS



Alineado con la estrategia d el n eg oc io . Ti en e u na metaclara.



Existen datos históricos, o puedenser obtenidos.



Mid e el rendimiento del p roc eso, m ed ici on es financieras para el n eg oc io e im pac to en el cliente.



P ued e s er h ech a p or u n equipode Trabajo.



Cumple con las expectativas de tiempo establecidas por la gerencia.

30 30

2.2

Criterios de selección

ESFUERZO FOCALIZADO

Beneficia Negocio

Apoyo de Administración

Cuantificable

Alineado con la Visión del Negocio

31 31

32 32

2.3

2.3

Equipo Seis Sigma

Equipo Seis Sigma

CHAMPIONS: Conformado generalmente por la alta gerencia. Son quienes seleccionan los proyectos y supervisa su funcionamiento. Participan enla elección de BBy GB.

MASTER BLACK BELT: S on l os r espons abl es del entr enam ient o de BB . S on especialistas en la Metodología y certifican BB. Lid eran proyectos de mucha complejidad organizacional. Remueven las barreras que impiden avances de proyectos.

Controler  Onwer 

33 33

2.3

34 34

2.3

Equipo Seis Sigma

Equipo Seis Sigma

BLACK BELT: Son los especialis tas en la apli cación metodología. Lideran proyectos Seis Sigma. Su rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y esfuerzos de l os m iembros d el equi po. Dan s op ort e a l os GB . La interacción con el dueño del proceso continua después de terminado el proyecto.

OWNER: Son los líderes de las áreas en las que se van a desarrollar  proyectos Seis Sigma. Es el socio estratégico del BB, para alcanzar la meta. Es el r esp onsabl e d e manten er y su per ar l os est ánd ar es alcanzados después de finalizados los proyectos.

GREEN BELT: S on m iem br os d el eq ui po d e p roy ec to q ue c on oc en l as herramientas básicas de la metodología. Son interdisciplinarios y multifuncionales. Están preparados para participar o liderar proyectos Seis Sigma.

CONTROLLER: Es el responsable de dar el visto bueno cada vez que haya algún tipo de evaluación financiera y cuantifica los beneficios obtenidos.

35 35

36 36

2.3

2.4

Equipo Seis Sigma

Selecció n de equip o Seis Sigma

TEST: Inventario de Utilización de Energías Se utiliza para indicar que atributos emplea una persona en su relación con los demás bajo dos tipos de condiciones: Cuando todomarchabien y cuandose enfrentacon un conflicto.

37 37

38 38

3.1

3.

DMAMC (o DMAIC)

Metodología Seis Sigma

1.- Definir el Problema, definir objetivos

3.1 DMAMC 3.2 DMAMC y el PHVA 3.3 Diagrama Metodológico

2.-Definir y Describir el proceso 3.-Evaluar Sistemade medición 4.- Evaluar Capacidad del proceso 5.-Determinar las causas del problema 6.- Determinar variables significativas 7.- Optimizar y robustecer  8.- Validar Mejora 9- Controlar y dar seguim iento al proceso 10.- Mejorar continuamente 39 39

40 40

3.2

Ruta Metodológ ica C I  A Análisis del proceso

M

Planear 

Control y aseguramiento del desempeño alcanzado

1.- Definir el Problema, definir objetivos 2.- Definir y Describ ir el proceso 3.- Evaluar Sistemade medición

Implementación de mejoras o transformación del proceso

4.- Evaluar Capacidad del proceso

Hacer 

Medición del desempeño del proceso

D

DMAMC y el PHVA

5.- Determinar las causas del problema 6.- Determinar variables significativas

Definición del proyecto

7.- Optimizar y robustecer 

Verificar  Managemt

Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor

Dueño de

Team

y la guía del Master Black Belt / Black Belt

Proceso

 Act uar 

8.- Validar Mejora 9- Controlar y dar seguim iento al proceso

10.- Mejorar continuamente

41 41

3.3

42 42

Diagrama Metodológico Definir el Problema, definir objetivos

Determinar las causas del problema

Definir y Describir el proceso

Determinar variables significativas

¿Medici ón Capaz y estable SI ? ¿Proce so Estable ?

NO

Mejorar 

4.

Optimizar y robustecer 

4.1 Definir el problema 4.2 Definir y describir el proceso 4.3 Evaluar el sistema de medición 4.4 Evaluar Capacidad del proceso

Validar Mejora NO

Fase I: Definir y Medir 

Eliminar causas especiales Controlar proceso

SI

¿Proce so Capaz?

NO

Mejorar continuamente Si

43 43

44 44

4.1

4.1

Definir Problema Ideas

Información Incompleta

Definir Problema CTQ (Cri ti cal to Qu ali ty). S on l os atribut os a factores críticos para la calidad de un producto o servicio que influyen en la decisión de compra por  parte del cliente.

Creencias

CTQ

Situación problemática inespecífica

Identificación de los clientes, CTQ, VOC Diagrama de Pareto Histogramas, etc.

VOC

PROBLEMA DEFINIDO Objetivos definidos Alcance del proyecto definido

VOC (Voice of Client). Es la voz del clie nte que se obtiene por dos medios: Sistemas proactivos: Quejas del consumidor, llamadas telefónicas, devoluciones de productos, etc. Sistemas Reactivos: Observación del cliente, encuestas, entrevistas, etc.

45 45

4.1

Definir Problema

46 46

Pensamiento Estadístico

IDENTIFICAR CLIENTES Y CTQ 1. Definir Clientes Internos y Externos 2. D efi ni r el t ipo d e c li ent e y el c an al de c om uni cac ión p ar a obtener la VOC 3. Identificar preguntas claves para cada uno de ello s 4. Elaborar un plan de contacto con el cliente (quien, como, cuando, donde, etc) 5. Identificar los CTQ

Todo trabajo es un proceso Los procesos varían

Cambio del proceso Analizar variación del proceso

Aprender del proceso

Control del proceso

Pasos para implantar el pensamiento estadístico 47 47

Reducir la variación

Mejora de la calidad Satisfacción de: • Clientes • Empleados • Accionistas • Sociedad

48

CTQ

CTQ Proceso

Proceso

Cliente

CTQ

CTQ

Critical To Quality (Característica “crítica para la Calidad”)

Cliente

Característica de los resultados del proceso (bienes o servicios) que satisfacen un requerimiento crítico del cliente o un requerimiento del proceso del cliente

Deben representar lo que realmente es importante para el cliente

Tiempo de atención Confiabilidad  Área de trabajo segura  Productos sin daños  Pagos a tiempo  Nº de defectos  

49

Defecto 

Cualquier caso o evento en que el producto o proceso fracasan en la satisfacciónde la necesidaddel cliente.



El defecto es el incumplimiento de un requerimiento específico.



Una característica medible del proceso o su salida, que no cumple con los límites aceptables por el cliente.



La alta incidencia de defectos en un proceso, puede incrementar el número de unidades defectuosas, creando desperdicios y reprocesos.

50

Defectuoso

51



Una unidad que contiene defectos.



Una unidad ES o NO ES defectuosa, no interesa cuantos defectos tenga. 52

Oportunidades de Defecto 

Oportunidades de Defecto

Toda situación que puede ocasionar que un producto o servicio no cumpla los requerimientos del cliente o su performance estándar, es decir que genere un defecto. OPER. 1

OPER. 2



Primero: Desarrollar una lista preliminar de tipos de defectos.

Llamadas locales: 7 dígitos por número

Llamadas internacionales: 10 dígitos por número

Determinación:

Más oportunidades de producir un defecto

Segundo: Determinar cuáles son los defectos reales, críticos para el cliente. Tercero: Comprobar el número de oportunidades propuesto frente a otros estándares.

Procesos más complejos, tendrán más oportunidades de defectos 53

Oportunidades de Defecto

54

Métricas

Consideraciones: Centrarse en áreas problemáticas “estándar”.  Agrupar todos los defectos relativos a una oportunidad.  Asegurarse que el defecto es importante para el cliente.  Coherencia. Establecer normas para definir oportunidades.  Cambiar el número de oportunidades sólo cuando sea necesario.



