Six Sigma

Introduccin a Six Sigma 170
Welcome to the Tooling University. This course is designed to be used in conjunction with the online version of this class. The online version can be
found at http://www.toolingu.com. We offer high quality web-based e-learning that focuses on today's industrial manufacturing training needs. We
deliver superior training content over the Internet using text, photos, video, audio, and illustrations. Our courses contain "roll-up-your-sleeves" content
that offers real-world solutions on subjects such as Metal Cutting, Workholding, Materials, and CNC with much more to follow. Today's businesses face
the challenge of maintaining a trained workforce. Companies must locate apprenticeship programs, cover travel and lodging expenses, and disrupt
operations to cover training needs. Our web-based training offers low-cost, all-access courses and services to maximize your training initiatives.
Copyright 2008 Tooling U, LLC. All Rights Reserved.
Class Outline
Objetivos
Qu es Six Sigma?
La historia y composicin de Six Sigma
Comienzo
Roles y responsabilidades de Six Sigma
5 M y 1 P
Anlisis de causa raz
Variacin
Importancia de los datos
Tipos de datos
Recopilacin de datos
Herramientas de anlisis de datos: Datos diferenciados
Herramientas de anlisis de datos: Datos continuos
Mtodo de mejoramiento del proceso Six Sigma: DMAIC
Implementacin de Six Sigma
Resumen
Lesson: 1/16
Objetivos
Defina qu es Six Sigma.
Describa los orgenes de las prcticas Six Sigma.
Identifique los criterios para seleccionar las metas
de proyecto Six Sigma.
Identifique los roles y responsabilidades de los
integrantes del equipo Six Sigma.
Identifique los factores comunes que llevan a
problemas de proceso.
Defina qu es el anlisis de causa raz.
Defina qu es la variacin de causa comn.
Defina qu es la variacin de causa especial.
Describa la importancia de los datos para los
proyectos Six Sigma.
Distinga entre los datos continuos y
diferenciados.
Compare los mtodos comunes de inspeccin con
Figura 1. Los proyectos Six Sigma resuelven problemas por
los datos resultantes.
medio del estudio de datos.
Identifique las herramientas de toma de
decisiones utilizadas para analizar datos
diferenciados.
Identifique las herramientas de toma de
decisiones utilizadas para analizar datos
continuos.
Identifique los pasos en el mtodo de
mejoramiento de proceso DMAIC.
Describa como las prcticas esbeltas se
incorporan en las iniciativas Six Sigma.
Lesson: 2/16
Qu es Six Sigma?
Six Sigma es un mtodo de mejoramiento de proceso que se apoya
en datos para identificar reas problema y lograr mejoras. Est
basado en un concepto matemtico que relaciona el nmero de
defectos en un producto o servicio con la satisfaccin del cliente. El
objetivo de Six Sigma es reducir el nmero de defectos a menos de
3.4 defectos por milln de unidades, lo cual es cercano a la
perfeccin. La figura 1 muestra el smbolo utilizado para representar
este nivel de calidad.
Los proyectos Six Sigma abordan este objetivo enfocndose en
medicin, recopilacin de datos y anlisis de datos como base para
resolver problemas. Los equipos de gerentes de las compaas son en
mayor medida responsables de conducir los proyectos Six Sigma. No
obstante, estos proyectos involucran la cooperacin de todo el
personal. Los empleados de muchas reas son requeridos a menudo
para participar. Para que estos proyectos tengan xito, todos deben
tener al menos una comprensin general de Six Sigma.
Esta clase explicar qu tipos de datos son importantes para la
mejora del proceso, los roles y responsabilidades de los integrantes
del equipo Six Sigma y de otro personal, y los mtodos que el equipo
Figura 1. Los smbolos 6s se leen como "Six
utiliza para analizar datos. La clase tambin incluir una explicacin
Sigma.
del lugar de Six Sigma entre otros mtodos de mejoramiento de
procesos.
Lesson: 3/16
La historia y composicin de Six Sigma
Six Sigma tiene sus races en las prcticas de
administracin de calidad que fueron
desarrolladas en Japn en los primeros aos de la
dcada de los cincuentas. Como parte de los
esfuerzos de reconstruccin de Japn tras la
Segunda Guerra Mundial, el gobierno de los
Estados Unidos aport expertos en varias reas,
incluida la manufactura. En ese tiempo, un
estadounidense llamado W. Edwards Deming
introdujo a los japoneses a los mtodos
estadsticos de mejoramiento de proceso de
manufactura.
