Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

ANALISIS DE CAPACIDAD DE PROCESO

Oscar Lobos M. Six-Sigma MBB Certificado GE Co.

Alexis Vergara A. Six-Sigma BB Certificado GE Co.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Introduccin
El anlisis de un proceso suele subdividirse en dos etapas, la primera consiste en caracterizar los datos y la segunda en estudiar la aptitud del proceso para cumplir con las especificaciones del cliente 1- Para caracterizar los datos utilizaremos la estadstica descriptiva: Medidas de tendencia central (media, mediana, moda) Medidas de tendencia NO central (Cuartiles, percentiles deciles) Medidas de dispersin (rango, desviacin estndar) Grficos de cajas, histogramas 2- Para conocer el rendimiento actual o al inicio del proceso,en base a las especificaciones del cliente, mediremos la capacidad de proceso: Cp, Cpk, Sigma Defecto, oportunidad, Sigma
Pero primero es necesario que : Definamos el tipo de dato con el que estamos trabajando Definir el tamao de muestra Organizar los datos en subgrupos Conocer como se distribuyen los datos a travs de la distribucin de probabilidad

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Caracterizacin de los datos

Para llevar a cabo la caracterizacin de los datos se deber disponer de un nmero de datos que sea representativo y que haya sido tomado de manera aleatoria. La caracterizacin de los datos consiste en conocer el centro (por ejemplo la media), la variabilidad (p. ej. la desviacin estandar) y la forma de la distribucin de las observaciones. Estos conceptos los estudiaremos en el manual de estadstica bsica.

Estos estudios pueden realizarse independientemente de las especificaciones del producto, ya que lo que se estudia son las caractersticas de los datos o procesos.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

ESTUDIO DE LA FORMA
Podemos representar de manera grfica y descriptiva la forma, distribucin y los estadgrafos de un set de datos. Esta visin de conjunto, nos permite relacionar la informacin obtenida para los distintos parmetros y entender el comportamiento de la data bajo estudio. Descriptive Statistics
Variable: Oper1
Anderson-Darling Normality Test A-Squared: P-Value: Mean StDev Variance Skewness Kurtosis N Minimum 1st Quartile Median 3rd Quartile Maximum 4.52548
4.36 4.46 4.56 4.66 4.76 4.86 4.96 5.06 5.16 5.26

0.159 0.947 4.81892 1.03254 1.06614 7.69E-02 1.66E-02 50 2.56155 4.16625 4.73359 5.66750 7.52072 5.11237 1.28668 5.18729

2.5

3.5

4.5

5.5

6.5

7.5

95% Confidence Interval for Mu

95% Confidence Interval for Mu 95% Confidence Interval for Sigma 0.86252 95% Confidence Interval for Median 4.43227 95% Confidence Interval for Median

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad de proceso
Definicin: En cualquier proceso es importante cuantificar la variabilidad natural del proceso, para poder analizarla y evaluar si cumple con los requisitos o especificaciones del Cliente.
Excelente Capacidad de Proceso Muy Baja Probabilidad de Defectos Muy Baja Probabilidad de Defectos

LIE Pobre Capacidad de Proceso

LSE

Muy Alta Probabilidad de Defectos

Muy Alta Probabilidad de Defectos

Este anlisis recibe el nombre de Estudio de Capacidad y expresa la capacidad de un proceso en trminos de una medida estndar

LIE

LSE

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Por qu estudiar la capacidad de un proceso?

Permite determinar la naturaleza del problema causado por la variacin (Cp: Capability) y el centramiento (Cpk: Capability Kurtosis) del proceso. Permite a la organizacin predecir nivel de defectos Ejemplo: La variacin del proceso es mayor a lo permitido por la especificacin? Resultado = Cp & Cpk inaceptables Est el proceso centrado en la especificacin propuesta? Resultado = Cp puede ser aceptable, Cpk no lo es Son correctas las especificaciones? Acaso hemos cuantificado la variacin causada por el sistema de medicin?