% de Unidades defectuosas Nº de Unidades defectuosas Nº de Unidades



Defectos por Unidad (dpu) Nº de defectos Nº de Unidades



55

56

Defectos por Millón de Oportunidades (dpmo)

Métricas 

Defectos por Oportunidad (dpo) Nº de defectos Nº de Unidades * Nº de oportunidades



dpu Nº de oportunidades 

El dpmo es una métrica para cuantificar el número total de defectos producidos en un millón entre el total de oportunidades de defectos. dpmo = dpm = dpo * 1´000,000 OD

OD = oportunidades de defectos  El propósito del dpmo es poder comparar el rendimiento de un proceso , servicio o producto complejo con uno más simple.

Defectos por Millón (dpm) dpu * 1´000,000 57

Metodologías Seis Sigma

58

DMAMC – Panorama Total

DMAMC

Control

Define y/o valida la oportunidad de mejora en el negocio ¿El proceso existe actualmente?

DfSS - DMADV NO

Mide los requerimientos del mercado

KPIV1

Explora alternativas de diseño

KPIV2

SI

Mide el desempeño actual

KPIV3

Analiza la causa raiz del desempeño actual ¿El proceso es capaz cumplir las especificaciones del cliente?

Desarrolla diseño detallado

Monitoreo

Proceso a ser mejorado

$ Crítico

 K   P    O  V 

Costos de Calidad

KPIV4 NO

Implementa nuevo diseño

KPIV5

SI

Mejora el desempeño

 L    I    E  

KPOV: Key Process Output Variable KPIV: Key Process Input Variable

Controla el desempeño 59

 L    S   E  

60

DMAMC

Etapa 1: Definición

DMAMC

Etapa 1: Definición Objetivo Identificar las oportunidades de mejora.

LA CLAVE PARA QUE LA MEJORA TENGA ÉXITO

Mapa de procesos

•Reclamaciones •Costes de mala calidad •Plan estratégico •Problemas PROYECTOS SEIS SIGMA

61

DMAMC

Etapa 1: Definición   s   e  s   r  a   o  d   d  a   e  r   e   v  t   o  n   r  E   P

PROCESO

  s  s   e   t  a   d   n  i   l   e  a   i   l   C  S

CTQ’s: Características críticas para la calidad 

MATRIZ DE CARACTERIZACION  Ejemplo

Definir características criticas para la calidad Misión del proyecto Proceso afectado

62

Las CTQ's son los elementos básicos que se usarán en la dirección de la medición del proceso mejora y control. 63

4.1

4.1

Definir Problema

Definir Problema

100   e    t   n   e    i    l   c    l   e    d   n    ó    i   c   c   a    f   s    i    t

(8, 83%)

Muy Importante y poca satisfacción

Diagrama de Pareto

75

  a   s   n    I

0

Importancia para el cliente Valoración (Escala: 1-10)

CTQ

10

Factor de queja

Principio de Pareto Quejas

% relativo

Tiempo de entrega inaceptable

764

83

56

6.1

Tiempo de entrega

8

Sabor de la Pizza

7

Tipo de masa incorrecta

Canti dad de Ingredientes

7

Canti dad de i ngredi entes reducidos

50

5.4

Ingredientes correctos

10

Ingredientes incorrectos

30

3.3

Cortesía del repartidor

5

Descortesía del repartidor

20

2.2

Gr afic a d e b arr as qu e r epr es enta en forma ordenada el grado de importancia de las causas de un determinado problema, considerando la frecuencia con la queocurren las causas.

O regla 80-20. Es el comportamiento que sigue la grafica de PARETO: “El 80% de los problemas se encuentra en el 20% de las causas”.

65 65

4.1

66 66

4.1

Definir Problema

Definir Problema

Ejemplo Fastpizza’s

Ejemplo Fastpizza’s 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Mañana

67 67

Fines de Semana

Feriados

Noche

68 68

4.1

4.2

Definir Problema

Definir y describir el proceso

Ejemplo Fastpizza’s CTQs FMEA, Mapa de Procesos

X (KPIV)

Hoja de Vida del Proyecto

Cp, Cpk Prueba de Hipótesis

X (KPIV) significativas

ALCANCE

OBJETIVO

AHORRO

Quejas de los clientes por tiempo de entrega inaceptable.

Regresión DOE

X (KPIV) que afectan al proceso

Disminuir en 50% las quejas por tiempo de entrega en el Turno de la mañana. -Disminución de las llamadas en el Call Center  -Disminución de las perdidas de clientes

Correlación

SPC

X (KPIV) que afectan al proceso

5 Ss

Controladas

S/.165,000

Simulación

Poka Yoke

Y (KPOV)

US$51,080

X Y

Key Process Input Varia bles (KPIV)

variable clave del proceso

Key Process Ouptput Variables (KPOV)

Problema

69 69

4.2

70 70

4.2

Definir y describir el proceso

Definir y describir el proceso

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

Mapa de procesos de la organización

INICIO

N1

C1

E1 E2

X3

C2

Mapa de un conjunto de procesos

S1 S2 FIN E3 E4

Mapa del Proceso de Análisis para el proyecto

C3 N2

E5

C, N y E son Entradas al proceso 71 71

S son Salidas

72 72

4.2

4.2

Definir y describir el proceso

Definir y describir el proceso Variables de Ruido o no controlables (N)

Formato d e Matriz SIPOC Proceso :

N1

Objetivo :

N2

C1

Proveedores

Entradas

Actividades

¿Quiénes son los queproveeran los recursos necesarios?

Recursos necesarios para el proceso

Salidas

Clientes ¿Quiénestápidiendola salidadel

Entregables del proceso

proceso?

Brevedescripción del paso del proceso Requisitos

Variables Controlables

S1 , S2

C2

Input

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

Requisitos

Process

Output

Client

Parámetros de Control / Medición / Seguimiento

Responsables

Documentos

ENTRADA CONTROLABLE

Aquell a que puede ser controlada

ENTRADA RUID OSA

Es impredecible s, alte ra el proceso.No es controlable por el momento.

E

ENTRADA EXPERIMENTAL

Aquella que puede ser estu dia da bajo diversos parámetros para ver su comporta miento enel proceso.

S

SALIDA

Según donde impactan sesuelenclasificar en: CTQ: Criti caspara lacalidad CTD: Critic aspara laEntrega CTC: Critic as para elCosto.

Se puede controlar fácilmente

Experimental (E)

Variable sobre la que se tiene capacidad de acción pero no se conoce su valor optimo.

Ruido (N)

Variable que se sabe afecta a las KPOV pero que por ahora no se puede controlar 

“X” (KPIV) “ Y” (KPOV) 74 74

Definir y describir el proceso INICIO

NA

Acción VA

Controlable (C)

E4

N

 Accion es a segu ir  Características

E3

C

4.2

Definir y describir el proceso

Tipo

E2

Variables experimentales (E)

73 73

4.2

Características de calidad (Y)

PROCESO

E1

Suployer

Entiende las “X” (KPIV) y controlarás las “Y” (KPOV)

N3

VA

VA

Estandarizar el control

VA

VA

Verificar si impactan sobre el indicador (fase 2).