En las dcadas siguientes, se desarrollaron varios
mtodos de mejoramiento de procesos en los
Estados Unidos, Europa y Japn, incluidos
Figura 1. Las compaas que solicitan recibir la certificacin ISO 9000
mtodos como la administracin de calidad
deben documentar sus procesos.
total y manufactura justo a tiempo. Adems,
se establecieron distintos estndares de calidad
como ISO 9000, y las compaas comenzaron a
mejorar procesos y documentacin para
certificarse. En general, existieron movimientos
para encontrar formas de reducir los errores y el
desperdicio, lo cual se empez a conocer como
manufactura esbelta, y para el mejoramiento
de la atencin al cliente, lo cual se conoce ahora
como administracin de calidad.
As, a finales de la dcada de los ochentas, el
fabricante de productos electrnicos Motorola
comenz a basar su filosofa de mejoramiento de
Figura 2. En la manufactura justo a tiempo, las piezas y materias
procesos en estadsticas, especficamente Six
primas no se entregan sino hasta que son necesarias.
Sigma. Con el tiempo, Six Sigma evolucion para
convertirse en un mtodo de mejoramiento
continuo que incorpor ciertas filosofas de
calidad y de esbeltez respaldadas por datos
cuidadosamente recolectados y analizados.
Lesson: 4/16
Comienzo
Six Sigma es aplicable a toda una empresa. No
obstante, para implementar Six Sigma por
primera vez, las compaas se centran en un
problema o proceso especfico. Mientras que la
administracin puede ya tener un proceso en
mente, precisar esta primera meta no debe
dejarse a la intuicin, opinin general o a lo que
sea rentable.
Los objetivos Six Sigma deben escogerse
basndose en datos que identifiquen las
caractersticas clave que son crticas para la
calidad (CTQ por sus siglas en ingls), las cuales
reflejan lo qu es importante para el cliente, ya
sea un cliente externo a quien la compaa
entrega productos terminados o servicios o un
cliente interno que es la persona en el siguiente
paso del proceso. Existen muchos problemas o
errores que hacen que el cliente est
insatisfecho. Sin embargo, las CTQ se aplican a
aquellas reas que el cliente ha identificado y
Figura 1. Un cliente que se preocupa por entregas a tiempo puede
cuantificado especficamente.
indicar que cierto nmero de piezas defectuosas es aceptable.
Por ejemplo, un cliente puede especificar unas
CTQ como defectos de forma o tamao que
evitan que la pieza ajuste. An defectos como
raspaduras no son CTQ porque, si bien las piezas
no son perfectas, stas an ajustan. Sin
embargo, si las piezas son visibles en el producto
final, otro cliente puede identificar las raspaduras
como CTQ debido a que la apariencia cuenta. En
otro caso, un cliente puede decir que cierto
nmero de piezas defectuosas son aceptables
siempre y cuando la orden llegue a tiempo. En
este caso, la puntualidad es CTQ.
Las compaas pueden determinar qu es lo que
es importante para los clientes de muchas
maneras. Los clientes pueden dar
especificaciones impresas que mencionen las
caractersticas fsicas de un producto y las
variables como las fechas de entrega. Asimismo,
la compaa puede llevar a cabo encuestas de
observaciones formales, rastrear las quejas de
los clientes, o recolectar datos medibles como
nmeros de piezas con fallas o tiempo de ciclo
excesivo.
Lesson: 5/16
Roles y responsabilidades de Six Sigma
Una vez que la administracin escoge un objetivo
para un proyecto Six Sigma, se puede escoger un
equipo con habilidades que apliquen
especficamente. La mayora de los integrantes del
equipo estn bien entrenados en la filosofa y los
mtodos Six Sigma. En esta capacitacin, ellos
obtienen ciertos "niveles que reciben nombres
similares a los niveles de las artes marciales:
El campen es alguien dentro de la
compaa que es asignado al proyecto
porque es una persona que hace que las
cosas se realicen. Es usualmente un
ejecutivo o alto gerente quien se asegura
Figura 1. Los roles de los integrantes del equipo Six Sigma son
que los otros integrantes del equipo tengan
similares a los niveles otorgados en las artes marciales.
los recursos necesarios.
El maestro cinta negra (MBB por sus siglas
en ingls) es un practicante proactivo de Six
Sigma quien trabaja de cerca con otros
integrantes para establecer y llevar a cabo
las metas de un proyecto. Los MBB tambin
fungen como mentores de los integrantes de
menor nivel del equipo.
El cinta negra (BB por sus siglas en ingls)
es quien est ms capacitado en Six Sigma y
toda iniciativa Six Sigma es liderada por un
cinta negra. Los BB trabajan de tiempo
completo en proyectos y dirigen a los
integrantes de menor nivel del equipo.
El cinta verde (GB por sus siglas en ingls)
es alguien capacitado en Six Sigma quien
pasa cerca de 20% de su tiempo en
proyectos Six Sigma y cerca de 80% en
tareas regulares. Finalmente, los cintas
verdes incorporan prcticas Six Sigma en
sus deberes normales.