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Mecnica para medir la capacidad del proceso:

I. II. III. IV.

Identificar el tipo de datos Definir el Tamao de la Muestra y obtener los datos Definir los sub grupos Analizar el tipo de distribucin.
Capacidad de Proceso Tamao de muestra Tipo de dato Variable Sin Subgrupo Con Subgrupo Atributo Unidad Oportunidad Defecto Sigma

Normalidad? CP, CPK, Sigma LT, ST,Shift, Benchmark

Normalidad? CP, CPK, Sigma LT, ST,Shift, Benchmark

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Paso I Analizar tipo de datos:

Tipos de datos

Variables

Atributos

Continuos

Discretos

Nominales

Ordinales

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Paso II Clculo de tamao de muestra:

El objetivo de cualquier muestreo es reducir el universo a analizar. Esto significa escoger solo una porcin para analizar y realizar inferencias acerca de toda la poblacin . Tamao de la Muestra es el nmero de elementos que conforman la muestra. Se denota con n. Para calcular el tamao de muestra existen diferentes formulas. Estas frmulas requieren que se especifique el nivel de confianza, el error mximo tolerable y la varianza de la poblacin. Conozcamos el significado de cada uno:

N: N de individuos a los cuales se les puede medir la variable de inters en la Poblacin. d: Error absoluto razonable. ste indica cuanto se est dispuesto a equivocar en las estimaciones y generalmente es determinado por el experto que requiere el muestreo y se expresa en nmeros. Muchas veces se desconoce un valor para el error absoluto razonable, por lo cual se especifica un valor relativo denominado r. ste valor r est expresado en fracciones. Z 0,975, donde a es el nivel de confianza con el cual se decide trabajar. : Variable poblacional que indica la variabilidad de la poblacin a estudiar (desviacin estndar).

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Paso III Clculo de tamao de muestra:

Veamos en un ejemplo, el uso de las matrices para el clculo automtico del tamao de la muestra:

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Paso III Subgrupos (solo se aplica a datos variables Que es un subgrupo? Un subgrupo es un set de datos tomados de un proceso, que incorpora todas las causas comunes de variacin. (las causas comunes son las No controlables y conviven con el proceso) Ejemplo: Analizaremos el proceso de atencin al cliente, (el foco ser el tiempo de atencin). Por nuestra experiencia los das, expresados en fecha pueden ser un subgrupo ya que los das se asemejan entre si. Para que defino un subgrupo? Para determinar oportunidades de mejoramiento o causas especiales de variacin (que ocasionan eventos fuera de los lmites de especificacin) Veamos esto con el ejemplo de tiempo de atencin:

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

El Proceso de atencin al cliente

LSL
Martes

USL
Lunes

Miercoles

Jueves

Vierne s

Capacidad a Largo Plazo

TOTAL MES

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Visualizando las Causas

Dentro del Grupo Dentro Dentro del del Grupo: Grupo: ) a a corto corto plazo plazo ( ( st st)
Lunes Lunes Martes Mircoles Jueves

Nuestro Nuestro potencial potencial - lo lo mejor mejor que que podemos podemos estar estar La La reportada reportada por por todas todas las las compaas compaas 6 6 sigma sigma Los Los muchos muchos triviales triviales (causas (causas comunes) comunes)
Entre Entre Grupos: Grupos: Llamada Llamada shift shift (realmente (realmente es es una una medida medida en en sigma's sigma's de de qu qu tan tan lejos lejos se se ha ha recorrido recorrido de de la la media) media) Indica Indica nuestro nuestro control control del del proceso proceso Los Los pocos pocos vitales vitales (causas (causas especiales) especiales)

sst + sshift = stotal

Entre Grupos

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Seleccin del tipo de distribucin para medir la capacidad del proceso:

Si los datos no son
normales, podemos intentar una transformacin a normal usando MNITAB: => Stat => Control Charts => Box Cox Transformation Una vez transformados los datos, debemos probar su normalidad: => Stat => Basic Statistics => Normality Test
NO

Analizar la Normalidad de los datos (ver gua de Minitab)

Siguen los datos una distribucin Normal?

SI

Usar Trasformacin Box- Cox

Usar Distribucin Normal

Se logro Normalidad?

SI

Usar Distribucin Weibull

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Transformacin Box-Cox
La transformacin Box-Cox es una ley de transformacin exponencial. Es frecuentemente usada para mejorar el ajuste de los datos. Matemticamente este encuentra el parmetro lambda (), para el que la distribucin de Y transformada
= Y Y

se ajusta mas a una distribucin normal. Encontrando la mejor transformacin: Minitab, calcular los valores transformados de los datos originales, usando muchos valores de lambda entre el rango de 5.0 to 5.0. Para cada valor de lambda, Minitab ajustar los datos transformados usando un grfico de probabilidad normal. El ajuste que entregue el menor error, es el mejor estimador de lambda.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Indicadores para medir la Capacidad del proceso:

Los diferentes ndices de Capacidad comparan el rendimiento del proceso en referencia a las especificaciones dadas.