FIN

Establecer Nivel optimo (fase 3)

NA

VA

------------------------

75 75

VA

Operación con Valor agregado

Valor agregado son las características dadas a aquella operaciones indispensables por las cuales el cliente esta dispuesto a pagar 

NA

Operación de no Valor agregado

No generan valor (pero si generan costos) 76 76

4.2

4.2

Definir y describir el proceso Eliminar l a fabrica oculta

Definir y describir el proceso INICIO

INFO INFO

FIN

INFO

INFO

Etapas donde se registran datos del proceso

77 77

4.2

78 78

4.2

Definir y describir el proceso

Definir y describir el proceso

Formato de M atriz AMFE Función del proceso (paso)

Métodos de falla potenciales (defectos de proceso)

Efectos de falla potenciales (KPOVs)

S E V

Causas potenciales de falla (KPIVs)

Matriz AMFE O C C

Controles de proceso actuales

D E T

NPR = SEV * OCC * DET

N P R

1

Donde:

2

Se hace una Simple 3 descripción Del proceso

Severidad

Ocurrencia

Detección

NPR :

4 5 6 7

Forma como el proceso podría no cumplir con las especificaciones

Efecto que puede tener  el defecto en el cliente

Razón por la cual ocurre la falla

SEV :

Controles que detectan o previenen la falla si es que ocurre

OCC :

8 9 10

DET :

NPR = SEV * OCC * DET Nivel de prioridad de riesgo 79 79

Número de probabilidad de riesgo o de prioridad de riesgo. EI NPR es la multiplicación de la severi dad de la falla, la ocurrencia de esta y su posible detección. Este será mejor en tanto sea menor. Severidad. Es el impacto de mayor o menor intensidad en que la falla de un proceso puede repercutir en el cliente (interno o externo) y s u comportamiento respecto a nuestros servicios. Ocurrencia Frecuencia en la que puede ocurrir una falla. Detección Posibilidad de identificar la falla en algún momento durante el proceso.

80 80

DMAMC

DMAMC

Etapa 2: Medición

Etapa 2: Medición

Objetivo Medir el nivel de desempeño del proceso y oportunidad alcanzable. Alcance del proyecto LÍMITES: Dónde empieza/termina

Identificar los KPOV’s CTQ’s

Y’s

Qué actividades incluye/excluye

Función A

Misión del proyecto Proceso afectado

  s   e  s   r  a   o  d   d  a   e  r   e  t   v  n   o  E   r   P

Función C

Actividad 2

Actividad 3

“CAJA DE HERRAMIENTAS”

Actividad 5

Actividad 4 Actividad 6

  s  s   e  a   t  d   n  i   l   e   i   a   l   C  S

Variables del proceso Rendimiento del proceso Capacidad del proceso  Nivel s del proceso   

Las Y’s son las salidas del proceso que reflejan las características críticas para la calidad (CTQ’s ).  Los KPOV’s son las Y’s claves del proceso.  Los KPOV’s miden el desempeño del proceso a ser mejorado.

Actividad 8

FLUJO: Cómo funciona DOCUMENTACIÓN: Procedimientos / Instrucciones

Resultados de las Y’s



Actividad 7

CTQ’s: Características críticas para la calidad

4.3

Función B

Actividad 1

81

82

4.3

Evaluar Sistema de Medició n

Evaluar Sistema de Medici ón Precisión y Exactitud

“Un Sistema de medición es la colección de operaciones, procedimientos, instrumentos de medic ión, software y personal definido para asignar un numero a la característica que esta siendo medida” (MeasurementSystemsAnalysis1995)

Preciso, no exacto

Exacto, no preciso

Ni preciso, Ni exacto

Preciso y Exacto

La evaluación del sistemade medición consiste en determinar  l a c ap ac id ad y es tabi li dad d e l os s is tem as p or m edi o d e estudios de: • Estabilidad • Repetibilidad • Reproducibilidad • Linealidad • Exactitud 83 83

84 84

4.3

4.3

Evaluar Sistema de Medició n

Exactitud

Es la di ferencia entre el prom edi o de l as mediciones hechas por un operario y el valor  real obtenido conel master (patrón). “Una buena Exactitud se logra con un buen programa de calibración”

Linealidad

Estabilidad

S e d efi ne c om o l a di fer enc ia en l a e xac ti tud (sesgo) entre el master y el promedio observado sobre todo el rango de operación del instrumento

Evaluar Sistema de Medici ón

Repetibilidad

Reproducibilidad

Es la cantidad de variación en exactitud sobre cierto periodo. Sin evalu ar la estabilidad no es posible asegurar evaluaciones confiables sobre las demás propiedades estadísticas

Es la variació n en las mediciones hechas por  un m ism o op er ad or en u na m is ma pi ez a y con el mismo instrumento de medición. Se defi ne c om o l a v ari ac ió n al re ded or de l a media.

Variación entre las medias de las mediciones hechas por varios operarios con las mismas piezas y con el mismo instrumento de medición.

85 85

4.4

86 86

4.4

Evaluar Capacidad del pro ceso

Evaluar Capacidad del pro ceso  Anál isi s d e Normal idad Prueba de Normalidad Probability Plot for Grupos LSXY Estimates-Complete Data SmallestExtremeValue 99.9

90

99

50    t   n   e   c   r   e    P

CorrelationCoefficient Smallest Extreme Value 0.957 Normal 0.985 Logistic 0.975

Normal

99.9

90    t   n   e   c   r   e    P

10

50 10

1

1 0.1

-20

0

0.1

20

Grupos

0

10

20

30

Grupos

Logistic

Capacidad

Habilidad basada en rendimiento demostrado, de un proceso, en satisfacer los requerimientos del cliente.

99.9

Capacidad Medida

99

Capacidad del proc eso cuantif icada, de datos que son resultado de mediciones de trabajo realiz ado por el proceso. 87 87

Variación de los datos

   t   n   e   c   r   e    P

90 50 10 1 0.1 0

20

40

Grupos

Si los datos son normales, se podrá hacer el análisis de la Capacidad del Proceso. 88 88

4.4

4.4

Evaluar Capacidad del pro ceso

Evaluar Capacidad del pro ceso CENTRAMIENTO (Cpk)

P ar a an ali zar si un indic ador es cap az d e c um pli r c on l as especificaciones, se suele utilizar el índice de capacidad

No sol o int eresa ver si el indicador puede cumplir con las especificaciones, nos interesa saber si este centrado respecto a las mismas.

Diremos que un indicador es capaz de cumplir con las especificaciones cuando su dispersión es menor que la distancia entre especificaciones. LSE -LIE

Cp = Cp 1<

Cp = 1

Cp = 2

Para anali zar esto, existe el índice de centramiento denominado Cpk que midela menor distancia del promedio de los datos a las especificaciones comparada contra el ancho de mediadistribución.

< 1

INCAPAZ

Cpk = Min

Cp < 1.33 APENAS CAPAZ

1.33 < Cp < 2 Cp > 2

Promedio de los datos

Especificación

6s LSE - X

,

3s

X - LIE 3s

CAPAZ MUY CAPAZ 89 89

Variación LIE

LSE

Necesidad de estudiar los procesos Conocimiento de la relación Causa - Efecto

3

90 90

3

Variación Al cliente no le interesa el promedio INSATISFACCION

Centrar la media (de acuerdo al requerimiento del cliente)  y reducir la amplitud. 91

Expectativa del cliente: plazo de entrega 8 días después del pedido Perspectiva interna

Plazo de entrega del proceso existente (días) 20 15 30 10 5 x = 16 días

Después de las mejoras convencionales (días) 17 2 5 12 4 x = 8 días

Celebración interna. Mejora de 16 a 8 (50%)

Perspectiva del cliente Intervalo de 15 días

Días de atraso (+9)

Días de anticipación (-6) 2 5 8 12

Fecha pretendida por el cliente

17

92

Capacidad de Proceso

Capacidad de Proceso Cp: índice de Capacidad

Reducida variación alrededor de la media y proceso centrado en el objetivo Voz del Proceso

Voz del Cliente

Real del Proceso.

Cp = LSE - LIE 6*s Donde:

Objetivo Capacidad del Proceso =

Cpk: índice de Capacidad

Potencial del Proceso .