El dueo de proceso es una designacin
temporal para la persona responsable del
diseo y desempeo del proceso. No toda
compaa Six Sigma identifica este rol de
esta manera. Por ejemplo, algunos llaman a
los cintas verdes, dueos de proceso.
El cinta amarilla (YB por sus siglas en
ingls) es un trmino que en ocasiones se
utiliza para identificar otros integrantes del
staff que ayudan en el proyecto. Entre los YB
se incluyen empleados de nivel de piso,
quienes recopilan datos, contribuyen con
ideas, resuelven problemas e implementan
cambios.
Lesson: 6/16
5 M y 1 P
El objetivo general de un proyecto Six Sigma es
descifrar qu es lo que realmente est causando
problemas. En general existen seis factores principales
que son la fuente ms probable de los problemas. Estos
factores son conocidos comnmente como las 5 M y 1 P
:
Mquinas-pueden causar varios problemas, pues
hay tantas variables que pueden salir mal, como
herramental, velocidad y suministro, o
programacin.
Materiales-muchos pueden tener las propiedades
o ingredientes equivocados. Pueden ser del
tamao incorrecto o tener un recubrimiento o
color de pintura equivocado.
Mtodos-incluyen cmo se manufacturan,
transportan, almacenan y ensamblan las piezas.
Pueden ser ineficientes o incluir pasos
desperdiciados.
Madre naturaleza-incluye los cambios o
variaciones en el ambiente, como temperatura y
Figura 1. La mayora de los errores de proceso pueden ser
humedad o condiciones como xido o moho.
rastreados a uno de estos seis factores.
Medicin-agrupa los mtodos de inspeccin,
herramientas y los estndares utilizados. El
sistema de medicin o la herramienta misma
pueden no ser exactas, lo que hace que cualquier
medida que se d cmo resultado no sea exacta.
Personas-incluye a cualquier involucrado en
hacer llegar una pieza o producto a las manos del
cliente, incluidos ventas, ingeniera, manufactura y
envo.
Tener en mente esta lista de causas ayuda al equipo a
organizar el proceso de solucin de problemas. En
algunos casos, uno de estos factores se destaca como la
causa de la mayora de los problemas. En otros casos,
un equipo puede encontrar problemas como resultado
de mltiples factores en la lista.
Lesson: 7/16
Anlisis de causa raz
En el corazn de Six Sigma estn los mtodos
efectivos de solucin de problemas. El anlisis
de causa raz es un estudio que se emprende
para encontrar el origen de un problema. Los
administradores malos suelen culpar a las
personas por los errores, pero los datos por lo
general muestran que una de las 5 M est
causando el problema. De hecho, en la
manufactura, el problema usualmente es con la
mquina.
Las compaas tienden a abordar la fuente
incorrecta para solucionar un problema. Cuando
un proyecto se atrasa, en vez de buscar la
verdadera causa, los gerentes pueden decir a los
trabajadores que trabajen ms rpido, lo cual
puede crear ms errores. En lugar de esto, los
practicantes de Six Sigma recopilan y estudian
datos para encontrar la causa raz. Con datos, un
equipo tiene un nmero real, cuantificable de
errores o una cantidad medible de desperdicio.
Figura 1. Cuando el tiempo de ciclo para la mquina F se incrementa,
Un equipo Six Sigma puede encontrar que la
algunos gerentes simplemente ordenarn al operador que trabaje ms
excesiva distancia de recorrido sea una verdadera
rpido en lugar de intentar determinar la causa del problema.
fuente de problema y no la falta de esfuerzo del
trabajador.
Los datos descubren los errores, pero tambin
muestran reas del proceso sin valor agregado.
Los pasos sin valor agregado incluyen cualquier
cosa que los clientes no estn dispuestos a
comprar, como tiempo de detencin o chatarra.
Por otra parte, los pasos con valor agregado del
proceso son cualquier cosa por la cual el cliente
est dispuesto a pagar. Esto incluye piezas sin
errores o un paso como acabado con esmeril,
siempre y cuando sea necesario cumplir
especificaciones.
Lesson: 8/16
Variacin
El secreto de encontrar las causas raz es detectar
la variacin, la cual se define a menudo como un
cambio de lo que es normal. En Six Sigma, donde
el objetivo es casi la perfeccin, usted puede
tambin pensar en la variacin como lo que no es
perfecto o no complace al cliente. Six Sigma
distingue entre dos tipos de variacin: variacin
de causa comn o variacin de causa
especial.
La variacin de causa comn ocurre cuando el
cambio de lo que es normal no puede ser
rastreado hacia una causa consistentemente.
Digamos que un proceso produce regularmente
100 piezas por hora. Los errores tienen una
variedad de causas diferentes, pero ninguno de
los errores parece ser un problema consistente.