Para datos Variables: CP CPK Z

Para datos por Atributos: Unidad Oportunidad Defecto Z

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad del Proceso Para datos Variables

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad de procesos (para Procesos Estables)

Un proceso en control puede ser o no ser Capaz Un proceso se dice Capaz si tiene la capacidad de producir las piezas dentro de especificaciones Existen dos tipos de Capacidad:
1- Habilidad o capacidad potencial (CP): Se utiliza para analizar la variacin del proceso , teniendo en cuenta que el proceso est centrado con respecto a las especificaciones. Un proceso es hbil potencialmente si su variabilidad total es menor a la variabilidad permitida por los lmites de especificacin (tolerancia) 2- Habilidad o capacidad real (CPK): Se utiliza para analizar el centramiento con respecto a los lmites de especificacin. Un proceso es realmente hbil si se encuentra centrado dentro de las especificaciones en este caso, la habilidad potencial es igual a la real

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Habilidad Potencial (CP):

USL Valor Nominal LSL
En el clculo de la habilidad potencial no interviene la media del proceso

variabilidad del proceso Tolerancia

Caracterstica

Un proceso es Hbil Potencialmente si la variabilidad del proceso es menor o igual a la variabilidad permitida por los lmites de especificacin

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Habilidad Real (CPK):

USL
X

LSL

Cpk-inferior

Cpk Superior

+ 3

Para determinar la Habilidad del proceso se comparan los Limites de Tolerancia Natural con los Lmites de Especificacin

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Corto Plazo vs. Largo Plazo:

Definicin: Corto Plazo, se refiere a al capacidad instantnea (en un perodo corto de tiempo), para establecer la calificacin o capacidad de proceso. El concepto de corto tiempo es particular de cada proceso. La capacidad a Corto Plazo es producida por las causas comunes de variabilidad del proceso. Clculo: Capacidad a corto plazo es calculada usando una desviacin estndar pooled basada en subgrupos racionales Definicin: La capacidad de Largo Plazo, nos indica cmo se est comportando el proceso respecto a las especificaciones del cliente teniendo en cuenta todas las causas de variacin (comunes y especiales), y en un perodo ms largo de tiempo. Clculo: Capacidad a largo plazo es calculada usando la desviacin estndar total sin subgrupos
LSL

Set-Up 3 Set-Up 1 Set-Up 2

USL

LSL

USL

Importante: Los anlisis basados en el modelo normal, calculan tanto la variacin a corto plazo como la variacin a largo plazo, mientras que los basados en el modelo Weibull slo calculan la variacin a largo plazo.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Estudios de capacidad para datos Variables Sin subgrupos

(solo se calcula Largo Plazo):
Indice y Frmula
(datos normales o no normales ) Para 2 lmites: USL LSL 6 Para 1 lmite superior:
Cpu = LSE - . 3
Cp

Definicin
Cp, se refiere a la variacin en el proceso que ocurre alrededor del promedio. El ndice Cp representa capacidad potencial asumiendo que el promedio del proceso es igual al punto intermedio de las especificaciones, y que el proceso est bajo control estadstico.

Uso
Para analizar la variacin del proceso , teniendo en cuenta que el proceso est centrado con respecto a las especificaciones. Trabajar sin subgrupos, nos permite revisar la capacidad teniendo en cuenta las causas comunes y especiales de variacin

Interpretacin
Valores inferiores a 1 indican que el proceso no es capaz de cumplir con las especificaciones, valores ligeramente superiores a 1 indican que si el proceso est perfectamente centrado y se producir un nmero muy pequeo de unidades defectuosas, que, sin embargo, aumentar si el proceso se descentra. Lo recomendable es obtener valores superiores a 1.3 (para capacidad = 4 ).

Para 1 lmite inferior:

Cpl = - LIE 3

(datos normales o no normales)

Se escoge el menor valor USL x LSL x 3 3

Cpk

Debido a que el promedio no siempre se encuentra en el punto intermedio de las especificaciones, requerimos un ndice que refleje la variacin y la ubicacin del promedio del proceso. Este ndice es Cpk.

Para analizar el centramiento con respecto a los lmites de especificacin

Si el proceso est centrado Cpk=Cp, en caso contrario Cpk<Cp, y si Cpk<1 implica que en las condiciones actuales se estn produciendo defectos. Mientras ms grande sea el Cpk, ms grande ser la capacidad real del proceso.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Estudios de capacidad para datos Variables Con subgrupos: (Largo Plazo):

Indice y Frmula
PP

Definicin
La capacidad PP representa lo que el proceso podra hacer solo si lo centramos (dentro de las especificaciones)

Uso
Conocer la capacidad potencial del proceso y definir la estrategia (centrarlo o reducir variacin)

Clculo

(datos normales)

USL LSL 6T (desvi.est (desvi.estndar total )

Se toma la desviacin estndar total y no la de cada subgrupo.