Voz del Cliente Voz del Proceso

LSE LIE s x

Cpk = min LSE - x , x - LIE 3*s 3*s

= Límite superior de especificación = Límite inferior de especificación = desviación estándar teórica de la población = centro del proceso

Valores más altos de Cp y Cpk, ES MEJOR. 93

94

Capacidad de Proceso

Capacidad de Proceso

LIE = 125 

Relación entre nivel sigma, Cp y Cpk NIVEL

Cp

Cpk

1

0.33

-0.17

2 3

0.67 1.00

0.17 0.50

4 5

1.33

0.83

1.67

1.17

6

2.00

1.50

LSE = 135

6

LIE 1.5

z = x-x

6

1.5

LSE

6

3.4 Dpmo

z = 135 - x

6 4.5 X

4.5 -6s-5s-4s-3s-2s -1s 0 1s 2s 3s 4s 5s 6s

95

% = 100% - 99.99966% % = 0.00034% Transformando a por millón 0.00034 / 100 * 1000000 3.4 dpmo

z = 4.5

%?

TABLA Z PORCENTAJE BAJO LA CURVA NORMAL Z

0

z

0.01

0.02

0.03

4.30   99.99915

99.99918

99.9 9922

99.99925

99.9 9929

99.99932

4.40   99.99946

99.99948

99.9 9951

99.99953

99.9 9955

0.04

99.99957

0.05

4.50   99.99966

99.99968

99.9 9969

99.99970

99.9 9972

99.99973

4.60   99.99979

99.99980

99.9 9981

99.99982

99.9 9983

99.99983

4.70   99.99987

99.99988

99.9 9988

99.99989

99.9 9989

99.99990

96

4.4

4.4

Evaluar Capacidad del pro ceso

Evaluar Capacidad del pro ceso

Primer Ejemplo pr oblema Variación y Centrado

Segundo Ejemplo pro blema Variación y Centrado Process Capability of % de Saturación LSL   Target USL LS L

Process Data 0

T arge t U SL Sample Mean Sample N StDev(Within)

Within Overall

0. 1 0.2 0.0626415 106 0.107208

StDev(Overall)

Potential (Within) Capability Cp CPL CPU

0.31 0 . 19 0 . 43

Cpk 0 . 19 CCpk 0.31

0.107447

Overall C apability

-0.15 Observed Performance PPM < LS L PPM > USL PPM Total

Cpk Superior < Cpk inferior, u tiende hacia el LSE Cpk Inferior < Cpk Superior, u Tiende hacia el LIE

0.00 103773.58 103773.58

0.00

0.15

0.30

0.45

Exp. Within Performance

Exp. Overall Performance

PPM < LSL PPM > USL PPM Total

PPM < LSL PPM > USL PPM Total

279509.11 100055.21 379564.32

Pp

0 .3 1

PPL PPU Ppk  Cpm

0 . 19 0 . 43 0.19 0 . 29

0.60

279947.66 100557.92 380505.59

97 97

98 98

DMAMC

Etapa 3: Análisis 5.

El Foco del Seis Sigma

Fase II: Analizar 

 Y=

5.1 Determinar las causas del problema 5.2 Variables Discretas y Continuas 5.3 Prueba hipótesis 5.4 Procedimiento de prueb a hipótesis 5.5 Ejemplos

 Y     

99 99

f(X)

X 1 . . . XN Independiente  Dependiente Entrada - Proceso  Salida  Efecto Causa Síntoma Problema  Monitoreable  Controlable Mejorar las Y’s a través de mejorar las X’s 100

DMAMC

Etapa 3: Análisis

Etapa 3: Análisis

Objetivo Identificar los KPIVs para cambiar o controlar que disminuyan los índices de defectos en los KPOVs. Identificar variables de entrada (X´s) Función A

Función B

Función C

Actividad 2

Actividad 3

Actividad 5

Actividad 4 Actividad 6

Las X’s, son los factores, causas, condiciones que afectan los KPOV’s. Identificar 

RESULTADOS DE LOS KPOV’s (Problema práctico)

X’s

Actividad 1

  s   e   r  s   o  a   d  d   e  a   e  r   t   v  n   o   r  E   P

DMAMC

  s  s   e  a   t  d   n  l   i   e   i   a   l   C  S

Actividad 8

KPOV’s

KPIV’s: FACTORES DOMINANTES

“CAJA DE HERRAMIENTAS”

Actividad 7

“CAJA DE HERRAMIENTAS”



Y = f(X’s) Problema estadístico

Al controlar o cambiar los KPIV’s (X’s claves), produciremos efecto en los KPOV’s.

101

102

DMAMC

Etapa 3: Análisis CTQs

Despliegue CTQ

X (KPIV)

Definir Característica crítica

FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis

X (KPIV) significativas

Correlación Regresión

Y

Y

Y

KPOV Y

Y

De las variables de salida (Y’s) del proceso, identificar los KPOV’s que responden al CTQ.

X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso

Controladas

Identificar las variables

X

X

KPIV X

X

KPIV X (X’s) que afectan el

KPOV e identificar los pocos vitales (KPIV’s) 103

DOE

Simulación SPC 5 Ss

Poka Yoke

Y (KPOV) X

Key Process Input Varia bles (KPIV)

variable claves del proceso

Y

Key Process Ouptpu t Variables (KPOV)

variables clave de salida del proceso para el cliente 104 104

5.1

5.1

Determinar las causas

Determinar las causas Matriz Causa-Efecto

Diagrama de Causa-Efecto (Ishikawa)

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

Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poble wma(Y o KPOV),usaremosel Diagrama Causa– Efecto, o Ishik awa. Criterio de agrupación 1

causa

Criterio de agrupación 2

causa causa

Criterio de agrupación 3

causa causa

causa causa

causa

Listarpor tormentade ideaslas causas generales que afectan al indicador.

causa

causa

causa PROBLEMA

causa causa

causa causa

causa

causa

causa

Criterio de Criterio de agrupación 6 agrupación 5

Criterio de agrupación 4

Por 6M Mano O Materi al Maquinaria Método Medición Medioamb.

Nota: Silas causasvienen de losKPIV, se deben señalarsi sonE,C,N

5.1

105 105

ENTRADAS DEL PROCESO INICIO

N1

CAPACIDAD DEL PROCESO



Número de Contratos



Conocimientos norma de créditos



Numero deAnalistas



Tiempo de entrega de Contratos



Tiempo de Calificación



% de créditos rechazados



Costo Evaluación.

Para mejorar el proceso, se debe identificar cuáles son las X que más afectan a lasY para determinarcuálesdebenser atacadas.

106 106

5.2

Determinar las causas

Posteriormente se validaran cuales causas son definitivamente las que son las responsables del Problema

Y

Ejemplos:

Agr upa r l as c aus as e n 4 o 6 grupos. Sesuele usar: Por 4M Mano O. Mat eri al Maquinaria Método

causa

causa

afecta

X

CONSTRUCCION

Variables Discretas y Conti nuas

FEMEA

C 1

X 1

X2

X 3

C 2 Y 1

FIN

X 3 X 4

Datos Discretos

tienen un número fijo de valores Ejemplos: estado civil, sanguíneo, número de niños

Datos Continuos

tienen un número infinito de valores Ejemplos: estatura, peso, temperatura

Y 2

C3 N2

X5

tipo

ISHIKAWA

PRUEBA DE HIPOTESIS

VARIABLES SIGNIFICATIVAS 107 107

108 108

5.3

5.3

Prueba Hipót esis

Prueba Hipót esis Errores posibles al evaluar una hipótesis

PRUEBA DE HIPOTESIS

Verdad de H0 V

F

(no hay diferencia)

Para conocer si un factor ( X: KPIV ) influyesobre nuestro i ndi cad or ( Y: K PO V ) del p roc es o; s e s uel e v ar iar est e factor de manera de ver si su variación afecta al indicador.

Aceptar H0 (no hay diferencia)

La manera de ver esta vari ación es a través de l as pruebas de hipótesis que nos permitiránconcluir si el factor  en estudio afecta significativamente al indicador.