En ciertos casos, la mquina causa el problema
mientras que en otros puede ser el material. Si
usted mantuviera registros de estas causas por
todos los cientos de piezas, podra encontrar las
Figura 1. Cuando ms de un factor est causando la mayora de los
causas que sean promedio.
problemas, la variacin se origina por causas comunes.
La variacin de causa especial ocurre cuando el
cambio de lo normal puede ser rastreado hasta
una sola causa consistentemente. En el mismo
ejemplo, rastrear los datos de las mismas causas
por cientos o miles de piezas claramente
mostrara que es un solo factor el que ocasiona
los problemas, como un material defectuoso o
una herramienta desgastada. La variacin de
causa especial es en ocasiones llamada variacin
"excepcional o "asignable. Lo importante es
que, una vez que identifique una fuente
consistente, puede eliminarla.
Figura 2. Cuando un factor est causando la mayora de los
problemas, la variacin tiene una causa especial.
Lesson: 9/16
Importancia de los datos
Six Sigma se apoya fuertemente en datos, los
cuales son simple informacin factual. En el caso
de Six Sigma, los datos son por lo general
numricos, como el nmero de errores o minutos
de un tiempo de ciclo. Los buenos datos son
absolutamente esenciales para encontrar la
variacin de causa especial y las causas raz.
Imagine que tres mquinas juntas producen 300
piezas del mismo producto en una hora. De las
300 piezas, rutinariamente 15 resultan
defectuosas. Ya que estos 15 defectos son
consistentes, se les espera. Sin examinar los
datos, todos asumen que los defectos son
"normales o resultan de causas comunes. Sin
embargo, si su objetivo es cercano a la
perfeccin, usted debe eliminar esta variacin
examinando los datos.
Los mtodos de recopilacin de datos difieren,
dependiendo de la situacin. Por ejemplo,
Figura 1. Cuando todas las piezas producidas por tres mquinas
suponga que todas las piezas de cada mquina
diferentes se colocan en un solo contenedor, es difcil recopilar datos
estn siendo colocadas en el mismo contenedor
significativos sobre las piezas defectuosas.
y enviadas al siguiente paso. Durante el
siguiente proceso, los errores se perciben y las
piezas defectuosas se retiran. No obstante,
mezclar las piezas producidas por diferentes
mquinas en el mismo contenedor hace que sea
ms difcil determinar dnde se originan
realmente los errores.
En lugar de suponer que cada mquina hace tres
errores al azar, los integrantes del equipo Six
Sigma colocan las piezas en tres contenedores
separados para determinar el nmero de errores
por mquina. Si dos mquinas estn haciendo
dos errores por cada 100 y una mquina hace
11, hay un indicio de una variacin de causa
especial asociada con una mquina. Los datos
han demostrado que la variacin de causa
especial existe y apunta en direccin de su
fuente.
Figura 2. Separar las piezas en diferentes contenedores permite al
equipo recolectar datos ms significativos y relacionarlos con cada
mquina.
Lesson: 10/16
Tipos de datos
La comprensin de los diferentes tipos de datos
ayuda al equipo a mejorar procesos y resolver
problemas. Cada factor de un proceso tpico es
capaz de producir datos, como la longitud
promedio de vida de una herramienta, nmero
de piezas defectuosas o diferencias en
temperatura o presin. Cualquiera que sea la
fuente, los datos se categorizan en uno de dos
tipos distintos: datos diferenciados o datos
continuos.
Los datos diferenciados, tambin conocidos como
datos de atributo, representan una
caracterstica o un "conteo individual. Los datos
diferenciados a menudo cuentan algo sobre los
resultados de un proceso. Un ejemplo de datos
diferenciados es un conteo del nmero de piezas
buenas o defectos. Generalmente, los datos
diferenciados pueden ser divididos en categoras
que usted no puede sumar lgicamente o restar
una de la otra. Por ejemplo, usted puede
Figura 1. Los datos diferenciados a menudo dicen algo sobre los
registrar el nmero total de errores y clasificarlos
resultados del proceso, como el nmero de piezas defectuosas por
por causas, como defectos de material,
fuente.
herramientas desgastadas o errores de
programa.
Los datos continuos, tambin conocidos como
datos variables, son informacin que puede ser
medida en una escala y comparada con otros
datos. Por ejemplo, los datos continuos incluyen
medidas, como diferentes longitudes,
temperaturas y volmenes, que pueden ser
sumados y restados. De hecho, el tiempo de
ciclo es un buen ejemplo de datos continuos.
Puede ser medido y comparado para mostrar
diferencias entre distintas mquinas, operadores
o turnos. Los datos continuos a menudo cuentan
algo sobre el proceso en s.
Figura 2. El nmero de errores producido por un factor rastreado
durante una semana es un ejemplo de datos continuos.