Ppk

(datos normales)

USL x 3 T

LSL x 3 T

La capacidad Ppk representa lo que el proceso hace hoy en da.

Permite conocer el funcionamiento actual del proceso, sin ser intervenido.

LSL

USL

(desvi.est (desvi.estndar total )

Comparar la capacidad de corto y largo plazo, permite conocer el gap de mejoramiento del proceso.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Estudios de capacidad para datos Variables Con subgrupos: (Corto Plazo):

Indice y Frmula
CP

Definicin La capacidad CP representa lo que el proceso podra hacer si lograramos reducir la variacin y si lo centramos. La capacidad CPk representa lo que el proceso podra hacer, si solo reducimos la variacin (provocada por las causas especiales)

Uso Demuestra la mejor capacidad que se podra obtener del proceso. Se utiliza para definir la estrategia de mejoramiento (se buscarn los factores que afectan a la variacin)

Clculo Se toma la desviacin estndar pooled y no la total

(datos normales)

USL LSL 6P (desvi.est (desvi.estndar pooled )

Cpk

(datos normales)

USL u 3 P

LSL u 3 P

(desvi.est (desvi.estndar pooled )

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Interpretacin de los ndices de capacidad :

GRAFICA
LSL USL

Cp 2.5

Cpk 2.0

QUE PODEMOS HACER?

Vigilar que el proceso se mantenga en control, pudiendose implementar una grfica de Control.

Caso #1

-8

-4

12

16

20

24

28

32

36

Caso # 2

LSL

USL

2.0
-8 -4 0 4 8 12 16 20 24 28 32 36

Centrar el proceso, hacer ajustes en la mquina para mover la media lo ms cerca posible al valor 0.5 objetivo.
Se necesita hacer cambios mayores, ya que el proceso est generando piezas fuera de especificacin, cambiar de mquina, redisear mquina, chequear 100% las piezas, cambiar especificaciones, etc. etc.

Caso # 3

LSL

USL

0.8
-8 -4 0 4 8 12 16 20 24 28 32 36

0.6

Caso # 4

0.2

0.5

Revisar los calculos, ya que se hicieron mal.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Usando Z como una Medida de Capacidad

Z=6 T USL USL

Capacidad Capacidad66

Z=3 T

Z=

SL -

USL USL Capacidad Capacidad33

Conforme Conformela la variacin variacin disminuye, disminuye,la la capacidad capacidadse se incrementa incrementay, y,como como consecuencia, consecuencia,la la desviacin desviacin estndar estndar (s) (s) se se hace hacems mspequea pequea lo locual, cual,disminuye disminuye la laprobabilidad probabilidadde de un undefecto. defecto.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Clculo de Z:

Z usl

+1 +2 +3 +4

Corto plazo
x

Largo plazo

P(d)LSL

P(d)USL

LSL

USL

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Clculo de capacidad a partir de Z:

CP
- CPul - CPls Z bench Short Term (capacidad potencial si lo centro y si reduzco la variacin) Z Short Term (capacidad potencial si solo reduzco la variacin) Z bench Long Term (capacidad potencial si solo lo centro)

CPK PP
- Ppul - PPls

PPK

Z Long Term (Capacidad actual del proceso)

La diferencia entre el Zbench de largo y plazo y el de corto plazo es el z shift. Cuanto mayor sea ZShift , mayor es el problema de control. ZShift tpico= 1,5

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Relacin capacidad del proceso vs. Nivel de Sigma

Cp < 2.0 USL SL = LSL Cp < 1.7
(Objetivo) =T (Medio)

6 5 4

Cp < 1.3

Z =
cp (corto plazo) lp (largo plazo)

Cp < 1.0

Cp < 0.5

st lt

2 1

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

EJEMPLO
En nuestro, caso nos interesa conocer la Capacidad del Proceso, para establecer el base line o rendimiento actual. La variable de salida (Y), ser la diferencia entre el tiempo real de atencin en caja (medido) y el tiempo standard definido como objetivo. Esta variable la llamaremos Delta tiempo Parmetros : Variable X = Distintos locales (L101, L201, L301) = Subgrupos Variable Y = Delta tiempo (minutos) Objetivo = 0 minutos Lmite superior de especificacin = 2 minutos Lmite inferior de especificacin = -2 minutos

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad del Proceso Para datos de Atributos

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad de proceso para datos por Atributos:

Para calcular la capacidad de un proceso de manera exacta, se debe definir y cuantificar correctamente el defecto, la unidad y la oportunidad de proceso:

Unidad (U) Cantidad de piezas, sub-ensambles, ensambles, o sistemas inspeccionados o testados.