Aceptar Ha (si hay diferencia)

Decisión correcta 1 -  (nivel de significan cía)

(si hay diferencia)

Error tipo 2

β

Decisión correcta

Error tipo 1

1 –  

α

P (E rr or Ti po ) =  : Pro ba bi li da d de encontrar una d if ere nc ia c uá nd o estano existe.  = 0.01,0.05 P(Error Tipo2) =  : Probabilid ad de no encontrar una d if ere nc ia c ua nd o estasiexiste.

(poder la prueba) F

V

Verdad de Ha

109 109

5.3

5.3

Prueba Hipót esis

Si p – v al > 0 .05 ( )

Prueba Hipót esis Prueba Anova

RECORDANDO Ho : El f a ct or n o g en er ó di fe re nc ias A nt es V s D esp ué s Ha : El f a ct or s i g en er ó di fe re nci as A nt es V s D es pu és

110 110

( X n o af ec ta Y ) ( X si a f ect a Y )

ONE SAMPLE t – TAMAÑO DE MUESTRA (Si la Población es Normal) Prueba

NOse rechazaH 0

t (One Sample t)

Estadísticot = X-  s / n

VOCABULARIO

Hipótesis Nula

H0:  =  0

Hipótesis Alterna Conclusión Robusta: Rechazar H0. Ello pues el valor de  se ha fijado en la prueba (usualm ente en 0.05) Conclusión Débil: Aceptar H0 sin conocer el valor de  . En estos casos se suele decir “No puede rechazarse H0” Potencia de una pruebaestadística: Esla probabili dadde rechazarcorrectamente unaH0 Potencia = 1 -  111 111

Ha:  0;

t > t , n-1

  0 ;

| t | > t /2 , n-1

Minitab Stat-Basic Statisc-1sam ple t

112 112

5.3

5.3

Prueba Hipót esis Sourc e  TIPO LOTE Err or  Total S =3712

Prueba Hipót esis

DF SS MS F P 2 177886860 88943430 6.46 0.002 118 1625812015 13778068 120 1803698874 R-Sq = 9.86% R-Sq(adj) = 8.33%

Correlación y Regresión

Indi vi dual 95%CI s For Mean Based on Pooled StDev Level N Mean StDev --- -- --- +-- --- -- --+---- --- -- +-- --- -- --+ADULTO 52 6158 3863 (-- -- *-- -- )  J OVEN 17 9055 4226 (- -- -- -- - *- -- -- -- -) VIEJO 52 5331 3369 (-- -- *--- -) 6000 8000 10000 12000

INTRODUCCIÓN: Al interio r de un proceso, usualmente existe una relación entre 2 variables. Siuna Y (KPOV)se correlacionacon unaX; podremos decirqueX es una KPIV.

Boxplot of HUEVOS INCUBADOS by TIPO LOTE 16000 14000    S 12000    O    D    A 10000    B    U    C    N    I 8000    S    O    V 6000    E    U    H

Deestamanera diremosque existe unaecuación que liga a ambasY = f (x). Esta ecuación se denomina“Modelo matemático”. Esta ecuación secalcula usandotécnicasde regresión. Usualmente la correlación para determinar la fuerza que lig a a 2 variables sin necesid ad de alterar el proceso como se hizo en las Pruebas de hipótesiso comoharáen losDOE (Fase 3).

4000 2000 0  ADULTO

JOVEN TIPOLOTE

 VIEJO

113 113

5.3

114 114

5.3

Prueba Hipót esis

Prueba Hipót esis

Correlación

Correlación

Esla Fuerzade Asociaciónentre 2 Variables. Semide conel Coeficiente de Pearson (r) -1  r  1

Precauciones: Dado que no estamos modificando el proceso ( variando x) y midiendo su efecto ( en Y) : encontrar que “hay correlación” no s iem pr e s ig ni fi ca qu e al v ar iar X , v ari ará Y (Ca us a –   Efecto) Solo debemos usar correlación cuando hay una persuasión razonable queX podría afectar Y

-1 r < 0

r=0

Correlación Negativa

No hay Correlación

0 0.05

Factor no afecta  Acepto H0

Variar el factor de manera de tener 2 Situaciones : “Antes” “Después”

X Discreta

Rechazo H0

No

Factor si afecta

Fin

1

119 119

Para distribucion normal de Y Prueba T1 Prueba T2 Prueba Anova

Chi cuadrado

Para distribucion no normal de Y Prueba W Prueba xxxx Prueba kk 120 120

5.5 Ejemplos: EMPRESA COURIER X

X1= Zona Geografica Zona 1

Zona 2 . . . . . Zona 10

Y cantidad pedido devueltos semanal 20 30 . . . 10

48 datos (48 semanas)

“ EL RAPIDO”

5.5 Ejemplos: EMPRESA COURIER X

¿Qué tipo de prueba?

X1= Discreta, tiene 10 valores (menos de 30)

Y cantidad pedido devueltos semanal

X2= Repartidores Repartidor 1

Y= continua

20 40 . . . 30

48 datos (48 semanas)

30 50 . . . 20

48 datos (48 semanas)

Por lo tanto se utiliza la Prueba de Anova para probar la significancia de X en Y. Nota: no se utiliza T1 ni T2 porque son más de 1 y 2 muestras respectivamente.

Repartidor 2 . . . . . . . . Repartidor 50

20 30 . . . 10

48 datos (48 semanas)

20 40 . . . 30

48 datos (48 semanas)

30 50 . . . 20

48 datos (48 semanas)

“ EL RAPIDO”

¿Qué tipo de prueba?

X2= inicialmente es discreta, pero por tener más de 30 valores se le considera continua. Y= continua Por lo tanto se utiliza la Prueba de Regresion.

125 125

5.5 Ejemplos: EMPRESA COURIER X

X3= ¿El repartidor usa Guia ? Si

No

Y cantidad pedido devueltos semanal

50 10 . . . 20 10 20 . . . 30

“ EL RAPIDO”

126 126

5.5 Ejemplos: FABRICA DE PASTAS “NA POLITANO” X

¿Qué tipo de prueba?

X3= Discreta

Y cantidad de pasta quemada

X1= Presion en el cabezal (Bar)

Y= Continua Por lo tanto se utiliza la Prueba T2 para probar la significancia de X en Y

100 datos Nota: no Anova porque solo son 2 muestras.

127 127

40 bar  65 bar  50 bar  30 bar . . . . . . 60 bar 

¿Qué tipo de prueba?

X1= es continua Tiene mas de 30 datos 10 kg 15 kg 12 kg 8 kg . . . . . . 14kg

Y= continua Por lo tanto se utiiliza la Prueba de Regresion

128 128

5.5 Ejemplos: FABRICA DE PASTAS “ NAPOLITANO” X

Y cantidad de pasta quemada

X2= Temperatura de cocido (ºC)

105 datos

45 ºC 35 ºC 55 ºC 32 ºC . . . . . . 50 ºC

X

¿Qué tipo de prueba?

Y cantidad de pasta quemada

X3= Humedad relativa (%)

X2= es continua Tiene mas de 30 datos 15 kg 10 kg 20 kg 8 kg . . . . . . 25kg

5.5 Ejemplos: FABRICA DE PASTAS “NA POLITANO”

Y= continua Por lo tanto se utiiliza la Prueba de Regresion

103 datos

¿Qué tipo de prueba?

X3= es continua Tiene mas de 30 datos

60% 55% 70% 45% . . . . . . 72%

15 kg 10 kg 20 kg 8 kg . . . . . . 25kg

Y= continua Por lo tanto se utiiliza la Prueba de Regresion

129 129

130 130

DMAMC

Etapa 4: Mejora 6.