Lesson: 11/16
Recopilacin de datos
Para reunir datos adecuadamente, usted debe
primero saber qu tipo de datos requiere el
proyecto. Estar reuniendo datos diferenciados
o datos continuos? Por ejemplo, suponga que
usted est midiendo un lote de piezas metlicas
pequeas y rectangulares que contienen cuatro
agujeros, como la pieza que se muestra en la
figura 1. Una medida discreta de la pieza le dice
simplemente si la pieza est bien o mal. Las
medidas discretas incluyen revisar los cuatro
agujeros de la parte con los cuatro pernos en una
parte que embona, o utilizando un calibrador de
pasa-no pasa como los pernos en la figura 2.
Sus datos diferenciados sern la cuenta del
nmero de piezas que coincidieron o no
coincidieron con el calibrador.
Si usted estuviera recopilando datos continuos en
Figura 1. Un ejemplo de datos diferenciados es la cuenta del nmero
una pieza, usted podra tomar medidas reales de
de piezas que encajan o no encajan con un calibrador de pasa-no pasa.
los dimetros de los agujeros o la distancia del
centro de uno al siguiente. La figura 3 muestra
un dispositivo de inspeccin digital para agujeros
que puede ser utilizado para esta tarea. Los
datos continuos brindan mucha ms informacin
sobre una parte o un proceso que un simple
conteo con un calibrador pasa-no pasa.
Cuando registre los datos, usted debe ser exacto.
Usted no debe adivinar, estimar o redondear los
nmeros a menos que as le sea dicho. Asimismo,
si usted no sabe algo, pregunte a su supervisor.
Estn las mediciones en milmetros o dcimas
de milmetros? Unas cuantas dcimas de pulgada
o milsimas de milmetro pueden hacer una gran
diferencia en los clculos Six Sigma. Recuerde,
usted y su compaa estn buscando la
perfeccin.
Figura 2. Los calibradores de pasa-no pasa se utilizan para pasar o
rechazar piezas sin aportar mediciones especficas.
Figura 3. Los datos continuos pueden ser recopilados utilizando un
calibrador de inspeccin de agujeros para medir una serie de agujeros.
Lesson: 12/16
Herramientas de anlisis de datos: Datos diferenciados
Los datos primarios que usted recolectar durante un
proyecto Six Sigma pueden darle a su compaa
algunas indicaciones tempranas de dnde residen los
problemas en un proceso. Sin embargo, un verdadero
anlisis de datos puede tener lugar slo cuando se
tiene una estructura. En Six Sigma, esa estructura
viene en forma de tablas y grficas que dan sentido a
los datos y ayudan a los integrantes del equipo a
visualizar el proceso y los problemas. Se utilizan
diferentes tablas para los diferentes tipos de datos.
Las grficas de pastel y las grficas de Pareto son
las mejores para ilustrar las categoras separadas de
datos diferenciados. Las grficas de pastel muestran
los datos como una parte de un todo. Como muestra
la figura 1, los tamaos de las rebanadas son a
menudo lo suficientemente obvias como para apreciar
a primera vista cmo se comparan entre s los grupos
de datos. Una grfica de Pareto, como la que se
muestra en la figura 2, es una grfica de barras
organizada de mayor a menor o de ms grande a ms
Figura 1. Las grficas de pastel se utilizan para ilustrar datos
pequeo. Los peores se hacen obvios por el tamao
diferenciados.
de sus barras.
Figura 2. Las grficas de Pareto utilizan barras para ilustrar datos
diferenciados de mayor a menor.
Lesson: 13/16
Herramientas de anlisis de datos: Datos continuos
Las grficas de datos continuos forman una
imagen distinta a las de los datos diferenciados.
Debido a que a menudo hay relaciones que se
basan en datos continuos, estas herramientas
suelen mostrar tendencias o cambios en un
proceso.
Una de las grficas ms comnmente usadas para
documentar los datos continuos es la
distribucin de frecuencia. La figura 1 muestra
un ejemplo de una hoja de comprobacin de
distribucin de frecuencia utilizada para reunir
este tipo de datos. Por ejemplo, un operador
puede registrar datos en esta grfica para indicar
el nmero de minutos transcurridos
inspeccionando un lote de piezas. Estos datos se Figura 1. Los integrantes del equipo rastrean la longitud de tiempo
registran como una serie de X en columnas que toma cada inspeccin y registran la frecuencia de cada uno en una
separadas. Las especificaciones piden hoja de comprobacin.
inspecciones que duran un minuto. Las X
muestran el nmero de sucesos por cada tiempo
de inspeccin en el lote. No toda inspeccin dura
exactamente un minuto. Habr cierto nmero de
X que muestren inspecciones que duren ms o
menos que un minuto.
Siempre y cuando la mayora de las Xs estn
alrededor de la marca del minuto, creando lo que
se conoce como una curva de campana, usted
puede estar seguro de que la variacin es normal
y se deriva de causas comunes. Sin embargo, si
las Xs se agrupan en una forma diferente, la
variacin no es normal y el resultado es por una
causa especial.