Cuadrados: 4 unidades

Oportunidad (OP) Caracterstica que Usted inspecciona o testea.

Crculos: 5 oportunidades por unidad

Defecto (D) Lo que resulta en insatisfaccin de cliente. Lo que resulta en no conformidad.

Crculos amarillos : 9 defectos

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Frmulas
Defectos por unidad DPU = D/U
9/4 = 2,25

Total de oportunidades TOP = U*OP

4*5 = 20

Defectos por oportunidad (Probabilidad de defecto) DPO = D/TOP

9/20 = 0,45

Defectos por milln de oportunidades DPMO = DPO*1.000.000

0,45*1.000.000 = 450.000

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Cmo calculamos Z = Sigma para datos discretos?

Dnde obtenemos el valor de Z para DPMO obtenidos?
Mtodo 1: mirando en la tabla de distribucin normal Mtodo 2: Utilizando MINITAB

Demostremos los dos mtodos

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Mtodo 1:Tabla de conversin Largo / Corto Plazo Cmo decidimos si sumamos o restamos 1.5 de un Sigma estimado Convertir DE
Z Corto Plazo Z Corto Plazo Ninguna Accin Convertir A Z Largo Plazo Z Largo Plazo

+ 1.5
Ninguna Accin

- 1.5

Datos a corto plazo estn libres de causas asignables, por lo tanto representan nicamente el efecto de causas aleatorias. Datos a largo plazo reflejan la influencia de causas aleatorias como tambin de fenmenos asignables. Si el rendimiento o datos de defectos son recopilados a travs de varios intervalos de produccin, considere la situacin como de largo plazo; de otra forma, asuma que es de corto plazo.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Mtodo 2: Utilizando Minitab

Ejemplo = 150.000 DPMO = 0,15 Calc / Probability distributions / Normal / Inverse cumulative probability / Input constant (1 - 0.15) = 0.85, MINITAB entrega el valor de Z = 1.0364

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

EJERCICIO:
En nuestro, caso nos interesa conocer la Capacidad del Proceso para la variable Rendimiento La variable de salida (Y), ser la diferencia entre el 100% y el rendimiento actual evaluado en cada variable.

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad del Proceso vs. Datos No Normales

Analizar la Normalidad de los datos (ver gua de Minitab)

NO

Siguen los datos una distribucin Normal?

SI

Usar Distribucin Weibull

Usar Trasformacin Box- Cox

Usar Distribucin Normal

Si nuestros datos no son normales, podemos intentar una transformacin a normalidad usando MNITAB: Stat => Control Charts => Box Cox Transformation Una vez transformados los datos, debemos probar su normalidad: => Stat => Basic Statistics => Normality Test
Continua

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Capacidad del Proceso vs. Datos No Normales

Si los datos transformados son normales, entonces podemos realizar nuestro anlisis de Capacidad del proceso, usando el mejor estimado de lambda () dado por el Box Cox Transformation, y aplicndolo en nuestros datos no-transformados: =>Stat =>Quality Tools =>Capability Analysis (Normal) =>Options => Ingresamos el valor de Lambda (). Si la transformacin a normalidad usando el Box Cox Transformation no fue exitosa, entonces podemos realizar nuestro anlisis usando la distribucin Weibull: Stat => Quality Tools => Capability Analysis (Weibull) En este caso, no podemos obtener la informacin sobre la capacidad del proceso a corto (Cp) y a largo (Cpk) plazo. Sin embargo, obtenemos informacin sobre el desempeo del proceso (Indice Pp Overall Process Performance)

Diplomado en Gestin estratgica y metodologa de Calidad Seis Sigma

Preguntas para determinar una apropiada aplicacin de la Etapa Medicin:

Cules son las variables del proceso, de entrada y de salida? Qu medidas claves indican el funcionamiento del proceso del negocio? Se estableci un plan de recoleccin de datos? Qu tipo de datos se recolectaron (pasados, presentes, on going) Quin particip en la recoleccin de datos? Cmo seleccion el team la muestra de la poblacin? Qu ha hecho el team para asegurar la estandarizacin del proceso de medicin de datos? Se utiliz el estudio Gauge R&R? Qu grficos utiliz el team para mostrar los componentes de la variacin del proceso? Qu explica el grfico en trminos de variacin? Cul es la actual performance en trminos de ndices de capacidad de proceso? Cul es la actual performance en trminos de nivel de sigma y RTY? Cun grande es la diferencia entre la performance observada y las especificaciones del cliente y la meta? Ha encontrado alguna causa especfica que afecte a la diferencia de performance? Qu herramientas en particular encontr el team de ayuda para la etapa de medicin?