Fase III: Implementar (mejora) 6.1 Análisis de riesgo: Matriz FMEA. 6.2 DOE 6.3 Procedimiento DOE 6.4 Plan de Mejora

Objetivo Determinar que cambios son necesarios en los KPIVs y como efectuarlos, con el fin de reducir la tasa de defectos de los KPOVs. KPIV’s: VARIABLES DOMINANTES (Problema estadístico)

MODELO DEL PROCESO (Solución estadística)

“CAJA DE HERRAMIENTAS” SOLUCION A IMPLANTAR 131 131

PRUEBA DE SOLUCIONES (Solución práctica) 132

DMAMC

Etapa 4: Mejora

. PROCESO AMFE

Entender cuánto afectan los KPIV´s a los KPOV´s   n    ó    i   s    i   c   e    d   a    l

  e    d   o   g   s   e    i   r    l   e   o    d   n   e    i   c   e   r   c   e    D

6.1  Análisis de riesgo : Matr iz  AMFE

ENFOQUE VENTAJAS Análisis de Los datos disponibles datos históricos pueden producir indicios

DESVENTAJAS Los resultados pueden ser engañosos. Poco entendimiento

F  A S E I

Poco entendimiento. No analiza interacción entre las X’s

Un factor a la Simple de usar vez

Discusión paradefinir NPR. P la n d e A cc i ón d e m e j or a d e l o s NPR.

F  A S E II

producir un impacto Poco entendimiento Prueba y Error Pude rápido

Elabora FMEApreliminar.

Ejecución delPlan. Evaluaciónde Resultados. NO OK SI Emisióndel  AMFE definitivo.

Mejor entendimiento del Requiere planificación Diseños Disciplina experimentales sistema 133

6.1  Análisis de riesgo: Matr iz  AMFE

134 134

6.2

DOE

. Introducción al DOE Sevuelve usar la matriz AMFE mostrado anteriormente. En esta parte se establecen las posibles soluciones para aquellas activid ades que tienen un NPR alto.

Son las acciones orientadas a seguir para las causas con NPR alto, destinadas mejorar la detección de la causa o disminuir  la frecuencia de ocurrencia de las fallas

Acciones Recomen dadas

Persona S O D N responsab Acciones E C E P le & Fecha Tomadas V C T R Objeto

Las acciones recomendadas que son llevadas A cabo.

Es una estrategia experimental estructurada que permite la e val uac ión d e m úl ti pl es v ar iab les d e pr oc es o en c uant o a s u capacidad para influir sobre las características de un producto o proceso.

El NPR después de haber tomado las acción (es). El cual se supone debe ser menor 

• Determinar que factores son importantes. • Establecer la estabilidad del proceso.

El responsable de llevar acabo la acción (es)

• Encontrar el mejor conjunto de condiciones de operación.

135 135

136 136

6.2

DOE

6.2

DOE

Diseño Factorial Completo CTQs

X (KPIV)

FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis

X (KPIV) significativas

Correlación Regresión

X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso

Controladas

DOE

El Factorial Completo estudiará cadacombinación posible en los ni vel es esc ogi dos. E st os dis eñ os p rov eerán una gr an i nf or mac ión qu e n os p er mi ti rá d et er mi nar el ef ec to de l os factores principales sobre la respuesta seleccionada.

Simulación

Cantidad de pruebas quese necesitan =

SPC 5 Ss

(niveles factor 1)x (niveles factor 2)x (niveles factor 3)x …. (niveles factor n)

Poka Yoke

Y (KPOV) Donde:

X

Key Process Input Varia bles (KPIV)

variable claves del proceso

Y

Key Process Ouptpu t Variables (KPOV)

variables clave de salida del proceso para el cliente

Factor = Son las variables (KPVI) X1, X2, X3… Xn Nivel = Es la cantidad de valores que toma cada factor  137 137

6.2

DOE

138 138

6.2

DOE

Diseño Factorial Completo con 2 niveles

Limitaciones para el Diseño Factorial Completo

Por Ejemplo 3 factores cada uno con 2 niveles:

•La limitaci ón del Factorial completo no es teórica sino practica. Los recursos (ej. Tiempo, costos) necesarios para correr un factorial completo pueden ser significantes.

Cantidad depruebas que senecesitan = 2 x 2 x 2 = 8

• Factorial completo puede ser usado en investigaciones donde el numero de variables es pequeño (2-4), pero no son recomendables cuando el numero de variables a investigar es mayor (5 o más).

Donde:

2

3

3 = Factor = K = varia bles (KPVI) X1, X2, X3 2 = Nivel = Es la cantidad de valores quetoma cada factor 

•Factorial Completo son efectivo cuando son usados de la manera adecuada, en el momento propicio dentro del proceso de mejora del estudio.

2 139 139

K

140 140

6.2

DOE

6.2

DOE

Diseño Factoriales Fraccionados Son diseños donde se elig e adecuadamente una parte o fracción de los tratamientos de un factorial completo, con la intenció n de poder estudiar el efecto de los factores utilizandomenos corridas experimentales, debido a que es imposible en la practica correr  todos los tratamientos. La teoría de los diseños factoriales fraccionados se basa en la  jerarquización de los efectos: Son más importantes los efectos principales, seguidos por la interacciones dobles, luego las triples, las cuádruples , etc. Número de factores (K)

Número niveles (2)

2

K-p

Número de generadores del diseño

 Acl arac iones para fraccionados:

el

Diseñ o

Facto riales

•Se pierde información, ya que habrá efectos que no se podrán estimarse y se tienen menos grados de libertad disponibles para la estimación del error. Los efectos que se pierden se espera que sean, en la medida de los posible, interacciones de alto orden, las cuales se pueden ignorar de antemano con bajo riesgo. •Se utilizasobre todo para probar un gran número de x potenciales c on un m ín im o de c orr id as y l og rar l a s el ec ci ón de l as p oc as X vitales. •Los experimentos altamente fraccionados son experimentos donde el número de corridas essoloun poco mayor que el número de factores y sirven para detectar solo efectos principales.

141 141

6.2

DOE

142 142

6.3

Procedimiento DOE

Pasos para la experimentación Recomendaciones para el Diseño Factoriales fraccionados:

1.

Defenir el proble ma.

2.

Establecer el objetivo.

3.

Seleccionar las variables de respuesta.

•Los experimentos alt amente fraccionados se usan a menudo para cernido, para encontrar las variables que merecen mayor  estudio

4.

Seleccionar las variables independientes y su niveles.

5.

Verificar a capacidad y estabilidad de los instrumentos-sistemas de medición. Entender el espacio de inferencia.

•Los experimentos másútiles tiene 8, 16 0 32 corridas.

6.

Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de replicas.

•Ust ed puede añ adi r ni vel es (us e 3, 4 o 5 ni vel es) par a un estudio más detallado de las variables importantes.

7.

Planear y correr el DOE. Realizar las pruebas aleatoriamente.

8.

Recolectar los datos.

•Los experimentos de 2 niveles pueden usarse con variables X discretas o continuas.

9.

Analizar los Datos.

10. Obtener las conclusiones estadisticas. 11. Replicar los resultados, si corresponde.

•Recuerde además queustedpuedecorrer la otra media fracción si los result ados del prim erexperimento no son claros.

12. Establecer soluciones practicas y comunicar. 143 143

13. Implementar soluciones.

144 144

Procedimiento DOE

6.3

6.3

Procedimiento DOE

 Acci ón Selección d e factores

1.

Podemos utilizar las siguientes fuentes:

Plantear el problema a resolver y objetivo que se requiere alcanzar 

Minitab El problema es aumentar/disminuir..... Y = Nombre del indicador   Nivel Bajo

 Nivel alto

(-)

(+)

X1 : Nombre del factor 

• FMEA (Puesta al día después de la Fase de Análisis)

X2 : Nombre del factor 

2.

• Lista de Calsificación de Entrada. Mapa de procesos.

Identificar los factores y sus niveles.

X3 : Nombre del factor 

• 2 Level Factorial

• Factores de Estudio de Variación Multiple 3.

