Está en la página 1de 255

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en

una planta de manufactura de Cables Telefnicos

Maestra en Ingeniera de Calidad

TESIS QUE PRESENTA

LUIS ROSETE
PARA LA OBTENCIN DEL GRADO DE MAESTRO EN INGENIERA DE
CALIDAD.

APLICACIN DE LA METODOLOGA SEIS SIGMA EN LA MEJORA DEL


DESEMPEO DE PROCESOS DE UNA PLANTA DE MANUFACTURA DE
CABLES TELEFNICOS

ASESOR: DR. PRIMITIVO REYES AGUILAR

Pgina 1

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

INDICE
Introduccin
Antecedentes
Justificacin
Ventajas de Seis Sigma vs Calidad Total
Ventajas de Calidad Total vs Seis Sigma
Desventajas del aseguramiento de calidad vs Seis Sigma
Objetivos
Alcance y trascendencia
Planteamiento del problema
Capitulo 1. Introduccin a la metodologa Seis Sigma
1.1
1.2
1.3
1.4
1.5

La mtrica de Seis Sigma


Mediciones para Seis Sigma
Clculo de Sigmas del proceso
Diez pasos de Motorota para la mejora de procesos
Las Fases DMAIC de Seis Sigma

Capitulo 2. Fase de Definicin


2.1 Propsito
2.2 Etapas de la fase de Definicin
Capitulo 3. Fase de Medicin
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8

Introduccin
Etapas de la fase de Medicin
Estadstica bsica para la fase de Medicin
Herramientas para la solucin de problemas
Estudios de capacidad de sistemas de medicin (R&R)
La distribucin normal
Capacidad de procesos normales
Capacidad de procesos no normales

Capitulo 4. Fase de Anlisis


4.1 Introduccin
4.2 Etapas de la fase de Anlisis
4.3 Regresin lineal

Pgina 2

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

4.4
4.5
4.6
4.7

Cartas Multi Vari


Pruebas de Hiptesis de una poblacin
Pruebas de Hiptesis de dos poblaciones
Anlisis de Varianza de una va (ANOVA)

Capitulo 5. Fase de Mejora


5.1
5.2
5.3
5.4

Introduccin
Etapas de la fase de Mejora
Diseo de experimentos factoriales
El diseo factorial 2K

Capitulo 6. Fase de Control


6.1
6.2
6.4
6.5

Introduccin
Etapas de la fase de Control
Cartas de control
Dispositivos A Prueba de Error

Captulo 7. Caractersticas de la empresa GCLA


7.1 Perfil de la empresa
7.2 General Cable de Latinoamrica
7.3 Certificacin ISO 9000
CAPITULO 8. Caso practico de aplicacin de la metodologa Seis Sigma
en la mejora del desempeo de los procesos de la empresa GCLA
8.1 Resumen ejecutivo
8.2 Inicio del proyecto
8.3 Metodologa DMAIC
8.4 Evaluacin de beneficios
8.5 Contrato del proyecto
8.6 Resumen de herramientas
8.7 Resumen de problemas encontrados
8.8 Planes futuros
Conclusiones y recomendaciones
Bibliografa
Pgina 3

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

INTRODUCCIN
ANTECEDENTES
Actualmente, uno de los mayores problemas que enfrentan las empresas
es el de la fuerte competencia dentro de cada mercado a nivel local y
global.
Las

organizaciones

que

disean

productos,

manufactura u organizaciones de servicios,

organizaciones

de

tienen que ser cada vez

ms eficientes y productivas dadas las tendencias de incremento de


competencia en el mercado global. De tal manera que deben crear una
cadena de valor que logre satisfacer ampliamente las necesidades de los
consumidores, con mayor calidad, en menos tiempo, y al menor costo
posible.
Los diseadores de producto, tienen el reto de innovar en el menor
tiempo posible para lanzar nuevos productos rpidamente, a pesar de
que

los

productos

sean

complejos.

Las

reas

de

manufactura

experimentan retos fuertes al tener que fabricar mayores volmenes de


produccin, con menos recursos.

Las reas de servicio, tienen que

reducir al mximo sus tiempos de entrega para lograr la satisfaccin de


los clientes.
Las organizaciones llevan a cabo una gran variedad de procesos
mediante los cuales logran la transformacin. En estos procesos la
"variacin" es un factor muy importante a controlar. El concepto de
variacin establece que no existen dos artculos que sean perfectamente
iguales, es un fenmeno de la naturaleza y un hecho en el entorno de

Pgina 4

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

cualquier tipo de organizacin, por ejemplo las dimensiones del


dimetro de cables telefnicos; el

contenido de los refrescos vara de

una botella a otra; el tiempo requerido para asignar un asiento en el


mostrador de registro de una lnea area vara de un pasajero a otro. Si
se ignora la existencia de esta variacin (o se racionaliza en forma falsa
que es pequea) se puede llegar a tomar decisiones incorrectas sobre
problemas importantes, impactando la calidad de los productos.
A lo largo del tiempo las tcnicas para mejorar la calidad han ido
evolucionando; en un principio la calidad se controlaba mediante
inspecciones finales de los productos (siglo XIX), los que estaban
dentro del rango de especificaciones se aceptaban, los que no se
rechazaban teniendo que ser reprocesados o desechados.
Este sistema tiene dos riesgos: el primero es tener que estar
reprocesando gran cantidad de artculos defectuosos y el segundo es
que a pesar de la inspeccin por muy rigurosa que sea, pueden llegar
productos en mal estado a las manos del consumidor final debido a que
la inspeccin final de manera visual no es confiable. En este caso la
probabilidad de incurrir en costos de fallas internas y externas es muy
alto.
Para

subsanar

las

prdidas

econmicas

que

generaban

estos

desperdicios y en el afn por mejorar la calidad surgen nuevas ideas y


metodologas.
Durante la Segunda Guerra Mundial Walter Shewhart y Dodge Romig en
la Western Electric de la Bell Telephone desarrollaron el Control
Estadstico de Procesos (CEP), enfocado al control de los procesos y

Pgina 5

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

la aplicacin de mtodos estadsticos para la reduccin de la variacin y


los niveles de inspeccin.
En la dcada de los cincuenta surge el Aseguramiento de la Calidad,
en el Departamento de Defensa de los EUA y en Gran Bretaa, en sta
poca se detecta la necesidad de involucrar a todos los departamentos
de la organizacin en el diseo, planeacin y ejecucin de polticas de
calidad.
En la dcada de los noventa surge la Administracin Estratgica por
Calidad Total, con enfoque al mercado y a la satisfaccin de las
necesidades del consumidor, reconociendo el efecto estratgico de la
calidad en el proceso de competitividad.
A principios de los noventa en Motorota, Inc., de EUA se desarrolla el
sistema denominado SEIS SIGMA (SIX SIGMA) el cual consta de una
metodologa para la solucin de problemas, basndose principalmente
en la aplicacin de tcnicas estadsticas para reducir la variacin al
mximo.
La metodologa SEIS SIGMA, engloba tcnicas de Control Estadstico de
Procesos,

Despliegue de la funcin de calidad (QFD), Ingeniera de

calidad de Taguchi, Benchmarking, entre otras; siendo una slida


alternativa para mejorar los procesos y por lo tanto, lograr la
satisfaccin de los clientes.
Entre las principales ventajas que presenta

esta metodologa se

encuentran las siguientes: contiene una serie de pasos generales para


llevar a cabo la implementacin en cualquier tipo de empresa, las
herramientas que la conforman pueden ser utilizadas por usuarios de
Pgina 6

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

diferentes disciplinas y niveles dentro de la organizacin; representa un


desafo para las empresas que lo llevan a cabo ya que la meta es
alcanzar un nivel de variacin mnimo, como sigue.
El trmino SIGMA es una letra del alfabeto griego ( ) utilizado para
describir variabilidad, la medida que comnmente se utiliza es: defectos
por unidad. Un nivel de calidad sigma "Alto" significa que los defectos
tienen menores posibilidades de ocurrir, mientras que uno "Bajo", tendr
mayores probabilidades de estar presente. El nivel Seis Sigma significa
que se encontrarn nicamente 3.4 defectos por cada milln de
unidades producidas considerando la capacidad de los procesos en el
largo plazo.
La metodologa Seis Sigma involucra una medida, para determinar el
grado en que los diferentes procesos alcanzan sus metas, adems de
ofrecer una gran variedad de estrategias para realizar las mejoras
correspondientes.
La aplicacin de las tcnicas a todas las funciones de la empresa,
conlleva a un alto nivel de calidad a bajos costos y con una reduccin en
los tiempos de ciclo; resultando en una gran rentabilidad y ventaja
competitiva.
Es importante que la administracin

se enfoque a los problemas que

estn ocultos, por ejemplo: las horas extra para corregir errores, errores
en documentacin, exceso de inventario y no solamente a los que saltan
a la vista, por ejemplo: los reprocesos, rechazos, reclamaciones por
parte de los clientes. Es importante tener una visin clara y un plan
perfectamente bien definido para alcanzar el xito al implementar
proyectos de mejora.
Pgina 7

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Seis Sigma es una estrategia de negocios iniciada por la empresa


estadounidense Motorola,

a principios de los aos 90's. Asimismo,

General Electric, Sony, y Allied Signal, realizaron la implementacin de


la misma obteniendo grandes beneficios. Actualmente, el uso de esta
metodologa esta siendo ampliamente difundida.
La estrategia Seis Sigma incluye el uso de herramientas estadsticas
dentro de una metodologa estructurada incrementando el conocimiento
necesario para lograr de una mejor manera, ms rpido y al ms bajo
costo, productos y servicios que la competencia.
Se caracteriza por la continua y disciplinada aplicacin de una estrategia
maestra "proyecto por proyecto" tal como lo recomienda Joseph Juran
en su triloga de la calidad, donde los proyectos son seleccionados
mediante estrategias clave de negocios, lo cual conduce a recuperar la
inversin realizada y obtener mayores mrgenes de utilidad. La gente
que coordina los proyectos de Seis Sigma son comnmente llamados:
BlackBelts1, Green Belts, etc.
Para aplicar la filosofa Seis Sigma dentro de una organizacin implica
"Cambiar la cultura de la organizacin",

ya que se fomenta el

trabajo en equipo para la solucin de problemas,


comunicacin, y

se mejoran la

aumenta el grado de confianza y seguridad en los

individuos para realizar el trabajo, de esta manera se rompe la


resistencia al cambio para poder ser ms agresivos y alcanzar metas
cada vez ms desafiantes.

Black Belt es nombre registrado por Motorola Inc. en U.S.A

Pgina 8

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Como ejemplos de los beneficios que han obtenido algunas empresas


que han utilizado la metodologa Seis Sigma tenemos los siguientes:

En la divisin de Sistemas Mdicos de GE -General Electric-, la


implementacin produjo que se incrementara diez veces la vida de
un scanner

de rayos-x, aumentando el grado de confiabilidad y

rentabilidad de el equipo, as como el nivel de cuidado a los pacientes


proporcionado por los hospitales y otros proveedores mdicos.

En el negocio de plsticos de GE despus de un riguroso esfuerzo del


equipo de trabajo, se ganaron trescientos millones de libras en
capacidad (peso), equivalente a una nueva planta, se ahorraron $400
millones de dlares tan solo en inversin.

Lockheed Martin

gastaba un promedio de doscientas horas de

trabajo tratando de fabricar una parte para que el tren de aterrizaje


de un jet ajustar correctamente. El personal realiz grandes
aportaciones de ideas durante mucho tiempo, sin embargo el
problema no se solucionaba. La disciplina estadstica Seis Sigma
descubri una parte que se desviaba por una milsima de pulgada.
Ahora que se corrigi el problema la compaa ahorra

$14,000

dlares por cada jet fabricado.

JUSTIFICACION
Seis Sigma es una slida alternativa para incrementar la calidad de los
productos y servicios, dando mayor rentabilidad, esta metodologa est
enfocada a todas las reas que componen una empresa y no solamente

Pgina 9

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

a un departamento especfico de calidad. La bibliografa con la que se


cuenta actualmente es demasiado compleja y el lenguaje en algunos
casos resulta difcil para el usuario, por los trminos y conceptos de
estadstica avanzada. Por lo anterior se pretende mostrar la aplicacin
de esta metodologa en un caso prctico de proyecto de mejora, donde
en forma clara se describan los pasos a seguir con la metodologa SEIS
SIGMA.
A continuacin se mencionan las ventajas que tiene la implementacin
de un sistema Seis Sigma en comparacin con otros Sistemas de
Calidad:
Ventajas Seis Sigma vs. Calidad Total

Mayor uso de tcnicas estadsticas en la implementacin de


proyectos de mejora.

Las tcnicas estadsticas son ms fciles de comprender y de


seleccionar ya que utiliza un lenguaje ms digerible para la
mayora de los usuarios.

Utilizacin de reportes de Confiabilidad para la seleccin de


proyectos de mejora.

La seleccin de los equipos de mejora y entrenamiento son ms


robustos ya que es conducida a travs de grupos de gente que
poseen el conocimiento, experiencia, disciplina tcnica, liderazgo y
conocimientos en el rea especfica. (Champions, Black Belts,
Green Belts, etc.)

Anlisis de los sistemas de medicin (calibracin), como parte de


la metodologa.

Pgina 10

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Anlisis de los proceso crticos mediante las tcnicas de Diseo de


experimentos y Superficie de respuesta.

Para la implementacin y control de la condiciones ptimas del


proceso se utiliza en gran medida el Diseo de experimentos, CEP
y Superficie de respuesta.

Realiza estudios de la capacidad del proceso, cuando los ndices


cp 2.0 y cpk 1.5 , se tiene un buen indicador de que se est

logrando el nivel Seis Sigma.

Garantiza el cumplimiento mediante muestreos aleatorios.

Los objetivos son medidos mediante el logro de la mtrica 6 , y


las utilidades que genera cada proyecto.

Seis Sigma tiene mayor integracin con las estrategias clave de


negocio y desempeo.

El liderazgo en Seis Sigma se da desde la direccin, mientras que


en los sistemas de Calidad se ha mostrado mayor escepticismo por
parte de la administracin.

Uno de los mayores


rompe

las

barreras

beneficios que tiene Seis Sigma es que


entre

departamentos

utilizando

la

administracin de procesos Cross Functional.


Ventajas Calidad Total vs. Seis Sigma

Realiza un diagnostico operativo y cultural en la empresa antes de


llevar a cabo la implementacin del sistema.

Propone el desarrollo de polticas de calidad las cuales deben de


ser son congruentes con los planes estratgicos de la empresa.

Dicta

procedimientos

de

entrenamiento,

educacin

reconocimiento a los logros de calidad (mayor administracin del


recurso humano).

Pgina 11

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Propone el uso de un sistema de Aseguramiento de Calidad, el


cual proporciona la certeza de que el resultado del proceso
productivo tendr los niveles de calidad deseados.

Desarrollo de crculos de calidad mediante los cuales se forman


grupos

voluntarios

de

trabajadores

para

discutir

temas

relacionados con la calidad, fortaleciendo la actitud de los


trabajadores hacia el trabajo.

Desventajas de los sistemas de Aseguramiento de Calidad vs.


Seis Sigma

El sistema de comunicacin es lento.

La

calidad

depende

de

las

inspecciones

que

realiza

el

departamento de Aseguramiento de calidad.

Cuando un auditor descubre oportunidades de mejora, pueden


existir fricciones entre los administradores de lnea y en ocasiones
las recomendaciones no se llevan a cabo.

Los auditores son los nicos que hacen llegar disconformidades a


la alta gerencia.

El

seguimiento

de

las

recomendaciones

corresponde

exclusivamente al departamento de auditoria y en ocasiones no se


involucra a la alta administracin.

Cuando las auditorias son anunciadas (que sucede en la mayora


de los casos), los departamentos auditados se dedican a maquillar
y ocultar datos y evidencias.

Al llevar a cabo una auditoria es frecuente que las relaciones


humanas sean bastante tensas.

Pgina 12

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Cabe mencionar que el sistema Seis Sigma, se considerar el sistema


principal para quien pretenda implementarlo sin embargo no es posible
prescindir

del

uso

complementarios.

Los

de

otros

principios

sistemas
que

considerados

enuncian

estos

como

sistemas

complementarios son fundamentales para el buen funcionamiento de


una empresa y por tanto la satisfaccin de los clientes.

OBJETIVOS
Objetivo general:
El objetivo general de esta tesis es el desarrollo de un caso prctico de
aplicacin de la metodologa SEIS SIGMA que muestre en forma clara y
concisa los pasos a seguir; servir como una gua que facilita la
comprensin de aplicacin de los diferentes mtodos y herramientas
estadsticas para la mejora de la calidad.
Objetivos especficos:

Mostrar como se pueden utilizar paquetes estadsticos para reducir el


tiempo de desarrollo de los proyectos.

Se pretende que este trabajo sea una gua, tanto para la capacitacin
como para la consulta, de todos aquellos que lleven a cabo la
implementacin de proyectos de mejora bajo la

metodologa Seis

Sigma.

Implementar en las empresas sistemas de calidad basados en la


metodologa Seis Sigma.

Pgina 13

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

ALCANCE Y TRASCENDENCIA
Esta gua est dirigida a aquellas personas que tienen la labor de
implementar sistemas de calidad y realizar proyectos de mejora,
basndose en la metodologa Seis Sigma, minimizando la necesidad de
comprender las deducciones de los mtodos estadsticos avanzados,
concentrndose slo en su aplicacin e interpretacin.
Ser posible que aquellas personas de otras disciplinas o con poca
instruccin puedan familiarizarse con la aplicacin de los mtodos
estadsticos

para

mejorar

de

la

calidad

en

cualquier

empresa,

aumentando los niveles de competitividad y la rentabilidad por lo cual la


trascendencia

tiene impacto positivo y beneficios para la sociedad.

PLANTEAMIENTO DEL PROBLEMA


El uso de la Estadstica para el mejoramiento de la calidad en la mayora
de los casos no ha sido difundido a todas las reas de las empresas,
principalmente por que no se conocen los beneficios que se pueden
obtener, en el manejo y anlisis de informacin y porque existe una
cantidad de deducciones y frmulas matemticas, que solo conocen
aquellas personas que son especialistas en el rea.
La mayora de los ingenieros se han enfocado en aspectos meramente
tcnicos, dejando a un lado las tcnicas de medicin y anlisis de
informacin

proporcionados por la Estadstica., siendo que en

la

mayora de las veces los problemas pueden ser resueltos mediante la


ayuda de dichas tcnicas.
Pgina 14

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Dentro de una organizacin existen personas con diferentes perfiles y


diferentes niveles de conocimiento, lo que dificulta la transferencia de
las herramientas.
Para lograr la adecuada implementacin de Seis Sigma se propone que
este trabajo sea una gua que describa paso a paso la aplicacin de la
metodologa Seis Sigma en el mejoramiento de la calidad de los
productos. Es importante que la implementacin de Seis Sigma sea
realizada por personas que posean liderazgo y adecuado conocimiento
del tema, adems de poder conducir equipos de trabajo y administrar
proyectos.

Pgina 15

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 1. INTRODUCCION A LA METODOLOGA SEIS


SIGMA

1.1 La mtrica de Seis Sigma


El nivel

sigma, es utilizado comnmente como medida

dentro de el

Programa Seis Sigma, incluyendo los cambios o movimientos tpicos


de 1.5 de la media (concepto que ser explicado ms adelante). Las
relaciones de los diferentes niveles de calidad sigma no son lineales, ya
que para pasar de un nivel de calidad a otro, el porcentaje de mejora
del nivel de calidad que se tiene que realizar no es el mismo, cuando
avanzamos a un nivel mayor el porcentaje de mejora ser ms grande.
La tabla muestra el porcentaje de mejora requerido para cambiar de un
nivel sigma a otro mayor.

Nivel actual

Cambio

3
4

4
5

Porcentaje de mejora
requerido
10x
30x
40x

Realizando un comparativo de el nivel de calidad sigma de varias


empresas se determin

que el promedio de estas se encuentra en el

nivel 4 , Las empresas con nivel 6

son denominadas de Clase

Mundial (World Class). El objetivo de la implementacin Seis Sigma es


precisamente convertirse en una empresa de Clase Mundial.

Pgina 16

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

En la figura se muestra el concepto bsico de la mtrica de Seis Sigma,


en donde las partes deben de ser manufacturadas consistentemente y
estar dentro del rango de especificaciones.
La distribucin normal muestra los parmetros de los niveles tres sigma
y seis sigma.

Figura 1.1. La figura

muestra el nmero de partes por milln (ppm) que estaran

fuera de los limites de especificacin tomando como lmite el valor de cada desviacin
estndar. 2

Forrest W. Breyfogle III, Implementing Six Sigma, John Wiley & Sons Inc. pp. 9

Pgina 17

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

LSL

USL

6 5 4 3 2 1

1 2 3 4 5 6

Figura 1.2. Distribucin normal centrada.

Lmite de especificacin

1
2
3
4
5
6

Porcentaje
68.27
95.45
99.73
99.9937
99.999943
99.9999998

Defectos ppm
317,300
45,500
2,700
63
0.57
0.002

Con la distribucin normal centrada dentro de los lmites Seis Sigma , se


tendra nicamente una porcin de .002 ppm.3
Para compensar las inevitables consecuencias de los errores de centrado
de

procesos, la media de la distribucin se desplazamiento

(Segn

Motorola y Juran, no necesariamente aplica para cualquier

empresa).

Este ajuste proporciona una idea ms realista de la

capacidad del proceso a travs de varios ciclos de manufactura.


3

1.5

Forrest W. Breyfogle III, Implementing Six Sigma, John Wiley & Sons Inc. pp. 9

Pgina 18

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

El desplazamiento puede ser en direccin positiva o negativa, pero


nunca en ambas direcciones4

LSL

USL

6 5 4

3 2 1

1 2

4 5 6

Figura 1.3 Distribucin normal descentrada 1.5

Una medida que describe el grado en el cual el proceso cumple con los
requerimientos es la capacidad del proceso. Los ndices utilizados son
Cp y Cpk, Un nivel Seis Sigma tiene la habilidad de lograr ndices de 2.0 y
1.5 respectivamente. Para lograr esta capacidad la meta a alcanzar de
un programa Seis Sigma es producir al menos 99.99966% de calidad,
no ms de 3.4 defectos en un milln de piezas producidas en el largo
plazo.

Anlisis y planeacin de la calidad, J.M. Jurn Mc. Graw Hill, 1995 pp. 397

Pgina 19

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Lmite de especificacin

Porcentaje
30.23

Defectos ppm
697,700

69.13

308,700

93.32

66,810

99.379

6,210

99.9767

233

99.99966

3.4

2
3
4
5
6

Tabla 1.1 Porcentajes y cantidad de defectos a los que corresponden los


diferentes niveles Sigma

1.2 Mediciones para Seis Sigma


La mejora de las mtricas tienen un impacto muy significante en los
resultados del negocio, al reducir la oportunidad de tener defectos.
Es de suma importancia medir la capacidad del proceso en trminos
cuantificables y monitorear las mejoras a travs del tiempo.
Sigma es una letra del alfabeto griego usada para representar la
distribucin o dispersin alrededor de la media de cualquier proceso.

Seis Sigma es una filosofa de administracin enfocada a la mejora


de los procesos, mantenindolos en el valor objetivo y
reduciendo la variacin.

Pgina 20

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Definiciones bsicas5:

Unidad (U): Es un artculo producido o procesado.

Defecto (D): Cualquier evento que no cumpla la especificacin de un

CTQ.

Defectuoso: Una unidad que tiene uno o ms defectos.

Defectos por unidad (DPU): Es la cantidad de defectos en un

producto
DPU

D
U

Oportunidad de defectos (O): Cualquier acontecimiento que pueda

medirse y de una oportunidad de no satisfacer un requisito del cliente.

Defectos por oportunidad (DPO):

DPO

D
U O

Defectos por milln de oportunidades (DPMO): Es el nmero de

defectos encontrados en cada milln de unidades.

Capacidad

del

proceso:

Capacidad

del

proceso

para

cumplir

especificaciones o requerimientos del cliente.

Rendimiento estndar o de primera pasada YFT: Es el porcentaje de

producto sin defectos antes de realizar una revisin del trabajo


efectuado.

Rendimiento al final o de ltima pasada: Y LT: Es el porcentaje de

producto sin defectos despus de realizar la revisin del trabajo.

Forrest W. Breyfogle III. Implementing Six Sigma Ed. John Wiley & Sons, Inc.1999

Pgina 21

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

1.3 Clculo de Sigmas del proceso.


Ejemplo 1
Un proceso de manufactura de mesas tiene cuatro subprocesos:
fabricacin de patas, bastidor, cubierta y pintura. Se toman los datos de
1510 mesas fabricadas y se observa la siguiente informacin. Calcule el
Sigma del proceso.
Subproceso
Patas
Bastidor
Cubierta
Pintura
Totales:

Defectos

Oportunidades/

212
545
71
54
882

Unidad
17
5
9
1
32

Nmero de unidades procesadas = 1510


Nmero total de defectos

Defectos por oportunidad (DPO) =

882

D
882

.0182
N O 1510 32

DPMO = .0182 X 1,000,000=18,253

De la tabla de conversin de sigma determinamos el valor que ms se


acerca a 18,253 siendo este: sigma = 3.6
Rendimiento de primera pasada (YFT) y ltima pasada (YLP)
Los resultados y el nmero de defectos pueden medirse antes o despus
de que se detecten, corrijan o revisen los defectos. Los resultados se
miden en % y el nmero de efectos en defectos por oportunidad (DPO)
o defectos por milln de oportunidades (DPMO).

Pgina 22

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Observemos la siguiente figura:

SUBPROCESO

N articulos con
cero defectos

Trabajo

Hay D1 defectos

Revisar el trabajo

YFP

Subsisten D2 defectos

YLP

En este subproceso podemos observar la entrada de N artculos con cero


defectos, se realiza un trabajo en el cual hay D1 defectos, resultando el
rendimiento a la primera (YFP), despus se revisa el trabajo y al final
subsisten D2 defectos, siendo este el rendimiento en la inspeccin final
(YLP).
Ejemplo 2
Una planta de productos empaca en una de sus lneas un cierto artculo.
La

produccin

en

un

turno

es

de

5,000

unidades.

Existen

oportunidades de defecto en cada unidad:

Mal sellado del empaque

Producto maltratado

Empaque roto

Se encontraron 64 defectos, de los cuales 14 se encontraron antes de


ser enviados a la lnea de empaque final, despus de esto 50 defectos
todava subsisten. Se pide calcular YFP y YLP.

Pgina 23

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Rendimiento a la primera YFP

DPO

64
.0042
5000 3

DPMO = .0042 X 1,000,000 = 4,266.66


YFP = 1-.0042 = .9958 = 99.58%

Rendimiento en la inspeccin final YLP

DPO

50
.0033
5000 3

DPMO 3,333.33

YLP = 1- .0033 = .9967= 99.67%


Observamos que el rendimiento en la inspeccin final es mayor que el rendimiento a la
primera.

Rendimiento real o estndar (YRT)


Mide la probabilidad de pasar por todos los subprocesos sin un defecto,
se

determina

con

el

producto

del

resultado

de

YFP1 YFP2 YFP3 ......YFPn

Es un rendimiento sensible a pasos y defectos en los pasos.


Ejemplo 3:

Pgina 24

cada

paso:

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Un proceso con cinco subprocesos tienen los rendimientos siguientes de throughput:
0.98, 0.93, 0.95, 0.98 y 0.94. El Rendimiento Estndar Y RT= 0.98x 0.93 x 0.95x 0.98x
0.94 = 0.7976, es la probabilidad de que el producto pase sin error.

Rendimiento Normal (YN)

El rendimiento normal mide el promedio de rendimientos por los pasos


del proceso.
Es el promedio exponencial basado en el nmero de pasos del proceso,
no es un promedio aritmtico.

YN n YRT , donde n es igual al nmero de pasos en el proceso.

Ejemplo 5
En un proceso con 3 pasos tenemos los siguientes Y FT:
Paso 1: 80%
Paso 2: 70%
Paso 3: 90%
Calcular YN
Primero calculamos YRT = .504

YN n YRT 3 .504 79.6%

Nota: El rendimiento Normal es el promedio del rendimiento del


proceso. Sigma es calculado a partir de un rendimiento Normalizado.

Pgina 25

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Variacin a largo plazo vs. Variacin a corto plazo (Z-Value)


Largo

plazo:

son

los

datos

tomados

durante

un

periodo

de

tiempo

suficientemente largo y en condiciones suficientemente diversas para que sea


probable que el proceso haya a experimentado todos los cambios

y otras

causas especiales.

Corto

plazo:

datos

tomados

durante

un

periodo

de

tiempo

suficientemente corto para que sea improbable que haya cambios y


otras causas especiales.
Para el clculo de datos a largo plazo a partir de datos a corto plazo
restamos 1.5, debido a los desplazamientos que sufre la media debido al
cambio natural en los procesos.
ZST = ZLT+1.5
ZBenchmark = ZYN+1.5
Donde:
ZST= Z a corto plazo.
ZLT= Z a largo plazo.
YN = Rendimiento Normal

EJEMPLO 6
Un proceso tiene un YRT = .38057 con 10 operaciones. Determine YN y Zbenchmark

YN 10 .38057 .9079
Z

benchmark

= .9079+1.5= 2.4079

Pgina 26

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Calculo de Sigma en Excel
La sigma del proceso que es la sigma a corto plazo Zst se determina como sigue:

METODO 1:
1. El rendimiento es igual a Yrt = 1 DPU

o Yrt = 1 D / DPO

2. La Z sigma a largo plazo Zlt = distr.norm.estand.inv(Yrt)


3. La Z sigma a corto plazo o Sigma del proceso = Zst = Zlt + 1.5

METODO 2:
1.

Se determina Zlie y Zlse en base a las especificaciones

2.

Se determina la fraccin defectiva P(Zlie) y P(Zlse)

3.

Con P(Zlie) = distr.norm.estand.inv(Zlie) y P(Zlse) =

distr.norm.estand.inv(-Zlse)
4.

La fraccin defectiva total es P(Zt) = P(Zlie) + P(Zlse)

5.

El rendimiento se determina con Yrt = 1 P(Zt)


6. La Z sigma a largo plazo Zlt = distr.norm.estand.inv(Yrt)
7. La Z sigma a corto plazo o Sigma del proceso = Zst = Zlt + 1.5

Clculo de Sigma con MINITAB


1.

La Z sigmas del proceso a largo plazo en base al rendimiento se determina

como:
Calc > Probability Distributions > Normal

Pgina 27

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Seleccionar Inverse Cumulative probability
Input constant valor de Yrt OK,
2.

Mean 0.0

Estndar deviation 1

se obtiene la Zlt de largo plazo.

La Z del proceso se determina con Zst = Zlt + 1.5

Ejemplo 7
En una fbrica de plsticos, se producen unos contenedores propios para alimentos.
En un lote de produccin de 10,000 unidades se encuentran 125 artculos defectuosos,
la oportunidad de cometer un defecto es 3. Calcule sigma y analice los resultados
proporcionados.

Pgina 28

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pgina 29

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
TABLA DE CONVERSIN DE CAPACIDAD DEL PROCESO EN SIGMAS METODO 1

Pgina 30

Aplicacin de la metodologa Seis Sigma


en laZmejora
del desempeo
de procesos en
Tabla
Mtodo
2
una planta de manufactura de Cables Telefnicos

Pgina 31

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

1.3 Diez pasos de Motorola para la mejora de procesos


Motorota sugiere una serie de pasos para mejorar el desempeo de los
procesos utilizando la metodologa Seis Sigma, como se muestra a
continuacin:
1. Priorizar oportunidades de mejora: Conocer y

especificar los

problemas haciendo las siguientes preguntas: cmo, cuando, donde,


por qu y quin. Indicar cual es el impacto al cliente, confiabilidad,
calidad del producto, costos de calidad.
2. Seleccionar el equipo de trabajo adecuado: Seleccionar un
pequeo grupo de gente que

conozca el producto/ proceso, con la

experiencia, disciplina tcnica y conocimiento en el rea relativa.


Establecer el rol del equipo y de cada miembro, Seleccionar un
Champion que ser el encargado de proporcionar los recursos,
conducir y asesorar al grupo.
3. Describir el proceso en su totalidad: Mediante el uso de
diagramas de flujo ilustrar las posibles variaciones y alternativas de el
proceso. Incluyendo todo el equipo, gente, mtodos, herramientas
instrumentos y equipos de medicin.
4. Anlisis

del

desempeo

de

los

sistemas

de

medicin:

Determinar la exactitud, repetitibilidad y reproducibilidad, linealidad y


estabilidad de cada instrumento o indicador utilizado, para asegurar
que la capacidad de los mismos sea la adecuada, a lo ms del 10%
de la variacin total permitida para caractersticas crticas o 30%
mximo para caractersticas no crticas. Asegurar que la resolucin de
la divisin o dgito ms pequeo sea al menos 10 veces mayor que la
Pgina 32

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

magnitud que se va a comparar. Por ejemplo si la tolerancia es de 10


mm. el medidor debe tener una resolucin o distancia entre marcas
de al menos 1 mm.
5. Identificar

describir

los

procesos

productos

potencialmente crticos: Enumerar todos los procesos crticos


potenciales, mediante el uso de tormentas de ideas, datos histricos,
reportes de rendimiento, anlisis de falla etc.
6. Aislar

verificar

los

procesos

crticos:

Reducir

la

lista

enfocndonos a los pocos vitales, identificar las relaciones de entrada


y salida que provocan problemas especficos. Verificar las causas
potenciales de variacin en los procesos, mediante el uso de diseo
de

experimentos,

diagramas

de

dispersin,

diagramas

multivariados.
7. Estudio de el desempeo del proceso y medicin de la
capacidad: Identificar y definir las limitaciones de los procesos.
Asegurar que los procesos sean capaces de alcanzar su mximo
potencial. Determinar las especificaciones reales. Se considera que
un proceso es capaz cuando C p C pk 1.0 , si el proceso es capaz se
contina con el paso 8. , de lo contrario se requiere tomar acciones
rediseando el proceso o el producto.

Pgina 33

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Figura 1-4 10 pasos de Motorola para la mejora de procesos.


1.

Priorizar oportunidades de mejora

2.

Seleccionar el equipode trabajo adecuado

3.

Describir el proceso en su totalidad

4.

Analisis del desempeo de los sistemas de


medicin

5.

Identificar y describir los procesos y productos


potencialmente crticos

6.

Aislar y verificar los procesos crticos


Accin requerida en el proceso
Estudio de el desempeo del proceso y
medicin de la capacidad

7.

proceso
es capaz

8.

Implementacin de condiciones de operacin y


control ptimas

9.

proceso
no capaz

objetivos/tolerancias
controles de proceso
Procedimientos para accin preventiiva
Procedimientos para accin correctiva

Monitoreo de procesos atravs de la mejora


continua

Reducir causas comunes de variacin


alcanzando Six Sigma

10.
C p 2. 0 y C pk 1 .5

si
MEJORA
CONTINUA

no

Pgina 34

Rediseo de Equipo/proceso
Rediseo de producto
Accin de la Gerencia

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

8. Implementacin de condiciones de operacin

y control

ptimas: Llevar a cabo un plan permanente de acciones correctivas


para prevenir causas especiales de variacin. Es necesario tener un
proceso

estable

predecible,

por

lo

cual

se

deber

tener

continuamente controles de proceso.