Otra grfica de datos continuos es la grfica de
Figura 2. Esta grfica de carrera muestra que la tendencia de tiempos
comportamiento, la cual tambin muestra
de inspeccin cambi de "menos de la cantidad esperada de tiempo a
tendencias. Utilizando el ejemplo de tiempo de
"ms de la cantidad esperada de tiempo.
inspeccin nuevamente, la figura 2 ilustra una
serie de inspecciones observadas por un
integrante del equipo de Six Sigma. Como el
integrante observ, las inspecciones variaron
desde menos del tiempo especificado, mostrado
por la lnea horizontal a lo largo de la grfica,
hasta tomar mucho ms del tiempo especificado.
Esta tendencia tambin indica la presencia de una
causa especial.
Lesson: 14/16
Mtodo de mejoramiento del proceso Six Sigma: DMAIC
Los datos son la parte ms importante de un proyecto Six
Sigma, pues sirven como la columna de los cinco pasos del
mtodo de mejoramiento de proceso Six Sigma conocido
como DMAIC, el cual representa (por sus siglas en ingls)
definir, medir, analizar, mejorar y controlar. Una vez que el
proyecto ha sido elegido y el equipo se ha reunido, el
trabajo comienza en cada uno de estos pasos:
Definir-el alcance y objetivos del proyecto son
descritos en un documento llamado estatutos. Este
paso incluye requerimientos del cliente y proyeccin
de procesos de alto nivel.
Medir-incluye planear qu tipo y qu cantidad de
datos se deben reunir. Este es el mayor paso de
recopilacin de datos, aunque se renen datos en cada
etapa.
Analizar-el equipo llega a las causas raz de los
problemas. Este paso se lleva a cabo utilizando tablas,
grficas y otras frmulas matemticas.
Mejorar-el equipo hace lluvias de ideas, selecciona e
implementa soluciones basadas en el anlisis de datos.
Figura 1. Los mapas de proceso muestran los pasos
Las mejoras de procesos son puestas en
principales en un proceso.
funcionamiento.
Controlar-el equipo documenta y estandariza tanto el
proceso como las herramientas utilizadas para
monitorear el proceso. Este paso es ms que slo
volver a revisar el nuevo proceso.
Cada uno de estos pasos tiene objetivos, tareas, datos y
herramientas especficos. Si usted tiene conocimientos sobre
calidad, esbeltez y cualquier otra filosofa de mejoramiento,
encontrar elementos similares en DMAIC.
Lesson: 15/16
Implementacin de Six Sigma
Los proyectos Six Sigma generalmente toman de
seis meses a dos aos para completarse. Este
perodo es a menudo ms prolongado que otras
iniciativas de calidad o esbeltez, algunas de las
cuales pueden completarse en cuestin de das. No
obstante, existen varias razones por las que una
iniciativa Six Sigma bien implementada puede ser
ms exitosa que otro tipo de proyecto de
mejoramiento de proceso.
Los proyectos Six Sigma a menudo implementan
cambios en formas que son exactamente iguales a
las de calidad y esbeltez. Por ejemplo, al igual que
las iniciativas de calidad, los proyectos Six Sigma
enfatizan la satisfaccin del cliente y la
documentacin de proceso en DMAIC. La
Figura 1. Six Sigma utiliza herramientas como esta grfica, la cual
identificacin de caractersticas crticas para calidad
est basada en control de proceso estadstico.
(CTQ) es un ejemplo idneo.
De manera similar, las iniciativas Six Sigma buscan
maneras de documentar y reducir desperdicios y
variacin, utilizando a menudo herramientas
prestadas directamente de esbeltez. La etapa de
mejoramiento de DMAIC con frecuencia es una
iniciativa de esbeltez en s. Sin embargo, una
diferencia es que no todas las implementaciones de
esbeltez recaen en el anlisis de datos o
estadsticas. Asimismo, aquellos que estn basados
en datos en ocasiones se basan en nmeros que no
han sido completamente analizados para encontrar
la causa raz.
Como Six Sigma se basa en datos medibles
utilizando herramientas de control de proceso
estadstico, los cambios hechos a lo largo del
proyecto Six Sigma son de igual modo medibles.
Para descubrir si una iniciativa Six Sigma es o no
exitosa, usted debe ser capaz de ver simplemente
los nmeros.
Lesson: 16/16
Resumen
Six Sigma es un mtodo de mejoramiento de
procesos que se basa en datos para identificar las
reas problema e indicar mejoras. El objetivo es
reducir el nmero de defectos a menos de 3.4
defectos por milln de oportunidades, lo cual es
cercano a la perfeccin. Six Sigma tiene sus races en
las prcticas de administracin de calidad que fueron
desarrolladas en el Japn de la postguerra.
Las metas de los proyectos Six Sigma deben ser
seleccionadas basndose en datos que identifican
caractersticas que son crticas para la calidad. Estas
caractersticas son las reas ms importantes y
medibles identificadas por el cliente.
Figura 1. Cada uno de los integrantes del equipo Six Sigma tiene
diferentes roles y responsabilidades.
Los equipos Six Sigma recopilan datos para resolver
problemas que son probablemente causados por los
siguientes factores: mquinas, materiales, mtodos,
Madre Naturaleza, medicin y personas. Por medio
del anlisis de causa raz, el equipo localiza la fuente.
Los problemas son a menudo indicados por la
variacin. Existen dos tipos de variacin en los
procesos: variaciones de causa comn, para las
cuales no hay una sola causa y variaciones de causa
especial, la cual puede ser relacionada a una sola
causa.
Los datos utilizados en el anlisis de Six Sigma
pueden ser diferenciados o continuos. Para reunir y
analizar apropiadamente los datos, usted debe saber
cul es el tipo de datos que se necesita y qu
mtodos debe usar para medirlos y registrarlos. Los
datos diferenciados son a menudo analizados por
medio de grficas de pastel y grficas de Pareto,
mientras que los datos continuos pueden ser
analizados por grficas de distribucin de frecuencia
y de comportamiento.
Figura 2. Las 5 M y 1 P son los factores ms comunes que causan
El anlisis de datos es la columna del mtodo de
problemas con los procesos.
mejoramiento de proceso Six Sigma, conocido como
DMAIC: definir, medir, analizar, mejorar y controlar.
Estos pasos suelen ejecutarse tomando herramientas
prestadas de la calidad, la cual se enfoca en la
satisfaccin de los clientes y de la esbeltez, la cual
tambin busca reducir el desperdicio y la variacin.
Class Vocabulary
Term Definition
(5Ms and 1 P) Expresin que identifica los seis principales factores que son las fuentes ms probables 5 M y 1 P
de problemas. Estos factores son mquinas, materiales, mtodos, Madre Naturaleza, medicin y
personas.
(finish grinding) Proceso abrasivo que mejora la superficie de una pieza. acabado con esmeril
(quality management) Mtodo de mejoramiento de proceso que se enfoca en incrementar la administracin de
satisfaccin del cliente a un costo razonable para la compaa. calidad
(total quality management) Mtodo de administracin popular en las dcadas de los ochentas y administracin de
noventas que estaba basado en una lista de filosofas de mejora. El propsito era provocar un cambio calidad total
en toda la compaa y el mejoramiento continuo.
(root cause analysis) Estudio llevado a cabo para determinar la causa principal y subyacente de un anlisis de causa
problema. El anlisis de causa raz implica la recopilacin y estudio de datos para determinar la raz
verdadera causa de un problema.
(go-no go gage) Instrumento de medicin que determina si una parte simplemente encaja o no y por calibrador de
tanto pasa o no la inspeccin. No se hace esfuerzo para determinar el grado exacto de error. pasa-no pasa
(champion) Designacin Six Sigma para un ejecutivo o gerente dentro de la compaa quien puede campen
hacer que las cosas se hagan para el equipo. Los campeones se aseguran que el equipo tenga los
recursos necesarios.
(yellow belt) Designacin de otros integrantes del personal quienes ayudan con los proyectos Six cinta amarilla
Sigma.
(black belt) Practicante de Six Sigma con la mayor capacitacin quien acta como lder de proyecto. cinta negra
Los cinta negra trabajan tiempo completo en proyectos y dirigen a los integrantes de menor nivel del
equipo.
(green belt) Integrante del equipo, capacitado en Six Sigma, quien pasa cerca de 20% de su tiempo cinta verde
en proyectos Six Sigma y cerca de 80% en obligaciones regulares.
(external customer) Organizacin o persona externa que recibe un producto o servicio de la cliente externo
compaa.
(internal customer) Departamento o persona dentro de la compaa que se apoya en otros para cliente interno
satisfacer al cliente externo. En un proceso de pasos mltiples, el siguiente paso del proceso es
siempre el cliente interno.
(statistical process control) Uso de estadsticas y grficas de control para medir las caractersticas control de proceso
clave de calidad y controlar cmo se comportan los procesos relacionados. SPC separa las causas estadstico
especiales de variacin de las causas comunes.
(critical to quality) Caractersticas especficas y medibles de un producto o proceso que son crticas para la
identificadas por los clientes como necesarias para su satisfaccin. calidad
(bell-shaped curve) Grfica de datos variables caracterizada por un centro ms alto, lados que se curva de campana
estrechan y bordes ensanchados como campana. Una curva de campana refleja condiciones que
exhiben variacin natural.
(data) Informacin factual, usualmente en forma de nmeros que se utiliza para anlisis y solucin de datos
problemas.
(continuous data) Datos que pueden ser medidos en una escala y comparados con otros datos. datos continuos
Tambin conocidos como datos variables, pueden ser sumados o restados entre s.
(attribute data) Datos que representan una caracterstica individual o un conteo. Tambin conocidos datos de atributo
como datos diferenciados, los datos de atributo no pueden ser sumados o restados entre s.
(discrete data) Datos que representan una caracterstica individual o conteo. Tambin conocidos datos diferenciados
como datos de atributo, los datos diferenciados no pueden sumarse o restarse entre s.
(variable data) Datos que pueden ser medidos en una escala y comparados con otros datos. Tambin datos variables
conocidos como datos continuos, estos pueden ser sumados o restados entre s.
(waste) Cualquier cosa o proceso que no agrega valor a un producto. El desperdicio es a menudo desperdicio
relacionado con causas especiales de variacin.
(frequency distribution) Mtodo sistemtico de mostrar el nmero de sucesos de datos observables distribucin de
en orden de menor a mayor. Las distribuciones de frecuencia representan mejor los datos continuos. frecuencia
(DMAIC) Los cinco pasos de Six Sigma para el mejoramiento de procesos. DMAIC quiere decir DMAIC
definicin, medicin, anlisis, mejoramiento y control.
(process owner) Designacin temporal de la persona responsable del diseo de proceso y desempeo. dueo de proceso
Los cintas verdes son en ocasiones considerados dueos de proceso.
(charter) Documento que sirve como definicin y declaracin de los problemas a los que se enfoca el estatutos
proyecto Six Sigma.
(run chart) Representacin grfica del desempeo de un proceso que se registra a lo largo del grfica de
tiempo. Las grficas de comportamiento representan mejor los datos continuos. comportamiento
(Pareto chart) Grficas de barras que muestran el orden de los errores con ocurrencia ms frecuente grficas de Pareto
o fuentes de los mismos. Las grficas de Pareto representan mejor los datos diferenciados.
(Pie chart) Grficas circulares que estn dividida en rebanadas para representar la frecuencia de los grficas de pastel
datos recolectados. Mientras mayor sea la rebanada, ms alto es el porcentaje. Las grficas de pastel
representan mejor los datos diferenciados.
(ISO 9000) Estndar publicado por la Organizacin Internacional para la Estandarizacin que enlista ISO 9000
los requerimientos para la creacin e implementacin de un sistema efectivo de administracin de
calidad.
(master black belt) Practicante proactivo de Six Sigma quien trabaja de cerca con otros integrantes maestro cinta negra
para determinar y llevar a cabo los objetivos del proyecto. Los maestros cinta negra trabajan de
tiempo completo en proyectos y dirigen a los integrantes de menor nivel del equipo.
(lean manufacturing) Enfoque de manufactura que busca mejorar la calidad del producto y la manufactura esbelta
productividad, reducir costos y eliminar el desperdicio.
(just-in-time manufacturing) Enfoque de produccin y distribucin que enfatiza procesos flexibles e manufactura justo a
inventarios reducidos para disminuir los costos y mejorar la capacidad de respuesta. tiempo
(continuous improvement) Creencia de que una organizacin debe medir constantemente la mejoramiento
efectividad de sus procesos y buscar cubrir los objetivos ms difciles para satisfacer a los clientes. continuo
(process mapping) Mtodo grfico de capturar los pasos de un proceso. La planeacin de proceso proyeccin de
puede ser llevada a cabo antes y despus de que el proceso sea mejorado. proceso
(non-value added) Actividades que no contribuyen al producto o al proceso y deben por tanto ser sin valor agregado
eliminadas. Los pasos de sin valor agregado son desperdicio.
(Six Sigma) Filosofa de administracin y mtodo de mejoramiento de procesos que utiliza datos para Six Sigma
identificar problemas y hacer mejoras. El objetivo de Six Sigma es reducir el nmero de defectos a
menos de 3.4 defectos por milln de oportunidades, lo cual es cercano a la perfeccin.
(cycle time) Tiempo real que toma realizar una tarea y avanzarla al siguiente paso. tiempo de ciclo
(value-added) Cualquier parte del proceso de produccin que mejora el producto para el cliente. valor agregado
(variation) Diferencia entre dos o ms cosas similares. variacin
(common cause variation) Fuente de variacin que es normal y esperada. La variacin de causa variacin de causa
comn es predecible y no puede ser rastreada a una sola causa. comn
(special cause variation) Fuente de variacin que causa un cambio fundamental en un proceso. La variacin de causa
variacin de causa especial seala un cambio en el proceso y puede ser rastreada hacia una sola especial
fuente.

Six Sigma

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Six Sigma

Cargado por

Copyright:

Formatos disponibles

Introduccin a Six Sigma 170

También podría gustarte