• Resultados de la Prueba de Hipótesis • Conocimiento de los expertos, experiencia de los operadores

Cree la hoja de toma de datos para el experimento Stat / DOE / FACTORIALS / CREATE FACTORIAL / DESIGNS

• Requerimientos de los clientes • Opinión de los proveedores

• Number Of. Factors DESGNIS

Full factorial Center points= # Replicates=

FACTORS

En la columna “Name” ponerle el

OPTIONS

. Do not fold 

nombre del factor 

• Literatura, tormenta de ideas.........



Randomize Runs



Store Design on Worksh

Summary table, alias table RESULTS

Defaultinteractions

145 145

Procedimiento DOE

6.3

 Acción 4.

Determine el tamaño apropiado de la muestra.

5.

Realice el experimento siguiendo la hoja de datos obtenidas.

6.

Analice los datos obtenidos Sta t/ DOE / ACTORIALS Analyze Factorial Design

146 146

6.4

Plan de Mejora

Minitab RESPONSES

Poner el indicador 

TERMS

Seleccionar todos los factores y pasarlos a “Selected Terma”

Los planes de Implementación Final de soluciones debe contener: •La solución (acción) recomendada.

GRAPHS

•La causa verificada y el efecto esperado de la solución.

 Normal Paretto

•Definir al res pons able que llevara a la práctica la solución.

Alpha = 0.1 Residual for plots : Regular  RESULTS

•Coefficients and ANOVAtable

STORAGE

Fits (Desmarcar)

Nota:

•Donde y cuando se realizara (fecha de inicio-fecha final).

Residuals (Desmarcar)

•Como se realizara (descripción operativa).

1. Si se ha usado 2 o mas replicas Minitab arroja p-valúes asociados a cada factor e interacciones; los cuales deben ser usados para probar hipótesis: H0: El efecto del factor no es importante sobre Y

Si p-val>0.05

Ha: El efecto del factor si es importante sobre Y

Acepto H0

•Recursos necesarios para la implementación. •Retorno esperado (beneficio). •El Plan de Gerenciamiento. 147 147

148 148

Plan de Mejor a

6.4

6.4

Formato Plan de Implementación de Soluciones. PROYECTO:

ID

FECHA:

1

MIEMBROS DEL EQUIPO: Nro

TIE MPO

 ACCION RECOME NDADA

CAUSA

EFECTO QUIEN ESPERA RESPON OPERACI DONDE CUANDO DO SABLE ÓN

RECURSOSNECESARIOS ENTRENAM IENTO   SOPORTE OTROS

S$

RETORNOESPERADO S$

SATISFACCIÓN

FECHA I NI CI O

PORCENT   AJEDE

STATUS

F IN

COMO

OBSERVACIONES

 AVANCE

OportunidaddeMejora

Plan de Mejora Accionesde Mejora

Tipode Mejora

Responsable

Desarrollode unaBasedeDatos Faltadeuncontrol delasaltasen dondeseregistralasaltas por dslam Co rt o pl azo Ve ro ni ca Avi la DSLAM quepr esentan saturación saturados

Faltadeun sistemaquecontrole Desarrollode laBD quecontrolela 2 lacapacidaddisponibledeTx por capacidaddisponible deTx por DSLAM's DSLAM's

LargoPla zo ErnestoSaravia

Fechade %de Compromiso  Avance

1 5d e Ab ri l

Por definir

Observaciones

Problemasparaidentificar la correspondenciade losnúmeros 5 0% alosDSLAM por falta de etiquetasycreacióndenuevos perfiles Serequierelaparticipaciónde laSubgerenciadeTx y el Por definir  conocimiento del Aplicativo Asig2000.

3

Faltadeprevisiónenel crecimiento Desarrollode unsistemaquerealice Media noPlazoVeronicaAvila detrafi copor cliente laprevisióndetrafico porDSLAM´s

Por definir

Por definir 

4

Solicitar aGSI,eldesarrollodeuna Noseregistraslas fechasdeinicio rutinaquepermita queloscampos: yculminaciónde lasObrasenel InRealyFin.Realsehan obligatorios Aplicativo SAP-Modulo Gestiónde cuandosecambiael statusdel Proyectos proyecto

Cortopla zo Walter laMatta

Por definir

Serequiereestablecer un Por definir  requerimient o, yel posible costeodeestanuevarutina

Elaboracióndeunprocedimientopara laampliacióndelosenlacesenlaRed Speedyqueabarcadesdela La r go Pl az o Er ne st o Sa ra vi a deteccióndesu sobrecargahastasu ampliación.

Po r d ef i ni r

1 5%

Serequierelaparticipaciónde lasGerenciadeDesarrolloy Planificación

1 5 de A br il

2 5%

Setienela informaciónhayque armar ladataapartir del presenteaño2005

Faltadeun procedimientopara 5 realizarlaampliacióndelos enlacesen losDSLAM'S

Desarrollode unaBasedeDatos que registralasf echasde denunciasde Faltadeunsistemaquecontrole lossobrecargashastasuampliación, 6 lasdenunciasdesobrecargahasta Co rt o Pl az o Ve ro ni ca A vi la conlafinalidadderealizar el suampliaciónenlaRed seguimientodelas ampliacionesen planta

Serequierelaparticipaciónde GSI

149 149

150 150

DMAMC

Etapa 5: Control 7.

Objetivo Verificar las mejoras e instalar un sistema de control que asegure las utilidades.

Fase IV: Controlar  7.1 Objetivo 7.2 Mantenimiento de Resultados. 7.3 Control estadístico de procesos 7.4 POKA YOKE 7.5 Las 5 S 7.6 Fabrica visual 7.7 Acciones Finales

TRASFERENCIA A OPERACIONES (Plan de implantación)

SOLUCIÓN A IMPLANTAR “CAJA DE HERRAMIENTAS ”

No PLAN DE CONTROL VALIDACIÓN 151 151

¿? Si 152

Objetivo

7.1 CTQs

X (KPIV)

FMEA, Mapa de Procesos Cp, Cpk

Concluida las mejoras en las Y, se debe controlar la variable en el tiempopara que no retorne a la situación anterior.

Prueba de Hipótesis

X (KPIV) significativas

Correlación Regresión

X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso

Controladas

DOE

Y

Simulación

FASE POST PROYECTO

CONTROL MEJORAR

SPC 5 Ss Poka Yoke

Y (KPOV)

Fin de Proyecto

 Antes d e la Mejora

X

Key Process Input Varia bles (KPIV)

variable claves del proceso

Y

Key Process Ouptpu t Variables (KPOV)

variables clave de salida del proceso para el cliente

Situación No Deseada

153 153

7.2 Mantenimiento resultados

154 154

7.2 Mantenimiento resultados PLAN DEL CONTROL DEL PROCESO

Se debe elaborar un plan de M antenimiento de Resultados:

Es el listado con las acciones generales que cada proceso debe seguir para garantizar, mantener el resultado del indicador. Ejemplo:

El plan debe contener: •El mapa de proceso actualizado, con indic adores críticos en la entrada y salida (Ya estuvieron definidos en la primera etapa).

PLAN DE CONTROL Proceso:_______ Responsable:_____ Acción

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

Fecha:____

Responsable Periodicidad

1Analizar indicador  Supervisor 1

Diario

2.Gage R& R Normas y

Supervisor 2

Mensual

procedimientos

Gerente

4.Revisión

Todos

Quincenal Anual

Jefe

Mensual

FMEA 5.Charla de Six Sigma en 5 minutos

155 155

156 156

7.2 Mantenimiento resultados

7.3 Control Estadístico de Procesos Control Estadístico de Procesos (CEP)

TIPO DE CONTROL PARA CADA INDICADOR

•Muestrael desempeño del Proceso. •Proveede un Lenguaje Común paradiscutirel Proceso. •Permitirádiferenciar Causas Comunesde Especiales.

Existen dif erentes maneras de hacer el Control para los indicadores. Entre los más importantes, se menciona:

Los componentes del CEP,son:

•Cartas de Control.

•Control Estadístico de Procesos.

•Causas Especiales y Comunes.