9. Monitoreo de procesos a travs de la mejora continua: Los
sistemas, mtodos, procedimientos debern de ser modificados
cuando sea necesario para evitar las causas especiales de variacin.
Tambin ser necesario identificar las acciones futuras requeridas
para mejorar el proceso.
10.

Reducir causas comunes de variacin para alcanzar Seis

Sigma: Se deben reconocer las limitaciones del proceso. Solamente


a travs de la reduccin y eliminacin

de las causas comunes de

variacin y el diseo para la manufactura es posible alcanzar el nivel


Seis Sigma. Una vez que las causas especiales se han eliminado
solamente pueden permanecer causas comunes las cuales se irn
eliminando a travs de la mejora continua de los procesos.
1.5 Las fases DMAIC de Seis Sigma
La metodologa Seis Sigma es un mtodo disciplinado de mejora de los
procesos conformado por las fases siguientes: Definicin, Medicin,
Anlisis, Mejora y Control (DMAIC), como se explican a continuacin:

Definir
Definir

Medir
Medir

Analizar
Analizar

Pgina 35

Mejorar
Mejorar

Controlar
Controlar

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 2

Definir
Definir

Medir
Medir

FASE DE DEFINICION

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

2.1 Propsito
Identificar el problema a resolver, estratificando tanto como sea posible,
por ejemplo: reclamacin de un cliente por falla, identificar la familia de
productos por importancia mediante el uso del diagrama de Pareto (ver
diagrama Pareto fase de medicin), despus identificar el producto, la
lnea donde se hace, el equipo especfico, etc. En este momento ya se
puede definir el problema y la oportunidad de mejora. En esta fase la
primera de la metodologa de Seis Sigma, se trata de detectar cual es el
problema, definir los CTQS (Critico para la calidad) con base en la voz
del cliente (VOC), el impacto que tiene para el negocio la realizacin del
el proyecto, las metas que se pretenden lograr, el alcance y los ahorros
financieros.
2.2 Etapas de la fase de definicin
Las etapas de la fase de definicin son las siguientes:

Pgina 36

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

2.2.1

Identificacin de clientes internos y externos:

El primer paso en la definicin de un proyecto es identificar cuales son


los clientes a los cuales el proceso impacta, se define como cliente
interno a la persona o las personas siguientes en el proceso, esto es
dentro de la compaa. Por ejemplo el cliente de almacn es produccin
ya que ellos se encargan de proveer las materias primas e insumos para
que produccin pueda realizar el proceso de transformacin.
Los clientes externos son todos aquellos a los que la empresa provee un
producto o servicio
2.2.2 Determinar los CTQS del proyecto:
CTQ Critico para la calidad (Critical to quality), es un atributo o
caracterstica de calidad de un producto o servicio

que es importante

para el cliente.
Nota: Tambin existen otros conceptos como CTD (Critical to Delivery) y
CTC (Critical to Cost), en este tipo de proyectos en el CTD el objetivo es
reducir el tiempo de respuesta y para los CTC en reducir los costos
Tanto en los CTQ, CTD y CTC el objetivo para la empresa es reducir los
costos, aumentar la satisfaccin del cliente y aumentar las utilidades.
Para determinar los CTQ, tenemos que conocer la voz del cliente interno
o externo (VOC), o sea que es lo que espera nuestro cliente acerca del
servicio o producto que le proporcionamos. Mediante la voz del cliente
podemos saber cual es el grado de satisfaccin que este tiene.
Pgina 37

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Ejemplo de CTQ:

Entregas a tiempo

Mantenimiento

Durabilidad

Confiabilidad

Seguridad

Para determinar los CTQS

se pueden tomar como base los guientes

puntos:

Metas del negocio

Entrevistas

Encuestas

Quejas

Datos de Benchmarking

Discusiones ejecutivas

Discusiones de trabajo especfico

Matriz de Causa Efecto

QFD

Tendencias del mercado futuras

2.2.3 Seleccin del problema:


El problema se puede dar debido a: devoluciones, bajo nivel de servicio,
entregas

tardas,

desperdicios,

producto

inadecuados.

Pgina 38

defectuoso,

documentos

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

El problema se selecciona en base a las polticas de la organizacin, al


grupo de trabajo, jefe inmediato y a los resultados de sus actividades
diarias.

Criterios para seleccionar el problema

Seguridad

Calidad

Entrega

Costo

Nivel de servicio

2.2.4

Razn de la Seleccin

Expresa los antecedentes,

la importancia y la prioridad de los

problemas.
En este punto explicamos porqu se seleccion el problema:

Efecto econmico, reclamo de mercado, rechazos, % de ventas


prdidas , otros.

Impacto

para

los

procesos

posteriores,

monto

de

prdida,

incremento de tiempo de operacin, paro de lnea, etc.


Entre todos los integrantes del equipo pueden evaluar las razones arriba
descritas mediante la matriz de evaluacin (Figura 2.1) y enfocarse en
un solo tema.

Pgina 39

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

2.2.5

Impacto en el negocio:

En este punto se enuncia como impacta la mejora del proceso al


negocio. Se mencionan cuales seran las consecuencias en caso de no
realizar el proyecto. Se debe conocer cual ha sido la situacin en el
negocio debido al proceso actual. Qu nos ha ocasionado: Prdida de
clientes? Incumplimiento en los niveles de servicio?, As como cuantificar
(en porcentajes y en prdidas de utilidades).
Es importante describir como se alinea el proyecto con las iniciativas y
metas del negocio. Estas ltimas son definidas por la direccin
.
2.2.6

Descripcin del problema:

Se debe estratificar o preguntar porque? Porque? Porque? hasta definir


el problema que tiene el proceso, el producto o el servicio de forma
especfica, indicando cualitativamente de ser posible en cifras,

porcentajes que demuestren la necesidad de modificar su estado actual.


Es necesario

expresar concretamente el grado del problema. (el tema

no deber ser demasiado amplio).

Es mejor no usar la solucin para

nombrar un problema, sin antes realizar la bsqueda de la causa


verdadera, se crear duda de si esa solucin es la definitiva.
Criterio de evaluacin

3 puntos

2 puntos

1 punto

Evaluacin

Problema

Importancia

Prior.

Poltica
Depto.

Periodo
de Ejec.

Factibilidad

Orden

DEVOLUCIONES

12 Puntos
1er. lugar

ENTREGAS TARDIAS

10 Puntos
2o. lugar

DOCS. INADEC.

10 Puntos
2o. lugar

NIVEL SERVICIO

9 Puntos
3er. lugar

Pgina 40

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Figura 2.1 Matriz de evaluacin.

2.2.7

Definicin de los objetivos del proyecto

Para determinar los objetivos del proyecto nos cuestionamos qu es lo


que vamos a obtener con la realizacin del proyecto? Generalmente es
mejorar e implementar el proceso para una fecha especfica. Ej:
Implementar

el 100% de las mejoras de un proceso en la fecha

propuesta, Incrementar el nivel de servicio en un 98%.


En la

tabla 2.1

encontramos puntos

a considerar para definir los

objetivos de manera precisa.

2.2.8 Alcance del proyecto:


Sirve para delimitar el proceso. (alcance del proyecto de Calidad).
Punto de inicio:
Punto final:

Identificar la actividad en donde empieza el proceso.

Identificar la actividad donde termina el proceso.

Dentro del alcance: Actividades que se encuentran dentro del proceso.


Fuera del alcance: Actividades que no estn dentro del proceso.

Pgina 41

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PUNTO CRITICO

ACTIVIDADES

* Aclarar la meta del valor del objetivo .

* Indicar el objetivo con valores en forma numrica


en lo posible.
* El objetivo debe tener relacin con el
efecto esperado .

* No plasmar simplemente los deseos y


expectativas en el objetivo, si no establecer un objetivo factible de manera escalonada .

* El objetivo debe de ser concreto.


Ejemplo:
QU? ****** Reducir el defectuoso en productos A

* Establecer un objetivo con fundamento,


no se debe tomar una decisin de impulso
(sin analizar).

HASTA CUNDO?**** De Mayo del 2002


97 a
Octubre del 2002
HASTA CUANTO?**** Bajar hasta 1%
menos del 1% promedio de defectuoso.

(Punto clave para establecer el valor


objetivo).
* Definirlo tomando en cuenta las polticas
de la empresa.
* En caso de no tener un concepto claro de
las polticas, analizar la importancia de
los problemas y / o mejoras, cuando nos
ocasionen un defecto al proceso posterior , factibilidad de cumplimiento, programa, distribucin de cargo, etc. y definirlo .

* Hay un mtodo para establecer el objetivo


final de una vez; otro estableciendolo en forma
gradual entre objetivo primario y secundario,
establecer periodos de tiempo cortos.
Establecer objetivos graduales en los casos
Siguientes :
(1).- Que el tema sea demasiado grande y se
requiera dividirlo.
(2).- Que el tema sea complicado y que se relacione
con otras reas.
(3).- Que se requiera la seleccin de las actividades
conforme a la habilidad real del grupo de trabajo

Establecer un objetivo que tenga relacin con la seleccin del tema y razn de la seleccin.

Tabla 2.1 Definicin de los objetivos del proyecto.

Ejemplo:
(%)
V
E
N
T
A
S

6
5
4
3
2
1
0

CONDICION ACTUAL
OBJ . PRIMARIO
OBJ . SECUNDARIO

0%

PERIODO DE TIEMPO

Figura 2.2 Ejemplo objetivos del proyecto.

Pgina 42

OBJ ETIVO FINAL

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La realizacin de los proyectos normalmente son asignados a lderes de


proyecto denominados Green Belts quienes aplican la metodologa Seis
Sigma en los proyectos de mejora del desempeo de los procesos.
a) Los proyectos de los Green Belt son relacionados a sus
actividades diarias- a nivel transaccional y operativo, para que
estn bien enfocados y con un alcance corto. Cuando el
proyecto

sea

demasiado

grande

conviene

dividirlo

particionarlo, entre diferentes Green Belts.


2.2.9 Ahorros: Identificar de dnde se van a obtener los ahorros
financieros para el proyecto de Calidad.

Cuales son las fuentes o

actividades de donde se van a estimar los ahorros.


Por ejemplo: Reduccin de costos al mejorar la productividad de un
proceso, reduccin del tiempo de ciclo, reduccin de desperdicios,
reduccin de reclamaciones de clientes, etc.
Cabe mencionar que no siempre hay ahorros, si el CTQ se deriva de una
mejora de la competencia, se har una inversin.
2.2.10 Metas cualitativas
Si es el caso identificar las metas cualitativas. Por ejemplo: Incrementar
los niveles de seguridad en las instalaciones. Mejorar la imagen del
negocio, cumplimiento con lineamientos corporativos.

Pgina 43

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

2.2.11 Mapa del proceso: Realizar un mapeo del proceso de alto


nivel, identificando cuales son los proveedores, entradas,
proceso, salidas, clientes.

PROVEEDOR

ENTRADAS

PROCESO

SALIDAS

CLIENTE

Figura 2-2 Mapa de proceso. high level

2.2.12 Seleccin del equipo de trabajo.


-

Seleccionar a las personas clave que intervienen o que estn


involucradas directamente y que reciben beneficios del proceso.

Incluir nombre, posicin roles y responsabilidades a desempear en


el desarrollo del proyecto.

Es necesario incluir adems de los miembros del equipo, al Champion


del proceso as como un

Black Belt que apoye y asesore a los

equipos de proyecto guiados por Green Belts.


Recomendaciones:
-

Todos los miembros del equipo deben reconocer que la meta que
persiguen como tal es importante para ellos y para la empresa.

Los miembros deben ser asignados a un grupo de acuerdo con sus


habilidades y potencial.

Desarrollar un cdigo de conducta, as como reglas para que ste se


cumpla.

Se debe proporcionar retroalimentacin y reconocimiento en forma


oportuna.

Pgina 44

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La estructura de comunicacin debe asegurar el flujo de informacin


requerido para la toma de decisiones.

Asignacin de recursos y financiamiento para la realizacin de planes


de mejora.

Orientacin y supervisin de los equipos para que tengan un mejor


desempeo.

Es importante identificar en que casos se debe seguir la


metodologa Seis Sigma y en que casos es mejor utilizar alguna otra de
resultados ms rpidos o para solucin de problemas crnicos como la
de crculos de calidad. En realidad aunque se quisieran proponer
soluciones a un problema despus de estratificarlo, sera imposible
llevarlo a cabo.
A continuacin se presenta la fase de medicin donde se colectan datos
para establecer un diagnstico de la situacin actual del problema y sus
posibles causas.

Pgina 45

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 3 FASE DE MEDICION

Definir
Definir

Medir
Medir

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

3.1 Introduccin
En la fase de definicin se identificaron los CTQS del cliente, y se
desarroll un mapa de alto nivel para determinar los CTQS del proceso.
En todos los procesos existe variacin, en esta fase el propsito es
medir dicha variacin, para saber si existen datos que se encuentren
fuera de especificaciones, que estn causando problemas en nuestros
procesos. Para realizar esta actividad es de suma importancia conocer:
que es lo que necesitamos medir? y como lo vamos a medir? A
lo largo de este capitulo tenemos diferentes herramientas que nos
ayudarn a responder estas preguntas.
Dependiendo

de

las

condiciones

necesidades

que

tengamos

seleccionaremos una o ms herramientas, cabe mencionar que no


necesariamente se utilizan todas las herramientas,
seleccionar

cuidadosamente

aquellas

que

nos

lo importante

es

proporcionen

la

informacin ms objetiva y precisa.


Objetivos:

Conocer el uso de las herramientas de la fase de medicin

Determinar que mediciones son importantes para el proyecto

Recolectar datos relevantes


Pgina 46

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Convertir los datos en nmeros para conocer su comportamientos

Detectar cual es la frecuencia con la que ocurren los defectos

3.2 Etapas de la fase de medicin


Esta fase consta de las siguientes etapas:
3.2.1

Seleccionar los CTQS del proceso (Crtico para la


calidad)

Observemos la siguiente tabla:


Y = F(X)

X1, X2,..Xn

Zs

Variable

Variable

Variables

dependiente

independiente

Salida

Entrada-Proceso

(respuesta)

Causa

Efecto

Problema

Sintoma

Controlable.

Monitoreable

de

ruido

Incontrolables

Tabla 3.1 Variables dependiente, independiente y de ruido.


Para la seleccin de Ys podemos utilizar un diagrama de Pareto para
priorizar

centrar

nuestra

atencin

en

el(los)

efecto(s)

ms

importantes. La variable dependiente Y fue previamente determinada


en la fase de definicin.
La Y es la variable de respuesta y las Xs son las variables de entrada,
las Zs son las variables de ruido.

Pgina 47

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los CTQs del cliente (interno o externo) corresponden a la Y, y los


CTQs del proceso corresponden a las Xs
En esta etapa se tratarn de determinar las Xs, ya que son las
variables que podemos medir y controlar.
Para

determinar los

CTQs

del proceso seleccionaremos alguna o

algunas de las herramientas apropiadas a las necesidades del proyecto.


A continuacin se enuncian y

describe brevemente cada una de las

herramientas
Herramienta
Estadstica

Para qu es utilizada?
Definiciones bsicas con ejemplos de Estadstica

Descriptiva
Probabilidad
Distribucin

Definiciones bsicas con ejemplos de Probabilidad


Propiedades de la distribucin Normal

Normal
Lluvia de ideas

Cada

miembro

del

equipo

propone

posibles

soluciones a un problema, se determinan las


Tcnica

mejores soluciones por consenso.


de Permite al equipo rpidamente realizar un consenso

grupos

de la importancia relativa de asuntos, problemas o

nominales.

soluciones posibles. Las causas ms importantes


son atacadas y se priorizan para encontrar la mejor

Anlisis

solucin
de Analizar cuales son las fuerzas dentro de una

Campo

de organizacin o proceso que estn dando empuje a

Fuerzas.
Diagrama

las soluciones y cuales estn frenando el progreso.


Representa de forma ordenada y completa todas

Causa-Efecto

las

(Ishikawa
Fishbone)

causas

que pueden

originar

un problema

o (efecto) es una herramienta muy efectiva para


encontrar

las

causas

Pgina 48

ms

importantes

de un

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

problema y en base al anlisis de las causas


Why-Why-Why

encontrar la mejor solucin.


Se utiliza despus de haber determinado las causas
ms importantes de un problema, preguntando
sistemticamente 3 veces porqu, podremos llegar

5W/1H

a la solucin del problema


Tcnica en la cual se responde a las siguientes
preguntas: que, quin, porque, cuando, donde,

Diagrama

como, para la solucin de problemas.


de Priorizar los problemas que tienen el potencial ms

Pareto

grande de mejora. Muestra la frecuencia relativa en

Diagramas

una grfica de barras descendiente.


Mtodo utilizado para mostrar las relaciones que

Matriz

existen entre

mtodos, causas, actividades etc.

determinando la fuerza que existe entre

estas.

Permite Identificar las medidas ms convenientes


para la solucin.
Matriz Causa y Relaciona las entradas claves a los CTQs y el
efecto

diagrama de flujo del proceso como su principal


fuente. Sirve para priorizar las entradas clave a
usar en AMEFS, planes de control y estudios de

Diagrama
Relaciones

capacidad.
de Permite al equipo identificar, analizar y clasificar
sistemticamente las relaciones causa y efecto que
existen entre todos los elementos crticos, para

Diagrama
Afinidad
Hoja
Verificacin

lograr una solucin efectiva.


de Agrupar en categoras afines las posibles causas
que ocasionan un problema, permitiendo obtener
fcilmente la causa que lo origina.
de Recolectar datos basados en la observacin del
comportamiento de un proceso con el fin de
detectar tendencias, por medio de la captura,

Pgina 49

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

anlisis y control de informacin relativa al proceso.


de Conocer el comportamiento de un proceso

Carta
tendencias
Diagrama

grficamente

para

poder

tomar

las

acciones

correctivas a tiempo cuando es necesario.


de Es una tcnica utilizada para estudiar la relacin

Dispersin

entre dos variables, facilitando la comprensin del


problema planteado.
de Proveen una secuencia grfica de cada uno de los

Mapa
procesos

pasos o actividades que componen una operacin


desde el inicio hasta el final. Permitiendo una mejor
visualizacin y comprensin del proceso. Sirve para
identificar pasos innecesarios, compara el proceso
actual contra el ideal.
Mtodo grfico (matriz de relaciones) en el que se

QFD

identifican los deseos del cliente (CTQS) y las


caractersticas de diseo del producto, procesos o
servicios. Permite traducir de un lenguaje ambiguo
a los requerimientos especficos del diseo del
producto, proceso o servicio. En otras palabras
relacionas los qu? del cliente con los como?
Benchmarking

del

proceso.
Estudio que ayuda a realizar un comparativo de
productos, procesos o servicios contra el mejor en
la clase puede ser dentro de la empresa o, para

Capacidad

identificar oportunidades de mejora.


de Sirve para determinar que tan grandes son las

los sistemas de variaciones en base a ciertos parmetros de los


medicin

sistemas de medicin, incluyendo equipo y gente.

( Anlisis R&R)
3.2.2

Definicin de estndares de desempeo:

Pgina 50

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

a) Definicin Operacional.- Es una descripcin precisa acerca del


proceso que aclara cualquier ambigedad del mismo. Es un paso
clave para el CTQ que est siendo medido.
b) Meta de desempeo.- Estamos interesados en alcanzar la meta de
desempeo de la caracterstica de un producto o proceso. La meta
es reducir la variacin al mximo.
c) Lmite de especificacin.- La cantidad de variacin que el cliente
est

dispuesto

aceptar

en

un

producto

proceso.

La

especificacin puede ser determinada internamente por ingeniera,


siempre y cuando no afecte al consumidor, si no al contrario lo
beneficie.
d) Defecto.- Cualquier caracterstica del producto que sale de los
lmites de especificacin o de los estndares de apariencia, color,
duracin, etc.

Pgina 51

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3.2.3

Establecer y validar el plan de recoleccin de datos

Para realiza el plan de recoleccin de datos podemos ayudarnos del


diagrama 5W/1H el cual consiste en contestar las siguientes preguntas:
What?

Qu?

Why?

Por qu?

Who?

Quin?

Where?

Dnde?

When?

Cuando?

How?

Cmo?

RECOLECCION DE DATOS

El objetivo es recolectar datos confiables, que reflejen la realidad de lo


que est sucediendo.
Las ventajas que nos proporciona son:

Provee una estrategia clara y documentada al recolectar datos


confiables.

Da a los miembros del equipo una referencia comn.

Ayuda a asegurar que los recursos sean usados efectivamente para


recolectar nicamente datos crticos.

Es de suma importancia tener cuestionarios y/ o registros validados y


confiables, debiendo ser lo suficientemente claros para la persona que
los llena, es muy recomendable realizar un instructivo y adems deben
de ser diseados para que proporcionen la informacin necesaria para
el anlisis.

Pgina 52

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Se debe contar con equipos de medicin con error mnimo, de lo


contrario nuestras mediciones sern errneas. Para validar

el sistema

de medicin conducimos un estudio R&R


Ejemplo
En una tienda de refacciones para automviles, disminuyeron en gran
medidas las ventas. El gerente general convoc a una junta con las
personas involucradas, para determinar cuales eran las causas por las
cuales estaba sucediendo esta situacin.
Siguiendo las etapas de la fase.
3.2.4

Seleccionar los CTQS:

El equipo de trabajo realiz una tormenta de ideas, el cuestionamiento


que se hizo es porqu las ventas estn disminuyendo? (efecto) Una vez
terminada est actividad, el grupo seleccion mediante consenso las
causas que consider ms importantes, despus utilizaron la tcnica
Why-Why-Why, para encontrar la causa raz del problema. Mediante
eliminacin de las otras causas se encontr que la causa principal es: el
tiempo de respuesta que se le estaba dando al cliente.
Esto se confirm ya que un miembro del equipo expuso que los clientes
en ocasiones tardaban mucho tiempo en ser atendidos, existan muchas
quejas y los clientes en ocasiones nunca ms regresaban.
3.2.5

Definicin de estndares de desempeo:

Definicin operacional.-

Pgina 53

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

En el mostrador se tiene la idea de que el tiempo de respuesta al


cliente es desde el momento en que se atiende al cliente hasta que
se le entrega la refaccin.
Sin embargo para el cliente el tiempo de respuesta es desde el
momento que se presenta en la tienda, hasta que sale de la tienda
con la refaccin.
Relacionando los requerimientos internos con la voz del cliente (VOC) y
para eliminar ambigedades entre las dos definiciones anteriores
realizamos la siguiente definicin operacional: El tiempo de respuesta al
cliente es: Desde el momento en que el cliente entra a la tienda,
espera a ser atendido, pide las refacciones en el mostrador, le
entregan las refacciones paga en la caja y recibe la factura.

Meta de desempeo.- Haciendo un Benchmarking con la mejor


refaccionara de la ciudad se determin que el 99.5% de los clientes
estaban satisfechos con el tiempo de entrega.

Lmite de especificacin.- En esta caso no tenemos lmite de


especificacin.

Defecto: se define como defecto cuando un cliente no est satisfecho


con el tiempo de respuesta.

Para evaluar la satisfaccin del cliente en cuanto al tiempo de respuesta


realizamos un cuestionario que aplicamos aleatoriamente a diferentes
clientes.

Pgina 54

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3.3

Estadstica bsica para la fase de Medicin

La Estadstica descriptiva es la rama de las matemticas que


comprende la recopilacin, tabulacin, anlisis e interpretacin de datos
cuantitativos y cualitativos, para tomar decisiones que se requieran a fin
de que el comportamiento de los datos se mantenga dentro de los
parmetros de control establecidos.

Poblacin (N) Es el conjunto de todos los elementos de inters


para determinado estudio

Parmetro Es una caracterstica numrica de la poblacin, se


identifica con letras griegas (Media = , Desviacin estndar = ,
Proporcin = , Coeficiente de correlacin = )

Muestra (n) Es una parte de la poblacin,

debe ser

representativa de la misma.

Estadstico Es una caracterstica numrica de una muestra, se


identifica con letras latinas (Media = X, Desviacin estndar = s,
Proporcin = p, Coeficiente de correlacin = r)

La estadstica inferencial se refiere a la estimacin de parmetros y


pruebas de hiptesis acerca de las caractersticas de la poblacin en
base a los datos obtenidos con una muestra.
La Estadstica descriptiva proporciona un criterio para lograr mejoras,
debido a que sus tcnicas se pueden usar para describir y comprender la
variabilidad. Por ejemplo, consideremos en un proceso de reactor

Pgina 55

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

industrial para la obtencin de un producto qumico, tomamos como una


medida crtica el nivel de concentracin de un componente, si utilizamos
un instrumento de medicin con la resolucin suficiente, encontraremos
que existe variabilidad, mediante el uso de tcnicas estadsticas
podemos realizar mejoras en el proceso para reducir la variacin en
rendimiento del reactor.
Para poder obtener consecuencias y deducciones vlidas de los datos de
una estadstica, es muy til contar con informacin sobre los valores que
se agrupan hacia el centro y sobre que tan distanciados o dispersos
estn unos respecto a otros.
Las medidas de tendencia central son la media, mediana y moda.
Las medidas de dispersin son el rango, la desviacin estndar y el
coeficiente de variacin. Otras medidas son los percentiles, deciles y
cuartiles representados en el diagrama de caja.

Distribucin de frecuencias e Histogramas

Cuando tenemos una cantidad grande de datos es difcil poder


analizarlos, a menos que hagamos uso de herramientas que nos
permitan hacerlo con mayor facilidad y claridad. El histograma es una de
ellas, consiste en un diagrama de barras donde las bases corresponden
a los intervalos y las alturas a las frecuencias. Para construir un
histograma es necesario tener un mnimo de 50 a 100 datos.

Pgina 56

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Columna
1
2
3
4
5
6
7
8
9
10
11

Intervalo
0 -8
9-17
18-26
27-35
36-44
45-53
54-62
63-71
72-80
81-89
90-98

Registro de frecuencias
IIIII
IIIII
IIII
IIIII
I
IIIII
IIIII
I
IIIII
IIIII
II
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
III
IIIII
IIIII
III
IIIII
IIIII
IIIII
III
IIIII

IIIII

III

5
9
6
11
17
28
18
13
10
8
5

USO DE EXCEL

1. En el men herramientas seleccione la opcin anlisis de datos.


2. Seleccione la opcin histograma.
3. Seleccione el rango de entrada, estos corresponden a los datos
numricos de la tabla.
4. Seleccione el rango de clases, previamente escribir en una
columna los intervalos de clase.

Pgina 57

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

5. En opciones de salida seleccione una celda de la hoja de calculo


que este en blanco (a partir de est celda ser insertado el
histograma).
6.

Una vez insertado el histograma podr hacer modificaciones

de la escala, color,
ttulos etc. Haciendo clic en el elemento deseado.
Grficas de Caja: Una grfica de caja es un diagrama que proporciona
informacin sobre el centro, la dispersin y la asimetra o sesgo;
utilizacuartiles,

as,

es

resistente

las

observaciones

aberrantes.

Estadstica descriptiva en Excel:


En el men de Anlisis de datos podemos obtener estadsticas de un
conjunto determinado de datos.
Seleccione: Herramientas > Anlisis de datos > Estadstica descriptiva

Ejemplo
Usemos los datos siguientes, para construir una grfica de caja:
5 7 8 9 9 11 12 12 13 14 15 16 17 18 19 20 22
La mediana es Q2 = 13. el cuartil inferior es Q 1 = 9 y el cuartil superior
es Q3 = 17

Pgina 58

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

13

17

22

Como la mediana est un poco a la izquierda de la mitad de la caja y la


extensin ms larga est a la derecha, la distribucin est sesgada a la
derecha.

Diagramas de caja en Minitab:


1. Capture los datos en la hoja de trabajo.
2. Seleccione la opcin: Graph> Charactergraph>Boxplot
3. Seleccione la variable C1 como se muestra en la pantalla y
presione clic en ok
3.4 Herramientas estadsticas para solucin de problemas
Mapa de procesos
Dentro de los sistemas de calidad resulta de gran utilidad representar la
estructura y relaciones de los sistemas mediante diagramas de flujo.

Pgina 59

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Ventajas de los diagramas de flujo

Proveen una secuencia grfica de cada uno de los pasos que


componen una operacin desde el inicio hasta el final. Permitiendo
una mejor visualizacin y comprensin del proceso.

Los diagramas de flujo pueden minimizar grandes volmenes de


documentacin, incluyendo la documentacin ISO 9000.

Facilitan el desarrollo de Procedimientos Estndar de Operacin.

Al tener un procedimiento de operacin estndar se reduce en gran


medida la variacin y el tiempo de ciclo.

Los diagramas de flujo permiten detectar reas de mejora en los


procesos.

Descripcin de smbolos
En la construccin de diagramas de flujo de procesos se utilizan los
smbolos descritos a continuacin:
Operacin de transformacin: de la cual resulta un
cambio fsico o qumico del producto.

Inspeccin: Verificacin de alguna caracterstica


mediante un estandar de calidad

prestablecido.

Transporte: Movimiento fsico del producto o un


componente.

Pgina 60

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Demora: Indica la necesidad de un periodo de


inactividad en espera de operacin inspeccin o
transporte.

Almacenamiento: Mantener un producto en


almacenamiento hasta
que contine su procesamiento o sea vendido.
Pasos para la elaboracin de un diagrama de flujo
1. Describir el proceso a evaluar: Es importante comenzar con los
procesos que se consideran de mayor impacto en la organizacin.
2. Definir todos los pasos que componen un producto o
servicio: Existen diferentes maneras de hacerlo. Una de ellas
consiste en que el equipo de trabajo anote en tarjetas los
diferentes pasos que conforman el proceso, con este mtodo el
equipo puede arreglar y ordenar los pasos del proceso. Otra
manera de hacerlo es mediante el uso de programas de diagramas
de flujo en computadoras, de esta manera se tiene mayor
flexibilidad que en el mtodo anterior

y se ahorra bastante

tiempo.
Cada paso deber de ser discutido y analizado a detalle utilizando
la pregunta por qu se hace de esta manera?

Pgina 61

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3. Conectar las actividades: Cuando los pasos que componen el


proceso han sido descritos se construye el diagrama de flujo,
conectando las actividades mediante flechas, cada smbolo debe
describir la actividad que se realiza con pocas palabras.
4. Comparar el proceso actual con el proceso considerado
como ideal las siguientes preguntas pueden servir de gua:
Existen pasos demasiado complejos?
Existe duplicidad o redundancia?
Existen puntos de control para prevenir errores? deberan de
existir?
El proceso funciona en la manera en la cual debera de hacerse?
Se puede realizar el proceso de diferente manera?
5. Mejoras del proceso: Una vez que se contestan las preguntas
mediante tormenta de ideas se realizan mejoras. Definiendo los
pasos que agregan valor y los que no agregan se puede llevar a
cabo una simplificacin sustancial del proceso.
Las mejoras son priorizadas y se llevan a cabo planes de accin.
6. Implementar el nuevo procedimiento: Una vez realizadas las
mejoras se dan a conocer a las personas involucradas en el
proceso y se verifica su efectividad.

Pgina 62

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Diagrama de flujo: Una visita a la farmacia6


Operacin: despacho de una receta.
EVENTO

SMBO TIEMP DISTANC


LO
O
IA (pies)
(min.)
Abrir la puerta, caminar hacia el rea
0.8
50
de la farmacia del almacn.
Esperar para ser atendido.
1
Sacar la frmula de la billetera o del
bolsillo y entregarla al dependiente.
Esperar hasta cuando el dependiente
despache la frmula y calcule el valor.
Sacar la tarjeta de crdito de la
billetera y entregarla al dependiente.
Esperar que el dependiente diligencie
el desprendible de la tarjeta de crdito.
Verificar el desprendible

0.4

Firmar el desprendible

0.1

Esperar
el
desprendible
y
el
medicamento
Colocar la tarjeta y el desprendible
dentro de la billetera
Recoger el medicamento y caminar de
regreso hasta la puerta

0.3

10
0.4
1
0.2

0.2
0.8

50

Diagrama de flujo de tiempo sin valor.


Es utilizado para detectar cuales son las actividades que agregan valor
al proceso y las que no agregan valor.
Pasos para realizarlo:
Dibujar una lnea horizontal para representar el tiempo total que se
ocupa en el proceso.
6

Adaptado de Hamid Noori/Russell Radford, Administracin de Operaciones y produccin, Ed. Mc.Graw


Hill Pp.282

Pgina 63

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Relacione todos los pasos del proceso detalladamente, despus decida


si el paso tiene valor para el cliente.
Dibujar una lnea vertical fina que represente el tiempo que se
requiere para completar el paso.
Dibjela arriba de la lnea, si representa valor agregado, o debajo si
no lo representa.
En cada lnea vertical seale el paso del proceso.
Puede dibujar una barra con el tiempo de valor agregado como
porcentaje de tiempo total del proceso.
Ventajas:
Delinea grficamente la cantidad de tiempo sin valor que se usa en el
proceso.
Ayuda a reducir el tiempo sin valor y eliminar pasos innecesarios.

Diagrama de Pareto
Herramienta utilizada para el mejoramiento de la calidad para identificar
y separar en forma crtica los pocos proyectos que provocan la mayor
parte de los problemas de calidad.
El principio enuncia que aproximadamente el 80% de los efectos de un
problema se debe a solamente 20% de las causas involucradas.
El diagrama de Pareto es una grfica de dos dimensiones que se
construye listando las causas de un problema en el eje horizontal,
empezando por la izquierda para colocar a aquellas que tienen un mayor
efecto sobre el problema, de manera que vayan disminuyendo en orden
Pgina 64

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

de magnitud. El eje vertical se dibuja en ambos lados del diagrama: el


lado izquierdo representa la magnitud del efecto provocado por las
causas, mientras que el lado derecho refleja el porcentaje acumulado de
efecto de las causas, empezando por la de mayor magnitud.

En la grfica observamos que aproximadamente el 80% de los efectos


es debido a los defectos A,B y C (causas)

Pgina 65

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Lluvia de ideas
En las sesiones de lluvia de ideas se generan nuevas ideas mediante la
participacin de todo el equipo.
Para comenzar con el proceso de tormenta de ideas, en el cual se
genera informacin la gente se rene en una sala en la cual se
recomienda la disposicin de las mesas en forma de U para facilitar el
debate. La gente que participa en la sesin deber de pertenecer a
diferentes reas o tener puntos de vista diferentes, esto con el objeto de
enriquecer la sesin.
El facilitador debe de contar con experiencia en la conduccin de
sesiones de tormentas de ideas, o al menos haber tenido experiencias
previas.
Para conducir un grupo se lleva a cabo la siguiente metodologa:
1. Seleccionar el problema a tratar.
2. Pedir a todos los miembros del equipo generen ideas para la solucin
del problema, las cuales se anotan en el pizarrn sin importar que
tan buenas o malas sean estas.
3. Ninguna idea es evaluada o criticada antes de considerar todos los
pensamientos concernientes al problema.
4. Aliente todo tipo de ideas, ya que al hacerlo pueden surgir cosas muy
interesantes, que motivan a los participantes a generar ms ideas.
5. Apruebe la naturalidad y el buen humor con informalidad, en este
punto el objetivo es tener mayor cantidad de ideas as existirn
mayores posibilidades de conseguir mejores ideas.

Pgina 66

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

6. Se les otorga a los participantes la facultad de modificar o mejorar las


sugerencias de otros.
7. Una vez que se tengan un gran nmero de ideas el facilitador
procede a agrupar y seleccionar las mejores ideas por medio del
consenso del grupo de trabajo.
8. Las mejores ideas son discutidas y analizadas con el fin del proponer
una solucin.
La tcnica tormenta de ideas puede ser aplicada con gran frecuencia al
llevar a cabo otras herramientas, como por ejemplo, diagramas causaefecto (Ishikawa), Diseo de experimentos, pruebas de confiabilidad,
etc.
Diagrama de causa efecto
El diagrama causa-efecto, tambin llamado esqueleto de pescado por
la semejanza de su forma, tambin es conocido por diagrama de
Ishikawa.
Es utilizado para explorar,

e identificar todas las causas posibles y

relaciones de un problema (efecto) o de una condicin especfica en las


caractersticas de un proceso.
Una vez elaborado, el diagrama causa-efecto representa de forma clara,
ordenada y completa todas las causas que pueden determinar cierto
problema.
Constituye una buena base de trabajo para poner en marcha la
bsqueda de las verdaderas causas de un problema.

Pgina 67

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los pasos para elaborar el diagrama de causa- efecto son los siguientes:
1. Seleccione el efecto (problema) a analizar. Se puede seleccionar a
travs de un consenso, un diagrama de Pareto, otro diagrama o
tcnica.
2. Realice una lluvia de ideas para identificar las causas posibles que
originan el problema.
3. Dibuje el diagrama:
-

Coloque en un cuadro a la derecha la frase que identifique el


efecto (caracterstica de calidad)

Trace una lnea horizontal hacia la izquierda del cuadro que


contiene la frase. A esta lnea se le conoce como columna
vertebral.

Coloque lneas inclinadas que incidan en la columna vertebral


(causas principales).

Dibuje lneas horizontales con flechas que incidan en las lneas


inclinadas conforme a la clasificacin de las causas (causas
secundarias)

Dibuje lneas inclinadas que incidan en las lneas de las causas


secundarias (causas terciarias)

4. Clasifique las causas derivadas de la lluvia de ideas, de la siguiente


manera:
-

Causas principales.

Causas secundarias.

Causas terciarias.

5. Jerarquice las causas por grado de importancia y defina aquellas que


tengan un efecto relevante sobre la caracterstica especfica.

Pgina 68

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

6. Elabore y ejecute un programa de correccin de las causas


relevantes.
Ejemplo7

En una fbrica de componentes electrnicos se detectaron fallas en la


lnea de ensamble al realizar la prueba de un circuito, por lo cual se
procedi a realizar una investigacin utilizando el diagrama causaefecto.
El problema es soldadura defectuosa, siendo el efecto que se va
a analizar.
Primero se determinan las causas principales Ms:

Mquinas

Mano de obra

Mtodos

Materiales

Mediciones

Medio ambiente

Estas constituyen las causas primarias del problema y es necesario


desafiarlas

para encontrar causas ms especficas secundarias y

terciarias.

Tomado de: Alberto Galgano, Los siete instrumentos de la Calidad Total, ediciones Daz de Santos,1995

Pgina 69

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Se construye el diagrama espina de pescado con las causas primarias (M


s), a partir de estas causas se agrupan las causas secundarias y
terciarias derivadas de la lluvia de ideas.

MEDICIONES

MAQUINAS

MANO DE OBRA

DIMENSIONES
INADECUADAS

FUERA DE
DIMENSIONES
ESPECIFICADS

VELOCIDAD DE
AVANCE

TEMPERATURA
ANGULO
INCORRECTO DE
LA FLAMA

FORMACION

HABILIDAD

PUNTA OXIDADA

FORMA
PUNTA

LIMITES
ERGONOMICOS

SOLDADURA DEFECTUOSA
UNION
SOLDADURA

SUPERFICIE
S CON
POLVO E
IMPUREZAS

SECUENCIA
SOLDADURA
TIEMPOS DE
ESPERA

LACA DE
PROTECCION
TERMINALES

DESOXIDANTE
CORTOS OXIDADOS

MEDIO AMBIENTE

MTODOS

MATERIALES

El equipo analiza cada causa y por medio de eliminacin y consenso


determina cuales son las verdaderas causas que estn ocasionando el
problema. Una vez determinada las causas se realiza un anlisis WhyWhy Why? El cual consiste en preguntarnos tres veces por qu?, para
encontrar la causa raz del problema.
En el ejemplo anterior las causas primarias fueron agrupadas en (Ms):
mediciones, mquinas, mano de obra,medio ambiente, mtodos y

Pgina 70

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

materiales. Es posible realizar este diagrama con causas primarias


diferentes a las Ms.
3.5 Estudios de Capacidad de sistemas de medicin (R&R)
En muchas ocasiones las organizaciones no consideran el impacto de no
tener sistemas de medicin de calidad, el hecho de que las
mediciones no sean exactas puede llevar a cometer errores en el
clculo, y en los anlisis y conclusiones de los estudios de
capacidad de los procesos.
Cuando los operadores no miden una pieza de manera consistente, se
puede caer en el riesgo de rechazar artculos que estn en buen estado
o aceptar artculos que estn en mal estado.
Por otro lado si los instrumentos de medicin no estn calibrados
correctamente tambin se pueden cometer errores. Cuando sucede lo
mencionado anteriormente tenemos un sistema de medicin deficiente
que puede hacer que un estudio de capacidad parezca insatisfactorio
cuando en realidad es satisfactorio.
Lo anterior puede tener como consecuencia gastos innecesarios de
reproceso al reparar un proceso de manufactura o de servicios, cuando
la principal fuente de variacin se deriva del sistema de medicin.

Pgina 71

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Posibles Fuentes de la Variacin del Proceso

Variacin del proceso

Variacin
proceso,
real
Variacin
deldel
proceso,
real

Variacin dentro de la
muestra

Repetibilidad

Variacin de la medicin

Variacin
originada
Equipo
de
medicin
por el calibrador

Reproducibilidad

Estabilidad

Linealidad

Sesgo

Calibracin
Definiciones

Reproducibilidad: Es la variacin, entre promedios de las mediciones


hechas por diferentes operadores que utilizan un mismo instrumento
de medicin cuando miden las mismas caractersticas en una misma
parte.

O p e ra d o r -B

O p e ra d o r -C

O p e ra d o r -A

R e p r o d u c ib i l id a d

Pgina 72

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Repetibilidad: es la variacin de las mediciones obtenidas con un


instrumento de medicin, cuando es utilizado varias veces por un
operador, al mismo tiempo que mide las mismas caractersticas en
una misma parte.

R E P E T I B IL I D A D

Valor verdadero:

Valor correcto terico / estndares NIST8

Precisin: Es la habilidad de repetir la misma medida cerca o dentro


de una misma zona

Exactitud :

Es la diferencia entre el promedio del nmero de medidas y el valor


verdadero.

Resolucin: La medicin que tiene exactitud y precisin.

En EUA se tiene el NIST (National Institute of Standards ando Technology),En Mxico se tiene el
CENEAM o el Centro Nacional de Metrologa
Preciso pero no exacto

Exacto pero no preciso

Pgina 73

Exacto y preciso
(resolucin)

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

- Estabilidad: es la variacin total de las mediciones obtenidas con un


sistema de medicin, hechas sobre el mismo patrn o sobre las
mismas partes, cuando se mide una sola de sus caractersticas,
durante un perodo de tiempo prolongado.

i e

i e

- Linealidad: diferencia en los valores de la escala, a travs del rango


de operacin esperado del instrumento de medicin.

Valor
verdadero

Valor
verdadero

Sesgo
Menor

Sesgo
mayor

(rango inferior)

(rango superior)

Rango de Operacin del equipo

Sesgo: distancia entre el valor promedio de todas las mediciones y el


valor verdadero. Error sistemtico o desviacin.

Pgina 74

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

V a lo r
V e rd a d e ro

S e s g o

Calibracin: Es la comparacin de un estndar de medicin


exactitud conocida con otro instrumento

con

para detectar, reportar o

eliminar por medio del ajuste, cualquier variacin en la exactitud del


instrumento.

Importante: para que el equipo de medicin tenga una discriminacin


adecuada en la evaluacin de las partes, su
resolucin debe ser al menos 1/10 de la variabilidad del proceso.

<10% Aceptable
10-30%.

Puede ser aceptable, dependiendo si la caracterstica a

medir no es crtica.
>30%. Inaceptable!

En cualquier problema que involucre mediciones, algunas de las


variaciones observadas son debidas al proceso y otras son debidas al
error o variacin en los sistemas de medicin. La variacin total es
expresada de la siguiente manera:

Pgina 75

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

2 total 2 proceso 2 error medicin

Estudio de R&R Mtodo largo

Generalmente intervienen de dos a tres operadores


Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.

La resolucin del equipo de medicin debe ser de al menos el 10%


del rango de tolerancia o del rango de variacin del proceso.

Las partes deben seleccionarse al azar, cubriendo el rango total del


proceso. Es importante que dichas partes sean representativas del
proceso total (80% de la variacin)

10 partes NO son un tamao de muestra significativo para una


opinin slida sobre el equipo de medicin a menos que se cumpla el
punto anterior.

Procedimiento para realizar un estudio de R&R

1. Asegrese de que el equipo de medicin haya sido calibrado.


2. Marque cada pieza con un nmero de identificacin que no pueda ver
la persona que realiza la medicin.

Pgina 76

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3. Haga que el primer operador mida todas las muestras una sola vez,
siguiendo un orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola vez,
siguiendo un orden al azar.
5. Contine hasta que todos los operadores hayan medido las muestras
una sola vez (Este es el ensayo 1).
6. Repita los pasos 3-4 hasta completar el nmero requerido de ensayos
7. Determine las estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
8. Analice los resultados y determine las acciones a seguir si las hay.
Mtodos de estudio del error R&R:
I.
Mtodo de Promedios- Rango

Permite separar en el sistema de medicin lo referente

a la

Reproducibilidad y a la Repetibilidad.

Los clculos son ms fciles de realizar.

II. Mtodo ANOVA

Permite separar en el sistema de medicin lo referente a la


Reproducibilidad y a la Repetibilidad.

Tambin proporciona informacin acerca de las interacciones de un


operador y otro en cuanto a la parte.

Calcula las varianzas en forma ms precisa.

Pgina 77

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los clculos numricos requieren de una computadora.

El Mtodo ANOVA es ms preciso

Ejemplo (MINITAB)
Mtodo X Barra - R
Se seleccionan 10 muestras de un proceso de manufactura, cada parte
es medida dos veces por tres operadores. Realice un estudio R&R
mediante el mtodo ANOVA.

Pgina 78

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

OPERADOR A.B.C.columna columna columna columna columna columna columna columna columna
1er

2
2do

3er

3
1er

6
2do

3er

7
1er

10
2do

11
3er

Muestra

Intento

Intento

Intento

Intento

Intento

Intento

Intento

Intento

Intento

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0050

0.0045

0.0045

0.0045

0.0055

0.0045

0.0055

0.0050

0.0045

0.0055

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0040

0.0050

0.0050

0.0045

0.0050

0.0050

0.0050

0.0050

0.0050

0.0050

0.0045

0.0045

0.0045

0.0040

0.0045

0.0040

0.0045

0.0045

0.0040

0.0050

0.0055

0.0045

0.0060

0.0050

0.0050

0.0050

0.0050

0.0050

0.0050

0.0045

0.0045

0.0055

0.0045

0.0050

0.0045

0.0050

0.0050

0.0050

0.0050

0.0050

0.0050

0.0050

0.0050

0.0060

0.0050

0.0050

0.0050

0.0045

0.0050

0.0045

0.0045

0.0050

0.0055

0.0045

0.0045

10

0.0040

0.0040

0.0040

0.0040

0.0040

0.0040

0.0045

0.0045

0.0045

Totales

0.0470

0.0475

0.0455

0.0485

0.0465

0.0465

0.0500

0.0470

0.0460

Capture los datos en la hoja de trabajo de Minitab en tres columnas


C1, C2, C3

Partes Operadores Medicin Partes Operadores Medicin Partes Operadores Medicin


1
1
0.0045
1
2
0.0045
1
3
0.005
2
1
0.0045
2
2
0.0055
2
3
0.0055
3
1
0.0045
3
2
0.0045
3
3
0.0045
4
1
0.005
4
2
0.005
4
3
0.005
5
1
0.0045
5
2
0.004
5
3
0.0045
6
1
0.005
6
2
0.006
6
3
0.005

Pgina 79

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

0.005
0.005
0.005
0.004
0.0045
0.0055
0.0045
0.005
0.0045
0.0055
0.0045
0.005
0.0045
0.004
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.005
0.005
0.004

7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

0.0055
0.005
0.0045
0.004
0.0045
0.005
0.0045
0.005
0.0045
0.005
0.0045
0.005
0.0045
0.004
0.0045
0.0045
0.0045
0.005
0.004
0.005
0.005
0.005
0.005
0.004

7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

0.0045
0.006
0.0055
0.0045
0.0045
0.0045
0.0045
0.005
0.0045
0.005
0.005
0.005
0.0045
0.0045
0.0045
0.0045
0.004
0.005
0.004
0.005
0.005
0.005
0.0045
0.0045

Seleccione en el men de la barra de herramientas STAT>QUALITY


TOOLS>GAGE STUDY > Gage R&R (Crossed)
Seleccione C1 (parte), C2 (operador), C3 (Medicin)
Mtodo de Anlisis X Bar and R
En Options Seleccionar: Staudy variation 5.15
0.006
Los resultados se muestran a continuacin:
Gage R&R Study - XBar/R Method
%Contribution
Source
Total Gage R&R

VarComp

(of VarComp)

0.0000001

41.00

Pgina 80

Process tolerante

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Repeatability

0.0000001

40.52

Reproducibility 0.0000000

0.48

Part-To-Part

0.0000001

59.00

Total Variation

0.0000001

100.00

Study Var %Study Var %Tolerance


Source

StdDev (SD) (5.15 * SD)

Total Gage R&R

0.0002476

0.0012750

(%SV) (SV/Toler)
64.03

21.25

Repeatability

0.0002461

0.0012675

63.65

21.12

Reproducibility

0.0000269

0.0001384

6.95

2.31
25.49

Part-To-Part

0.0002970

0.0015295

76.81

Total Variation

0.0003867

0.0019913

100.00

33.19

Number of Distinct Categories = 1


Gage R&R for Datos
Anlisis de los resultados:
El error de R&R vs tolerancia es 64.03% y vs variacin total del proceso
es 21.25% lo que hace que el equipo de medicin no sea adecuado para
la medicin.
Por otro lado el nmero de categoras es slo de 1 cuando debe ser al
menos 4 indicando que el instrumento discrimina las diversas partes
diferentes.

Pgina 81

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Gage R&R (Xbar/ R) for Datos
Reported by:
Tolerance:
Misc:

Gage name:
Date of study:
Components of Variation

Percent

80

Datos by Partes
% Contribution

0.006

%Study Var
% Tolerance

40

0.005
0.004

Gage R&R

Repeat

Reprod

Part-to-Part

R Chart by Operadores
Sample Range

0.006

0.0005

_
R=0.000417

0.005

0.0000

LCL=0

0.0050

10

2
Operadores

Operadores * Partes I nteraction

Operadores

UCL=0.005143
_
X=0.004717

0.0045

Average

Sample Mean

0.004

Xbar Chart by Operadores


1

5
6
Partes

Datos by Operadores
UCL=0.001073

0.0010

LCL=0.004290
0.0040

0.0050

2
3

0.0045
0.0040
1

5
6
Partes

10

La grfica R se mantiene en control indicando que las mediciones se


realizaron en forma adecuada.
La grfica X barra slo presenta 5 de 30 puntos fuera de control, lo cual
debera ser al menos el 50%, indicando que el equipo no discrimina las
diferentes partes.
3.6 La distribucin normal
La distribucin normal es una de las distribuciones ms usadas e
importantes. Se ha desenvuelto como una herramienta indispensable en
cualquier rama de la ciencia , la industria y el comercio. Muchos eventos
reales y naturales tienen una distribucin de frecuencias cuya forma es
muy parecida a la distribucin normal.

Pgina 82

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La distribucin normal es llamada tambin campana de Gauss por su


forma acampanada.

Propiedades de la distribucin normal

La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene


media = 0 y desviacin estndar = 1.

El rea bajo la curva o la probabilidad desde menos infinito a ms


infinito vale 1.

La distribucin normal es simtrica, es decir cada mitad de curva


tiene un rea de 0.5.

La escala horizontal de la curva se mide en desviaciones estndar.

La forma y la posicin de una distribucin normal dependen de los


parmetros

y , en consecuencia hay un nmero infinito de

distribuciones normales.

Existe una relacin del porcentaje de poblacin a la desviacin estndar.


En la figura observamos por ejemplo que el rea bajo la curva para
1 tiene un porcentaje de 68.26%, 2 = 95.46% y 3 99.73% .

-3s -2s -1s

+1s +2s +3s


68.26%

Pgina 83

95.46%

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La poblacin incluye todos los datos, la muestra es una porcin de la


poblacin.

Poblacin

Muestra

x-3s

x-2s

x-s

x+s

x+2s

La x+3s
desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal

X
x-3

x-2

x-

x+

x+2

x+3

z
-3

-2

-1

La distribucin normal estndar


El valor de z
Pgina 84

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Determina el nmero de desviaciones estndar


la media de la poblacin .

entre algn valor X y

Para calcular el valor de Z usamos la

siguiente frmula.

La distribucin de probabilidad f (Z) es una distribucin normal con


media 0 y desviacin estndar 1; esto es Z se distribuye normalmente
con media cero y desviacin estndar = 1 Z~N(0,1): La grfica de
densidad de probabilidad se muestra en la figura.
F(z)

Z
0

La distribucin f (Z) se encuentra tabulada en la tabla de distribucin


normal estndar. En esta tabla podemos determinar los valores de Z o la
probabilidad de determinado valor Z.
Ejemplo 1 : El gerente de personal de una gran compaa requiere que
los solicitantes a un puesto efecten cierta prueba y alcancen una
calificacin de 500. Si las calificaciones de la prueba se distribuyen
normalmente con media 485 y desviacin estndar
porcentaje de los solicitantes pasar la prueba?

Pgina 85

30 Qu

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Calculando el valor de Z obtenemos:

X
500 485
0.5
=
30

Buscamos el valor correspondiente

Z en las tabla de distribucin

normal. Z0.5 = .69146 = 69.146%. siendo esta la probabilidad de que la


calificacin sea menor a 500 P (X<500). Dado que el porcentaje pedido
es

P ( X 500)

la solucin es 1-.69146 =.3085 , 30.85% de los

participantes pasarn la prueba.


485

3 0 .8 5 %

Z.0 5

Ejemplo 2:
Encuentre las probabilidades siguientes usando la tabla Z.
a) P(-1.23 < Z > 0)

-1.23
0

Pgina 86

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Solucin: Buscamos el valor Z1..23 en las tablas siendo este = .89065.


restando .89065-.05 = .3905, este valor es la probabilidad de 0 a
1.23 que es exactamente la misma de 1.23 a 0 por simetra. Por lo
tanto la probabilidad es .3905
Uso de la distribucin normal en Excel

Para calcular la probabilidad dado un valor Z

procedemos de la

siguiente manera:
En la barra de herramientas seleccione el icono de funciones
fx>Estadsticas>Distr.Norm.Estand (-Z) OK
Seleccione la celda que contiene el valor de Z, que en este caso es Z=
1.3 , de clic en aceptar y aparecer la probabilidad buscada P(z)= .
903199

Para calcular Z dada una probabilidad f(z)

En la barra de herramientas seleccione el icono de funciones


fx>Estadsticas>Distr.Norm.Estand.inv(probabilidad o rea)
OK
De clic en aceptar. Procedemos de la misma manera que en el caso
anterior, pero en esta ocasin seleccionamos la probabilidad .93319
El valor Z = 1.4999

Cuando no tenemos valores de Z ni probabilidad.

Pgina 87

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Ejemplo 3 : Suponga que una distribucin normal dada tiene una media
de 20 y una desviacin estndar de 4. calcule la probabilidad P (X >
24).
En la barra de herramientas seleccione el icono de funciones
fx>Estadsticas>Distr.Norm.Estand(4). OK
El sistema muestra la siguiente ventana, en la cual llenamos los
siguientes datos:
El resultado de la frmula = .97724. , dado que esta es la probabilidad
P(X 24), la probabilidad buscada
P (X > 24) = 1-.8413= .1587
Para clculos utilizando el paquete Minitab, usar:
1. Calc >Probability Distributions >Normal
2. Indicar Cumulative Distribution o inverse Cumulative
Distribution (dando valores de Z se obtienen valores de rea) o
Inverse Cumulative Distribution (dando reas proporciona los
valores de Z).
3. En Input constant indicar el valor de Z (cumulative) para
obtener el rea bajo la curva o proporcionar el rea bajo la curva
(Inverse cumulative) para obtener el valor de Z. OK
Si se especifica una columna Cx para almacenamiento de los resultados,
estos no se muestran automticamente, para verlos es necesario
ejecutar la opcin

>Manip >Display Data


Pgina 88

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3.7 Capacidad de procesos normales


Al planear los aspectos de calidad de la manufactura, es sumamente
importante asegurarse de antemano de que el proceso ser capaz de
mantener las tolerancias. En las dcadas recientes ha surgido el
concepto de capacidad del proceso habilidad del proceso, que
proporciona una prediccin cuantitativa de qu tan adecuado es un
proceso. La habilidad del proceso es la variacin medida, inherente del
producto que se obtiene en ese proceso.
Definiciones bsicas.

Proceso: ste se refiere a alguna combinacin nica de mquinas,


herramientas, mtodos, materiales y personas involucradas en la
produccin.

Capacidad o habilidad: Esta palabra se usa en el sentido de


aptitud, basada en el desempeo probado, para lograr resultados
que se puedan medir.

Capacidad del proceso: Es la aptitud del proceso para producir


productos dentro de los lmites de especificaciones de calidad.

Capacidad medida: Esto se refiere al hecho de que la capacidad


del proceso se cuantifica a partir de datos que, a su vez, son el
resultado de la medicin del trabajo realizado por el proceso.

Capacidad inherente: Se refiere a la uniformidad del producto que


resulta de un proceso que se encuentra en estado de control
estadstico, es decir, en ausencia de causas especiales o atribuibles
de variacin.

Pgina 89

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Variabilidad natural: Los productos fabricados nunca son idnticos


sino que presentan cierta variabilidad, cuando el proceso est bajo
control, solo actan las causas comunes de variacin en las
caractersticas de calidad.

Valor Nominal: Las caractersticas de calidad tienen un valor ideal


ptimo que es el que desearamos que tuvieran todas las unidades
fabricadas pero que no se obtiene, aunque todo funcione
correctamente, debido a la existencia de la variabilidad natural.

Objetivos9

1. Predecir en que grado el proceso cumple especificaciones.


2. Apoyar a diseadores de producto o proceso en sus modificaciones.
3. Especificar requerimientos de desempeo para el equipo nuevo.
4. Seleccionar proveedores.
5. Reducir la variabilidad en el proceso de manufactura.
6. Planear la secuencia de produccin cuando hay un efecto interactivo
de los procesos en las tolerancias.

Douglas C. Montgomery, Introduction to Statistical Quality Control, Second Edition, pp 307

Pgina 90

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

p = porcentaje de medidas bajo la curva de probabilidad fuera de


especificaciones.
Partes fuera de especificaciones
En el rea sombrada observamos medidas fuera de los lmites de
especificacin.

Para solucionar este problema, podemos reducir la desviacin estndar.

Pgina 91

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Tambin podramos cambiar la media.

Lo ideal sera, por supuesto cambiar ambas.

Condiciones para realizar un estudio de capacidad del proceso


Para realizar un estudio de capacidad es necesario que se cumplan los
siguientes supuestos10:

El proceso se encuentre bajo control estadstico, es decir sin la


influencia de fuerzas externas o cambios repentinos. Si el proceso
est fuera de control la media y/o la desviacin estndar del proceso
no son estables y, en consecuencia, su variabilidad ser mayor que la
natural y la capacidad potencial estar infravalorada, en este caso no
es conveniente hacer un estudio de capacidad.

Se recolectan suficientes datos durante el estudio de habilidad para


minimizar el error de muestreo para los ndices de habilidad. Si los
datos se componen de menos de 100 valores, entonces deben
calcularse los lmites de confianza inferiores.

10

J.M. Juran, Anlisis y planeacin de la Calidad, Tercera Edicin Mc. Graw Hill, Pp.404

Pgina 92

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los datos se recolectan durante un periodo suficientemente largo


para asegurar que las condiciones del proceso presentes durante el
estudio sean representativos de las condiciones actuales y futuras.

El parmetro analizado en el estudio sigue una distribucin de


probabilidad normal, de otra manera, los porcentajes de los
productos asociados con los ndices de capacidad son incorrectos.

Tambin es importante al realizar un estudio de capacidad, asegurarnos


que la variacin en el sistema de medicin no sea mayor al 10%.
Variacin a corto plazo y a largo plazo
Existen dos maneras de expresar la variabilidad:

Variacin a corto plazo (Zst) Los datos son recogidos durante un


periodo de tiempo suficientemente corto para que sea improbable que
haya cambios y otras causas especiales.
Las familias de variacin han sido restringidas

de tal manera que los

datos considerados, slo son los que se obtuvieron del subgrupo


racional. Ayuda a determinar subgrupos racionales importantes.

Variacin a Largo Plazo(Zlt)


periodo

de

tiempo

Los datos son

suficientemente

Pgina 93

largo

recogidos durante un
y

en

condiciones

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

suficientemente diversas para que sea probable que contenga algunos


cambios de proceso y otras causas especiales. Aqu todas las familias
de variacin

exhiben su contribucin en la variacin del proceso

general.

Para el clculo de Z utilizamos las siguientes formulas:

Z st

lmite especif . nom.

Z LT

desv.std ST

lmite especif . media


desv.std LT

dnde:
Zst = variacin a corto plazo.
nom = Valor nominal u objetivo
Zlt = variacin a largo plazo.
Z shift.- A largo plazo los procesos tienen un desplazamiento natural de
1.5 desviaciones estndar.
Zlt = Zst-1.5shift

Pgina 94

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Clculo de la capacidad del proceso:


Para calcular la habilidad o capacidad potencial utilizamos la siguiente
frmula:

Cp

LSE LIE
6S

donde:
Cp

= capacidad potencial

LSE = lmite superior de especificaciones


LIE
S

= lmite inferior de especificaciones


= desviacin estndar

El ndice Cp debe
ser 1

para tener el potencial de cumplir con especificaciones (LIE,

LSE)
Para calcular la ha
bilidad o capacidad real utilizamos la siguiente frmula:

C pk

menor Z I , Z S
3

Para que el proceso cumpla con las especificaciones el Cpk= debe de ser

1.
Capacidad del proceso a partir de histogramas
Procedimiento:

Pgina 95

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

1. Seleccionar un proceso especfico para realizar el estudio


2. Seleccionar las condiciones de operacin del proceso
3. Seleccionar un operador entrenado
4. El sistema de medicin debe tener habilidad (error R&R < 10%)
5. Cuidadosamente recolectar la informacin
6. Construir un histograma de frecuencia con los datos
7. Calcular la media y desviacin estndar del proceso
8. Calcular la capacidad del proceso.

Ejemplo 1. Capacidad de proceso a partir de histogramas


Observamos que el histograma tiene forma normal.
Calculando la media y la desviacin estndar tenemos:
X 264.06

S = 32.02
La variabilidad del proceso se encuentra en 6 s = 192.12
Si las especificaciones fueran LIE = 200 y LSE = 330

Cp

Zi

LSE LIE
6S

330 264.06
32.02

330 200
192.2

.67 < 1, el proceso no es hbil.

2.06

Pgina 96

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Zs

200 264.06
32.02

Cpk = menor de Zi y Zs = -2 < 1 , por lo tanto proceso no cumple


especificaciones.

Capacidad a partir de cartas de control

En casos especiales como estos donde las variaciones presentes son


totalmente inesperadas tenemos un proceso inestable
impredecible.

?
?
?

?
?

Si las variaciones presentes son iguales, se dice que se tiene un proceso


estable. La distribucin ser predecible en el tiempo.
Prediccin

Pgina 97

Tiempo

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Clculo de la desviacin estndar del proceso

R
S

(Para cartas de control X-R y X-S respectivamente)


d2
C4

Donde,
S = Desviacin estndar de la poblacin
d2 = Factor que depende del tamao del subgrupo en la carta de control
X-R
C4 = dem al anterior para una carta X - S

En una carta por individuales, d2 se toma para n = 2 y Rango Medio =


Suma rangos / (n -1)

Ejemplo 2 (carta X - R):


De una carta de control X - R (con subgrupo n = 5) se obtuvo lo
siguiente, despus de que el proceso se estabiliz quedando slo con
causas comunes: x = 64.06 , R = 77.3
Pgina 98

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Por tanto estimando los parmetros del proceso se tiene:


x media de medias

R
77.3

33.23
d 2 2.326

Si el lmite de especificacin es: LIE = 200.

El C pk

200 264.06
3 33.23

0.64 por tanto el proceso no cumple con las

especificaciones.
Capacidad de procesos en Minitab
Nos aseguramos que los datos se distribuyan normalmente con la
prueba de Ryan como sigue:
1. Stat > Basic statistics > Normality Test
2. Variable C1

Seleccionar Ryan Joiner test OK

El P value debe ser mayor a 0.05 para que los datos se distribuyan
normalmente

Pgina 99

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Otra opcin por medio de una grfica de probabilidad normal, se tiene:


3. Graph > Probability plot > Normal
4. Graph Variable C1
5. Distribution Normal OK
Los puntos deben quedar dentro del intervalo de confianza para indicar
que es normal la distribucin.

Pgina 100

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Determinacin de la capacidad del proceso


Una vez comprobada la normalidad de los datos, determinar la
capacidad con:
1. Stat > Quality tools > Capability analysis > Normal
2. Single column C1 Subgroup size 1 Lower Spec 200 Upper
spec 330
3. Estimate R-bar OK
Los resultados se muestran a continuacin:

Pgina 101

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Process Capability of Datos


LSL

USL
Within
Overall

Process Data
LSL
200.00000
Target
*
USL
330.00000
Sample Mean
269.25354
SampleN
100
StDev(Within)
30.83472
StDev(O verall)
30.80011

Potential (Within) Capability


Cp
0.70
CPL
0.75
CPU
0.66
Cpk
0.66
CCpk 0.70
O verall Capability
Pp
PPL
PPU
Ppk
Cpm

210
Observed Performance
PPM<LSL 10000.00
PPM>USL 30000.00
PPMTotal
40000.00

240

Exp. Within Performance


PPM<LSL 12353.30
PPM>USL 24415.36
PPMTotal
36768.66

270

300

330

0.70
0.75
0.66
0.66
*

360

Exp. Overall Performance


PPM<LSL 12272.69
PPM>USL 24288.79
PPMTotal
36561.48

Interpretacin:
La desviacin estndar Within se determina en base al Rango medio y
d2 (1.128 para n = 2), con esta se determinan los ndices de capacidad
potencial Cp y Cpk, as como el desempeo Within, lo cual es adecuado
para un proceso en control o normal.
La desviacin estndar Overall se determina con la desviacin estndar
de todos los datos de la muestra dividido entre el factor C4 = 4(n-1))/
(4n 3), con esta desviacin estndar se determinan los ndices de
desempeo Pp y Ppk as como el desempeo Overall, no importando si
el proceso est en control o no, en este ltimo caso los valores no tienen
significado prctico.

Pgina 102

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Opcin Six Pack para mostrar toda la informacin relevante:


Determinar la capacidad con:
4. Stat > Quality tools > Capability Six Pack > Normal
5. Single column C1 Subgroup size 5 Lower Spec 200 Upper
spec 330
6. Estimate R-bar OK
Los resultados se muestran a continuacin:

En este caso de la grfica de probabilidad normal, los datos siguen una


distribucin normal.

Pgina 103

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3.8 Capacidad de procesos no normales.


Cuando los datos provienen de poblaciones no normales una opcin para
realizar el estudio de capacidad de procesos es mediante la distribucin
Weibull.
Ejemplo en Minitab
En una compaa se manufacturan losetas para piso, el problema que se
tiene es referente a la deformacin en las mismas. Se toman 100
mediciones durante 10 das. El lmite superior de especificacin (USL) =
3.5 mm. Realice un estudio de capacidad con la ayuda de Minitab e
interprete los resultados.
Generar 100 datos aleatorios en Minitab con Factor de forma = 1, Factor
de escala = 1 con
6. Calc > Random data > Weibull
7. Generate 100 Store in columns C1

Shape parameter 1.2

Scale parameter 1 Threshold parameter 0 OK


Considerando Lmites de especificaciones LIE = 0 y LSE = 3.5
Determinar la capacidad con:
7. Stat > Quality tools > Capability anlisis > NoNormal
8. Single column C1 Dsitribution Weibull Lower Spec 0 Upper
spec 3.5
9. Estimate R-bar OK

Pgina 104

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los resultados se muestran a continuacin:

El histograma no muestra evidencia de alguna discrepancia seria entre


el modelo y los datos, ya que la curva muestra buen ajuste. Sin
embargo observamos que algunos datos caen fuera del lmite superior
de especificacin. Lo cual quiere decir que en algunos casos la
deformacin ser mayor a 3.5 mm.
El ndice Ppk y Ppu11 = 0.85 lo cual nos dice que el proceso no es capaz
ya que 0.85<.1.33
Tambin observamos que PPM > USL 3,795 lo cual significa que
aproximadamente

3,795

PPM

estarn

fuera

de

los

lmites

especificaciones.
11

Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.

Pgina 105

de

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Tambin se cuenta con la opcin Six Pack para esta opcin.

Pgina 106

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 4 FASE DE ANALISIS

Definir
Definir

Medir

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

4.1 Introduccin
En esta fase se efecta el anlisis de los datos obtenidos en la etapa de
Medicin, con el propsito de conocer las relaciones causales o causas
raz del problema. La informacin de este anlisis nos proporcionar
evidencias de las fuentes de variacin y desempeo insatisfactorio, el
cual es de gran utilidad para la mejora del proceso.
Los objetivos de esta fase son:

Determinar el nivel de desempeo del proceso actual.

Identificar cuales son las fuentes de variacin. Por ejemplo mediante


el anlisis Multi-Vari podemos determinar las fuentes que presentan
mayor variacin, a travs de la descomposicin de los componentes
de variabilidad del proceso. las cules pueden ser, por ejemplo: de
lote a lote, dentro del lote, de turno a turno, entre turnos, dentro del
turno, de mquina a mquina, dentro de la mquina, de operador a
operador, dentro del operador, entre operadores, etc.

Una vez identificadas las causas potenciales por medio de una lluvia
de ideas y un diagrama de causa efecto, se realiza un proceso de

Pgina 107

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

validacin estadstica de las mismas apoyndose en Anlisis de


regresin, Pruebas de Hiptesis y Anlisis de varianza.
Las herramientas que se incluyen en est fase son:
Herramienta
Capacidad del proceso.

Para qu es utilizada?
Determinar cual es el desempeo
del proceso para cumplir con los

Mediciones

para

sigma

lmites de especificaciones.
seis Mide la capacidad del proceso en
trminos cuantificables,
monitoreandolo para su mejora a

AMEF (FMEA)

travs del tiempo.


Identificar las maneras en las cuales
un

proceso

puede

fallar

para

alcanzar los requerimientos crticos


del cliente. Estimar el riesgo de las
causas especficas en relacin con
estas fallas.
Intervalos de confianza y Herramienta
Pruebas de hiptesis

utilizada

para

ser

inferencias de la poblacin a partir


de una muestra.

Tablas de contingencia

Comparacin de valores esperados

Anlisis Multivari

vs observados.
El objetivo general de las cartas
Multi-Vari
componentes

es,
de

descubrir
variacin

los
en

el

proceso y cuantificar las diferentes


fuentes de variabilidad.

Pgina 108

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Anlisis

de

Varianza Metodologa

(ANOVA)

para

variacin

entre

interior

de

analizar
muestras

las

la
y

mismas

al
con

varianzas. Nos sirve para comparar


Anlisis de Regresin

dos o ms medias poblacionales.


Sirve para predecir el valor de una
variable a partir de una o ms
variables. Es usada para conocer las
relaciones

que

variables

existen

entre

dependientes

las
e

independientes.

4.2 Etapas de la fase de anlisis


La fase de anlisis consta de las siguientes etapas:
4.2.1

Determinar la capacidad del proceso.-

La capacidad del proceso mide la habilidad del proceso para cumplir con
los requerimientos. Compara la variacin del proceso contra la variacin
permitida por el cliente.
Utilizando la herramienta mediciones para Seis Sigma calculamos lo
siguiente:
DPU: es la relacin de la cantidad de defectos, entre el
nmero de unidades producidas.

Pgina 109

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

DPO: es similar al DPU excepto porque considera el numero


total de oportunidades que existen para que un defecto
ocurra.
DPMO (PPM) = es el producto de DPO X 1,000,000.
Sigma a corto plazo

(ST): es el nivel de desviaciones

estndar (sigma) en el cual se encuentra nuestro proceso.


Sigma a Largo plazo (LT) : Es el sigma a corto plazo 1.5,
por

el

desplazamiento que tiene la media a lo largo del

tiempo, si no se toma antes una medida preventiva.

4.2.2

Definir el objetivo de desempeo.-

En esta etapa se define la meta hacia la cual nos dirigimos, o sea cuales
son los niveles sigma esperados en nuestro proceso en el tiempo.
Una opcin es realizar un Benchmarking, el cual es el mecanismo para
identificar y comparar quien tiene el mejor desempeo del proceso, ya
sea dentro de la organizacin u otra organizacin, y comparamos
nuestros valores contra ese parmetro de referencia para determinar la
BRECHA existente. e identificar acciones para reducirlo.

4.2.3

Identificar las fuentes de variacin.Pgina 110

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Cuando

un

proceso

se

encuentra

fuera

de

las

especificaciones

permitidas, se tiene evidencia de que existe variacin. Para comprobarlo


utilizamos alguna de las herramientas de anlisis, segn sea el el caso
por ejemplo, el anlisis Multi-Vari es una herramienta estadstica que
nos permite determinar las fuentes que presentan mayor variacin, a
travs de la descomposicin de los componentes de variabilidad del
proceso.

Una

vez

determinadas

las

causas

de

variacin,

nos

enfocaremos en los pocos vitales X que estn afectando la variable de


respuesta y. Una opcin para priorizar estas causas es el uso del
diagrama de Pareto.
Variacin del
Proceso

Variacin Actual del Proceso

Variacin a Largo
Plazo

Variacin a Corto
Plazo

Exactitud
(Sesgo)

Variacin del Proceso de Medicin

Variacin debida al
Equipo de Medicin

Variacin debida al
operador

Precisin
(Error de Medicin)

Discriminacin
(Resolucin)

Otras fuentes de
Variacin

Figura 4-1 Posibles fuentes de variacin del proceso.


Para una validacin estadstica de causas se utilizan diversas
herramientas estadsticas como las que se explican a continuacin.
Pgina 111

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

4.3 Regresin lineal


La Regresin lineal se refiere a la prediccin del valor de una variable a partir de
una o ms variables. En ocasiones se denomina a la variable dependiente (y)
variable de respuesta y a la variable independiente (x) variable de prediccin.
En muchos problemas hay dos o ms variables inherentemente relacionadas, y es
necesario explorar la naturaleza de esta relacin. El anlisis de regresin puede
emplearse por ejemplo para construir un modelo que exprese el rendimiento
como una funcin de la temperatura. Este modelo puede utilizarse luego para
predecir el rendimiento en un nivel determinado de temperatura. Tambin puede
emplearse con propsitos de optimizacin o control del proceso.
Supuestos para el modelo de regresin lineal1

1. Para cada valor de x, la variable aleatoria

se distribuye

normalmente.
2. Para cada valor de x, la media o valor esperado de

es 0; esto es,

E 0 .

3. Para cada valor de x, la varianza de

es la constante 2 (llamada

varianza del error).


4. Los valores del trmino de error

son independientes.

5. Para un valor fijo de x, la distribucin muestral de y es normal,


porque sus valores dependen de los de

6. Para un valor fijo x, es posible predecir el valor de y.


7. Para un valor fijo x, es posible estimar el valor promedio de y
Ejemplo 1:

Pgina 112

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La revista Motor Trend presenta con frecuencia datos de rendimiento


para automviles, que compara el tamao del motor en pulgadas
cbicas de desplazamiento (pcd) y las millas por galn (mpg) estimadas
para ocho modelos representativos de automviles subcompactos
modelo 1984.
tamao del motor (pcd) x
coches compactos
Chevrolet Cavalier
121
Datsun Nissan Stanza
120
Dodge Omni
97
Ford Escort
98
Mazda 626
122
Plymouth Horizon
97
Renault Alliance/Encore
85
Toyota Corolla
122

millas/galn (mpg), y
30
31
34
27
29
34
38
32

Graficando los datos de la tabla en el diagrama de dispersin


podemos observar la coleccin de los ocho pares de datos (x,y) como
muestra de una poblacin de pares, donde las medidas pulgadas cbicas
de desplazamiento (pcd) x pueden tomar cualquier valor en el rango
de valores que se extiende de 85 a 122. Para cada pcd posible hay
muchos millajes asociados con ella. Por ejemplo para un tamao del
motor de 97 hay un gran nmero de millajes asociados, uno por cada
coche cuyo tamao sea 97 pcd. Asumamos que existe una relacin lineal
para la poblacin de pares de datos de pcd y mpg.

(Se entiende por

relacin lineal cuando la variable y tiene una tendencia a crecer o


decrecer, cuando la variable x aumenta y el valor r tiende a +-1).
Las instrucciones para Minitab son:
> Stat > Regression > Regression
Seleccionar Response = Columna de las Y's
Seleccionar Predictors = Columnas de las Xs
OK

Pgina 113

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Usamos

el

modelo

probabilstico

comportamiento de los millajes

siguiente

para

explicar

el

para las ocho medidas de tamao de

motor, este se llama modelo de regresin lineal, y expresa la relacin


lineal entre tamao de motor (x) y millas por galn (y).
Modelo de regresin lineal

y 0 1 x

Donde
y

= variable dependiente

0 ordenada al origen

1 = pendiente
x

= variable independiente

= Error aleatorio

Pgina 114

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La expresin 0 1 x se denomina

componente determinstica del

modelo de regresin lineal. La muestra de pares de datos se usar para


estimar los parmetros 0 y 1 de la componente determinstica.
4.4 Cartas Multi Vari
Es una tcnica de pre-experimentacin diseada para aislar y cuantificar
los mayores componentes de variabilidad en procesos de produccin.
El anlisis Multi-Vari permite determinar las fuentes que presentan
mayor variacin, a travs de la descomposicin de los componentes de
variabilidad del proceso. Las cartas Multi-Vari forman parte de las
herramientas desarrolladas por Dorian Shainin 12, encaminadas a la
mejora del proceso.
El

objetivo

general

de

las

cartas

Multi-Vari

es,

descubrir

los

componentes de variacin en el proceso y cuantificar las diferentes


fuentes de variabilidad, las cules pueden ser, por ejemplo: de lote a
lote, dentro del lote, de turno a turno, entre turnos, dentro del turno, de
mquina a mquina, dentro de la mquina, de operador a operador,
dentro del operador, entre operadores, etc.
Las cartas Multi-Vari identifican tres principales familias de variacin que
pueden influenciar en la variabilidad del proceso, stas son variacin
posicional, cclica y temporal.
1. Variacin posicional. Se refiere a variaciones dentro de una misma
pieza, variaciones producidas de un troquel a otro, dentro de un lote
12

Dorian Shainin (1914 2000). Precursor de herramientas como Lot-plot, Multi-Vari, Pre-control, B vs C,
(prueba no paramtrica de significancia estadstica basada en la tcnica de John Tukey), paired comparisons, y
otras.

Pgina 115

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

de piezas, de una mquina a otra, de un operador a otro, o de una


plata a otra.
2. Variacin cclica. Es la variacin entre unidades de un mismo proceso,
o variacin entre grupos de unidades (lotes).
3. Variacin temporal. Variacin de diferencia de tiempo (por ejemplo:
de hora a hora, de da a da, de semana a semana, etc.), variacin de
una corrida de produccin a otra, o variacin de turno a turno.
Una vez identificados las fuentes de variacin, el anlisis Multi-Vari esta
diseado y enfocado a identificar la variable independiente de mayor
influencia dentro de las familias de variacin descritas anteriormente.
Pasos para elaborar una carta Multi-Vari.
1. Seleccin del proceso. Cualquier proceso que se presente fuera de las
especificaciones permitidas es candidato a ser seleccionado para
posteriormente ser analizado por medio de cartas Multi-Vari.
2. Plan de muestreo y toma de mediciones. El objetivo es tomar
mediciones que otorguen informacin con respecto a las principales
familias de variacin que pueden influenciar en la variabilidad del
proceso. Es decir, para el caso de variacin posicional, tomar
mediciones en una mquina y en otra, stas mediciones deben ser
tomadas de manera que resulten en un muestreo aleatorio. El
muestreo aleatorio puede ser llevado a cabo con tablas de nmeros
aleatorios, dichas tablas contienen una serie de columnas y renglones
de nmeros, por ejemplo, el ltimo dgito de un nmero nos puede
dar el intervalo de minutos que se debe esperar para tomar la
siguiente medicin.
3. Toma de mediciones para variacin simultnea. Es recomendable
tambin realizar una toma de mediciones que cubra ms de una
Pgina 116

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

familia de variabilidad, por ejemplo es posible incluir la variacin


temporal o la variacin cclica a una carta Multi-Vari que este
enfocada en la variacin posicional.
4. Determinar los limites de variacin. Obtener el mximo y el mnimo
del total de las mediciones tomadas anteriormente. As como el
mximo y el mnimo para cada familia de variabilidad seleccionada.
5. Graficar los rangos. Las cartas Multi-Vari estn formadas por cuatro
ejes dispuestos de manera rectangular.
a. Ejes. Los ejes verticales (izq. y der.) grafican la escala de la
medidas tomadas, use como gua los lmites de variacin
obtenidos en el paso 4. El eje horizontal inferior es usado para
identificar las unidades muestreadas, la posicin, etc. El eje
horizontal superior es usado para agrupar por lotes, para
agrupar por turno, por mquina, etc. Ntese que los ejes
horizontales se definen de diferente manera de acuerdo a la
familia de variabilidad en que estamos interesados.
b. Cajas. La representacin es similar a una grfica de Box and
Whiskers, con la diferencia que el eje horizontal superior
define los lmites horizontales

de las cajas. Los lmites

verticales de las cajas estn definidos por la medicin mxima


y el mnima de la familia de variabilidad seleccionada.
c. Mediciones. Las mediciones se ordenan clasificando por la
familia de variabilidad representada en el eje horizontal
superior. Posteriormente, son agrupadas por la familia de
variabilidad

del

eje

horizontal

inferior.

Finalmente

son

representadas en la grfica y unidas por una lnea horizontal.


d. Medias. Se obtiene la media de cada clasificacin de la familia
de variabilidad representada en el eje horizontal superior. La

Pgina 117

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

media de cada caja es graficada en el centro de cada caja.


Finalmente las medias son unidas con una lnea slida.

Ejemplo grfico:

M edicin (pulg.)

1.4

Lote A

Lote B

Lote C

Lote D

A B C

A B C

A B C

1.3
1.2
1.1
1.0

A B C

Troquel

Ejemplo de cartas Multi-Vari.


Se ha detectado que el proceso de produccin de rondanas de plstico
se encuentra fuera de especificaciones. El dimetro exterior especificado
es de 1.50 + 0.01. Se procede a realizar un proceso de preexperimentacin a travs de cartas Multi-Vari para identificar la fuente
de variabilidad.
Con este fin se planifica un muestreo aleatorio de cinco diferentes lotes
de material que ser procesado en dos diferentes inyectoras de plstico.
Se toman cinco muestras para cada inyectora y para cada lote.
Resultando 50 observaciones.

Pgina 118

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La siguiente figura muestra la carta Multi-Vari obtenida para el ejemplo.


El software estadstico usado para obtener esta carta es MiniTab. Ntese
que este software no encierra los datos en cajas.

Una carta Multi-Vari adicional correspondera a los ejes horizontales


invertidos, esto es, ordenados por lote y luego por inyectora.

Pgina 119

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

4.5 Pruebas de hiptesis para una poblacin


Se trata de probar una afirmacin sobre parmetros de la poblacin
(media ; varianza 2 o proporcin ) en base a datos de estadsticos
de una muestra (X media, s2 o p respectivamente):
Por ejemplo, probar las afirmaciones en los parmetros se usan los
estadsticos:

En una poblacin:
La media poblacional = 12;

estadstico Zc

La varianza poblacional 2 = 12;

estadstico c2

La proporcin poblacional = 0.3

estadstico Zc

En dos poblaciones
Las medias poblacionales son iguales

1 = 2 o 1 - 2 = 0;

estadstico Zc o Tc
Las varianzas poblacionalesson iguales 12 = 22 o 12 - 22 = 0;
estadstico Fc
Las proporciones poblacionales son iguales 1 = 2 o 1 - 2
estadstico Zc

Hiptesis nula Ho, complemento de la Hiptesis alterna:


o Es la hiptesis o afirmacin a ser probada
o Puede ser por ejemplo =, , o a 5
Pgina 120

=0

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

o Slo puede ser rechazada o no rechazada


Hiptesis alterna Ha, complemento de la hiptesis nula:

o Es la hiptesis que se acepta como verdadera cuando se


rechaza Ho, es su complemento
o

Si el signo de la hiptesis alterna es entonces se trata de


una prueba de dos colas; si es > de cola derecha y si es <
de cola izquierda.

o Puede ser por ejemplo 5 para prueba de dos colas


o < 5 para prueba de cola izquierda
o > 5 para prueba de cola derecha

Se plantea inicialmente la Ha si en el problema se muestra la


afirmacin de ser menor o mayor a un valor establecido histrico.

Se plantea inicialmente la Ho si en el problema se muestra la


afirmacin igual (es, histricamente ha sido); mayor o igual
(cuando menos) o menor o igual (a lo ms) a un valor establecido
histrico.

Pgina 121

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

No importa cual se plantee primero, siempre la conclusin se hace


contra la Ho (se rechaza o no se rechaza)

El intervalo de confianza es el intervalo donde se estima que se


encuentre el parmetro de la poblacin (media ; varianza 2 o
proporcin ) para un cierto nivel de confianza o de significancia.

Estadstico de prueba
o Para probar la hiptesis nula se calcula un estadstico de
prueba con la informacin de la muestra el cual se compara
a un valor crtico apropiado. De esta forma se toma una
decisin sobre rechazar o no rechazar la Ho

Error tipo I (alfa = nivel de significancia, es comn = 0.05 ). Alfa =


1- Nivel de confianza
o Se comete al rechazar la Ho cuando en realidad es
verdadera. Tambin se denomina riesgo del productor.

Error tipo II (beta )


o Se comete cuando no se rechaza la hiptesis nula siendo en
realidad falsa. Es el riesgo del consumidor

Pruebas de Hiptesis de dos colas:

Pgina 122

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Si la Ho: = que un valor poblacional, entonces el riesgo alfa


se reparte en ambos extremos de la distribucin. Por ejemplo si
Ha: 10 se tiene:

Pgina 123

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Ho: a = b
Ha: a b

Pruebas de Hiptesis de cola derecha:


Si la Ho: , que un valor poblacional, entonces el riesgo alfa
se coloca en el extremo derecho de la distribucin. Por ejemplo
si Ho 10 y Ha: >10 se tiene una prueba de cola derecha:
Ho: a b
Ha: a > b

Pgina 124

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pruebas de Hiptesis cola izquierda:


Si la Ho: que un valor poblacional, entonces el riesgo alfa se
coloca en el extremo izquierdo de la distribucin. Por ejemplo si
Ho 10 y Ha: < 10 se tiene una prueba de cola izquierda:

Ho: a b
Ha: a < b

PASOS PARA PROBAR UNA PRUEBA DE HIPOTESIS


a) Probar la hiptesis de igualdad de una media para n > 30
1) Establecer las hiptesis e identificar el nivel de significancia alfa o 1Nivel de confianza (NC)
Ho: Ha:
2) Calcular el estadstico de prueba Zc o Tc con formula

Zc

X HIPOTESIS
n

Pgina 125

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

3) Determinar el estadstico de tablas Zt o Tc de Excel para una cierta


alfa o 1-NC
4) Establecer la regin de rechazo con Zt y ver si cae ah Zc
Las regiones de rechazo prueba de 2 colas: -Z/2 y Z/2
5) Determinar el Intervalo de confianza para la media y ver si incluye a
la media de la hiptesis, si no rechazar Ho
IC para X Z / 2

S
o si no se conoce Sigma IC para X Z / 2
n
n

6) Determinar el valor P correspondiente a Zc y comparar contra Alfa/2,


si es menor rechazar Ho
P value en Excel =DISTR.NORM.ESTAND(Zc)
Prueba de hiptesis en Minitab:
>Stat >Basic statistics > 1-Sample Z
Utilizar Sample in columns o Summarized data
Sample size 49

Mean 11.5 Standar deviation 1.1

Graphs Seleccionar / Individual value plot


Confidence level 90%

Alternative not equal

OK

Pgina 126

Test Mean 12

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Resultados:
One-Sample Z
Test of mu = 12 vs not = 12
The assumed standard deviation = 1.1
N

Mean SE Mean

49 11.5000

90% CI

0.1571 (11.2415, 11.7585) -3.18 0.001

Criterios de rechazo de Ho:


Si Zc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
b) Estadstico tc para muestras pequeas (n < 30) y la es desconocida:
tC

X HIPOTESIS
s n

Estadstico de tablas Talfa o Talfa/2 en Excel =DISTR.T.INV(2*alfa o alfa,


grados de libertad n-1)
Intervalo de confianza para estimar con muestras pequeas (n < 30;
grados de libertad (gl.) = n 1):
IC para X t / 2, gl

S
n

El valor p de probabilidad correspondiente al estadstico Tc se determina


como sigue:

Pgina 127

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

P value en Excel =DISTR.T(Tc, grados de libertad, 1 o 2 colas)


Prueba de hiptesis en Minitab:
>Stat >Basic statistics > 1-Sample t
Utilizar Sample in columns o Summarized data
Sample size 10

Mean 11277

Standar deviation 3772

Test Mean 12000


Graphs Seleccionar ! Individual value plot
Confidence level 95%

Alternative not equal

OK

Resultados:
One-Sample T
Test of mu = 12000 vs not = 12000
N

Mean

StDev SE Mean

10 11277.0 3772.0

95% CI

1192.8 (8578.7, 13975.3) -0.61 0.559

Criterios de rechazo de Ho:


Si Tc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
Pgina 128

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

c) Estadstico Zc para proporciones y muestras grandes (n >= 30):

HIPOTESIS (1 HIPOTESIS )
n
p HIPOTESIS
Zc
p

Estadstico de tablas Zalfa o Zalfa/2 en Excel


=DISTR.NORM.ESTAND.INV(alfa o alfa/2)
Intervalo de confianza para estimar proporcin poblacional:

p (1 p )
n
IC para p Z / 2 S p

Sp

El valor p de probabilidad correspondiente al estadstico Zc se determina


como sigue:
P value en Excel =DISTR.NORM.ESTAND(Zc)

Pgina 129

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Prueba de hiptesis en Minitab


>Stat >Basic statistics > 1- Proportion
Summarized data
Number of trial 500

Number of events 225

Graphs Seleccionar ! Individual value plot


Confidence level 98% Test proportion 0.40
Alternative Less than
! Use test and interval based on normal distribution
OK
Resultados
Test and CI for One Proportion
Test of p = 0.4 vs p < 0.4
98%
Upper
Sample
1

N Sample p

Bound Z-Value P-Value

225 500 0.450000 0.495693

2.28

0.989

Criterios de rechazo de Ho:


Si Zc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).

Pgina 130

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

d) Tamao de muestra para estimar en funcin del error ( X ) :

Z 2 / 2
n
( X )2

e) Tamao de muestra para estimar en funcin del error ( p ) , en el


peor caso = 0.5:

Z 2 / 2 ( )(1 )
( p )2

4.5 Pruebas de hiptesis para dos poblaciones


Pruebas de igualdad de dos varianzas
Presentaremos ahora pruebas para comparar dos varianzas. Supngase
que son dos las poblaciones de inters, por ejemplo X 1 y X2, donde
1, 12 , 2 , 22 , se desconocen. Deseamos probar hiptesis relativas a la
2
2
igualdad de las dos varianzas, H 0 : 1 2 . Considrese que se disponen

dos muestras aleatorias de tamao n1 de la poblacin 1 y de tamao n 2


2
2
de la poblacin 2, y sean S1 yS 2 las varianzas de muestra. Para probar la

alternativa de dos lados


H 0 : 12 22

H 1 : 12 22

Utilizamos el hecho de que la estadstica

Pgina 131

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

S12
F0 2
S2
Se distribuye como F, con n1-1 y n2 1 grados de libertad.
Rechazaramos H0 si
F0 F

2 , n1 1, n 2 1

o si
F0 F1

2 , n1 1, n2 1

Donde F 2,n1 1,n2 1 y F1 2,n1 1,n2 1 son los puntos porcentuales

superior e

inferior de la distribucin F con n1-1 y n2-2 grados de libertad. La tabla F


proporciona slo los puntos de la cola superior de F, por lo que para
determinar F1 2,n1 1,n2 1 debemos emplear

F1 2,n1 1,n2 1 =

1
F

2 , n1 1, n2 1

La misma estadstica de prueba puede utilizarse para probar hiptesis


alternativas de un lado. La hiptesis alternativa de un lado es:
H 0 : 12 22

H 1 : 12 22

Pgina 132

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

F0 F ,n1 1,n2 1 , rechazaramos H 0 : 12 22 .

Si

Ejemplo: Los siguientes son tiempos de quemado (en minutos) de


seales luminosas de dos tipos diferentes.
Tipo 1
63
81
57
66
82
82
68
59
75
73

Tipo 2
64
72
83
59
65
56
63
74
82
82

Pruebe la hiptesis de que las dos varianzas sean iguales. Use .05
H 0 : 12 22

H 1 : 12 22

X 1 70.6
X 2 70
S12 88.71
S 22 100.44

F0

S12
88.71
.877
2 =
S 2 100.44

2 , n1 1, n2 1

= F.025,9,9= 4.03

F1 2,n1 1,n2 1 =0.248

Pgina 133

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

0.877 no es mayor que 4.03, por lo cual no se rechaza la hiptesis nula


H 0 : 12 22 .

Prueba de dos poblaciones cuando las varianzas son iguales


Sean X1 y X2 dos poblaciones normales independientes con medias
2
2
2
desconocidas 1 y 2 , y varianzas conocidas pero iguales 1 2 .

Deseamos probar:
H 0 : 1 2

H 1 : 1 2

2
2
Sean X1, X2, S1 , S 2 , las medias y las varianzas de las muestras,
2
2
respectivamente. Puesto que tanto S1 como S 2 estiman la varianza comn

2 , podemos combinarlas para producir una sola estimacin, mediante

la siguiente frmula:

Sp

n1 1 S12 n2 1 S 22
n1 n 2 2

Para probar H 0 : 1 2 calclese la estadstica de prueba


t0

X1 X 2
1 1
Sp

n1 n2

Si t 0 t 2,n1 n2 2 o si t 0 t 2,n1 n2 2

, rechazamos H 0 : 1 2

Las alternativas de un lado se tratan de modo similar. Para probar:

Pgina 134

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

H 0 : 1 2
H 1 : 1 2

Calclese la estadstica de prueba t0 y rechcese H 0 : 1 2 si:

t 0 t ,n1 n2 2

Para la otra alternativa de un lado,


H 0 : 1 2
H 1 : 1 2

Calclese la estadstica de prueba y rechcese H 0 : 1 2 si:

t 0 t a ,n1 n2 2

Ejemplo: Se est investigando la resistencia de dos alambres, con la


siguiente informacin de muestra.
Alambre
1
.140
2
.135

.141
.138

Resistencia (ohms)
.139
.140
.140
.139

.138
-

.144
-

Suponiendo que las dos varianzas son iguales, qu conclusiones puede


extraerse respecto a la resistencia media de los alambres?
H 0 : 1 2

H 1 : 1 2

Pgina 135

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Calculando la media y la desviacin estndar de la muestra:


x1 .140
x 2 .138
S1 .0021
S 2 .0022

Sp

t0

n1 1 S12 n2 1 S 22
n1 n 2 2

= .0021

X1 X 2
1 1 = 1.72
Sp

n1 n2

Se busca en la tabla de distribucin t el valor t

2, n1 n2 , 2

= t.025,8 =2.306 o

se determina con Excel.


Utilizando el criterio de rechazo

t 0 t 2, n1 n2 2 ,

1.72 no es mayor que

2.306, por lo tanto no rechazamos H0.


4.6 Anlisis de varianza de una va (ANOVA)
El anlisis de la varianza de un criterio (ANOVA) es una metodologa
para analizar la variacin entre muestras y la variacin al interior de las
mismas mediante la determinacin de varianzas. Es llamado de un
criterio porque analiza un variable independiente o Factor por ejemplo:
Velocidad. Como tal, es un mtodo estadstico til para comparar dos o
ms medias poblacionales. El ANOVA de una va nos permite poner a
prueba hiptesis tales como:
H 0 1 2 3 .... k

Pgina 136

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

H 1 : Al menos dos medias poblacionales son diferentes.

Los supuestos en que se basa la prueba t de dos muestras que utiliza


muestras independientes son:
1. Ambas poblaciones son normales.
2
2
2. Las varianzas poblacionales son iguales, esto es, 1 2 .

Los supuestos para el ANOVA de una va son:


1. Todas las poblaciones k son normales.
2
2
2
2
2
2. 1 2 3 ..... k

El Procedimiento es el siguiente13:

1.

Determinar si las muestras provienen de poblaciones normales.

2.

Proponer las hiptesis.

3.

Encontrar las medias poblacionales y las varianzas.

4.

2
Encontrar la estimacin de la varianza al interior de las muestras s w

y sus grados de libertad asociados glw.


5.

Calcular la gran media para la muestra de las medias mustrales.

6.

2
Determinar la estimacin de la varianza entre muestras s b y sus

grados de libertad asociados.


7.

Hallar el valor del estadstico de la prueba F.

8.

Calcular el valor crtico para F basado en glb y glw.

9.

Decidir si se rechaza H0.

Por ejemplo:
13

Estadstica. Richard C.Weimer. CECSA. Segunda Edicin.2000

Pgina 137

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Cuatro catalizadores que pueden afectar la concentracin de un


componente en una mezcla lquida de tres componentes estn siendo
investigado. Se obtienen las siguientes concentraciones:

A
58.2
57.2
58.4
55.8
54.9

Catalizador
B
56.3
54.5
57
55.3

C
50.1
54.2
55.4

D
52.9
49.9
50
51.7

Utilizando el paquete Minitab se tiene:


Stat > ANOVA > One Way (Unstacked)
Response in separate columns A, B, C
Seleccionar Store Residuals

y Store Fits

Confidence level 95%

Graphs
Seleccionar Normal plot of residuals
Comparisons
Seleccionar Tukeys Family error rate

OK

Se obtuvieron los resultados siguientes:


Los residuos se distribuyen normalmente, validando el modelo ANOVA.

Pgina 138

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

De la tabla de ANOVA se observa que el valor P es menor a alfa de 0.05,


por lo que al menos dos medias son diferentes:
One-way ANOVA: A, B, C, D
Source
Factor
Error
Total

DF
3
12
15

S = 1.697

Level
A
B
C
D

N
5
4
3
4

SS
85.68
34.56
120.24

MS
28.56
2.88

R-Sq = 71.26%

Mean
56.900
55.775
53.233
51.125

StDev
1.520
1.100
2.779
1.443

F
9.92

P
0.001

R-Sq(adj) = 64.07%

Individual 95% CIs For Mean Based on


Pooled StDev
---+---------+---------+---------+-----(------*-----)
(------*------)
(--------*-------)
(-------*------)
---+---------+---------+---------+-----50.0
52.5
55.0
57.5

Pooled StDev = 1.697


Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons
Individual confidence level = 98.83%
A subtracted from:
B
C

Lower
-4.506
-7.347

Center
-1.125
-3.667

Upper
2.256
0.014

--------+---------+---------+---------+(------*------)
(-------*------)

Pgina 139

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
D

-9.156

-5.775

-2.394

(-----*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

De aqui se puede observar que el catalizador A es diferente del


catalizador D (el cero no se encuentra en el intervalo de confianza)
B subtracted from:
C
D

Lower
-6.391
-8.214

Center
-2.542
-4.650

Upper
1.308
-1.086

--------+---------+---------+---------+(-------*-------)
(------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

De aqui se puede observar que el catalizador B es diferente del


catalizador D (el cero no se encuentra en el intervalo de confianza)
C subtracted from:
D

Lower
-5.958

Center
-2.108

Upper
1.741

--------+---------+---------+---------+(-------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

Por lo anterior el catalizador D es diferente de los dems, para mejores


resultados se puede utilizar el catalizador A o B.

A continuacin se analizar la fase de mejora de la metodologa DMAIC


y en particular el Diseo de Experimentos.

Pgina 140

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPTULO 5. FASE DE MEJORA

Definir
Definir

Medir

Analizar

Mejorar
Mejorar

Controlar
Controlar

5.1 Introduccin
En la fase de Anlisis se identificaron las causas de variacin. En esta
fase se utilizar el diseo de experimentos (DOE), para seleccionar las
causas que ms afectan nuestro CTQ e investigar ests causas para
conocer el comportamiento del proceso. El mtodo de DOE consiste en
realizar cambios en los niveles de operacin de los factores (Xs) para
obtener los mejores resultados en la respuesta "Y". Esta informacin es
de gran ayuda para la optimizacin y mejora de procesos.

Objetivos:

Conocer el uso de las herramientas de mejora.

Conducir el diseo de experimentos para la optimizacin de procesos.

Obtener las mejoras del proceso en el proyecto.

Las principales herramientas utilizadas en esta fase son las siguientes:

Pgina 141

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Herramientas:
Herramienta
Diseo de
experimentos
factoriales 2k

Para que es usada.


Los experimentos factoriales son utilizados cuando
se involucran varios factores de inters en un
experimento. En cada replica se utilizan cada uno de
los factores que se estn investigando.
Diseo central
Consiste en realizar replicas en ciertos puntos del
k
compuesto 2
experimento factorial 2k, para proveer una
proteccin contra la curvatura que pudiera estar
presente.
Ing. de Calidad Es utilizado cuando el nmero de factores es
de Taguchi
demasiado
grande
ya que
el
nmero
de
combinaciones e interacciones aumenta, y
en
ocasiones sera casi imposible realizar un diseo
aunque se utilice un diseo fraccional; en este caso
es ms sencillo realizar la metodologa que propone
Taguchi.
RSM
La metodologa de superficie de respuesta o RSM es
una
coleccin
de
tcnicas
Matemticas
y
Estadsticas, utilizadas para modelar y analizar
problemas en los cuales la Respuesta de inters es
influenciada por varias variables, siendo el objetivo
optimizar dicha Respuesta.

5.2 Etapas de la fase de Mejora


Las etapas de la fase mejora son las siguientes:
5.2.1 Mostrar las causas potenciales y caracterizacin de Xs:
En la fase de anlisis encontramos los pocos vitales Xs, en esta fase
vamos a determinar aquellos que especficamente afectan nuestro
proceso. Esto se lleva a cabo a travs de datos histricos, conocimiento
y discusiones. En base a lo anterior tambin desechamos las variables
que no son utilizadas. Una opcin para realizar esta actividad es
mediante el uso del diagrama de Ishikawa

Pgina 142

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los pocos vitales son elementos crticos o factores, nombrados en tipo,


clase, o en cantidad.
Los cambios en los parmetros de operacin referentes

a las Xs pueden

ser puestos en niveles mltiples, para estudiar como afectan la respuesta en


el proceso Y
El Diseo de Experimentos es un mtodo para probar la significancia, o
sea que tanto afectan cada uno de los factores a la variable de
respuesta. Y para determinar la interaccin entre dichos factores.
Consideraciones:

El Diseo de Experimentos sirve para identificar los pocos vitales de los


CTQs

En la optimizacin es utilizada para determinar los niveles ms apropiados


de los pocos vitales.

Sirve para comparar el resultado experimental contra el proceso actual

5.2.2 Descubrir las relaciones entre variables y proponer una


solucin:
Una vez determinados los factores con mayor significancia, o sea
aquellos que afectan ms al proceso, estamos interesados en proponer
los niveles ptimos para cada factor.
Para poder hacerlo generamos la funcin de transferencia, mediante anlisis
de regresin, simple o mltiple. Al realizarlo tendremos una solucin que nos
permitir alcanzar el objetivo que es la optimizacin del proceso.

Pgina 143

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Para conducir un diseo de experimentos debemos tomar en cuenta los


puntos siguientes:

Contar con el presupuesto para la experimentacin.

Disponibilidad de personal.

Disponibilidad del tiempo para las pruebas.

Otros recursos

5.3 Diseos de experimentos factoriales


5.3.1 Qu es el Diseo de Experimentos (DOE)?
Un diseo de experimentos es una prueba o serie de pruebas en
las cuales se hacen cambios a propsito en las variables de entrada de
un proceso, de tal forma que se puedan observar e identificar cambios
en la respuesta de salida.
Un proceso de manufactura es una combinacin de personas, mtodos y
mquinas que transforman materias primas en productos terminados.
Los productos resultantes tienen una o ms caractersticas de calidad
observables o respuestas (Crticas para la calidad si el cliente reclama
por su no cumplimiento CTQs). Algunas de las variables del proceso
X1, X2, X3,, Xp son controlables o factores de control, mientras que
otras Z1, Z2, Z3, .., Zq no son controlables (a pesar de que pueden
ser controladas durante el desarrollo de las pruebas), y se denominan
factores de ruido. Los objetivos del diseo de experimentos pueden
incluir:

Pgina 144

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

1. Determinar cules variables tienen ms influencia en la respuesta, y.


2. Determinar en donde ajustar las variables de influencia xs, de tal
forma que y se acerque al requerimiento nominal.
3. Determinar donde ajustar las variables de influencia xs de tal forma
que la variabilidad en y sea pequea.
4. Determinar donde ajustar las variables de influencia xs de tal forma
que los efectos de las variables z desean minimizados.
Por lo anterior, los mtodos de diseo de experimentos pueden
utilizarse ya sea para el desarrollo o la mejora de los procesos, para
mejorar el desempeo o para obtener un proceso que sea robusto o
insensible a fuentes externas de variabilidad.
El

control

estadstico

de

procesos

(CEP)

el

diseo

de

experimentos estn muy relacionados. Si un proceso est en control


estadstico pero no tiene la suficiente capacidad, para reducir su
variabilidad

ser

experimentos.

necesario

optimizarlo

travs

del

diseo

de

El CEP es un mtodo estadstico pasivo, donde se

observa el proceso y se espera que ocurra una seal que nos oriente
hacia un cambio til, sin embargo, si el proceso est en control, la
observacin pasiva no producir mucha informacin til. Por otra parte,
el diseo de experimentos es un mtodo estadstico activo, donde, se
realizan una serie de pruebas en el proceso haciendo cambios en las
entradas y observando los cambios correspondientes en las salidas, esto
genera informacin que puede guiar hacia la mejora del proceso.
Los mtodos de diseo de experimentos tambin pueden ser tiles
para estabilizar un proceso. Asumiendo que la carta de control muestre
un proceso fuera de control, y que el proceso tenga muchas variables de
entrada controlables, a menos que se conozca cules variables de
Pgina 145

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

entrada son las ms importantes, puede ser difcil llevar el proceso a


control. Los mtodos de diseo de experimentos pueden ser usados
para identificar las variables de proceso que tienen ms influencia.
El diseo de experimentos es una herramienta de ingeniera
importante para la mejora de un proceso de manufactura. Tiene tambin
una aplicacin extensa en el desarrollo de nuevos procesos. La
aplicacin de estas tcnicas durante el desarrollo de los procesos puede
resultar en:
1. Rendimiento mejorado.
2. Variabilidad reducida y comportamiento cercano al valor nominal.
3. Tiempo de desarrollo reducido.
4. Costos totales reducidos.
Los mtodos de diseo de experimentos pueden tambin jugar un
papel mayor en las actividades de ingeniera de desarrollo de nuevos
productos o mejora de los productos actuales. Algunas aplicaciones del
diseo de experimentos incluyen:
1. Evaluacin y comparacin de configuraciones bsicas de diseo.
2. Evaluacin de alternativas de material.
3. Determinacin de parmetros clave de diseo con impacto en el
desempeo.
El uso del diseo de experimentos en estas reas puede resultar
en una fabricacin mejorada del producto, mejor desempeo y
confiabilidad en el campo, balos costos del producto, y tiempos de
desarrollo del producto ms cortos.

Pgina 146

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

5.3.2 Gua para realizar Diseos de Experimentos


Para tener xito en el diseo de experimentos, es necesario que
todos los involucrados en el experimento tengan una idea clara del
objetivo del experimento, de los factores a ser estudiados, como se
realizar el experimento y al menos una idea cualitativa de cmo se
analizarn los datos. El procedimiento recomendado tiene los pasos
siguientes:
1. Reconocimiento y establecimiento del problema.
2. Seleccin de factores y niveles.
3. Seleccin de la variable de respuesta.
4. Seleccin del diseo experimental.
5. Realizacin del experimento.
6. Anlisis de los datos.
7 Conclusiones y recomendaciones.
5.3.3 Ejemplo de aplicacin del DOE
A continuacin se presenta un ejemplo que ilustran la aplicacin
del diseo de experimentos para mejorar la calidad de productos y
procesos.
CARACTERIZANDO UN PROCESO
Con la aplicacin del control estadstico de proceso, se ha reducido
el nmero de soldaduras falsas en un panel de circuito impreso hasta un
1% para retrabajo, esto an es demasiado, sin embargo el proceso est
en control estadstico.
Pgina 147

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La mquina de soldar y el flujo de soldadura tienen varias


variables que se pueden controlar, que incluyen:
1. Temperatura de soldado.
2. Temperatura de pre calentamiento.
3. Velocidad del transportador.
4. Tipo de Fundente.
5. Gravedad especfica del fundente.
6. Altura de la ola de soldadura.
7. ngulo del transportador.
Adems de los factores controlables, se tienen otros factores que
no son controlables fcilmente durante la manufactura, a pesar de que
pueden controlarse a nivel de prueba, y son los siguientes:
1. Espesor del circuito impreso.
2. Tipos de componentes usados en los paneles.
3. Distribucin de los componentes en los paneles.
4. Operador.
5. Tasa de produccin.
Bajo esta situacin, caracterizar el proceso significa encontrar los
factores (controlables y no controlables) que generan la ocurrencia de
defectos de soldaduras falsas en los circuitos impresos. Para lo cul es
necesario realizar un diseo de experimentos que nos permita estimar la
magnitud y direccin de

los efectos de los factores. Es decir, cunto

cambia la variable de respuesta (defectos por unidad) al cambiar cada


factor, o cunto cambia al cambiar todos los factores a la vez, algunas

Pgina 148

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

veces estos experimentos se denominan experimentos de separacin de


variables.
.

La informacin de los experimentos se usa para identificar los

factores crticos del proceso y determinar la direccin de ajuste de estos


factores crticos para reducir el nmero de defectos por unidad. El
diseo de experimentos tambin se usa para obtener informacin sobre
los factores que deben ser controlados ms de cerca con cartas de
control (CEP), durante la fabricacin para prevenir un comportamiento
errtico del proceso. Con el tiempo si el proceso se mejora lo suficiente,
es posible controlar el proceso a travs de sus variables crticas de
entrada en vez de usar cartas de control para controlar las salidas o el
producto terminado.
5.4 El diseo factorial 2K
Un diseo muy comn es el que considera varios factores (K) en
dos niveles (alto y bajo), el diseo ms simple es el diseo 2 k
El diseo 22
Este el diseo ms simple, usa dos factores A y B, cada uno en
dos niveles. Requiere la realizacin de 4 experimentos que pueden
replicarse n veces, tomando las sumas de los resultados de las rplicas
se tiene:
(1)

A = -, B = -

(a)

A = +, B = -

(b)

A = -, B = +

(ab) A = +, B = +

ab

(1)

Figura 5.1 Diseo 22

Pgina 149

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los efectos de inters en el diseo son los efectos principales de A


y B y los efectos de la interaccin AB, se denominan contrastes
calculados como sigue:
A

a ab b (1)
1

(a ab b (1))
2n
2n
2n

b ab a (1)
1

(b ab a (1))
2n
2n
2n

AB

(5.1)

ab (1) a b
1

(ab (1) a b)
2n
2n
2n

Las cantidades entre parntesis se denominan contrastes, aqu


los coeficientes siempre son +1 o 1. Tambin se pueden determinar
usando una tabla de signos como sigue:
Tabla 5.1 Signos para los efectos en el diseo 22
Efectos factoriales
Corrida

AB

(1)

ANOVA

Fo = SST / SSE

glSST = 4n - 1

ab

gl.SSE = 4(n-1)

Para obtener la suma de cuadrados de A, B, y AB se usa:

SS

(contraste) 2
n (coeficientes.de.contrastes ) 2

Por tanto la suma de cuadrados para A, B y AB son:

Pgina 150

(5.2)

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

SSA

1
( a ab b (1)) 2
4n

SSB

1
(b ab a (1)) 2
4n

SSAB

(5.3)

1
( ab (1) a b) 2
4n

Ejemplo: Se trata de reducir la variabilidad en las orillas del corte de


placas

de

circuito

impreso.

Se

hicieron

varios

experimentos

considerando dos factores A y B. Se probaron cuatro circuitos impresos


en cada una de las cuatro corridas de experimentos o rplicas, con los
valores siguientes.
Tabla 2.3 Datos del experimento
Efectos factoriales
Corrida

Vibracin

Total

18.2 18.9 12.9 14.4

64.4

27.2 24.0 22.4 22.5

96.1

15.9 14.5 15.1 14.2

59.7

41.0 43.9 36.3 39.9

161.7

Calculando los efectos estimados de cada factor se tiene:


A = (96.1+161.1-59-7-64.4) / 2(4) = 16.64
B = (59.7 + 161.1 59.7 64.4) /2(4) = 7.54
AB = (161.1 + 64.4 96.1 59.7) / 2(4) = 8.71

Pgina 151

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Como efecto de los factores, si se cambia A de su nivel bajo a su nivel


alto, aumenta la respuesta en 16.64 unidades. Calculando las sumas de
cuadrados, se obtiene la siguiente tabla ANOVA:
Tabla 2.4 Anlisis de varianza del experimento
Fuente de

Suma de

Grados

Cuadrado

de variacin

cuadrados libertad

medio

1107.326

1107.226

185.25

227.256

227.256

38.03

AB

303.631

303.631

50.80

Error

71.723

12

Total

1709.836

15

Fo

5.977
.

Como se puede observar ambos factores son significativos y tambin la


interaccin es significativa.
Anlisis Residual
Para obtener los residuos se utiliza la ecuacin de regresin
siguiente, donde los factores A y B se representan por X 1 y X2 y la
interaccin AB por X1X2. Los niveles alto y bajo de cada factor se asignan
a los valores +1 y 1 respectivamente, el modelo de ajuste es:

16.64
7.54
8.71
x1
x1
x1 x 2 (5.4)
2
2
2

y 0 1 x1 2 x 2 3 x1 x 2 23.83

El valor de la interseccin 0 se calcula como el promedio de las 16


observaciones y cada coeficiente de regresin es la mitad del efecto
estimado del factor correspondiente, dado que los coeficientes de
regresin miden el efecto de una unidad de cambio en Xi sobre la media
Pgina 152

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

de Y, y el estimado del efecto se basa en dos unidades de cambio de (X 1


= -1 a X2 = 1).
Dado que la interaccin es significativa, para obtener la menor
respuesta de vibracin, se analizan las respuestas en todas las
combinaciones de A y B como sigue:

Vibracin

B+

BA-

A+

Fig. 5.2 Grfica de interaccin de A y B


Como se puede observar los mejores resultados se obtienen poniendo
en niveles bajos a A y en nivel alto a B.
El modelo de la ecuacin (5.4) permite predecir valores del nivel
de vibracin en cualquier punto de la regin de experimentacin,
incluyendo los cuatro puntos del diseo, por ejemplo si (X1 = -1 y X2 =
-1), el nivel de vibracin de prediccin es 16.1
Los residuos pueden calcularse como la diferencia entre los valores
reales observados y los estimados por la ecuacin. En relacin con la
respuesta, los primeros cuatro residuos son:
Pgina 153

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

e1 = 18.2 16.1 = 2.1

e3 = 12.9 16.1 = -3.2

e2 = 18.9 16.1 = 2.8

e4 = 14.4 16.1 = -1.7

Los residuos restantes para las otras tres corridas pueden


calcularse en forma similar. Posteriormente se grafican para su anlisis
de normalidad, la cual mostr ser satisfactoria.
Ejemplo en Minitab:
Un constructor est interesado en los efectos de dos mtodos de
mezclado diferentes realizados a dos temperaturas sobre la resistencia
del concreto. Realiza un diseo experimental y obtiene los resultados
mostrados en la tabla siguiente:
Temp.
C
40
40
40
60
60
60

1
672
736
640
1184
1216
1120

Mtodo
1
2
704
800
896
768
832
928
1248
992
1216
928
1152
960

2
832
800
864
1088
1056
1120

Crear el diseo en Minitab con:


Stat > DOE > Factorial > Create factorial design
Seleccionar 2 level factorial (default generators) Number of factors 2
En Designs No. of replicates 6
En Factors A = Temp Low = 40 High = 60

Factor B = Mtodo Low = 1

High = 2
En Options quitar seleccin de Randomize runs
OK

Pgina 154

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Una vez generado el diseo de dos factores introducir la siguiente


columna de datos:
Temp
40
60
40
60
40
60
40
60
40
60
40
60
40
60
40
60
40
60
40
60
40
60
40
60

Mtodo
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2

Resistencia
672
1184
800
992
736
1216
768
928
640
1120
928
960
704
1248
832
1088
896
1216
800
1056
832
1152
864
1120

Analizar el diseo con:


Stat > DOE > Factorial > Analyze factorial design
En responses indicar Columna de Resistencia
En Terms y Results pasar todos los factores a Selected terms con >>
En Graphs seleccionar para Effects Plots Pareto y Normal con alfa de
0.05
En Graphs seleccionar para los residuos Standardized y Normal Plot
En Store seleccionar Fits y Residuals OK
Para un alfa de 0.05:

Pgina 155

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

a) Los residuos se distribuyen normalmente y el diseo es vlido y


adecuado para la caracterizacin de este problema.

b) De la Tabla de efectos (ANOVA), se observan efectos o


interacciones que puedan tener un efecto significativo en la
resistencia

Pgina 156

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Term

Effect

Constant

Coef

SE Coef

948.00

14.76

64.21

0.000

Temp

317.33

158.67

14.76

10.75

0.000

Mtodo

-40.00

-20.00

14.76

-1.35

0.191

-125.33

-62.67

14.76

-4.24

0.000

Temp*Mtodo
S = 72.3252

R-Sq = 87.13%

R-Sq(adj) = 85.20%

En este caso se observa que tienen una influencia significativa la


temperatura y su interaccin con el mtodo.
c) En base al Pareto o grfica normal de los efectos, se comprueba
que los factores significativos son la temperatura y su interaccin con
el mtodo, como se muestra a continuacin:

Pgina 157

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

d) De la tabla de coeficiente se obtiene la ecuacin del modelo que


representa este proceso.
Term

Coef

Constant

-725.333

Temp

34.6667

Mtodo

586.667

Temp*Mtodo -12.5333
Yest = -725.33 + 34.6667 Temp 12.5333 Temp * Mtodo
e) Obtener grficas factoriales con:
Stat > DOE > Factorial > Factorial Plots
En Main effects Setup

indicar en Responses columna de Resistencia y

seleccionar factores con >>


En Interaction effects Setup indicar en Responses columna de
Resistencia y seleccionar factores con >>
En Cube Plot indicar en Responses columna de Resistencia y seleccionar
factores con >>
OK

Pgina 158

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los niveles en que deben fijarse los factores para maximizar la


resistencia son de la grfica de interaccin, Temp = 60C y Mtodo 1.
f) Obtener las grficas de contornos y de superficie de respuesta con:
Stat > DOE > Factorial >Contour Plot
En Setup de Contour y Response Surfase Plot solo entrar y salir
OK

De acuerdo a la grfica de contornos, conviene seguir


experimentando aumentando gradualmente la temperatura hasta
llegar al punto ptimo en una trayectoria de ascenso rpido.
Una vez establecidos los mejores niveles de operacin del proceso
por medio del Diseo de Experimentos, ahora se trata de mantener la
solucin por medio de la fase de Control.

Pgina 159

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 6 FASE DE CONTROL

Definir
Definir

Medir

Analizar

Mejorar

Controlar
Controlar

6.1 Introduccin
Una vez implementadas las mejoras en nuestro proceso, el ltimo paso
es asegurar que las implementaciones se mantengan y estn siendo
actualizadas a travs del tiempo.
Los proyectos Six-Sigma se van actualizando constantemente. En la
siguiente grfica observamos que la metodologa es cclica, tambin se
puede regresar de una fase a otra, en caso de no haber obtenido la
informacin necesaria, pero lo que no est permitido es saltar fases.

Pgina 160

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Objetivos:

Uso de las herramientas de control.

Verificar que las implementaciones se sigan y estn bajo control.

Identificar las actividades o procesos que estn fuera de control para


corregirlos inmediatamente.

Que las mejoras sean implementadas consistentemente para tener un


adecuado control.

Las herramientas a utilizar en esta fase son:


Herramienta
Precontrol

Es

Para que es utilizada?


tcnica
usada
para

una

irregularidades

en

el

proceso,

que

detectar
pueden

resultar en la produccin de unidades fuera de


especificaciones. Es usado con frecuencia para
determinar los valores de las variables del
proceso durante el perodo de arranque de la
produccin.
Cartas
Control

de Es

una

herramienta

muy

importante

para

analizar la variacin en la mayora de los


procesos. Enfocan la atencin hacia las causas
especiales de variacin y reflejan la magnitud de

Poka-Yoke

la variacin debido a las causas comunes.


Sistemas utilizados a prueba de errores.

6.2 Etapas de la fase de control

Pgina 161

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Las etapas de esta fase son las siguientes:


6.2.1 Validar el sistema de medicin.
En la Fase de Medicin validamos el sistema de medicin

para las

Ys, en este punto se utiliza la misma metodologa, con la diferencia


de que ahora mediremos las Xs del proceso, el plan ser validado
para las Xs
6.2.2 Determinar la capacidad del proceso.
Una vez implementadas las mejoras se vuelve a calcular los niveles
sigma del proceso, para saber en que nivel nos encontramos
actualmente.

6.2.3 Implementar el sistema de control.


Los procesos tienden a degradarse con el tiempo, por lo que es de
gran importancia la implementacin de un plan de control para cada
Xs, para establecer el pan es necesario tener

procesos y

procedimientos documentados y entrenar al personal que llevar a


cabo esta actividad.
Observemos en la grfica los elementos para un adecuado plan de
control :

Pgina 162

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Evita problemas
potenciales

RIESGO DE LA
ADMINISTRACION

A PRUEBA DE
ERRORES

CONTROL ESTADISTICO DEL PROCESO


Monitorea problemas
potenciales

Figura 6.1 Elementos de un plan de control.

Riesgo de la administracin: Es similar a un FMEA, los clculos son


de la siguiente manera:
Puntuacin del riesgo de la admn. = Impacto X probabilidad
Proporciona las siguientes ventajas:

Identificacin del riesgo.

Cuantificacin de los riesgos

Establece un plan de disminucin de riesgos

Monitorea los progresos del plan

A prueba de errores

Pgina 163

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Tcnica que evita errores en el proceso, y hace que sea imposible de


que sucedan.
Control estadstico del proceso: Monitoreo mediante grficas de
control.
Un plan de control para la manufactura se muestra a continuacin:

6.3 Cartas de Control


Las cartas de control son la herramienta ms poderosa para monitorear
y analizar la variacin en la mayora de los procesos.
Las cartas de control enfocan la atencin hacia las causas especiales de
variacin cuando estas aparecen y reflejan la magnitud de la variacin
debida a las causas comunes, manteniendo las soluciones
Pgina 164

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

.
Las causas comunes o aleatorias se deben a la variacin natural del
proceso.
Las causas especiales o asignables son por ejemplo: un mal ajuste de
mquina, errores del operador, defectos en materias primas.
Un proceso est bajo Control Estadstico cuando presenta causas
comunes nicamente, con un proceso estable y predecible.
Cuando existen causas especiales el proceso est fuera de Control
Estadstico; las cartas de control detectan la existencia de estas causas
en el momento en que se dan, lo cual permite que podamos tomar
acciones al momento.

Ventajas:

Es una herramienta simple y efectiva para lograr un control


estadstico.

El operario puede manejar las cartas en su propia rea de trabajo,


por lo cual puede dar informacin confiable a la gente cercana a la
operacin en el momento en que se deben de tomar ciertas acciones.

Cuando un proceso est en control estadstico puede predecirse su


desempeo respecto a las especificaciones. En consecuencia, tanto el
proveedor como el cliente pueden contar con niveles consistentes de
calidad y ambos pueden contar con costos estables para lograr ese
nivel de calidad.

Pgina 165

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Una vez que un proceso se encuentra en control estadstico, su


comportamiento puede ser mejorado posteriormente reduciendo la
variacin.

Al distinguir ente las causas especiales y las causas comunes de


variacin, dan una buena indicacin de cundo un problema debe ser
corregido localmente y cuando se requiere de una accin en la que
deben

de

participar

varios

departamentos

niveles

de

la

organizacin.
Cartas de control por variables y por atributos.En Control de Calidad mediante el trmino variable se designa a
cualquier caracterstica de calidad medible tal como una longitud,
peso, temperatura, etc. Mientras que se denomina atributo a las
caractersticas de calidad que no son medibles y que presentan
diferentes estados tales como conforme y disconforme o defectuoso y no
defectuoso.
Segn sea el tipo de la caracterstica de calidad a controlar as ser la
carta de control correspondiente, por tanto, se clasifican en Cartas de
Control por Variables y Cartas de Control por Atributos.
Comparacin de las cartas de control por variables vs. atributos

Cartas de Control por Cartas de control por


Ventajas significativas

variables
atributos
Conducen a un mejor Son
potencialmente
procedimiento
control.
Pgina 166

de aplicables a cualquier
proceso

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Proporcionan

una Los datos estn a

utilizacin mxima de menudo disponibles.


la

informacin Son rpidos y simples

disponible de datos.

de obtener.
Son fciles de
interpretar.
Son frecuentemente
usados en los informes
a la Gerencia.

Desventajas

No se entienden

significativas

menos

que

se

capacitacin;

Ms econmicas
a No proporciona
de informacin detallada

puede del control de

causar confusin entre caractersticas


los

limites

especificacin

de individuales.
y

los

lmites de tolerancia.
No reconoce distintos
grados de defectos en
las unidades de
producto.

Pgina 167

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Campos de aplicacin de las cartas


VARIABLES
Carta
X R

Descripcin
Medias y

Campo de aplicacin.
Control de caractersticas individuales.

X S

Rangos
Medias y

Control de caractersticas individuales.

desviacin
I-MR

estndar.
Individuales

Control de un proceso con datos variables que


no pueden ser muestreados en lotes o grupos.

ATRIBUTOS
Carta
P

Descripcin
Proporciones o

Campo de aplicacin.
Control de la fraccin global de defectuosos de

fraccin

un proceso.

NP

defective
Nmero de

Control del nmero de piezas defectuosas

defectuosos
Defectos por

Control de nmero global de defectos por

unidad
Promedio de

unidad
Control del promedio de defectos por unidad.

defectos por
unidad

Elaboracin de Cartas de control X R (variables)


Paso 1: Colectar los datos.

Pgina 168

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los datos son el resultado de la medicin de las caractersticas del


producto, los cuales deben de ser registrados y agrupados de la
siguiente manera:

Se toma una muestra(subgrupo) de 2 a 10 piezas consecutivas y se


anotan los resultados de la medicin( se recomienda tomar 5).
Tambin pueden ser tomadas en intervalos de tiempo de - 2 hrs.,
para detectar si el proceso puede mostrar inconsistencia en breves
periodos de tiempo.

Se realizan las muestras de 20 a 25 subgrupos.

Paso 2: Calcular el promedio X y R para cada subgrupo

X 1 X 2 .... X N
N

R X mayor X menor

Paso 3: Calcule el rango promedio R y el promedio del proceso

X .
R

R1 R2 ......R K
K

X 1 X 2 ....... X K
K

Donde K es el nmero de subgrupos, R 1,R2..es el rango de cada


subgrupo; X 1 , X 2.... son el promedio de cada subgrupo.
Paso 4: Calcule los limites de control

Pgina 169

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los lmites de control son calculados para determinar la variacin de


cada subgrupo, estn basados en el tamao de los subgrupos y se
calculan de la siguiente forma:
LSC X X A2 R

LSC R D4 R

LIC X X A2 R

LIC R D3 R

Donde D4, D3, A2 son constantes que varan segn el tamao de muestra.
A continuacin se presentan los valores de dichas constantes para
tamaos de muestra de 2 a 10.
n
D4
D3
A2

2
3.27
0
1.88

3
2.57
0
1.02

4
2.28
0
0.73

5
2.11
0
0.58

6
2.00
0
0.48

7
1.92
0.08
0.42

8
1.86
0.14
0.37

9
1.82
0.18
0.34

10
1.78
0.22
0.31

Paso 5: Seleccione la escala para las grficas de control


Para la grfica X la amplitud de valores en la escala debe de ser al
menos del tamao de los lmites de tolerancia especificados o dos veces
el rango promedio R .
Para la grfica R la amplitud debe extenderse desde un valor cero hasta
un valor superior equivalente a 1 - 2 veces el rango.

Paso 6: Trace la carta de control


Dibuje las lneas de promedios y lmites de control en las grficas.
Los lmites de Control se dibujan con una lnea discontinua y los
promedios con una lnea continua para ambas cartas.

Pgina 170

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Marcar los puntos en ambas grficas y unirlos para visualizar de mejor


manera el comportamiento del proceso.
Paso 7: Analice la grfica de control
Ejemplo 1
Se toman las medidas de los dimetros de una pieza cilndrica, el
tamao de muestra de cada subgrupo es de cinco, y se toman 25
subgrupos a intervalos de 1 hr.
Realice la carta de control X R .
muestra subgrupo
1
2
3
4
5

1
0.65
0.70
0.65
0.65
0.85

2
0.75
0.85
0.75
0.85
0.65

3
0.75
0.80
0.80
0.70
0.75

4
0.60
0.70
0.70
0.75
0.65

5
0.70
0.75
0.65
0.85
0.80

6
0.60
0.75
0.75
0.85
0.70

7
0.15
0.80
0.65
0.75
0.70

8
0.60
0.70
0.80
0.75
0.75

9
0.65
0.80
0.85
0.85
0.75

10
0.60
0.70
0.60
0.80
0.65

11
0.80
0.75
0.90
0.50
0.80

12
0.85
0.75
0.85
0.65
0.70

muestra subgrupo
1
2
3
4
5

14
0.65
0.70
0.85
0.75
0.60

15
0.90
0.80
0.80
0.75
0.85

16
0.75
0.80
0.75
0.80
0.65

17
0.75
0.70
0.85
0.70
0.80

18
0.75
0.70
0.60
0.70
0.60

19
0.65
0.65
0.85
0.65
0.70

20
0.60
0.60
0.65
0.60
0.65

21
0.50
0.55
0.65
0.80
0.80

22
0.60
0.80
0.65
0.65
0.75

23
0.80
0.65
0.75
0.65
0.65

24
0.65
0.60
0.65
0.60
0.70

25
0.65
0.70
0.70
0.60
0.65

13
0.70
0.70
0.75
0.75
0.70

Calculando el rango y el promedio para cada subgrupo obtenemos:

muestra subgrupo
1
2
3
4
5
Promedio
Rango

1
0.65
0.70
0.65
0.65
0.85
0.70
0.20

2
0.75
0.85
0.75
0.85
0.65
0.77
0.20

3
0.75
0.80
0.80
0.70
0.75
0.76
0.10

4
0.60
0.70
0.70
0.75
0.65
0.68
0.15

5
0.70
0.75
0.65
0.85
0.80
0.75
0.20

6
0.60
0.75
0.75
0.85
0.70
0.73
0.25

muestra subgrupo
1
2
3
4
5
Promedio
Rango

14
0.65
0.70
0.85
0.75
0.60
0.71
0.25

15
0.90
0.80
0.80
0.75
0.85
0.82
0.15

16
0.75
0.80
0.75
0.80
0.65
0.75
0.15

17
18
19
0.75 0.75 0.65
0.70 0.70 0.65
0.85 0.60 0.85
0.70 0.70 0.65
0.80Pgina
0.60 0.70
171
0.76 0.67 0.70
0.15 0.15 0.20

7
0.15
0.80
0.65
0.75
0.70
0.61
0.65

8
0.60
0.70
0.80
0.75
0.75
0.72
0.20

9
0.65
0.80
0.85
0.85
0.75
0.78
0.20

10
0.60
0.70
0.60
0.80
0.65
0.67
0.20

11
0.80
0.75
0.90
0.50
0.80
0.75
0.40

12
0.85
0.75
0.85
0.65
0.70
0.76
0.20

20
0.60
0.60
0.65
0.60
0.65
0.62
0.05

21
0.50
0.55
0.65
0.80
0.80
0.66
0.30

22
0.60
0.80
0.65
0.65
0.75
0.69
0.20

23
0.80
0.65
0.75
0.65
0.65
0.70
0.15

24
0.65
0.60
0.65
0.60
0.70
0.64
0.10

25
0.65
0.70
0.70
0.60
0.65
0.66
0.10

13
0.70
0.70
0.75
0.75
0.70
0.72
0.05

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Calculando el Rango promedio, promedio del proceso y lmites de


control:
R .198

X = .71
LSC R D4 R = 2.11* 0.198 = 0.41
LIC R D3 R

=0

LSC X X A2 R = .71+(.58)(.198) = .82

LIC X X A2 R = .71-(.58)(.198) = .59

La carta se puede obtener con Minitab con:


Stat > Control Charts > Variable charts for subgroups
Xbar-R Seleccionar Observations for a Subgroup are in a row of
columns
Indicar las 5 columnas de datos OK

Pgina 172

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Sample Mean

Xbar/R Chart for C1

0.7

Mean=0.7112

0.6

LCL=0.5970

Subgroup

Sample Range

UCL=0.8254

0.8

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0

10

15

20

25

UCL=0.4187
R=0.198
LCL=0

La carta de control R muestra un punto fuera de los limites de control,


por lo cual el proceso se encuentra fuera de control, en este caso es
necesario investigar las causas y tomar las acciones correctivas para
eliminar el problema. En la siguiente parte se muestran los criterios para
determinar las situaciones en las cuales un proceso puede estar fuera de
control.
Interpretacin del control del proceso.
El objeto de analizar una grfica de control es identificar cul es la
variacin del proceso, las causas comunes y causas especiales de dicha
variacin y en funcin de esto tomar alguna accin apropiada cuando se
requiera.

Pgina 173

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Juran14 sugiere un conjunto de reglas de decisin para detectar patrones


no aleatorios en las cartas de control. Cuando se detecta alguno de los
patrones siguientes se puede decir que el

tomar alguna accin para

corregir el problema ya que el proceso puede estar fuera de control.


PATRONES FUERA DE CONTROL

Carta de Individuales y rango mvil (Datos variables I-MR).


14

Anlisis y planeacin de la calidad, J.M. Juran ,F.M Gryna, Tercera Edicin, McGrawHill.

Pgina 174

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

A menudo esta carta se llama I o Xi.

Esta Carta monitorea la tendencia de un proceso con datos variables


que no pueden ser muestreados en lotes o grupos.

Este es el caso cuando la capacidad de corto plazo se basa en


subgrupos racionales de una unidad o pieza.

Este tipo de grfica es utilizada cuando las mediciones son muy


costosas (Por ejemplo Pruebas destructivas), o cuando la
caracterstica a medir en cualquier punto en el tiempo es
relativamente homognea (por ejemplo el PH de una solucin
qumica)

La lnea central se basa en el promedio de los datos, y los lmites de


control se basan en la desviacin estndar (+/- 3 sigmas)

Terminologa

k = nmero de piezas
n = 2 para calcular los rangos

X = promedio de los datos


R = rango de un subgrupo de dos piezas consecutivas

R = promedio de los (n - 1) rangos

LSC X X E 2 R

LIC X X E 2 R
LSC R D4 R
LIC R D3 R

Pgina 175

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Donde D4, D3, E2 son constantes que varan segn el tamao de muestra
usado para agrupar los rangos mviles como se muestra en la tabla
siguiente:
n
D4
D3
E2

2
3.27
0
2.66

3
2.57
0
1.77

4
2.28
0
1.46

5
2.11
0
1.29

6
2.00
0
1.18

7
1.92
0.08
1.11

8
1.86
0.14
1.05

9
1.82
0.18
1.01

* Generalmente se utiliza n = 2

Ejemplo: La longitud de un tramo de tubo se registra para cada


producto. Realice la grfica de control individual.
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89

Pgina 176

10
1.78
0.22
0.98

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y


2 lectura, 2 y 3 y as hasta n-1.

Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
12.03

Rangos
0.17
0.13
0.26
0.16
0.19
0.04
0.10
0.03
0.00
0.00
0.05
0.02
0.26
0.04
0.10

X 12.03
R 0.10

LSC X X E 2 R =12.03+(2.66)(.10) = 12.29

LIC X X E 2 R =12.03 (2.66)(.10) = 11.76


LSC R D4 R = 3.27(.10)= .327
LIC R D3 R = 0

Pgina 177

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

I Chart for C1
12.35
UCL=12.30

Individual Value

12.25
12.15
12.05

Mean=12.03

11.95
11.85
11.75

LCL=11.75
1

11.65
0

10

15

Observation Number

Moving Range Chart for C1


0.4
UCL=0.3384

Moving Range

0.3

0.2

0.1

R=0.1036

0.0

LCL=0
0

10

15

Observation Number

Interpretacin del proceso:

Revisar la Carta de rangos para puntos fuera de los lmites de control


como signo de la existencia de causas especiales. Note que los
rangos sucesivos estn correlacionados, debido a que tienen un
punto en comn y debido a esto se tiene que tener cuidado al
interpretar tendencias.

Pgina 178

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Las Cartas de lecturas individuales pueden ser analizadas para puntos


fuera de los lmites de control, dispersin de puntos dentro de los
lmites de control y para tendencias o patrones. Cabe hacer notar que
si la distribucin de proceso no es simtrica, las reglas mostradas
anteriormente

para

grficas

X podrn

dar

seales

de

causas

especiales sin que stas existan.


Cartas de control por atributos
Cualquier caracterstica de calidad que pueda ser clasificada de forma
binaria: cumple o no cumple, funciona o no funciona, pasa o no
pasa, etc., a los efectos de control del proceso, ser considerado como
un atributo y para su control se utilizar una Carta de Control por
Atributos.
Los criterios de aceptacin al utilizar grficas de control por atributos
deben estar claramente definidos y el procedimiento para decidir si esos
criterios se estn alcanzando es producir resultados consistentes a
travs

del

tiempo.

Este

procedimiento

consiste

en

definir

operacionalmente lo que se desea medir. Una definicin operacional


consiste en:
1 . Un criterio que se aplica a un objeto o a un grupo
2. Una prueba del objeto o del grupo y
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.
Grfica P para Fraccin de Unidades Defectuosas (atributos)
La grfica p mide la fraccin defectuosa o sea las piezas defectuosas en
el proceso. Se puede referir a muestras de 75 piezas, tomada dos veces

Pgina 179

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

por da; 100% de la produccin durante una hora, etc. Se basa en la


evaluacin de una caracterstica (se instalo la pieza requerida?) o de
muchas caractersticas (se encontr algo mal al verificar la instalacin
elctrica?). Es importante que cada componente o producto verificado se
registre como aceptable o defectuoso (aunque una pieza tenga varios
defectos especficos se registrar slo una vez como defectuosa).
Pasos para la elaboracin de la grfica:
Paso 1- Frecuencia y tamao de la muestra:
Establezca la frecuencia con la cual los datos sern tomados (horaria,
diaria, semanal). Los intervalos cortos entre tomas de muestras
permitirn una rpida retroalimentacin al proceso ante la presencia de
problemas. Los tamaos de muestra grandes permiten evaluaciones ms
estables del desarrollo del proceso y son ms sensibles a pequeos
cambios en el promedio del mismo. Se aconseja tomar tamaos de
muestra iguales aunque no necesariamente se tiene que dar esta
situacin, el tamao de muestra debera de ser mayor a 30. El tamao
de los subgrupos ser de 25 o ms.
Paso 2- Calculo de la fraccin defectuosa (p) del subgrupo:
Registre la siguiente informacin para cada subgrupo:
El nmero de partes inspeccionadas n
El nmero de partes defectuosas np

Calcule la fraccin defectuosa (p) mediante: p

Pgina 180

np
n

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Paso 3 Calculo de fraccin defectuosa promedio y lmites de


control
La fraccin defectuosa promedio para los k subgrupos se calcula con la
siguiente frmula:

np1 np 2 .... np k
n1 n2 ..... nk

LSC p p 3

p (1 p )
n

LIC p p 3

p (1 p )
n

donde n es el tamao de muestra promedio.


NOTA: Cuando p y/o n es pequeo, el lmite de control inferior puede
resultar negativo, en estos casos el valor del lmite ser = 0
Paso 4- Trace la Carta y analice los resultados.
Ejemplo:
Un fabricante de latas de aluminio registra el nmero de partes
defectuosas, tomando muestras cada hora de n = 50, con 30 subgrupos.
Realizar la grfica de control para la siguiente serie de datos obtenida
durante el muestreo.

Pgina 181

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22

Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Latas defectuosas
np
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6

Calcule la fraccin defectuosa para cada muestra:

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22

Fraccin defectuosa
p
0.24
0.30
0.16
0.20
0.08
0.14
0.32
0.18
0.28
0.20
0.10
0.12
0.34
0.24
0.44

Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

p .2313

LSC p p 3

p (1 p )
.23 * .77
= .2313 3
=.4102
50
n

Pgina 182

Latas defectuosas Fraccin defectuosa


np
p
8
0.16
10
0.20
5
0.10
13
0.26
11
0.22
20
0.40
18
0.36
24
0.48
15
0.30
9
0.18
12
0.24
7
0.14
13
0.26
9
0.18
6
0.12

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

p (1 p )
.23 * .77
= .2313 3
=.05243
50
n

LIC p p 3

Trazando la Carta p:

P Chart for C1
1

0.5
1

UCL=0.4102

Proportion

0.4
0.3

P=0.2313
0.2
0.1
LCL=0.05243
0.0
0

10

20

30

Sample Number

6.4 Dispositivos a Prueba de Error o Poka Yokes


Un sistema Poka-yoke15 posee dos funciones: puede realizar el 100 % de
inspecciones

si

ocurre

alguna

anormalidad,

puede

realizar

inmediatamente una accin de aviso.


Los sistemas Poka-Yoke son mtodos para reducir defectos, estos varan
dependiendo de los sistemas de inspeccin los cuales pueden ser:
inspecciones en la fuente, auto chequeos, o chequeos sucesivos.

15

Shigeo Shingo, Zero Quality Control: Source Inspection and the Poka-Yoke System, Productivity Press
1986

Pgina 183

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Tipos de sistemas Poka-Yoke:


A continuacin se describen algunos de los mtodos Poka-Yoke ms
comunes.

6.4.1 Mtodos de Control Tipo A

Cuando ocurre alguna anormalidad los mtodos de control, funcionan de


tal manera que se apagan las maquinas o se bloquea algn mecanismo
para detener la operacin, previniendo la ocurrencia de defectos
subsecuentes.
Los sistemas de control se caracterizan por tener una eficacia mxima
para obtener cero defectos. Estos sistemas no solamente consisten en
apagar las mquinas o bloquear algn mecanismo sino que existe la
posibilidad de que estos sistemas separen alguna pieza defectuosa al
momento de ser detectada.
6.4.2 Mtodos de Alarma Tipo B
Estos mtodos llaman la atencin de los trabajadores activando alguna
alarma o luz cuando ocurre alguna anormalidad. El riesgo de estos
mtodos es que en ocasiones los trabajadores no detecten la luz o el
sonido de las alarmas sea confundido con otros sonidos. Para minimizar
estos riesgos se puede utilizar luz intermitente que sea ms fcil de
detectar y sonidos con timbres particulares en diferentes escalas.

Pgina 184

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los mtodos de alarma pueden ser utilizados cuando el impacto de una


anormalidad no es demasiado critica en el proceso o cuando los
mtodos de control resultan econmica y tcnicamente poco viables.
6.4.3 Mecanismos a Prueba de Error
Mtodos de Contacto
Son mtodos en los que por medio de mecanismos sensibles, se
detectan anormalidades en

la dimensin o la forma del producto. Por

ejemplo en un sistema de frenos se ensambla una pieza que puede ser


izquierda o derecha, al momento del ensamble se puede cometer el
error de colocar una parte derecha cuando se debera de colocar una
izquierda, para evitar este defecto se instala un tope que impide que se
coloque por ejemplo una parte derecha.

Mtodos de valor fijo:


Con estos mtodos, las anormalidades son detectadas verificando el
nmero especfico de movimientos en los casos en que las operaciones
se repiten un nmero determinados de veces.
Pgina 185

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Como ejemplo tenemos el caso en la cual

se aplica un recubrimiento

adhesivo a una barra metlica, aplicando tiras de 8cm alrededor de la


barra. Se tienen que aplicar 50 tiras, pero el problema que se tiene es
que en ocasiones se corre el riesgo de aplicar menos de 50 unidades o
ms. Para solucionar este problema se implementa un sistema PokaYoke de la siguiente manera.
Se cortan y se cuentan previamente las tiras

en grupos de 10

unidades , las cintas son adheridas a la barra, si al final de la operacin


sobran cintas el operador se da cuenta e inmediatamente y corrige el
trabajo .
La siguiente figura ilustra el sistema Poka-Yoke.

Mtodos de movimientos de paso

Estos son mtodos en los cuales las anormalidades son detectadas al


verificar los errores en movimientos estndar, cuando las operaciones
tienen que ser realizadas con movimientos predeterminados. Estos
sistemas son extremadamente efectivos y tienen un amplio rango de
aplicacin.
Pgina 186

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

En un proceso de etiquetado los operadores algunas veces fallan al


aplicar las etiquetas, este defecto puede ser evitado antes de la
inspeccin mediante un dispositivo que consta de un tubo fotoelctrico
que detecta la falta de una etiqueta, parando inmediatamente la lnea,
para corregir el defecto.

Hasta aqu se han revisado los aspectos ms relevantes de la


metodologa DMAIC, las herramientas que maneja y un breve detalle de
las que se consideraron relevantes.
A continuacin se mostrar con un caso prctico como se aplica la
metodologa en la mejora de desempeo de procesos en una planta de
manufactura real.

Pgina 187

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPTULO 7. Caractersticas de la empresa GCLA


El caso de aplicacin de la metodologa Seis Sigma se realiz en esta
empresa, cuyas caractersticas principales son:

7.1 Perfil de la empresa


General Cable - una empresa de alcance global con una amplia gama de
productos de la industria de alambres y cables.
General Cable y sus 5.900 asociados realizan actividades comerciales en
28 localidades manufactureras en 8 pases, con representantes de
ventas alrededor del mundo. The Power of One SM (El Poder del
Individuo) brindan una presencia mundial enfocada a las necesidades
siempre cambiantes de sus clientes.

Pgina 188

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

General Cable es una empresa que tiene presencia global en 8 paises a


traves de 28 empresas, dedicados a la produccin de alta calidad en
alambres y cables de telecomunicaciones y de energa.
Realizan

operaciones

travs

de

oficinas

centrales

ubicadas

estratgicamente en los continentes de: Amrica, Europa y Oceana.


Cuenta con dos plantas en la Repblica Mexicana:
-Tetla, Tlaxcala
-Piedras Negras, Coahuila
7.2 General Cable de Latinoamrica:
Es una empresa manufacturera de cable de telecomunicaciones areos
y subterrneos, cordones de distribucin para interiores, exteriores y
alambre electrosol.
El objetivo

de General

Cable de Latinoamrica es satisfacer el

requerimiento de los clientes a travs del compromiso de su personal


con la mejora continua. Buscando cada da incursionar exitosamente en
los mercados de centro, sudamrica y el caribe.
7.3 Certificacin ISO 9000
Es una empresa que ha desarrollado Sistemas de Calidad con base a los
requerimientos del estndar internacional de calidad ISO 9001:2000 y
TL 9000- HW: R3.0/R3.0, estos Sistemas han sido auditados y
certificados bajo dicha norma.

Pgina 189

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Los Sistemas de Calidad proporcionan los indicadores necesarios para


medir y verificar la capacidad de los procesos y monitorear nuestras
variables en la operacin.

Algunos de los principales objetivos estrategicos y de calidad son los


siguientes:
En esta empresa la filosofia Lean Sigma es parte de la cultura
organizacional con proyectos de mejora continuos.

El siguiente reporte es un caso real de mejora de procesos aplicando la


metodologa Seis Sigma.

Pgina 190

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CAPITULO 8. Caso practico de aplicacin de la metodologa Seis


Sigma en la mejora del desempeo de los procesos de la
empresa GCLA

Reduccin de desperdicio en el arranque de lneas Tandem Planta Tetla,


Mx
Octubre 30, 2003

Luis Rosete Seis Sigma Candidate

Jos Sanromn Project Sponsor

Fechas de entrenamiento:
Diciembre 2-6, 2002 Tetla,
Enero 13-17,
2003 Tetla,
Febrero 17-21 2003 Tetla,
Marzo 24-28, 2003 Tetla,
Mayo. 5-9,
2003 Tetla,

MX.
MX.
MX.
MX.
MX.

Pgina 191

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CONTENIDO
Resumen ejecutivo

Pg. 3

Iniciacin de proyecto

Pg. 4

Seis Sigma Metodologa DMAIC


Paso 1 Definicin del problema

Pg. 5

Paso 2 - Medicin

Pg. 7

Paso 3 Anlisis del problema (RTM)

Pg. 15

Paso 4 Mejora

(RTM)

Pg. 20

Paso 5 Control

(RTM)

Pg. 26

Paso 3 Anlisis del Problema (RTWB)

Pg. 27

Paso 4 Mejora

(RTWB)

Pg. 34

Paso 5 Control

(RTWB)

Pg. 44

Evaluacin de los beneficios totales


Apndice

Pg. 46
Pg. 48

Contrato del proyecto

Pg. 49

Resumen de Herramientas

Pg. 50

Resumen de problemas

Pg. 51

Planes futuros y recomendaciones

Pg. 51

** (RTM) Relacionado con el Mtodo, (RTWB) Relacionado con la ruptura de


cable.

Pgina 192

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

RESUMEN EJECUTIVO
La planta de Tetla se dedica a la manufactura de productos PIC y SW. La
mayora de los productos aqu manufacturados se envan a Estados Unidos con
una participacin menor al 10% para el mercado de Latinoamrica.
El proyecto de reduccin de desperdicio de Tandem se inici en la planta de
Tetla para identificar las causas raz que generaban el total de desperdicio, al
inicio del proyecto en las lneas Tandem dedicadas a PIC por los arranques.
Estas lneas Tandem estn enfocadas principalmente a producir alambres
aislados de cubierta tipo espumoso, permitiendo a la planta reducir un
desperdicio anual de $100,000.
La planta Tetla ha sido parcialmente dividida en clulas. Desde la
implementacin del proyecto SW, esta rea de la planta fue instalada con una
configuracin fsica de clulas. Esta rea PIC se encuentra en una etapa virtual
de celularizacin, se tiene planeado implementar la formacin fsica de clulas
en el futuro. El rango de los productos para la PIC va de 12 a 3000 pares y el
tamao del calibre de 26 a 19 AWG. El propsito de este proyecto fue utilizar
las herramientas de Seis Sigma para maximizar las ventajas de un ambiente de
manufactura de clulas virtuales, y reducir el desperdicio existente al final de
la produccin, permitiendo a la planta reducir la cantidad de alambre aislado
utilizado en los arranques, ayudando a realizar uno de los 3 objetivos
principales para 2003.
Siguiendo el proceso DMAIC, y definiendo el alcance del proyecto, el equipo
seleccion 6 de las 9 lneas Tandem en la planta Tetla que se encontraban
fabricando alambre aislado para cables PIC. Las lneas Tandem escogidas para
este proyecto fabrican principalmente alambre aislado de cubierta espumosa
24 o 22 AWG, el cual es utilizado como elemento base en el armado de los
cables OVD. El objetivo tangible de este proyecto fue alcanzar una reduccin
de desperdicio del 70% debido a los arranques. El equipo recolect informacin
base de alambre aislado enviado al desperdicio, y realiz pruebas para validar
los tiempos de arranque y mtodos entre los operadores y las lneas de
produccin para validar la exactitud de la medicin. Mediante el anlisis de la
informacin ms importante, este revel que anexo al anlisis de la condicin
del proceso involucrado en los arranques, sera necesario analizar la razn o
razones de los rearranques en cada lnea Tandem. Adems, dos variables
claves del proceso (Proceso de mquina de estirado y tiempo estabilizacin del
compuesto) las cuales no fueron identificadas previamente, contribuyeron
sustancialmente a la variacin de la cantidad de desperdicio entre mquina y
tamao. Un anlisis detallado se explica posteriormente en este reporte. El
equipo hizo cambios a los mtodos de arranque en las lneas Tandem de
alambre aislado estirado, y mejoraron mtodos para garantizar la integridad de
las principales variables involucradas en las mquinas de estirado para
mantener el desempeo del alambre durante el proceso de estirado
Como resultado de los esfuerzos del equipo, el desperdicio por causas de
arranque se redujo 52% de la desviacin estndar mxima de la longitud
desperdiciada por lnea Tandem. Simultneamente, mediante el ajuste del

Pgina 193

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

desempeo de la mquina de estirado redujimos el total de desperdicio por


rupturas de alambre en las lneas Tandem por $96,400 dlares. Las siguientes
pginas proporcionan un anlisis profundo del proceso que el equipo sigui
para generar los ahorros financieros

INICIACIN DE PROYECTO
Definicin del proyecto
Identificar y minimizar las causas raz de grandes longitudes en cada arranque
de las lneas Tandem y rupturas de alambre por tensin en la mquina de
estirado ayud a reducir la longitud desperdiciada un 52%. El proyecto utilizar
y tomar ventaja del ambiente de manufactura esbelta (lean manufacturing).
Las herramientas de Seis Sigma sern utilizadas para identificar y reducir la
variabilidad del proceso, permitiendo una reduccin de $96,376 dlares en el
desperdicio anual
Alcance
Este proyecto involucr 6 de las 9 lneas de manufactura Tandem en la planta
Tetla. Se decidi as ya que estas 6 lneas fueron cargadas con un alto volumen
de fabricacin para productos PIC, la amplitud del alcance para este proyecto
fue apropiado para el equipo.
Mtricas
Las mtricas utilizadas para medir el xito de este proyecto incluye;
1. 52% de reduccin en la longitud enviada al desperdicio en cada
arranque.
2. Ahorros mnimos anualizados de $96,376 dlares
Sponsor
Jos Sanromn Gerente de Planta, Planta Tetla Mxico - Communications
Team Leader
Luis Rosete Gerente Tcnico Planta Tetla Mxico.
Miembros del equipo
Ociel Ortega
Miembro de la celda PIC Ingeniero de Proceso
Alfredo Sylmar Miembro de la celda PIC Supervisor
Jos Luis Colin Miembro de la celda PIC Operador de Mquina
Juan Lpez
Miembro de la celda PIC Mecnico
Pedro Muoz
Taller de Dados Especialista en dados
Miguel A. Cabrera
Staff de Mantenimiento Programador de
Mantenimiento
Resultados del negocio
Basado en los resultados de Marzo de 2003, los ahorros anuales esperados
son de $96,376 dlares basados en oportunidades de reduccin de
desperdicio y reduccin de costos exclusivamente.
Se redujo la longitud desperdiciada por arranque un 52% del total por
desviacin en las lneas Tandem para PIC.

Pgina 194

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

El equipo propuso trabajar de cerca con los proveedores de cobre para


reducir las rupturas de alambre debido a las inclusiones y porosidad.

Metodologa aplicada
El equipo decidi seguir los pasos del DMAIC para desarrollar mejoras y
cumplir los objetivos planeados.

Pgina 195

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 1- DEFINICIN DEL PROBLEMA


Introduccin
La planta Tetla adopt la filosofa Lean Sigma en 2002 como la va ms
importante para alcanzar la mejor posicin en la Corporacin en trminos de
rentabilidad, confianza, y estar en el negocio de cable en telecomunicaciones.
Es por eso que se decidi capacitar a algunos miembros de su personal en
herramientas de estadstica avanzada para resolver problemas efectivamente,
estas personas son reconocidas por la corporacin como Black Belts y su
objetivo es dar un gran soporte a la corporacin en ahorros y desempeo.
El corporativo ha establecido que sus plantas alcancen 3 objetivos principales
al final del 2004, los cuales son reducir el desperdicio un 50%, reducir el valor
de inventario un 50% y reducir DPMJ un 90%. En este caso acordamos con el
Gerente de planta enfocar los esfuerzos a ayudar en la reduccin de
desperdicio.
Mapeo del proceso
En diciembre del 2002 comenz el entrenamiento de Black Belt como
candidato, esto es cuando los miembros del equipo fueron escogidos y la
informacin relacionada al desperdicio durante 2002 comenz a recolectarse,
entonces pudimos identificar las reas de oportunidad.
El equipo decidi aplicar la metodologa Seis Sigma en el proyecto alineado a
los 3 objetivos principales. Primero, buscar dnde se encontraba nuestra
principal rea de oportunidad para reducir el desperdicio de la unidad PIC en la
planta, debido a que el ingeniero de proceso es el responsable del rea de
alambre de servicio ser un candidato a ser Black Belt y enfocar sus esfuerzos
en esta rea.
Decidimos no utilizar el mapeo de flujo de valor debido a la naturaleza del
proyecto, por lo que decidimos utilizar otras herramientas no menos efectivas o
menos importantes para mapear el problema. De este modo comenzamos
haciendo una estratificacin con los datos obtenidos de nuestro sistema formal
(Manufacturing Pro), debido a que la informacin disponible esta en la red de
desperdicio obtuvimos la siguiente informacin.

Pgina 196

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Distribucin neta del desperdicio


Tetla - 2002

Tandem
49%
Drawing
1%

Pairing
5%

Cabler
4%

Stranding
16%

Jacketing
25%

Se realiz una segunda estratificacin, tomando el rea de Tandems

Distribucin del desperdicio en las lneas Tandem


2002

$350,000
332,525
$300,000

$ U SD

$250,000
185,321
$200,000
152,972
$150,000

$100,000

77,126
47,164

$50,000

$0

Pgina 197

38,732

36,718

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

En este paso pudimos encontrar que los arranques de mquina (Start Up) son
la principal razn para el desperdicio en el rea de Tandem y el equipo decidi
trabajar en la reduccin de desperdicio debido a los arranques en las reas de
Tandem, pudimos alcanzar uno de los tres objetivos principales, aunque slo
tuvimos informacin de la red de desperdicio.

Pgina 198

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 2 MEDICION
Recoleccin de datos de defectos
Durante Enero y Febrero del 2003 se recolect nueva informacin por lo que
pudimos estar seguros que se tom la decisin correcta, porque las causas de
desperdicio pudieron valuarse, pero ahora en trminos de desperdicio bruto y
no solo en trminos de desperdicio neto.
Recolectamos datos de nuestro sistema formal (Manufacturing Pro) para
identificar como se distribuan las causas del desperdicio en las lneas Tandem.
El equipo decidi utilizar un diagrama de Pareto para identificar la contribucin
de cada una de las lneas Tandem involucradas en el desperdicio por productos
PIC, la informacin colectada mostr lo siguiente:
Crear y estratificar Diagrama de frecuencia y Pareto
Hicimos una estratificacin para investigar con ms detalle cul pudiera ser la
principal causa de falla de las lneas Tandem para el cable PIC; lneas
1802,1804,1811,1812.
Estas lneas estn dedicadas a producir alambre aislado de forro espumoso
para cables PIC. La estratificacin se muestra a continuacin:

Cause of GW in tandem lines


(Jan-Feb 03)
100
80

500000
400000

60

300000
40
200000
20

100000
0

Causes:
Mx $pesos
Percent
Cum %

0
art
St

s
up

390257
61.9
61.9

No

cc
nE

tri
en

90717
14.4
76.3

y
ci t

rge
Pu

43986
7.0
83.2

s
re
wi

ak
bre

nt
si

40616
6.4
89.7

ak

p
eu
D
CO

tsi
ou

de

23023
3.7
93.3

Pgina 199

of

ec
sp

rs
he
Ot

42024
6.7
100.0

Percent

Mx $ pesos

600000

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Definir la meta inicial


La causa vital identificada fue el arranque en las lneas Tandem gastando
alrededor de $400 mil pesos mexicanos en 8 semanas en el 2003. El equipo
decidi analizar el problema y como meta inicial la reduccin del 70% del costo
de desperdicio generado por esta causa estimando un ahorro anual de $1.7
millones de pesos mexicanos.
Como resultado de un voto mltiple y tcnicas de lluvia de ideas, el equipo con
una gran participacin del operador, supervisor de turno e ingeniero de
proceso planearon algunas actividades en las lneas Tandem para recolectar
datos como sigue:
5W & 1H
WHAT
1.- Trainnig
2.- Standarized method.
3.- Followed sequence.
4.6.7.8.9.11.1213.-

Efficiency.
Cooling system.
Low speed take ups
The heaters didn't work.
Method
Lack of time to mix
Counter failures
Temperature

Activity plan

HOW
WHO
Reviewing training records.
OO, AS
Review the TOI's in floor
JLC
Make run trials to see the current OO,JLC
procedure.
Review the unplanned shut downs. MAC
Review the tanks condition
OO,JL
Review the counter and its program.OO
Review the calibration date
JLC
Make an opportunity flow chart
OO,JLC,AS
Have an eye on the current procedure
OO,JLC
Review the calibration date
JL,MC
Make run trials of current procedureOO

WHERE
Lines 1812
1811,1804,1803
one per line at least.
Lines 1812
1811,1804,1803

WHEN
Jan. 28
Feb. 19
Feb. 5
Feb. 9

Lines 1812
Feb. 12
At least one per line. Feb.12
Lines 1812 1811,1804,1803
Feb.12
At least one per line. Feb. 19

La informacin estadstica de diferentes fuentes tales como el laboratorio de


Calidad, mantenimiento y el departamento de produccin fueron revisadas por
el equipo, lo que ayud a hacer algunas pruebas para generar ms datos y
hacer un anlisis descrito en la fase de anlisis
Comenzamos a crear una tabla con los datos recolectados, lo cual nos ayudara
a tener informacin en relacin a cada arranque por lnea, por lo que podamos
explotar la informacin a ser analizada.
Se planearon algunas pruebas para cada lnea Tandem con ms de 2 pruebas
por lnea, con lo que pudimos identificar los factores principales involucrados
en el mtodo y evaluar la variabilidad del proceso de arranque. Con los datos
obtenidos preparamos una carta de flujo de oportunidad y pudimos observar
algunas reas importantes de oportunidad para mejorar el mtodo. Esto ser
explicado en la fase de anlisis.
La recoleccin de informacin comenz en el piso de de produccin para
ayudarnos a descubrir la situacin actual en las actividades de arranque de
cada lnea Tandem sin poner atencin en las actividades del operador durante
el arranque de la lnea, los datos obtenidos son:

Pgina 200

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Collecting data Sheet "Start-up machine"


Machine

Environmenta
l Temperature

1802

Product
:

2524
February 2003

Time before
startup

Temperature profile

Speed

--

120

165

187

204

212

215

215

215

215

98

165

186

203

211

215

215

216

211

18

26

--

117
120

165
165

187
187

205
204

214
212

215
205

214
205

215
210

216
210

30

123

164

188

205

211

205

205

210

213

1750

23

25

121

163

187

203

210

205

202

205

215

1750

22

90

125

163

188

203

210

205

205

208

211

1750

21

10

121

162

188

203

211

204

206

209

211

1750

17

30

123

164

187

203

211

204

203

210

217

1750

16

60
--

164
162

187
185

203
200

212
203

204
205

203
205

206
210

216
213

1750

20

123
119

75

125

163

187

201

204

205

205

209

212

25

25

15

--

118
120

160
163

184
188

199
200

203
204

202
205

205
205

210
210

214
213

60

124

162

188

201

204

205

204

208

13

25

124

162

189

202

210

204

204

16

30

131

164

189

203

210

204

204

17

25

--

25

132
120

163
163

187
193

202
202

208
208

204
205

125

161

193

203

210

204

17

18

1715
1717

1750
1750

Scrapped
lengt
h(mts)
-350
0
440

Take change
Total scrapped
length
(mts)

-5100
5500

0 --

--

500
0
500

7400

0
430
0
500

5800

0
400
0
500

6500

7400
6000
6900

0 --

--

680
0
600

7700
8000

0 --

218

1750

5500

6100

208

216

1750

5800

7000

208

212

1750

4200

5600

205
205

209
210

211
213

1750

3700

6300

--

--

--

205

209

215

1550

5500

8200
6633

--

Collecting data Sheet "Start-up machine"


Machine

1812

Product:

Environmental
Temperature

Time before
startup

-18
17
-17
17
17
-13
18
-16
16
-19

mi
n15
25
-25
45
40
-40
25
-25
22
--

119
118
118
115
115
115
115
115
118
113
12
0
119
119
115

20
25
25
40
25
15

114
114
121
118
121
118

18
17
13
17
18

2524

February 2003

Temperature profile
14
8
14
9
14
7
14
5
14
5
14
6
14
6
14
9
15
0
15
1
14
5
14
5
14
5
15
0
148
147
156
150
156
149

16
7
16
7
16
9
17
4
17
3
17
5
17
3
16
9
17
0
17
1
17
0
17
1
17
1
18
0
179
178
176
170
176
167

17
6
17
6
17
7
18
4
18
4
18
1
18
1
18
2
18
3
19
0
18
5
18
5
18
5
19
0
190
189
186
183
186
176

19
0
18
9
19
0
19
4
19
2
20
1
20
1
20
2
20
4
20
1
19
5
19
4
19
4
20
3
201
202
201
204
201
189

20
1
20
1
20
1
20
0
20
0
20
0
20
0
20
4
20
4
20
3
20
4
20
3
20
3
20
5
205
204
205
204
205
201

Speed
201
202
200
200
201
201
201
206
197
204
204
204
204
205

198
198
198
199
199
199
199
204
203
200
202
203
203
203

20
9
20
1
20
5
20
7
211
21
3
211
21
0
21
0
21
5
20
5
20
5
20
5
211

204
204
204
197
204
202

204
204
204
203
204
198

217
216
212
210
212
201

Pgina 201

-1800
1800
-1800
1800
1800
-1800
1800
-1800
1800
-1800
1800
1900
1800
1900
1800

Scrapped
length
(mts)
-2250
5160
-5800
6200
6200
-7000
7000
-4000
3900
-5900
7000
8000
7000
8000
2250

Take change
Total scrapped
length
(mts)

-3000
5600
-6300
6700
6600
-9000
8100
-4200
4000
-6200
7900
8500
9000
8500
3000
6440

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Collecting data Sheet "Start-up machine"


Machine

1804

Environmental
Temperature

Time before
to startup

-16
15
-26
26
-30
21
23
22
-21
14
18
20
-22
24
20

-5
5
-40
2
-33
27
25
30
-17
32
20
20
-95
20
25

Product:

2524
Temperature profile

Speed

138

160

179

197

207

210

210

215

215

138
138
138
139
138
140
142
140
140
140
140

160
161
160
161
160
160
161
160
160
160
160

179
178
180
181
179
182
182
182
182
182
180

197
198
198
197
197
194
196
194
194
193
196

207
208
207
207
207
205
206
203
205
205
204

210
210
210
210
210
210
210
210
210
210
210

210
210
210
210
209
210
210
210
210
210
210

215
214
215
213
215
210
210
211
210
209
210

215
211
215
214
212
215
213
213
215
215
220

141
141
140
140
140
141
141
141

160
160
160
160
160
160
160
159

179
181
180
181
180
181
180
182

184
195
197
194
192
194
193
191

203
206
208
208
202
204
205
202

210
210
210
210
210
210
210
209

210
210
210
210
210
210
210
209

210
210
210
210
210
210
210
209

227
221
220
227
222
230
227
224

-1807
1808
-1808
1813
-1874
1870
1875
1870
-1870
1870
1870
1870
-1870
1870
1875

Scrapped
length
(mts)
-3700
3800
-2700
3100
-2400
2950
3500
3900
-2900
6000
4500
3300
-6000
3800
2700

February 2003
Take change
Total scrapped
length
(mts)

-4000
4100
-3100
3300
-3000
3500
3800
4300
-3300
6150
4800
3700
-6200
4100
2900
4017

Collecting data Sheet "Start-up machine"


Machine

1811

Product:

2524
February 2003

Environmental
Temperature

Time before
to startup

-12
11
24
23
17
14
14
20
17
15
18
19
22
22
19

-2
5
5
2
25
27
25
75
36
30
25
40
85
25
25

Temperature profile
154
154
154
154
154
152
155
153
153
153
153
151
154
154
155
153

164
163
164
164
164
163
163
163
165
164
164
163
166
166
164
163

185
185
185
185
185
185
185
185
185
186
185
183
186
186
187
186

196
195
196
197
196
191
193
192
193
188
192
191
192
193
194
194

207
206
207
207
207
204
207
2006
207
199
202
200
203
204
205
205

207
207
207
208
208
207
207
207
206
207
205
208
206
210
206
206

207
207
206
208
208
207
207
207
208
207
207
205
207
208
206
207

Pgina 202

207
200
206
210
210
207
207
207
209
207
205
205
206
207
208
208

215
205
215
209
210
220
215
217
221
216
217
220
217
219
216
221

Speed

Scrapped
length
(mts)

Take change
Total scrapped
length
(mts)

-1812
1814
1808
1812
1600
1800
1810
1800
1800
1800
1800
1814
1815
1819
1821

-3600
2150
2500
2000
3000
4100
2300
3900
4600
3200
4000
5000
8900
4200
5000

-3800
2500
2800
2300
3300
4300
4800
6100
5200
5500
4200
5600
9100
5800
6100
4760

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Resumen de datos como resultado de mediciones realizadas en las lneas


destinadas a la manufactura de productos PIC
Summary data collected
Tandem
Lines
1812
1811
1804
1802

r
(time vs lenght)

0.59
0.86
0.53
0.14

Replies

15
15
15
15

6440
4760
4017
6633

2104
1763
1021
966

Durante esta fase de medicin encontramos que las lneas Tandem tenan que
ejecutar muchos arranques, debido a diferentes causas, por lo que
recolectamos ms informacin.
En el caso de fallas de mquina, recolectamos mucha informacin proveniente
de nuestros sistema formal (Manufacturing Pro), y tambin tomando
informacin de los reportes de piso, pudimos identificar la siguiente
informacin

Unplanned shut downs March 01-31


Tandem lines
100
500

60
250

243

40
144
70

46

41

20
0

Cause

Pgina 203

Percent

Frequency

80

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Unplanned shut downs March 01-31


100
80
60

127

100

40

Percent

Hrs. loss

200

68
31

23

21

20
0

Cause

Resumen de informacin recolectada debido a la alta frecuencia en paros no


planeados
Summary of unplanned shut downs March 01 -31
Cause
Loss hrs.
Frequency Minutes/start-up
Wire break in drawer & Cu quality
127
243
31
Wire break in annealer
68
144
28
Wire break at take up change
31
70
26
Wire break in take-up
23
46
30
Wire break in cross-head
11
27
25
Others
21
41
31

Como resultado de tener identificada la causa principal de paros no planeados


teniendo que reiniciar, el equipo recolect muestras de alambres rotos en la
mquina de estirado as como la calidad del cobre obteniendo la siguiente
informacin:

Pgina 204

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Copper wire breaks


MAQUINA
1801
1801
1801
1801
1801
1801
1801
1801
1801
1801
1801
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1802
1803
1803
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1804
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809
1809

FECHA
12/03/2003
13/03/2003
13/03/2003
13/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
15/03/2003
11/03/2003
12/03/2003
12/03/2003
12/03/2003
12/03/2003
12/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
14/03/2003
15/03/2003
15/03/2003
15/03/2003
15/03/2003
08/03/2003
08/03/2003
07/03/2003
07/03/2003
08/03/2003
10/03/2003
11/03/2003
11/03/2003
11/03/2003
12/03/2003
13/03/2003
12/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
14/03/2003
14/03/2003
14/03/2003
15/03/2003
11/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
13/03/2003
15/03/2003
15/03/2003
17/03/2003
17/03/2003
17/03/2003
17/03/2003
17/03/2003

DADO
13
13
18
19
16
17
18
14
20
20
18
26
26
18
22
24
24
22
22
26
24
22
24
20
22
22
18
17
18
17
21
22
22
22
22
17
13
21
23
19
23
21
20
21
25
17
18
23
17
25
25
20
24
16
18
21
20
18
25
21
22
20
21
20
20
20
20
19
23
13
23

Canastilla
428
437
437
438
419
419
419
419
443
443
443
385
423
423
423
433
433
433
433
430
439
439
439
439
439
439
439
440
432
432
432
432
444
444
444
352
352
386
386
392
392
416
416
416
391
391
404
429
429
429
429
429
429
365
365
414
431
431
431
431
431
431
431
431
446
446
468
468
468
468
468

CAUSA
Macroporosidad
Inclusin
Inclusin Ausente
Inclusin Ausente
Inclusin
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin
Macroporosidad
Inclusin Ausente
Inclusin Ausente
Macroporosidad
Tensin
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Tensin
Inclusin Ausente
Inclusin Ausente
Tensin
Inclusin
Inclusin
Tensin
Inclusin
Inclusin Ausente
Inclusin Ausente
Inclusin
Inclusin
Tensin
Inclusin Ausente
Inclusin Ausente
Tensin
Tensin
Escamas / Astillado
Inclusin
Inclusin
Inclusin
Inclusin Ausente
Inclusin
Inclusin Ausente
Inclusin
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin
Inclusin Ausente
Macroporosidad
Macroporosidad
Inclusin
Inclusin
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Inclusin Ausente
Macroporosidad
Inclusin
Inclusin
Inclusin Ausente
Inclusin Ausente
Macroporosidad
Macroporosidad
Macroporosidad
Macroporosidad
Macroporosidad

Torreta
30228-062

Ton. Prod.

Ton / Rev Rev / Canastilla


1
2

30228-078
30228-069
30228-065

1
13.32

1.21

30228-067

30213-082

30228-060

30228-079

30228-070

30228-069

7.18

0.30

30228-077

30228-072

30228-074

30213-063

1.24

0.62

30225-019

30214-041 30213027

30225-015 30228058

30214-041
30213-044

2
24.28

1.35

30228-062
6
30228-062
30213-016
30213-030
30225-016

2
1

30228-070

11.51

0.68

30228-074

30228-010

Pgina 205

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Summary of data collection Sheet: Copper wire breaks March 2003

Effect of failure

Breaks

Tons/Rate Brk

Inclusion:
Macro porosity
Tension
Total

97
23
17
137

1.031
4.348
5.882
0.730

Gross Waste
Valuated
USD
2,267
538
397
3,202

100
30
23.3

Cu-tons
Minutes
USD

Analyzed sample
Lost time per wire break
Gross waste per restart-up

De acuerdo a la informacin anterior el equipo redefini el objetivo inicial de


obtener una reduccin del 70% en rupturas con un desperdicio equivalente a
1.1 millones de pesos (110 mil dlares/ao) tomando en cuenta 50 semanas
por ao
TOTAL SCRAPPED LENGHT (RTM)
March 2003

Initial Goal Validation


100

Current

Goal

Current

97

80

25000

60

20000

40

29

20

23
7

17

0
Inclusion:

Macro porosity

Tension

Meters

Wire break/100 Tons.

120

Goal
21850

15000
10000

6555

5000
0

Sample size, 4 Tandemlines

Wire breaks classification

En el caso de inclusiones y macro porosidad, trabajamos junto con los


proveedores para reducir las rupturas hasta un 70% por esta causa; debido a
que dependemos de los proveedores este ser un objetivo esperado.
El equipo decidi tener como un objetivo el reducir la longitud promedio por
arranque as como su variacin.
Para una identificacin ms fcil en el reporte, lo llamaremos Relacionado con
el mtodo (Related to the method - RTM) y relacionado con las rupturas de
alambre (Related to the wires breaks - RTWB).

Pgina 206

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 3 ANALISIS PARA LOS (RTM)


Desarrollar una definicin enfocada del problema
De acuerdo al resumen de datos podemos hacer el siguiente anlisis:
I)
II)

La longitud de alambre desperdiciado corresponde a muchos re arranques


La primera causa es tener alta frecuencia de paros no planeados
debido a rupturas de alambre en mquinas de estirar (Drawing
machines).

La clave para desarrollar un anlisis correcto y ser capaz de identificar la causa


potencial del desperdicio de los arranques en las lneas Tandem, fue saber qu
tan bien cumpli el proceso con los requerimientos mnimos del cliente interno
y tambin como estuvo siendo operado el proceso.
Desarrollo de definicin del problema (RTM):
Con objeto de determinar la meta ptima para el mtodo de arranque, el
mtodo seguido por el equipo fue ejecutar pruebas para identificar la mejor
secuencia, tiempos, desperdicio producido en Kg. y metros y disear una hoja
de recoleccin de datos por lnea.
El equipo utiliz como herramienta una carta de flujo de oportunidad para
mostrar la informacin recolectada durante las pruebas y las principales
actividades involucradas durante el mtodo de arranque.

OPPORTUNITY STAT-UP METHOD FLOW CHART


Set up activities
Start

Set up the new


Order identifying
What the
Compound and the
Gage is.

Bleeding operation

Eccentricity operation

Wait for the


Temperature in the
Extruders vs. sets.

Are temps
ok?

Start the production

Start the
Eccentricity
Adjustment at low
Speed

Look at Cx in the
Monitor
170
pf +/- 2

Not
Eccentricity
ok?

Cx. Is ok?

Not

Yes
Not

Is it
Different?
Yes

Change tip and


Dies
Set up the
Temperatures in
The extruders
String copper wire
Along of line.

Not

Start bleeding
Compounds.

Is the
comp.
Mixed?
Not

Adjust the
Temperature
Profile.
Stop the rpm and
Clean backside of
the tip.

Yes

Yes

Yes

Adjust the process


Condition looking at
(CTP variables)

Increase the
Speed more than
1700 mpm

Eccentricity
ok?

Change the reel in the


take up.
Yes

Take a sample and


Make all product tests
(CTQ variables)

Not

Adjust the
Distance between
tip and die

Not

Sample is
ok?
Yes

END
Start the production

Pgina 207

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Explorar causas potenciales (RTM)


Encontramos las siguientes reas de oportunidad a ser estandarizadas, ya que
cada operador utiliz su propio criterio y los operadores son la clave para
alcanzar un arranque exitoso.
1) Compuestos inundantes
2) Excentricidad de aislamiento
Usar mtodo estadstico para calificar la relacin causas efecto (RTM)
Para esta fase del proyecto, el equipo utiliz la informacin recolectada de
varias pruebas realizadas para cada lnea definiendo la variable de tiempo
usando el diagrama de dispersin para medir la relacin entre 2 variables,
tiempo y longitud de desperdicio.
Tiempo = tiempo de lnea antes de arrancar por cualquier razn.
Longitud de desperdicio = Longitud (m) desperdiciada como consecuencia de
cada arranque.
Los estudios presentados a continuacin fueron planeado para identificar si
existe alguna diferencia significativa entre los mtodos de los operadores para
el arranque de lneas.
Objetivo de este estudio:
o

Identificar si existe una posible relacin entre 2 variables y saber si el


tiempo influye directamente a la variable de respuesta, longitud
desperdiciada.

Identificar cules son la media

X y la desviacin estndar (S) para

cada lnea en la situacin actual.


Hacer una prueba de hiptesis para saber si existen variaciones entre
las lneas Tandem y saber si pudiramos estandarizar el mtodo a
travs de las lneas Tandem, por lo que tendrn sus propios mnimos
de longitud desperdiciada.

Se hizo una prueba de normalidad para cada lnea Tandem en longitud


desperdiciada para evaluar si tienen una distribucin normal calculando el
valor p de esos grupos de datos:

Pgina 208

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Probabilidad Normal de Longitud desperdiciada (m)

Normal Probability Plot

.999

.999

.99

.99

.95

.95

Probability

Probability

Normal Probability Plot

.80
.50
.20

.80
.50
.20
.05

.05
.01

.01

.001

.001

2000

3000

4000

5000

6000

7000

8000

5000

9000

Average: 4760
StDev: 1763.44
N: 15

Anderson-Darling Normality Test


A-Squared: 0.313
P-Value: 0.512

7000

Average: 6633.33
StDev: 965.599
N: 15

8000
Anderson-Darling Normality Test
A-Squared: 0.228
P-Value: 0.772

Normal Probability Plot

Normal Probability Plot

.999

.999

.99

.99

.95

.95

Probability

Probability

6000

1802 le

1811 le

.80
.50
.20

.80
.50
.20
.05

.05

.01

.01

.001

.001
3000

4000

5000

3000

6000

Average: 4050
StDev: 959.725
N: 15

4000

5000

6000

7000

Anderson-Darling Normality Test


A-Squared: 0.814
P-Value: 0.027

Average: 6440
StDev: 2104.35
N: 15

Si vemos el resumen de datos podemos hacer el siguiente anlisis:

Summary collected data


r
(time vs length)

0.59
0.86
0.53
0.14

9000

Anderson-Darling Normality Test


A-Squared: 0.458
P-Value: 0.227

Resumen de datos recolectados:

Tandem
Lines
1812
1811
1804
1802

8000

1812 le

1804 le

Replies

15
15
15
15

6440
4760
4017
6633

2104
1763
1021
966

Pgina 209

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Conclusiones acerca del factor de correlacin (RTM)


Conclusin (a): Debido a la correlacin r mostrada entre tiempo versus la
longitud desperdiciada en las lneas 1811, 1812 y 1804 podramos decir que
existe suficiente relacin entre el tiempo y la longitud desperdiciada, es por
eso, que podemos asumir que cuando la lnea se para por largo tiempo, ms de
30 minutos en promedio antes de re - arrancar, la longitud desperdiciada se
ver afectada.
Conclusin (b): Debido al diseo de tornillo para las lneas Tandem, no es
posible en este momento tratar de estandarizar la longitud desperdiciada en
todas las lneas Tandem, ser necesario hacer el anlisis en pares de mquinas.
Conclusin (c): La siguiente fase fue analizar si existen diferencias
significativas entre medias de grupos de lneas, siendo 1811 y 1804 un grupo;
y 1812 y 1802 otro grupo. Como se hicieron 15 pruebas tomamos el estadstico
de prueba T, cuando n<30, y las medias son conocidas.

Summary collected data


Tandem
Lines
1812
1811
1804
1802

Replies

(time vs length)

0.59
0.86
0.53
0.14

15
6440
2104
15
4760
1763
15
4017
1021
15
6633
966
Hypothesis test
Hypothesis test for 2 paired groups using the "t test" :
Is there any signifact difference between process?:

Ho :

1804 1811

Ho : 1802

1812

Ha :

1804 1811

Ha : 1802

1812

El grupo de lneas fue escogido principalmente porque son tcnicamente


iguales, el diseo de tornillo, el cual es un factor clave en el proceso de
arranque y la estabilidad del componente extruido.

Pgina 210

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Paired T-Test and CI: 1804 le; 1811 le


Paired T for 1804 le - 1811 le
N
Mean
StDev SE Mean
1804 le
15
4050
960 248
1811 le
15
4760
1763 455
Difference
15
-710
1479 382

Dotplot of Differences of Means 1811 - 1804


(with Ho and 95% t-confidence interval for the mean)

95% CI for mean difference: (-1529; 109)


T-Test of mean difference = 0 (vs not = 0):
T-Value = -1.86 t calculated 710/382
P-Value = 0.084

-3000

-2000

_
X

Ho

-1000

Dotplot of Differences
(1812 - 1802)
Differences

1000

2000

(with Ho and 95% t-confidence interval for the mean)

Paired T for 1802 le - 1812 le


N
Mean
StDev SE Mean
1802 le
15
6633
966 249
1812 le
15
6440
2104 543
Difference
15
193
2548 658

95% CI for mean difference: (-1218; 1605)


T-Test of mean difference = 0 (vs not = 0):
T-Value = 0.29 t calculated 193/685
P-Value = 0.773

-4000

-2000

_
HoX

2000

4000

Differences

Debido a que el estadstico T de alfa es mayor que la T calculada y el Ho se


encuentra dentro de los lmites del intervalo de confianza, no se rechaz Ho y
podemos decir que no hay diferencias significativas entre ambos grupos de
lneas, asumiendo que pudieran tener la misma media proveniente del mismo
mtodo.

Pgina 211

6000

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 4 MEJORA PARA LOS (RTM)


Crear posibles soluciones para las causas raz (RTM)
Usando la tcnica de lluvia de ideas el equipo propuso algunas soluciones
potenciales y desarrollo un plan para ser implementado como sigue:
Acorde a la informacin recolectada, creamos un diseo de experimentos para
identificar los factores involucrados en el mtodo de arranque, por este medio
creamos un Diseo de Experimentos Factorial (DOE) de 3 factores y 2 niveles
como sigue:

Factorial completo 23 = 8 corridas


3 factores; tiempos muertos, color inundante y capacidad coaxial ajustad
2 niveles

20.0 min.

White

Brown

Automatic

Manual

A d ju s te d

C o a xia l C a p a c ita n c e

L e n g th

1 7 0 0 0

1 4 0 0 0

S c ra p p e d

( M T S )

5.0 min.

1 1 0 0 0

8 0 0 0

5 0 0 0

S h u t D o w n

T im e

B le e d in g

C o lo r

De los datos mostrados en el paso de anlisis, el proceso de arranque en


las lneas Tandem est relacionado fuertemente al mtodo seguido por
cada operador. Las oportunidades para mejoras encontradas y listadas
debajo de este prrafo, no toma en cuenta el goteo del extrusor y
limpieza como posibles variables, debido a que los operadores siguen
una prctica comn y estandarizada observada durante las pruebas.
(a) El control de la Capacitancia debe ponerse en automtico y a toda
velocidad de arranque

Pgina 212

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

(b)Inundar el polietileno hasta que se obtenga un color caf y limpiar


la punta antes cubrir el cobre, para garantizar el arranque y
concentricidad al principio
(c) Se tendr estandarizado el mtodo cuando la mquina se pare a lo
ms por 20 minutos, en el caso de durar ms de 20 minutos la
longitud podra ser mayor.
Importante: para reducir el total de longitud desperdiciada
sustancialmente, es necesario reducir la longitud desperdiciada por el
tiempo de transferencia en los amarres.
Desarrollar un plan (RTM)
Nosotros planeamos ejecutar algunas pruebas tomando la informacin
del experimento para evaluar los resultados; se realizaron en cada lnea
Tandem. Estos puntos de mejoramiento pudieran afectar el tiempo en el
arranque, pero la contribucin ms importante es reducir el monto de
desperdicio en cada arranque. De estas pruebas el equipo midi la
media y la desviacin estndar para el mtodo mejorado. Como
resultado de esta medicin, el equipo estableci una nueva tabla de flujo
mostrando la mejora.

START-UP IMPROVED METHOD FLOW CHART


Set up
activities

Start

Set up the
new
order identifing
what the
compound and
the gage
are.
Not

Bleeding process

Eccentricity operation

Wait the
temperature in
the
extruders vs. sets.

Start
the
eccentricity

Are temp. ok?

Yes

Change tip
and die
s
Set up the
temperatures
inthe
extruders
String copper
wire
along the line.

Not

Adjust
the
temperature
profile.
Stop the rpm and
clean back side of
the
tip..

Not

Adjust the
process
condition looking
(CTP variables)

Not
Is the Eccent.
ok
?

Yes

Is the Mix
comp. ok?

Cx. Is ok?

adjustment at
low spee
d

Start
bleeding
compounds
.

Is it different
product?

Start the production

Yes

Not

Turn on the automatic


system.

Follow the
Eccentricity TOI.
Yes

Change the reel in the


take
up.
Start up the line at
1800
mpm

Take a sample and


make all product
tests
(CTQ
variables)

Look the Cx in
the monitor
170 pf +/- 2

Not

Is the
sample
ok?
Yes

END
Start the
production

Pgina 213

Yes

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Preparamos una nueva hoja de recoleccin de datos para colectar


informacin acerca de la longitud desperdiciada una vez que las mejoras
fueron implementadas. Los datos recolectados mostraron lo siguiente:
Collecting data Sheet "Start-up machine"
Machine

1804

Product:

2524
April 2003

Environmental
Temperature

Time before
to startup
Set
5
Set
10
Set
33
25
Set
17
20
Set
30
25

Temperature profile
138
138
138
138
140
142
140
140
141
140
140
141
141

160
161
160
160
160
161
160
160
160
160
160
160
159

179
178
180
179
182
182
182
180
179
180
180
181
182

197
198
198
197
194
196
194
196
184
197
192
194
191

207
208
207
207
205
206
205
204
203
208
202
204
202

210
210
210
210
210
210
210
210
210
210
210
210
209

210
210
210
209
210
210
210
210
210
210
210
210
209

215
214
215
215
210
210
210
210
210
210
210
210
209

215
211
215
212
215
213
215
220
227
220
222
230
224

Speed

Scrapped
length
(mts)

Take change
Total scrapped
length
(mts)

-1808
-1813
-1874
1875
-1870
1870
-1870
1875

-3300
-2900
-2500
3500
-2700
4000
-4800
3600

-3800
-3500
-3200
4100
-3100
4300
-5100
4200
3913

Speed

Scrapped
length
(mts)

Take change
Total scrapped
length
(mts)

-1812
1808
1800
1810
1800
1800
1814
1819

-3600
2500
3100
2700
3200
3000
3600
4200

-4200
3100
3500
3400
4000
3800
4300
5800
4013

Collecting data Sheet "Start-up machine"


Machine

1811

Product:

2524
April 2003

Environmental
Temperature

Time before
to startup
Set
15
5
27
25
36
30
20
25

Temperature profile
154
154
154
155
153
153
153
154
155

164
163
164
163
163
164
164
166
164

185
185
185
185
185
186
185
186
187

196
195
197
193
192
188
192
192
194

207
206
207
207
206
199
202
203
205

207
207
208
207
207
207
205
206
206

207
207
208
207
207
207
207
207
206

Pgina 214

207
200
210
207
207
207
205
206
208

215
205
209
215
217
216
217
217
216

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Collecting data Sheet "Start-up machine"


Machine

1812

Product:

2524
April 2003

Environmental
Temperature

Time before
to startup
Set
25
Set
35
Set
25
Set
25
22
Set
25
25
25

Temperature profile
119
118
115
115
115
113
120
119
119
115
114
121
121

148
147
145
146
149
151
145
145
145
150
147
156
156

167
169
174
175
169
171
170
171
171
180
178
176
176

176
177
184
181
182
190
185
185
185
190
189
186
186

190
190
194
201
202
201
195
194
194
203
202
201
201

201
201
200
200
204
203
204
203
203
205
204
205
205

201
200
200
201
206
204
204
204
204
205
204
204
204

198
198
199
199
204
200
202
203
203
203
204
204
204

209
205
207
213
210
215
205
205
205
211
216
212
212

Speed

Scrapped
length
(mts)

Take change
Total scrapped
length
(mts)

-1800
-1800
-1800
-1800
1800
-1800
1900
1900

-5160
-6200
-5700
-4000
3900
-6000
6100
5700

-5800
-6700
-6900
-4900
5100
-6900
7100
6500
6238

Scrapped
length
(mts)
-3500
-5000
4300
4000
-6800
-5500
3700
-5500

Take change
Total scrapped
length
(mts)

Collecting data Sheet "Start-up machine"


Machine

1802

Environmental
Temperature

Time before
to startup

--

Set
7
Set
30
25
30
Set
33
Set
25
30
Set
25

Product:

2524
Temperature profile

120
98
120
123
125
123
119
125
120
124
132
120
125

165
165
165
164
163
164
162
163
163
162
163
163
161

187
186
187
188
188
187
185
187
188
188
187
193
193

204
203
204
205
203
203
200
201
200
201
202
202
203

212
211
212
211
210
211
203
204
204
204
208
208
210

215
215
205
205
205
204
205
205
205
205
204
205
204

Speed
215
215
205
205
205
203
205
205
205
204
205
205
205

215
216
210
210
208
210
210
209
210
208
209
210
209

215
211
210
213
211
217
213
212
213
218
211
213
215

-1715
-1750
1750
1750
-1750
-1750
1750
-1550

April 2003

-5600
-5600
5500
6100
-6900
-5900
6300
-6200
6013

Medicin de resultados (RTM)


Despus de haber realizado las pruebas podemos calcular los nuevos
parmetros por cada lnea Tandem analizando los productos de alambre
24 AWG aislado de cubierta de polietileno tipo espuma

Pgina 215

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Summary collected data original method
Tandem
Lines
1812
1811
1804
1802
1812
1811
1804
1802

r
(time vs
lenght)
0.59
0.86
0.53
0.14

Replies

(S / 1000) 2

DF1;DF2

F/tabla

Fcalculada

15
15
15
15

6440
4760
4017
6633

2104
1763
1021
966

4.4
3.1
1.0
0.9

14
14
14
14

2.76
2.76
2.76
2.76

5.99
4.51
2.41
4.27

0.7
0.7
0.4
0.2

7
7
7
7

Summary collected data on april 2003


8
6238
860
8
4013
831
8
3913
658
8
6013
467

Pgina 216

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Conclusin (A):
No fue posible reducir la media, pero pudimos reducir la variacin versus
las condiciones originales. De acuerdo a esta informacin decidimos
utilizar el estadstico F al comparar las varianzas para saber si hubo
alguna diferencia significativa entre el mtodo anterior y el mtodo
mejorado. Para este anlisis hicimos la prueba de hiptesis entre las
mismas lneas Tandem.
Hypothesis test
Hypothesis test for 2 paired groups using the "F test" :
Because the F calculated is higher than the F table we say that there
are significant difference between methods and reject the Ho:
Ho :

i2 i2

Ha :

i2 i2

Fue posible estimar los beneficios en metros como sigue:


Estimated benefit due to standard deviation reduction
between original vs. improved Method.

P1 75% of Total

P2 75% of Total

1 2

Data:

Z
If :

Z 0.25 0.68

X1 = 6440 + (2104*0.68) = 7,875 mts.


X2 = 6440 + (860*0.68) = 7,025 mts.
Benefits per star-up:

1812 = 7,875 - 7,025 = 846 mts.


1811 = 5,969 - 5,325 = 634 mts.
1804 = 4,711 - 4,464 = 247 mts.
1802 = 7,290 - 6,951 = 339 mts.

Pgina 217

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Evaluando los beneficios (RTM):


Los resultados de la prueba F indican que la accin tomada redujo la
amplitud de la variacin la cual es observada a travs de diferencias
entre desviaciones estndar con el mtodo anterior y el nuevo mtodo.
Para evaluar el beneficio necesitamos medir las frecuencias de los
tiempos muertos no planeados para cada lnea debido al arranque y
calcular el costo correspondiente a la longitud de alambre aislado que
fue desperdiciado como sigue:

Line
1802
1804
1811
1812

Number of unplanned shut downs Jan-Apr 2033


Frequency Total cost 24 AWG Improvement
Opportunity total cost
#
USD/km
km
USD/4 months
Annual
388
4.96
0.846
$1,630
$4,889
588
4.96
0.634
$1,851
$5,553
405
4.96
0.247
$497
$1,490
356
4.96
0.339
$599
$1,798
$13,729

Pgina 218

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 5 CONTROL PARA LOS (RTM)


Desarrollar y documentar las prcticas estndar
Para mantener los beneficios de las mejoras implementadas, nosotros
creamos y revisamos los Instructivos de Operacin correspondientes
para estandarizar las operaciones. Aplicados a productos de cubierta
espumosa.

Pgina 219

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pgina 220

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 3 ANALISIS PARA LOS (RTWB)


Recoleccin de datos (RTWB)
De acuerdo a la metodologa, y despus que se ejecut el anlisis de los
mtodos de arranque, necesitamos definir que podramos hacer para
identificar las causas especiales en la mquina de estirado que produjo las
rupturas del alambre.
Consideramos un corto periodo de tiempo para tomar la informacin relativa a
las rupturas del alambre. Mientras hacamos estas actividades muchos
operadores fueron involucrados para obtener muestras fsicas despus de cada
ruptura de alambre a ser analizado. Estamos mostrando el resumen respecto a
toda la informacin recolectada:
Los 3 principales efectos encontrados fueron Inclusiones presentes o ausentes,
Macro porosidad y Tensin de alambre. El muestreo se bas en 100 toneladas
mtricas de cobre entrante de Kobrex. El equipo decidi investigar 2 aspectos
diferentes. Inclusiones y macro porosidad que deberan resolverse trabajando
junto con el proveedor de cobre y la tensin debera solucionarse
internamente.
Desarrollar la definicin del problema (RTWB)
De acuerdo a la ltima informacin recolectada hicimos una mayor
estratificacin para enfocar las primeras investigaciones. Clasificamos los datos
como sigue para entender la situacin:

Frequency

20

10

0
12

17

22

27

Die position
La ruptura de alambres ocurre entre el calibre 16 al 26 AWG. Pero no es posible
concluir nada, por lo que fue necesario preparar una Carta Dot-plot.

Pgina 221

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pgina 222

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

LOCATION OF WIRE BREAKS


IN DRAWING MACHINE (RTWB).
Defects
Tensin

Macroporosid

Inclusin Au

Inclusin
Escamas / As

14

19

24

Die position

Decidimos que las inclusiones presentes y ausentes, tanto como la macro


porosidad fueran analizadas junto con el proveedor. Tambin se decidi que la
tensin del alambre y desprendimiento del cobre requeran ser analizadas en
conjunto para proponer acciones correctivas internas.
El equipo identific algunas variables CTQ y CTP a ser analizadas. La siguiente
fase fue colectar datos en relacin a las rupturas de alambre de acuerdo a la
informacin recolectada.
Creamos un diagrama SIPOC para desarrollar nivel de comprensin general del
proceso de estiramiento entre los miembros del equipo. Esto fue importante
porque haba una posibilidad de que los factores involucrados en el proceso de
estiramiento podan estar causando el fenmeno de tensin del alambre
directamente y la macro porosidad indirectamente.

Pgina 223

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
PROCESS MAP
Cause to be analyzed: Gross waste by wire breaks on lines 1802, 1804, 1811 Y 1812
Process: Drawing Machine in tandem Lines (Niehoff M30)

SUPPLIER

INPUTS

PROCESS

OUTPUT

CUSTOMER

Pedro Muoz - Die shop

% reduction through the Dies 20.9%


sequence according to
machine design.

(+/-1.0%)

Internal: Breakdown Syncro


FX13 .
External: Cobrex, Plano

Bare hard copper in12 AWG.


C % of Fines <=2%

Internal: Pedro Muoz


External: Qumica SARC.

Lubrication free of copper


C
fines.

N
Lubrication system for
tandems.
Ceramic rings surface
conditions into the drawer.

Constant flow.

Omar , electronic

Control tension stable.

Smooth surface with any C


damage
Dimensions

Operator - Potentiometer to Input voltage


regulate the temperature.
N.A.
Loop system

Pure >99.99% free of


incltions and porosity

(+/-0.001 mm)

Oval

Max.=4%

% Temp.= (35 - 40 oC)


% de Grass =(8 - 10%)
Continuous speed
Ph = (7 - 9)
Grown old = Ther isn't. Total cross area reduction through a
sequence of diamond dies arrangement in
13 places or less into a lubrication camera Cu elongation
Flow = Ther isn't
to minimize the high temperature by metals
frictions.
100% smooth.

Speed.=(1800 - 2000
mpm

+ / - 0.001"

Zero defects

Surface finish

(18 - 24%)

Extrusion process in a tandem


arrangement.

+/- 8.0%
Temp. = 38 - 42 oC

Copper diameter
Hard bare copper 12 AWG
( 2 tons per basket)

Temp. = 14 - 20 oC

Feeding continuous without wire breaks


Soft bare copper 22, 24 or 26 AWG

Ph <= 8

C = Controllable
N = Measurement complex.
S = Standard Method.

Explorar causas potenciales (RTWB)


El equipo decidi utilizar la herramienta de Matriz de seleccin para entender
mejor cul podra ser nuestra prioridad en este anlisis. Con el conocimiento
adquirido por los miembros del equipo, su experiencia y mediante la creacin
de relaciones entre los datos de las rupturas de alambre e informacin de
mapeo del proceso, creamos la siguiente hoja de Matriz de seleccin:

Planeamos las acciones que consideramos eran las mejores, basadas en la


informacin previa, fue importante relacionar la situacin actual a estas causas
potenciales de la ruptura del alambre.

Pgina 224

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Organizar causas potenciales (RTWB)


Estas actividades se planearon como sigue:
ACTION PLAN 5W & 1H
POTENTIAL CAUSES ANALYSIS
1

Copper quality
(A)

3
4
5

6
7
8
9
10
11
12
13

14

15
16

Constant flow.
(B)

19

WHERE
1802,04,10,11 y 12

WHEN
March. 17

Identify effect of copper failure

Make an inspection under microscope


100% of the samples collected in the
floor.

Ociel

Laboratory

March.17

Calculate a Rate , wire break per


tons.
Stratify the wire breaks types
Evaluate the functionality of the
valve in the last die holder.

Collect information about the trazabilty


data up to raw material reception.
Make summary sheet to see the data.
Make an inspection in all the drawing
machines and review how often it is
opened or closed.

Ociel

Engineer
department

March. 20

Ociel
Juan / Miguel
Cabrera.

1802,04,10,11 y 12

March. 31

Evaluate the valves condition

Visual inspection and make trials to


evaluate the valves condition
If it is possible to make the Cp and Cpk
studios

Jos Luis / Alfredo.

1802,04,10,11 y 12

March. 31

Pedro Muoz /
Dionicio Reyes.

Die shop & central


system.

March 31

Review the schedule program and


replace for a new sequence die.
make physical dimension.
Use and excel model to evaluate the
central limit of the values.
If it is possible to calculate the Cp or Cpk
of the values per gage and per machine.

Pedro Muoz /
Dionicio Reyes.

1802,04,11,12

March. 03

Luis / Pedro /
Dionicio / Ociel

Engineer
department

To review of the supplier, operators or


mechanic criteria according their
experience.
Coordinate with the production to
schedule, when we make it.
Review the production schedule daily
and plan time to switch ring position.

Juan / Miguel

Make a summary of the rings status Stratifying the defecting parts founded.
and the current arrangement.

Juan / Miguel

Measure the outside diameter of the Use calibrated micrometer internally or


ceramic rings.
externally
Evaluate de dimensions
Compare the real numbers vs.
Drawings.

Juan / Miguel / Jos Luis


1802,04,11,12

Lubrication free of % of fat.


copper fines.
(C)
Ph
Temperature.
Take current dies sequence used in
floor.
% reduction through
the Dies sequence
Calculate the % of reduction of dies
according to
sequence
machine design.
Evaluate the variation of the values.
(D)
Define the acceptance or reject
criteria of the rings installed in the
drawing machines.
To make physical inspections to
Ceramics with
100% of the rings installed.
smooth surface with If there is time make switch of the
any damage
rings to get better for the smallest
(E)
sizes.

17

18

WHY / WHAT
HOW
WHO
Collect samples of wire breaks to be Each machine should collect the wire
Alfredo / Jos Luis.
analyzed under microscope.
break, identify all the trazabilty data and
send to the process engineer.

Ceramics
dimensions
(F)

March.10
Macrh.12
March, 15

Maintenance Office March,. 10

Juan / Miguel / Jos Luis


1802,04,11,12

March.20

Juan / Miguel / Jos


Luis
Maintenance Office March. 25

March.31

Juan / Miguel / Jos


Luis

Utilizar mtodo estadstico para calificar la relacin causa efecto


Situacin actual:
Cada uno de los miembros del equipo hicimos nuestras actividades planeadas
y encontramos lo siguiente:
(A) Calidad del cobre. Para cuantificar este aspecto, se recolect la sobre
la condicin relacionada a la calidad del cobre con los resultados
siguientes:

Pgina 225

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

(B) Flujo constante de emulsin de estiramiento. Era imposible de calificar


este producto porque tenamos que medir el flujo de lubricante que va al
ltimo dado. Encontramos que todas las mquinas de estiramiento tenan una
vlvula controlada por el operador y revisamos que fue actuado, algunos grifos
se encontraban completamente cerrados existiendo el riesgo de tener rupturas
en la ltima flecha, ya que los diseos originales de estas lneas no especifican
esa vlvula.

(C) Emulsiones de estiramiento libre de polvo de cobre. Encontramos


algunas mediciones de las condiciones del proceso que debern tomarse
en cuenta para la emulsin, sin embargo no es posible calcular las
sigmas del proceso, porque los datos no permiten realizar ningn anlisis
estadstico dado que solo se tienen 3 niveles.
(D) % Reduccin total del rea transversal: en este caso podramos
estimar el valor sigma del proceso, descrito aqu.
% cross area reduccion 1812
March 2003

% cross area reduccion 1811


March 2003
23.0%

23.0%

22.0%

LSC

% of reduction

% of reduction

22.0%
21.0%
20.0%

LIC
19.0%
18.0%

LSC

21.0%
20.0%

LIC
19.0%
18.0%

13

14

15

16

17

18

19

20

21

22

23

13

24

14

16

17

18

19

20

21

22

23

24

% cross area reduccion 1804


March 2003

23.0%
22.0%
% of reduction

15

Die sequence in AWG

Dies sequence in AWG

LSC

21.0%
20.0%

LIC
19.0%
18.0%
13

14

15

16

17

18

19

20

21

22

23

24

25

26

Dies sequence in AWG

1812 (24 AWG)

1811 (24 AWG)


n
Xtestada
sigma
d2
Rango

3(R/d2)

12
20.7%
0.4%
3.258

3(R/d2)

0.48%

n
Xtestada
sigma
d2
Rango

Z=
LSE

LSE-X/Sigma
21.5%

z=

1.90

Sigmas.

1804 (24 AWG)

3(R/d2)

0.65%

n
X testada
sigma
d2
Rango

Z=
LSE

LSE-X/Sigma
21.5%

Z=
LSE

LSE-X/Sigma
21.5%

z=

1.29

z=

1.28

Pgina 226

12
20.7%
0.6%
3.258

Sigmas.

12
20.6%
0.7%
3.258

0.77%

Sigmas.

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

(E) Anillos cermicos de superficie suave. Se realiz una inspeccin al


100% de las mquinas de estiramiento por lo que pudimos evaluar
mediante el mantenimiento el estado en se encontraban las cermicas,
encontramos una parte defectiva en una poblacin de 80 anillos.

Hard damage
Cones
1
2
3
4
TOTAL
% Defectives
Sigma:

Reviewed Ceramics into the drawings of lines:


1801;1802;1804;1811;1812

Fine damage

Requerimeintos
1
12
2
12
4
7
10
3
17
34
21.3%
0.8

Good

7
6
9
7
29

Observations

Require to be changed
It was changed of position
Not required to change position
80

Utilizando una Tabla de conversin de Sigma de proceso 21.3%


es igual a 0.8 sigma
o

Muestra de anillo de cermico muy daado

(F)
Dimensiones
de
anillos
cermicos. Debido a que no es posible medir las cermicas fcilmente
por el tiempo requerido entre el desensamble de cada una de las
cermicas y el tiempo utilizado en su medicin por un proveedor
externo, decidimos enviarle un juego completo, que haba sido
removido, as pudimos evaluar el nivel de desgaste del anillo cermico.
Para hacerlo se necesit tener las recomendaciones del fabricante.

Pgina 227

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pudimos enviar slo un juego usado de anillos para ser medidos fuera de
la planta y todas las dimensiones se encontraron dentro de las
tolerancias:

Niehoff dimension

1 2 3 4

La tolerancia total para el dimetro de cada anillo individual es


0.20mm = 0.008

Resultados de laboratorio externo

200.000
199.992

128.000
127.997

82.000
81.998

52.500
51.498

No existe una diferencia significativa para la tolerancia indicada


en la mquina original de estiramiento de Niehoff

Pgina 228

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 5 MEJORA PARA LOS (RTWB)


Crear posibles soluciones para causas raz (RTWB)
El equipo utilizando una lluvia de ideas propuso algunas soluciones potenciales
y seleccion, adems desarrollaron un plan para ser implementado como sigue.
Seleccionar soluciones (RTWB)

Los datos recolectados en el paso de anlisis referentes a las rupturas de


alambre en la mquina de estiramiento fueron clasificados en 4 causas
principales; macro porosidad, inclusiones presentes y ausentes,
desprendimientos y tensiones de alambre
El equipo revis el rea de influencia que pudimos alcanzar con nuestro
esfuerzo y la accin requerida para involucrar al proveedor
Tomando los datos de estratificacin provenientes del paso de anlisis
algunas soluciones fueron propuestas tomando las experiencias de los
miembros del equipo como sigue:
Desarrollar un plan (RTWB)
La ms importante contribucin directa a la implementacin del plan de
accin abajo mencionado fue obtener beneficios mediante la reduccin
en las rupturas de tensin, presionando al proveedor a implementar
tambin sus acciones preventivas. El mejor resultado despus de
ejecutar las acciones planeadas fue la medicin de proporcin
defectuosa de rupturas de alambre por tonelada producida. El valor
sigma estimado fue calculado utilizando la tabla de conversin sigma
para entender la mejora.

Utilizar mtodo estadstico para medir los resultados (RTM)


Pgina 229

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Cada miembro del equipo hizo sus actividades planeadas y encontramos las
siguientes mejoras:
(A) Calidad del cobre.
o La principal accin correctiva proveniente de Kobrex fue la
sustitucin de su proveedor de Cu catdico, entre otras acciones
correctivas. Esto mostr al proveedor de rollos de cobre a travs
de la informacin estadstica proporcionada por la planta, que las
acciones correctivas de su parte son crticas para la reduccin de
rupturas de alambre.
(B) Flujo constante de emulsin de estiramiento
o Todas las vlvulas que no eran parte del diseo original de la
mquina fueron removidas, eliminando la posibilidad de
interrupcin de la aplicacin de emulsin sobre el dado de salida.

(C) Emulsin de Estiramiento libre de polvo de cobre


Creamos una Carta formal X para el responsable de mantener la
calidad de la emulsin dentro de los parmetros definidos para el
pH y % de grasas en la planta, para poder evaluar la habilidad el
Cp y Cpk de estas variables.

Pgina 230

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Process Capability Analysis for Fat of Lubricant


(June 2003)
LSL

Process Data
USL
Target

USL

11.0000
*

Within

LSL

7.5000

Overall

Mean

8.3538

Sample N
StDev (Within)

13
0.169917

StDev (Overall)

0.238053

Potential (Within) Capability


Cp
3.43
CPU

5.19

CPL

1.68

Cpk

1.68

Cpm

*
Overall Capability

Pp
PPU

2.45
3.71

PPL
Ppk

1.20
1.20

10

11

Observed Performance
PPM < LSL
0.00
PPM > USL
0.00

Exp. "Within" Performance


PPM < LSL
0.25
PPM > USL
0.00

Exp. "Overall" Performance


PPM < LSL
167.38
PPM > USL
0.00

PPM Total

PPM Total

PPM Total

0.00

0.25

167.38

Process Capability Analysis for Ph of


Lubricant (June 2003)
Process Data
USL
9.00000
Target
*
LSL
7.00000
Mean
8.66923
Sample N
StDev (Within)
StDev (Overall)

LSL

USL
Within
Overall

13
0.140366
0.254864

Potential (Within) Capability


Cp
2.37
CPU
CPL

0.79
3.96

Cpk

0.79

Cpm

*
Overall Capability

Pp
PPU

1.31
0.43

PPL
Ppk

2.18
0.43

7.0

7.5

8.0

8.5

9.0

9.5

Observed Performance
PPM < LSL
0.00
PPM > USL
76923.08

Exp. "Within" Performance


PPM < LSL
0.00
PPM > USL
9224.79

Exp. "Overall" Performance


PPM < LSL
0.00
PPM > USL
97173.37

PPM Total

PPM Total

PPM Total

76923.08

Pgina 231

9224.79

97173.37

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

El Cp y Cpk se mostrar en el resumen de resultados


(D) % reduccin total del rea transversal
El primer paso es checar si los datos numricos estan
normalmente distribuidos.
Normal Probability Plot

.999

.999

.99

.99

.95

.95

Probability

Probability

Normal Probability Plot

.80
.50
.20

.80
.50
.20

.05

.05

.01

.01

.001

.001
0.200

0.205

0.210

0.200

0.205

1804
Average: 0.206
StDev: 0.0042426
N: 12

Anderson-Darling Normality Test


A-Squared: 0.302
P-Value: 0.522

Average: 0.206
StDev: 0.0043901
N: 12

Normal Probability Plot

Anderson-Darling Normality Test


A-Squared: 0.615
P-Value: 0.083

Normal Probability Plot

.999

.999

.99

.99

.95

.95

Probability

Probability

0.210

1802

.80
.50
.20
.05

.80
.50
.20
.05

.01

.01

.001

.001
0.202

0.203

0.204

0.205

0.206

0.207

0.208

0.209

0.200

1812
Average: 0.206
StDev: 0.0023355
N: 12

Anderson-Darling Normality Test


A-Squared: 0.590
P-Value: 0.098

0.205

0.210

1811
Average: 0.205917
StDev: 0.0038954
N: 12

Anderson-Darling Normality Test


A-Squared: 0.451
P-Value: 0.226

El Segundo paso es evaluar la capacidad del proceso. En este


caso dado que el tamao de la muestra es pequea N= 12
usaremos la Carta de control de valores individuales (I-MR). En
este proceso usaremos el rango mvil de 2 observaciones
sucesivas. Donde:
S 3

R
d2

Pgina 232

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 11
N
0
1
2
3
4
5
6
7
8
9
10
11
12

MATRICULA
Alimentacin
858703
858684
858706
932787
932795
B19764
B16484
B19839
830018
830026
B23334
932278

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24 F.

DIAMETRO
0.0806
0.0720
0.0642
0.0571
0.0509
0.0453
0.0403
0.0361
0.0321
0.0286
0.0254
0.0226
0.0202

Fecha:
20.2%
20.5%
20.9%
20.5%
20.8%
20.9%
19.8%
20.9%
20.6%
21.1%
20.8%
20.1%
R prom:

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 11
No.
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Rank

0.3%
0.4%
0.4%
0.3%
0.1%
1.1%
1.2%
0.3%
0.5%
0.3%
0.7%
0.50%

MATRICULA
Alimentacin
720396
858695
734102
862027
862025
862123
445468
444774
392719
318882
357536
932316
830029
AA7260

Reduccion de area de Cobre 1811


___MAYO______ 2003

DIAM.
0.0806
0.0718
0.0640
0.0570
0.0508
0.0454
0.0405
0.0362
0.0322
0.0287
0.0256
0.0228
0.0203
0.0181
0.0161

Fecha:

Rank

20.6%
20.5%
20.7%
20.6%
20.1%
20.4%
20.1%
20.9%
20.6%
20.4%
20.7%
20.7%
20.5%
20.9%
R prom:

0.1%
0.1%
0.1%
0.4%
0.3%
0.3%
0.8%
0.3%
0.1%
0.2%
0.0%
0.2%
0.4%
0.27%

Reduccion de area de Cobre 1811


__Mayo___ 2003

23.0%

23.0%

21.0%
20.0%

LI

19.0%

% de Reduccin

22.0%

% de Reduccin

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26 F.

22.0%

LS

21.0%
20.0%

LI

19.0%
18.0%

18.0%
1

10

11

12

9 10 11 12 13 14

AWG dentro de Una serie

AWG dentro de Una serie

TERMINADA OK.

CALCULO DE SIGMAS 24 AWG


n
12
Xtestada
20.6%
sigma
3(R/d2)
0.459%
d2
3.258
Rango
0.50%
Z=
LSE

LSE-X/Sigma
21.5%

z=

1.97

CALCULO DE SIGMAS 26 AWG


n
14
Xtestada
20.6%
sigma
3(R/d2)
0.237%
d2
3.407
Rango
0.27%

Sigmas.

Pgina 233

Z=
LSE

LSE-X/Sigma
21.5%

z=

4.00

Sigmas.

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 12
N
0
1
2
3
4
5
6
7
8
9
10
11
12

MATRICULA
Alimentacin
720365
396413
729799
729800
284291
444232
445469
444775
445470
392720
396272
AD7071

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24 F.

DIAMETRO
0.0806
0.0720
0.0642
0.0572
0.0509
0.0453
0.0403
0.0360
0.0321
0.0286
0.0255
0.0227
0.0202

Fecha:
20.2%
20.5%
20.6%
20.8%
20.8%
20.9%
20.2%
20.5%
20.6%
20.5%
20.8%
20.8%
R prom:

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 12
No.
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Rank

0.3%
0.1%
0.2%
0.0%
0.1%
0.7%
0.3%
0.1%
0.1%
0.3%
0.1%
0.20%

MATRICULA
Alimentacin
805184
AA7262
858681
862130
862026
932772
862131
862028
a91144
394269
445471
393983
830005
AA7253

DIAM.
0.0806
0.0718
0.0640
0.0570
0.0509
0.0453
0.0404
0.0360
0.0321
0.0286
0.0255
0.0227
0.0203
0.0181
0.0161

Fecha:

Rank

20.6%
20.5%
20.7%
20.3%
20.8%
20.5%
20.6%
20.5%
20.6%
20.5%
20.8%
20.0%
20.5%
20.9%
R prom:

0.1%
0.1%
0.4%
0.5%
0.3%
0.1%
0.1%
0.1%
0.1%
0.3%
0.7%
0.5%
0.4%
0.29%

Reduccion de area de Cobre 1812


__MAYO___ 2003

Reduccion de area de Cobre 1812


___MAYO______ 2003
23.0%

23.0%

22.0%

% de Reduccin

% de Reduccin

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26 F.

21.0%
20.0%

LI

19.0%
18.0%
13

14

15

16

17

18

19

20

21

22

23

22.0%

LS

21.0%
20.0%

LI

19.0%
18.0%

24
F.

9 10 11 12 13 14

AWG dentro de Una serie

AWG dentro de Una serie

TERMINADA OK.

CALCULO DE SIGMAS 24 AWG


n
12
Xtestada
20.6%
sigma
3(R/d2)
0.184%
d2
3.258
Rango
0.20%
Z=
LSE

LSE-X/Sigma
21.5%

z=

4.92

CALCULO DE SIGMAS 26 AWG


n
14
Xtestada
20.6%
sigma
3(R/d2)
0.259%
d2
3.407
Rango
0.29%

Sigmas.

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 02
N
0
1
2
3
4
5
6
7
8
9
10
11
12

MATRICULA
Alimentacin
ARL11895
318872
444976
396305
284290
444121
862023
862129
4954
396521
E69961
932278

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24 F.

DIAMETRO
0.0806
0.0718
0.0639
0.0569
0.0509
0.0455
0.0404
0.0359
0.0321
0.0287
0.0255
0.0227
0.0202

Fecha:
20.6%
20.8%
20.7%
20.0%
20.1%
21.2%
21.0%
20.0%
20.1%
21.1%
20.8%
20.8%
R prom:

LSE-X/Sigma
21.5%

z=

3.66

Sigmas.

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 02
No.
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Rank

0.2%
0.1%
0.7%
0.1%
1.1%
0.1%
1.0%
0.0%
1.0%
0.3%
0.1%
0.42%

MATRICULA
Alimentacin
ETB209774
396414
396534
284292
444126
393619
318859
396102
444776
318852
830025
932279
830033
A93397

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26 F.

DIAM.
0.0806
0.0721
0.0642
0.0572
0.0511
0.0454
0.0403
0.0360
0.0321
0.0286
0.0254
0.0226
0.0202
0.0180
0.0161

Fecha:

Rank

20.0%
20.7%
20.6%
20.2%
21.1%
21.2%
20.2%
20.5%
20.6%
21.1%
20.8%
20.1%
20.6%
20.0%
R prom:

0.7%
0.1%
0.4%
0.9%
0.1%
1.0%
0.3%
0.1%
0.5%
0.3%
0.7%
0.5%
0.6%
0.48%

Reduccion de area de Cobre 1802


__JUNIO___ 2003

Reduccion de area de Cobre 1802


___mayo______ 2003
23.0%

23.0%

22.0%
21.0%
20.0%

LI

19.0%

% de Reduccin

% de Reduccin

Z=
LSE

22.0%

LS

21.0%
20.0%

LI

19.0%
18.0%

18.0%
13

14

15

16

17

18

19

20

21

22

23

24
F.

13 14 15 16 17 18 19 20 21 22 23 24 25 26
F.
AWG dentro de Una serie

AWG dentro de Una serie

TERMINADA OK.

CALCULO DE SIGMAS 24 AWG


n
12
Xtestada
20.6%
sigma
3(R/d2)
0.388%
d2
3.258
Rango
0.42%
Z=
LSE

LSE-X/Sigma
21.5%

z=

2.33

Sigmas.

Pgina 234

CALCULO DE SIGMAS 26 AWG


n
14
Xtestada
20.6%
sigma
3(R/d2)
0.426%
d2
3.407
Rango
0.48%
Z=
LSE

LSE-X/Sigma
21.5%

z=

2.22

Sigmas.

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 04
N
0
1
2
3
4
5
6
7
8
9
10
11
12

MATRICULA
Alimentacin
ASK03787
911116
396601
444233
318865
394284
284282
318857
444956
393620
445888
830016

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24 F.

DIAMETRO
0.0806
0.0720
0.0641
0.0570
0.0509
0.0453
0.0403
0.0360
0.0321
0.0287
0.0255
0.0227
0.0202

DIMENSIONES DE HILERAS POR SECUENCIA EN AISLADO.


M A Q U I N A
N 1 8 04

Fecha:

Rank

20.2%
20.7%
20.9%
20.3%
20.8%
20.9%
20.2%
20.5%
20.1%
21.1%
20.8%
20.8%
R prom:

0.5%
0.2%
0.7%
0.5%
0.1%
0.7%
0.3%
0.4%
1.0%
0.3%
0.1%
0.43%

No.
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

AWG
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26 F.

DIAM.
0.0806
0.0722
0.0642
0.0572
0.0510
0.0455
0.0406
0.0363
0.0324
0.0288
0.0256
0.0227
0.0202
0.0180
0.0161

Fecha:

Rank

19.8%
20.9%
20.6%
20.5%
20.4%
20.4%
20.1%
20.3%
21.0%
21.0%
21.4%
20.8%
20.6%
20.0%
R prom:

1.2%
0.3%
0.1%
0.1%
0.0%
0.3%
0.3%
0.7%
0.0%
0.4%
0.6%
0.2%
0.6%
0.36%

Reduccion de area de Cobre 1804


__MAYO___ 2003

Reduccion de area de Cobre 1804


___MAYO______ 2003
23.0%

23.0%

22.0%
21.0%
20.0%

LI

19.0%

% de Reduccin

% de Reduccin

MATRICULA
Alimentacin
318874
444974
396601
396111
396411
862128
318860
444955
284272
396603
445888
394270
A90351
830053

22.0%

LS

21.0%
20.0%

LI

19.0%
18.0%

18.0%
13

14

15

16

17

18

19

20

21

22

23

24
F.

13 14 15 16 17 18 19 20 21 22 23 24 25 26
F.
AWG dentro de Una serie

AWG dentro de Una serie

TERMINADA OK.

CALCULO DE SIGMAS 24 AWG


n
12
Xtestada
20.6%
sigma
3(R/d2)
0.395%
d2
3.258
Rango
0.43%
Z=
LSE

LSE-X/Sigma
21.5%

z=

2.29

CALCULO DE SIGMAS 26 AWG


n
14
Xtestada
20.6%
sigma
3(R/d2)
0.321%
d2
3.407
Rango
0.36%

Sigmas.

Z=
LSE

LSE-X/Sigma
21.5%

z=

2.95

Sigmas.

Como resultado del anlisis, podemos controlar el % de reduccin del


rea transversal entre dados, y el supervisor del taller de dados tiene un
programa sencillo en Excel para calcular cada una de las secuencias de
dados de estiramiento, cmo el % de reduccin del rea transversal se
hace antes de ser enviado al rea de produccin y garantizar la
reduccin y eliminacin de las rupturas de alambre proveniente de un %
de reduccin de rea transversal errneo.

Pgina 235

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

(E) Anillos de cermica de superficie suave


o
o

Pudimos reducir las partes defectivas incrementando el nivel de


sigma hasta 2.5 sigmas.
Utilizando una tabla de conversin Sigmas del Proceso 2.5% es
igual a 1.95 sigma.

Hard damage
Cones
1
2
3
4
TOTAL
% of defectives
Sigma:

Reviewed Ceramics in drawing


machines:
1801,1802,1804,1811,1812

Fine damage

Requirements
0
12
0
12
1
7
1
3
2
34
2.5%
1.9

Good

Observations

8
8
12
14
44

80

Es claro ver cmo el % de anillos defectuosos se redujo; la


revisin se realiz a todas las mquinas de estiramiento.

Pgina 236

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Resultados (RTWB)
El plan de accin implementado influenci todas las lneas Tandem bajo
este proyecto. Por esta razn los descubrimientos significativos del
equipo en los efectos de las rupturas de cable en las mquinas de
estiramiento 1802,1804,1811 y 1812 para PIC, adems del 1801, 1803 y
1810 para el Cables de servicio estn siendo incluidos en este anlisis
Si considerramos los datos recolectados de abril a septiembre del 2003,
veremos
el mejoramiento sustancial en el desempeo de la tasa WB.
Asumimos algunos beneficios contabilizando las diferencias cuando se compara
el desperdicio sin mejora versus el desperdicio con el mejoramiento
implementado con resultados reales.

T o t a l W ir e B r e a k s p e r e a c h 1 0 0 to n s .

N u m b e r o f W ire b re a k s

1 4 0
1 2 0
1 0 0
8 0
6 0
4 0
2 0
0
M a r c h

A p r il

M a y

J u n e

J u ly

A u g u s t

S e p

M o n th s 2 0 0 3

INITIAL GOAL VALIDATION


October 2003

Initial Goal Validation

Wire break/100 Tons.

100

Breaks

Goal

Goal Achieved

Breaks

97

150

80
60
40

Goal Achieved

137

100

29

20

24

23

17

41

50

32

4
0

0
Inclusion:

Improvem ent

Goal

Wire
brea
k/10
0
Ton
s.

120

96%

Macro porosity

Tension

To be analyzed

74%

Total

Current situation

Wire breaks

Flakes
Tension
Inclusions
Macro porosity
Total:

March

April

May

2
15
97
23
137

1
1
6
10
17

1
1
1
17
20

Tendency of results
June
July
Wire breaks / 100 tons.
2
3
2
3
4
5
22
38
29
49

August

Sep

3
3
3
27
36

8
1
6
31
46

Si revisamos los objetivos iniciales, concluimos que sustancialmente cumplimos


los objetivos. Es importante decir que el equipo ha estado trabajando para
estandarizar las actividades que condujeron al mejoramiento.

Pgina 237

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La recoleccin de muestras de cable rotos es una de las actividades


permanentes determinada por el equipo. Esto ayuda a retroalimentar
continuamente al proveedor de barras de cobre para una mayor mejora,
respecto a la Macro Porosidad, caracterstica que est relacionada
directamente al molino de alambrn de cobre. La asistencia tcnica de Highland
Heights es un recurso valioso que estamos utilizando.

Pgina 238

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

PASO 5 CONTROL PARA LOS (RTWB)


Desarrollo y documentacin de Prcticas estndar

Para mantener las ganancias de las mejoras implementadas, creamos y


revisamos las Instrucciones de Operacin Tcnicas correspondientes
para estandarizar las operaciones.
I)

Instruccin tcnica para: Orden de trabajo de mantenimiento


preventivo.

Programa de inspeccin de la superficie de anillos de cermica


Pgina 239

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

II)

Instruccin tcnica de operacin para: % de reduccin de rea


transversal
- Para el supervisor del Taller de dados

Registros de Capacitacin
Los registros de capacitacin se encuentran en el departamento de
Recursos Humanos.

Pgina 240

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

EVALUAR LOS BENEFICIOS TOTALES


Como resultado del trabajo del equipo Seis Sigma, la planta de Tetla fue capaz
de reducir exitosamente el desperdicio en las lneas Tandem. Los esfuerzos se
enfocaron en dos direcciones, el mtodo de arranque de lnea y las causas
especiales relativas a las rupturas de alambre, adems estas dos reas de
mejoramiento generaron ahorros en los costos de manera significativa.

En relacin a los mtodos de arranque


Reducimos la longitud mxima por arranque estableciendo una mxima
longitud de desperdicio.
La mxima diferencia entre mtodos, lo que representa un ahorro anual como
se muestra:

Line
1802
1804
1811
1812

Number of unplanned shut downs Jan-Apr 2033


Frequency Total cost 24 AWG Improvement
Opportunity total cost
#
USD/km
km
USD/4 months
Annual
388
4.96
0.846
$1,630
$4,889
588
4.96
0.634
$1,851
$5,553
405
4.96
0.247
$497
$1,490
356
4.96
0.339
$599
$1,798
$13,729

En relacin con las rupturas de alambre


Se redujo la frecuencia de las rupturas de alambre por tensin del cable y fallas
de inclusin. Estas dos acciones tuvieron un impacto significativo en el costo,
pero existen otros problemas asociados a cada paro no planeado. Cada evento
produce otros problemas en relacin a los dispositivos electrnicos no
evaluados bajo el mbito de este proyecto, pero estos problemas adicionales
contribuyen de manera importante en el costo a travs de partes disponibles,
utilizacin y mantenimiento (tiempo muerto).
El impacto econmico combinado de las dos causas principales para rupturas
de cable (tensin del cable e inclusiones) en la mquina de estirado
identificado y direccionado por este proyecto se muestra en la siguiente tabla:

Pgina 241

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La tabla arriba mencionada muestra el resultado de un periodo de 6 meses.


Totalizando $411,997 pesos mexicanos de ahorro en un periodo de 12 meses y
tomando un tipo de cambio igual a $9.97 pesos/Dlar obtendramos un ahorro
total de $82,647 USD/ao.

Total de beneficios (RTM) y (RTWB)

MEJORA EN METODO:

13,729.0 USD

REDUCCION DE RUPTURAS
EN CABLE
:

82,647.0 USD

TOTAL ECONOMICO:
USD

96,376.0

Pgina 242

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

APENDICE

Pgina 243

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos
Blackbelt Seis Sigma Tetla
REDUCCIN DE DESPERDICIO EN ARRANQUE DE LNEAS TANDEM

Planta Tetla, Mx.


CONTRATO DEL PROYECTO
Fecha Enero 15, 2003
Identificar y minimizar las causas raz del desperdicio generado por las
rupturas de alambre en las lneas tandem. El rea de Tandems
contribuye un 52% del total de desperdicio generado en la planta Tetla.
La causa principal del desperdicio en el rea Tandem es el arranque, el
cual representa un 38% del desperdicio total del rea en el 2002.
La aplicacin de las herramientas Seis Sigma ser el apoyo clave para
encontrar y eliminar la causa raz de las rupturas de alambre generado
por el arranque y reducir 70% las toneladas por ruptura de alambre, la
cual es la tasa principal de desempeo asociada al desperdicio. Los
ahorros esperados para este proyecto se estiman en un nivel de
$100,000.00 dlares anuales.

Alcance
Entregables;

Determinar las actividades asociadas al arranque


en el proceso Tandem, enfocado a fabricar
productos de forro con espuma.
Determinar la capacidad del proceso para esta
operacin.
Identificar las causas raz de la variabilidad del
proceso con relacin a las variables CTQ o CTP

Fases

El equipo ha propuesto utilizar la metodologa


DMAIC y enfocarse en las lneas Tamden de la
clula PIC.

Objetivo primario

Reducir el ndice de desperdicio generado


por los arranque con un ahorro mnimo de
$100,000.00 USD

Fecha de inicio:
Enero 15, 2003
Fecha de terminacin:
Junio 15, 2003
Meta de Ahorro:
$100,000 anual
Restricciones, supuestos, preocupaciones y riesgos

Pgina 244

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

1. El rea de inters ser la lnea Tandem para cubierta con espuma en


la unidad PIC.
2. Familiarizarse con el uso de herramientas Seis Sigma.
3. Involucrar a los miembros del equipo en la compresnin de la
metodologa.

Personal afectado y relaciones clave de reporte:


Lder del proyecto: Luis Rosete Gerente Tcnico
Promotor:
Jos Sanromn Gerente de la planta deTetla
Mxico.
Equipo:
Operadores de Tandem Operators, asociados de
mantenimiento y Taller de herramientas.
Herramienta

DMAIC
Grfica de Pastel
Diagrama de Pareto
Diagrama de Causa
Efecto
Plan de Control
Hoja de coleccin de
datos
Carta de flujo de
oportunidades
Anlisis de medias
Diagrama de dispersion
y coeficiente de
correlacin
Prueba de hiptesis - T
Mapa de proceso SIPOC
Matrix de Prioridad

Resumen de Herramientas:
Donde se usa
Usado para desarrollar el proyecto e
identificar las causas raz de las fallas.
Usado para la primera estratificacin y
establecer la situacin de calidad con datos
histricos.
Usado para la segunda estratificacin.
Usado para identificar las causas potenciales
del problema.
Usado para establecer las actividades,
responsables, fechas y resultados.
Usada para colectar datos en planta.
Usada para entender el proceso y proponer
mejoras identificadas en el secuencia de
actividades.
Usada para identificar diferencias
significativas entre mtodos.
Usada para observar la relacin entre
longitudes medidas y tiempo.
Usada para probar la diferenicia entre dos
medias de grupos.
Usado para identificar los CTPs y CTQs en el
proceso de estirado.
Used to prioritize the activities and to have
our effort better focused.
Usada para prioritizar las actividades y
realizar un esfuerzo mejor enfocado.

Pgina 245

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Capacidad del proceso


Carta de Control para
valores individuales
Tabla de conversion de
Sigmas del proceso en
base al rendimiento
Carta de tendencia
Istructivos de Operacin
Tcnicos
Herramientas no
usadas
Mapa de anlisis de
valor para la celda PIC.
ANOVA
Casa de la calidad
(DFD)
Cartas de control C y U

Usado para observar si el desempeo antes


de la mejora es major o peor que el
desempeo despus de la mejora.
Usada para estimar el valor de la desviacin
estndar de la poblacin, con N<30 datos.
Usada para comparar dos procesos en base
a las sigmas estimadas en la tabla.
Usada para observar el comportamiento y
tendencia de los datos en el tiempo.
Usadas para estandarizar las mejoras en
documentos y no perder lo ganado.
Por qu

No estaba disponible el mapeo para esta


celda.
No fue necesario comparar varias medias.
No fue necesario para entender el proceso
ms all sel SIPOC.
Data we were using was continuous, not
discrete.

Resumen de aspectos relevantes


La habilidad limitada para reducir la longitud de desperdicio promedio, debido
al mtodo de arranque actual. Algunas veces hubo dificultades en el
entendimiento del control del proceso durante los arranques. El
involucramiento de Ingenieria de procesos en todo el proyecto fue la clave para
interactuar con los operadores, incluso operando la mquina para que el
equipo tuviera una mejor compresnin de las cuestiones que se presentaron
durante su desarrollo.
Recomendaciones de planes a futuro
Continuamos tomando muestras de alambres rotos diario y cada mes para
retroalimentar al proveedor de alambre de cobre y finalmente identificar
oportunidades de reduccin adicionales del desperdicio por rupturas de cable
provenientes de Macro porosidad y problemas de escamas.
Esta situacin se da porque las causas de ruptura de alambre, tales como
macro porosidad y escamas las cuales se han incrementado en los ltimos
meses y estn directamente relacionados a la calidad del alambre de cobre
que se recibe. Continuaremos trabajando hacia esta oportunidad abierta.
Estimaciones previas revelaron $95,000 USD en adicin a los ahorros anuales.

Pgina 246

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Pgina 247

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

CONCLUSIONES Y RECOMENDACIONES
Seis Sigma es un sistema diseado para cumplir con las amplias
exigencias de los consumidores y los ms altos estndares de calidad a
nivel mundial, reduciendo la variabilidad casi a cero.
Es un sistema con un enfoque estructurado, metodolgico, con un
proceso de anlisis y mejora, que se centra totalmente en el cliente.
La metodologa fomenta en gran medida el trabajo en equipo, debido a
que en la mayora de las herramientas,

el mecanismo para proponer

ideas que nos conducen a la solucin de problemas, es el resultado de


la participacin de todas las personas involucradas. La mejora continua
de los procesos es el objetivo comn de cada uno de los miembros.
Es muy importante no criticar a la gente cuando emitan algn juicio o
tengan una idea, de lo contrario la participacin en equipo sera
severamente afectada. Tambin cabe sealar que la gente no es
culpable de los problemas, ya que los procesos cuando no estn bien
definidos y diseados son los que generan la mayora de los problemas.
En un principio es difcil integrar a las personas para realizar sus
proyectos y que dediquen el tiempo necesario para hacerlo, sin embargo
cuando la gente adopta Seis Sigma como una Cultura adems de
realizar sus proyectos aplica la metodologa en su trabajo diario, para la
solucin de problemas y mejora de los procesos.
La Estadstica es utilizada en gran medida dentro de la metodologa,
pero hay que aclarar que est es un medio y no un fin. A los clientes no

Pgina 248

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

les importa que un producto haya sido producido bajo el esquema


Sigma, cuando tiene fallas o defectos,

Seis

lo que les interesa es tener un

producto de excelente calidad, a tiempo, sin defectos y que sea lo ms


econmico posible.
Seis Sigma no ofrece soluciones a corto plazo, generalmente los
proyectos son realizados en un periodo de 3 a 6 meses.

Con la

metodologa se lleva a cabo una mejora incremental a mediano plazo


comparado con otras tcnicas como por ejemplo reingeniera, la cual
ofrece soluciones a largo plazo.
Seis Sigma aplica a cualquier tipo de procesos tanto en manufactura
como en servicios a diferencia de otros sistemas que estn enfocados
solamente a determinadas reas.
El nivel de capacitacin requerido es muy alto en la implementacin. Sin
embargo el retorno de la inversin puede ser muy grande, cuando los
proyectos son bien conducidos.
Cuando la metodologa es seguida adecuadamente traer beneficios y
ahorros, sin embargo si los proyectos son desarrollados vagamente o
con criterios de seleccin pobres se vuelve un proceso burocrtico. En
este caso la metodologa se puede volver demasiado rgida y tediosa.
Seis Sigma tiene mayor potencial para alcanzar el xito que otros
sistemas de calidad como por ejemplo Calidad Total (TQM), la razn es
que los otros sistemas en ocasiones no tienen metas muy claras, una
metodologa bien organizada y falta la integracin de los equipos de
trabajo as como el liderazgo, entre otras.

Pgina 249

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

La eliminacin o reduccin de la inspeccin es un punto muy importante


dentro de la metodologa, al seguir las diferentes tcnicas; por ejemplo
con el uso de sistemas Poka- Yoke entre otras la inspeccin deja de ser
necesaria,

se busca el origen de las causas de los defectos para

eliminarlos al mximo.
La implementacin de la filosofa Seis Sigma requiere que los directivos,
Champions, tcnicos y otros responsables del departamento de calidad
o

de

Seis

Sigma

sean

capaces

de

desempear

el

papel

de

administradores del sistema de calidad y de proporcionar tcnicas


especficas especializadas a los grupos de operacin, para poder realizar
sus proyectos.
No se debera de llevar a cabo un proyecto del tamao de Seis Sigma si
la organizacin no est preparada culturalmente y mucho menos si no
est dispuesta al cambio.
La seleccin adecuada de los proyectos tendr una especial incidencia en
el xito de la implantacin de la filosofa Seis Sigma en la empresa.
El resultado de proyecto general se mide por la suma del ahorro
econmico que ha presentado el mismo. Es importante que el
Champion, directivos, Black Belts dediquen tiempo a discutir con los
miembros del equipo en fase de formacin y les ayuden a elegir
correctamente el tema de su proyecto de mejora.
Hoy en da los clculos manuales casi han desaparecido, por ejemplo
sera demasiado complejo resolver una serie numrica sin la ayuda de
un Software. El tiempo invertido sera demasiado y las posibilidades de
cometer errores muy altas.
Pgina 250

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Se recomienda ampliamente la adquisicin de un Software en la


implementacin

del

sistema

Seis

Sigma

de

lo

contrario

no

es

recomendable llevarla a cabo, este Software es el que ya se ha


mencionado en las herramientas vistas en este texto.
Recomendaciones para seleccin de proyectos:

Escoger un proyecto de mejora que este relacionado con el trabajo


diario y que cause gran impacto en los clientes.

Debe de estar alineado con las iniciativas del negocio.

Mejorar un proceso existente.

Asegurarse de que el alcance no sea demasiado extenso, y tambin


que el proyecto sea realizable. En este caso,

se puede segmentar

para ser realizado por diferentes personas, cada uno con distintos
alcances.

Escoger un proyecto en el cual se pueda generar o se tengan


suficientes datos para ser medidos.

Que genere ahorros financieros.

De ser posible escoger un proceso con mas ciclos, altos volmenes o


tiempos de ciclo cortos.

Barreras para alcanzar el xito en los proyectos:

Los proyectos no tienen el soporte de la gerencia.

Alcance demasiado largo o confuso.

Los objetivos del proyecto no son significativos o generan conflicto


con otros.

No se tienen medidas claras de los resultados.

No se destina un tiempo para la realizacin del proyecto.


Pgina 251

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

El proyecto no esta alineado con las prioridades del negocio.

Green Belt / Black Belt no entrenado.

Informacin no disponible.

El proyecto no utiliza una metodologa de mejora.

Seis Sigma no es un sistema ms que se est imponiendo para cumplir


con requisitos, el aplicar Seis Sigma implica cambiar la forma de pensar
de la gente y un cambio cultural en toda la organizacin. Es muy notorio
cuando se trabaja bajo esta filosofa como se rompen las barreras entre
los departamentos o reas, realmente podemos decir que actualmente
ya no existen reas si no ms bien procesos La informacin y la
comunicacin se ven fortalecidas en gran medida.

Pgina 252

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

BIBILIOGRAFIA
Implementing Six Sigma: Smarter Solutions Using Statistical Methods/
Forrest W.Breyfogle III. : John Willey & Sons, Inc. 2004.
The Six Sigma Handbook: a complete Guide for Greenbelts, BlackBelts,
& Managers at all levels / Thomas Pyzdek :Mc. Graw Hill, 2001.
The Six Sigma Way/ Peter S. Pande, Robert P. Neuman, Roland R.
Cavanagh / Mc. Graw Hill, 2000
Regression analysis : concepts and applications / Franklin A. Graybill,
Hariharan K. Iyer Belmont, Calif. : Duxbury, 1994
Probabilidad y Estadstica para Ingeniera y Administracin/ William W.
Hines, Douglas C. Montgomery: CECSA, 3ra edicin 1993
Control Estadstico de la Calidad/ Vicente Carot Alonso: Universidad
Politcnica de Valencia, Alfaomega, 2001.
Control de Calidad
Alfaomega, 1996.

Estadstica

Industrial/

Acheson

J.

Duncan:

Estadstica no paramtrica: Aplicada a las ciencias de la conducta/


Sydney SiegeL, N. John Castellan: Trillas, 2001.
Introduccin al estudio del trabajo/ Oficina Internacional del trabajo,
Noriega Limusa, 1991.
Estadstica para las ciencias sociales y el Comportamiento/ Harold
Elorza: Oxford, segunda edicin, 1999.
El protocolo de investigacin/ Ignacio Mndez Ramrez: Trillas, 1997.
Calidad Total/ Alberto Galgano: Daz de Santos, 1993.
Desarrollo de una cultura de Calidad/ Humberto Cant Delgado: Mc Graw
Hill, segunda edicin 2001.
Los siete instrumentos de la Calidad Total/ Alberto Galgano: Daz de
Santos, 1995.
Anlisis y planeacin de la calidad/ J.M. Juran: Mc. Graw Hill, tercera
edicin, 1995

Pgina 253

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

David Hoyle/ Manual de Valoracin del sistema de calidad ISO 9000:


Paraninfo, 1998
Qu es Control Total de Calidad? / Kaouru Ishikawa: Ed. Norma, 1985.
Administracin de Operaciones y produccin / Hamid Norri, Russell
Radford: Mc Graw Hill, 1997
Introduction to statiscal quality control / Douglas C. Montgomery. 3rd ed.
New York : J. Wiley, 1996.
Regression analysis by example / Samprit Chatterjee, Bertram Price 2nd
ed. New York : J. Wiley, 1991
Diseo y anlisis de experimentos / Douglas C. Montgomery ; traductor
Jaime Delgado Saldvar Mxico : Grupo Editorial Iberoamrica, 1991
Estadstica / Richard C. Weimer. Mxico : Compaa Editorial Continental,
2000
Curso general sobre Statgraphics : procedimientos : mtodos
estadsticos : aplicaciones : ejercicios resueltos / Carlos Mate Jimnez
Madrid : UPCO, 1995
Estadstica para administradores / William Mendenhall ; tr. Dirk Valckx
Verbeeck Mxico : Iberoamrica, c1990
Design and analysis of experiments / Klaus
Kempthorne. New York : John Wiley, 1994

Hinkelmann,

Oscar

Statistics for the engineering and computer sciences / William


Mendenhall, Terry Sincich 2nd ed San Francisco : Dellen : Collier
Macmillan, c1988
Questionnaire design and attitude measurement / A. N. Oppenheim New
York : Basic Books, c1966
Manrique Maldonado, Claudia.: 1999: Propuesta de una metologa para
el diagnstico de la calidad de vida en el trabajo y gua de mejora de la
misma.
1999.
Lobato Calleros, Mara Odette.: 1999: Desarrollo de un indicador de la
calidad del proceso educativo : la calidad de vida en el trabajo de
actividades acadmicas en la UIA. 1999.

Pgina 254

Aplicacin de la metodologa Seis Sigma en la mejora del desempeo de procesos en


una planta de manufactura de Cables Telefnicos

Silva Cervantes, Hctor.: 2000: Propuesta de implantacin de tcnicas


de ingeniera de calidad para el anlisis y control de datos del petrleo a
nivel planta piloto. 2000.
Total quality control / A. V. Feigenbaum 3a.ed. New York : McGraw-Hill
Book, c1986
Zero quality control : source inspection and the Poka-yoke system /
Shigeo Shingo ; tr. Andrew P. Dillon ; with a pref. by Norman Bodek
Cambridge, Mass. : Productivity, c1986
Montgomery, Douglas C.: 1991: Design and analysis of experiments /
Douglas C. Montgomery 3rd ed. New York : J. Wiley, 1991
Khuri, Andr I: 1987: Response surfaces : designs and analyses / Andr I.
Khuri, John A. Cornell New York : M. Dekker, 1987

Pgina 255