•Sistema a Prueba de Errores (Poka Yoke). ZO NA P RUE BA DE CONTROL (MAL)

•Filosofía de 5 Ss y Gerenciamiento Visual.

LSC: LímiteSuperiordeControl ZONA EN CONTROL (BIEN) LIC: LímiteInferio r deControl 157 157

7.3 Control Estadístico de Procesos

158 158

7.3 Control Estadístico de Procesos Cartas De Control

Cartas De Control CARTA P

CARTA C

Controla la proporción de piezas no conformes. No controla la cantidad de no conformidades encontradas en la pieza.

 p  



q  1   p

n

 LIC  p

n

 p 

n1

n2



 p  3 

 nk 

 p 2

   pk  k 

c

 p  q

c1  c2

 LSC  p



 p  3 



  ck 



n

c1  c2



 p1

Controla el numero de no conformidades por unidad y sólo es apl ic ada cu and o el núm er o d e el em entos de las muestr as recolectadas es constante.



  ck 

 p  q

 LIC  p  LSC  p





c  3 c c  3 c

n Es la cantidad de no conformidades encontradasen cada muestra. 159 159

160 160

7.3 Control Estadístico de Procesos





7.3 Control Estadístico de Procesos

Cartas De Control CARTA X-R Se utiliza cuando se trabaja con valores individuales del proceso. La amplitud(R), en este caso, es la calculada para cada par  sucesivo de datos registrados en la carta entre el Xmax-Xmin.

 X  

 X 1



 X 2



Gráfica X-R

   X k 

k   R   X 1   X 2 ,  X 1   X 2 ,  X 1   X 2 , ,  X k  1  R Esla mediadelos R individualescalculados. 

 LSC  R   D4 R  LIC  R   D3 R

c



X k 

 LSC  X    X    E 2 R  LIC  X    X    E 2 R 161 161

7.4 POKA YOKE

162 162

7.4 POKA YOKE Errores

Mecanismos a Prueba De Errores : POKA YOKE Los defectos tienes su causa raíz en errores

Casi todos los defectos están causados por errores humanos. Sin embargo hay como mínimo 10

Defecto

clases de errores L a m an era t ra di ci on al d e evi ta r q ue l le gu en d efe ct os al c li ent e es inspeccionaral 100% todo o parte de losservicios brindados. Pero esto es muy costoso e ineficiente. Se debe construir Cali dad desde la fuente incorporada mecanismosque prevenganlos errores desdeel principio 163 163

Olvido 1 2 Desconocimiento 3 De identificación Inexperiencia 4 Voluntarios 5 Inadvertidos 6 Lentitud 7 8 Falta de estándares 9 Errores Sorpresa Intencionales 10 164 164

7.4 POKA YOKE Errores Humanos Causa de defectos

7.4 POKA YOKE   o    d    i   v    l    O

  o    t   n   e    i

  m    i   c   o   n   o   c   s   e    D

  o    d   a   c    i    f    i    t   n   e    d    i   o    N

  a    i   c   n   e    i   r   e   p   x   e   n    I

  o    i   r   a    t   n   u    l   o    V

  o    d    i    t   r   e   v    d   a   n    I

   d   u    t    i    t   n   e    L

  s   e   r   a    d   n    á    t   s   e   e    d   a    t    l   a    F

   l   a   n   o    i   c   n   e    t   n    I

  a   s   e   r   p   r   o    S

Los errores Humanos usualmente lo son por inadvertencia.

“ Los errores inadvertidos i ncrementan el trabajo” Yokeru

Evitar

Poka

Errores Inadvertidos

Proceso Omitido Errores de Proceso

Conexión fuerte

Piezas omitidas

Conexión

Error de ajuste

Los mecanismos Poka-Yoke nos ayudan a evitar los defectos aunque inadvertidamente se cometan errores. Los Poka-Yoke ayudan a fabricar la calidad en el proceso.

Piezas equivocadas

Operación defectuosa Procesamiento de Pieza equivocada Montaje erróneo de piezas de máquina Equipo montado inapropiadamente Utiles y plantillas mal preparados

Un dispositivo Poka−yoke es cualquier mecanismo que ayuda a prevenir los errores antes de que sucedan, o los hace que sean m uy obv ios p ar a qu e el t rab aj ad or s e d e c uent a y l o c or ri ja a tiempo. 165 165

7.4 POKA YOKE

166 166

7.4 POKA YOKE Lista de Comprobación Equipo : Camión 785C Operación: Cambio dellantas delanteras Fecha:  15/12/03

El Diskette no puede ser colocado en posición invertida

El CD es expulsado si fue colocado en posición invertida

Lista de Chequeo

Guías (pines) de distintos tamaños

Personal R equer id o Técnico en Llantas Ayudante

Cantidad Conformidad 2 1

Herramientas

Cantidad Conformidad 1 2 2 2 1 2 3 2 2 1 2 2 Cantidad Conformidad 1 balde 1 kilo 2 2 2

 ∙ Equipo Manipulador de llantas TAYLOR (1 ∙ Barreta (1). ∙ Gata150TN( 1ó2 ). ∙ Gata Hidráulica-Neumática. ∙ Extractor de válvulas deaire. ∙ Válvulas de aire. ∙ Herramientas deimpacto ½” ∙ Extensión5”. ∙ Encastre ½” ∙ Válvulas de aire ∙ Destalonador  ∙ Dado ¾”.

Material o insumos

Guías

∙ Grasa vegetal ∙ Trapo Industrial ∙ SelloO-Ring ∙ Tacos de Madera ∙ Llanta

Procedimientos estándares aseguir  EMATL001: Cambio de lla ntas delanteras 1 y 2 Camiones 785C

167 167

168 168

7.5 Las 5 S

7.5 Las 5 S ¿Cómo se pueden definir las 5S?

SEIRI (Clasificar)

Retirar, desalojar lo innecesario.

SEISO (Organizar) SEITON (Limpiar)

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

SEIKETSU (Prevenir) SHITSUKE (Disciplinar)

Evitar que se vuelva a ensuciar, desordenar.

Limpieza es inspección.

“Siempre se pueden evitar ineficiencias, evitar desplazamientos, y eliminar desperdicios de tiempo y espacio”

Estandarizar, cumplir con los estándares, Formar buenos hábitos. 169 169

7.5 Las 5 S

170 170

7.5 Las 5 S

171 171

172 172

7.6 Fabrica visual

7.7  Acciones Finales

Se debe tener de manera visible un Panel que permita ver: •Evolución del Indicador. (Con Control Estadístico). •Acciones Correctivas tomadas ante Ocurrencia de Fallas. •Estado del Cumplimiento Procedimientos.

de

Estándares

y

•Plan de Control del Proceso.

Para la implementación de las Acciones Finales, deben estar  previamente definidos: •El desarrollo y la documentación de prácticas estándares. •El entrenamiento del personal involucrado en las Actividades. Después de ello se podrá hacer los cierres de los proyectos. Se debe reconocer el esfuerzo y aporte de cadaparticipante por  el trabajo y sus resultados asocia dos.

1

U C L=44.03   e   g   n

40

  a 30    R   g   n 20    i   v   o    M10

 __  M R=13.48

0

LC L=0 1

9

17

25

33

41

49

57

65

73

81

Observation

173 173

Caja de Herramientas Costos de mala calidad Plan estratégico Temas críticos para el cliente Reclamos QFD Las 7 herramientas de la calidad Diagrama de causa-efecto Diagrama de dispersión Pareto Hoja de verificación Estratificación Histograma Gráfico de control Gráficos (lineal, barras) Distribuciones Tormenta de ideas

174 174

Agentes del Cambio

R&R Mapa de proceso Capacidad de proceso Función de pérdida de Taguchi Diseño de experimentos Diseño Robusto Prueba de hipótesis Análisis de regresión múltiple Análisis de regresión simple Análisis de varianza Box Plot Poka Yoke Kanbam Kaizen Diagrama de afinidad FMEA 175

176

View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF