Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Six Sigma PDF
Six Sigma PDF
METODOLOGIA
4.1 METODOLOGA SIX SIGMA.
De acuerdo
el xito de la implementacin de la
El equipo de trabajo se conforma tambin por los operadores que aportan todo
tipo de ideas y que son de gran ayuda para el desarrollo del proyecto Six Sigma, se
estableci llevar a cabo juntas de aproximadamente 50 minutos todos los jueves a
las 6:00 pm, en donde se aportaran ideas, se platicar del avance del proyecto,
siguientes objetivos y tareas a realizar.
En la Figura 13 se puede apreciar el proceso general de fabricacin de bolsas,
desde que llega la materia prima hasta el momento que sale el producto terminado,
tambin se puede notar como el desperdicio se reprocesa para finalmente ser
regresado al inicio del proceso. Cabe aclarar que en este proyecto se enfocar
especficamente al proceso de las mquinas bolseadoras. En la Figura 14 se pueden
ver unos cuadros rojos que son los que forman parte del proceso especfico en
donde se aplicar la metodologa Six Sigma.
Figura 14. Diagrama de flujo del proceso general de fabricacin de bolsas (en
donde los cuadros rojos forman parte del proceso especifico
en donde se aplicar la metodologa Six Sigma).
Fuente: diagrama propio.
Ing. Alejandro Lara Turrent
Mquinas
Extrusoras.
Rollos de
plstico.
Procesa los
rollos de plstico
(Los corta y los
sella).
Bolsas de
Plstico.
Diversos
clientes que
usan las bolsas
para mltiples
fines.
4.2.2 Medicin.
Medir es una etapa clave en el camino de Seis Sigma y ayuda al equipo a
refinar el problema y comenzar a buscar las causas raz, lo que ser el objetivo de la
etapa analizar de DMAIC. Decidir qu medidas adoptar es una tarea complicada, y
mucho ms para los equipos que afrontan su primer proyecto Seis Sigma. La
recoleccin de datos puede ser muy complicada y consumir mucho tiempo (Pande,
Peter S. Las claves PRCTICAS de SEIS SIGMA.2004).
En esta etapa se analiz diariamente por un periodo de 1 mes el desperdicio
obtenido por cada una de las 8 bolseadoras. En cada mquina bolseadora se
encuentra un operador el cual se encarga de ir separando el desperdicio y de contar
el nmero de defectos al final del turno.
Con la finalidad de comprobar que el sistema de medicin por parte de los
operadores es confiable se realiz un experimento en el cual un operador cont el
nmero de defectos encontrados en 100 bolsas, despus se hizo el mismo
procedimiento con los dems operadores y exactamente con las mismas bolsas. Este
experimento se llev a cabo por 5 das, obteniendo los siguientes datos (figura 16).
da 1
da 2
da 3
da 4
da 5
Figura 16. Nmero de defectos que cada operador contabiliz diariamente en una
cantidad de 100 bolsas.
Fuente: Tabla propia.
Grupos
Columna 1
Columna 2
Columna 3
Columna 4
Columna 5
Columna 6
Columna 7
Columna 8
Cuenta
5
5
5
5
5
5
5
5
Suma
612
628
617
624
620
635
615
629
Promedio
122.4
125.6
123.4
124.8
124
127
123
125.8
Varianza
23.3
11.3
3.3
12.7
17
12
21
24.2
Origen de las
variaciones
Entre
grupos
Dentro de
los grupos
Suma de
cuadrados
Grados
de
libertad
Promedio de
los cuadrados
86.8
12.4
499.2
32
15.6
Valor crtico
Probabilidad
para F
Total
586
39
Figura 18. Tabla de anlisis de varianzas de la medicin de los operadores .
Fuente: Tabla propia.
Una vez obtenidos estos resultados y sabiendo que no hay evidencia suficiente
para aceptar que hay diferencia significativa entre las mediciones efectuadas por los
distintos operadores, se procede a la recoleccin de datos para el proyecto.
Como ya se mencion anteriormente los defectos encontrados en una bolsa son
6: bolsas Arrugadas (Figura 5), quemadas (Figura 6), rotas (Figura 7), sucias
(Figura 8), fuera de las medidas especificadas (Figura 9) o mal selladas (Figura 10).
Despus de medir todo el desperdicio durante un mes se obtuvo como resultado los
siguientes datos:
Yield
100.00%
100.00%
100.00%
100.00%
100.00%
100.00%
100.00%
100.00%
99.99%
99.99%
99.98%
99.98%
99.97%
99.95%
99.93%
99.90%
99.87%
Term Sigma
Over 6
6
5.9
5.8
5.7
5.6
5.5
5.4
5.3
5.2
5.1
5
4.9
4.8
4.7
4.6
4.5
Defects per
Million
0
3.4
5.4
8.5
13
21
32
48
72
108
159
233
337
483
687
968
1,350
Defect per
100
0
0.00034
0.0005
0.008
0.001
0.002
0.003
0.004
0.007
0.01
0.015
0.023
0.033
0.048
0.068
0.096
0.135
Ing. Alejandro Lara Turrent
99.81%
99.74%
99.65%
4.4
1,866
4.3
2,555
4.2
3,467
Figura 19. Tabla con niveles sigma.
Fuente: http://www.isixsigma.com
0.186
0.255
0.346
4.2.3 Anlisis.
Un equipo Seis Sigma debe obtener gran cantidad de datos para despus
poder inferir correctamente en ellos. Es aqu en la etapa del anlisis el momento de
elaborar teoras sobre la causa de los defectos. Sin embargo no se puede aceptar una
hiptesis a la primera: Debe verificarse que realmente contribuye el problema que
se est estudiando. Una hiptesis que se proponga esta semana puede ser descartada
por los datos; Si recogen nuevos datos la semana prxima, estos pueden dirigir sus
sospechas hacia otra parte, y as hasta que el equipo sea capaz de confirmar sus
hiptesis con los datos y obtener las causas que lo provocan (Pande, Peter S. Las
claves PRCTICAS de SEIS SIGMA.2004).
En esta etapa se analiz a detalle durante un mes aproximadamente cuales
podran ser las posibles causas por las cuales se producen los diversos tipos de
defecto. Analizando cada uno de los defectos con un diagrama causa-efecto se
observo lo siguiente (figura 20 ,21 ,22 ,23 , 24 y 25):
300000
250000
200000
150000
100000
50000
Series1
Diagrama de Pareto
100
80
300000
60
200000
40
100000
20
tipo de defecto
fu
a
er
de
las
ed
m
frecuencia
Percent
Cum %
Percent
frecuencia
400000
s
ida
es
c
pe
as
ad
ific
289536
70,6
70,6
qu
o
ad
em
41664
10,2
80,7
e
th
O
79104
19,3
100,0
Figura 28. Grafica de Pareto, Cantidad de desperdicio Por defecto, durante un mes.
Fuente: figura propia.
En las figura 28 se puede ver claramente que el defecto fuera de las medidas
especificadas es el que sobresale con un 71% del total. Por lo que se tendr
prioridad para implementar acciones inmediatas a sus causas.
Se aplicar un CTQ debido a que una de las diferencias importantes de Six
Sigma con relacin a otras metodologas es la orientacin al cliente (figura 29).
CTQ(Critical Quality)
rea
voz del cliente
nombre de la CTQ
como se mide la CTQ
requisitos de la CTQ
definicin de defecto
definicin de unidad
definicin de oportunidad
Bolseadoras.
Que las bolsas sean resistentes cuando se guardan lquidos o
slidos en ellas.
Resistencia
Se infla la bolsa y luego se aprieta, si la bolsa no se rompe,
entonces pasa la prueba de resistencia.
Que la bolsa no se rompa.
Que la bolsa se rompa
Bolsa.
1 evento de rotura por bolsa.
CTQ(Critical Quality)
rea
voz del cliente
nombre de la CTQ
como se mide la CTQ
requisitos de la CTQ
definicin de defecto
definicin de unidad
definicin de oportunidad
Bolseadoras.
Que las bolsas tengan buena apariencia
Apariencia
El operador de cada bolseadora observa que la bolsa no est
arrugada y tenga buen brillo. Mientras que el dueo
establece el tipo de color dependiendo de los gustos del
cliente.
Que la bolsa tenga un color agradable, buen brillo y no est
arrugada.
Bolsas que no tengan: un color agradable, buen brillo, o que
estn arrugadas.
Bolsa.
3 oportunidades por bolsa.
Tambin se har una matriz causa-efecto que contengan las KPIVs (key process
input variables) y las KPOVs (key process output variables) con la finalidad de
identificar en que actividad afecta en mayor medida los requerimientos del cliente
(figura 30).
Output
buena apariencia
costo bajo
resistente
total
8
9
10
10
10
10
8
1
8
9
1
10
10
1
10
270
153
181
189
Total
capacitacin de los
operadores
eficiencia de mquinas
bolseadoras
Input
296
117
380
En esta matriz se puede observar como la calidad del rollo repercute altamente
en la demanda del cliente, por lo que es necesario prestar mucha atencin en este
punto ya que si se descuida puede traer consecuencias graves al perder clientes.
Ya que una de las causas que producen mayor numero de defectos en el
proceso de bolseadoras se da cuando el rollo que se monta contiene diversos
defectos, se analiz el proceso de los extrusores para determinar las causas que
provocan esta mala calidad en los rollos (figura 31).
4.2.4 Mejora.
Aunque se desarrolle soluciones realmente creativas puede ser difcil pasar
de la terica tormenta de ideas al reto prctico de la implantacin de nuevas
soluciones con la necesidad de anticiparse y prevenir todo lo que pueda fallar. Para
evitar todos estos riesgos, los equipos Seis Sigma deben mantener abiertas todas las
opciones de mejora y no lanzarse directamente por la primera idea que aparezca,
aunque es probable que tenga que soportar una gran presin para que resuelvan el
problema de una vez por todas. Despus de haberse centrado durante tanto tiempo
en la causa de los problemas, ahora es el momento de ampliar el alcance de su
pensamiento creativo (Pande, Peter S. Las claves PRCTICAS de SEIS
SIGMA.2004).
En esta etapa se trata de mejorar el proceso para eliminar los defectos.
Gracias a la etapa de anlisis se obtuvieron las causan de cada uno de los defectos y
cules son los que ms afectan al proceso.
Primero se enfocar a la mejora
parte del equipo Six Sigma, para despus llegar a las conclusiones y proponer las
mejoras que se iban a implementar
Por otra parte tambin se aplico la metodologa AMEF para proponer
mejoras al proceso de manufactura de bolsas a travs de las bolseadoras (figura 33).
que poner atencin en la barra de sellado ya que las bolsas se atoran continuamente
generando mucho desperdicio. Tambin se pueden apreciar una mejora notoria en
el nuevo RPN, lo cual es un resultado muy bueno para el desarrollo del la etapa de
mejora.
Respecto a la barra de sellado, se detect que una de las causas por las
cuales las bolsas se atoran frecuentemente es porque los rollos que se montan tienen
diversos defectos, en muchas ocasiones vienen ms gruesos o ms delgados en
algunas zonas (mala calibracin), por lo tanto para mejorar esta situacin es
importante mejorar el proceso de fabricacin de rollos como se especific
anteriormente. Adems como una medida alterna para reducir la frecuencia de
atasco de bolsas en la barra, se implementar un mantenimiento preventivo. Para
ello se hizo un anlisis para ver que tan seguido es recomendable limpiar la barra.
Primero se cont el nmero de veces que las bolsas se trababan en la barra por da.
Despus se empez a limpiar cada 2 horas, cada hora y cada media hora, los
resultados se encuentran en la figura 34.
Sin mantenimiento preventivo
Ing. Alejandro Lara Turrent
da 1
da 2
da 3
da 4
da 5
da 6
promedio
por maquina
20
promedi
o
22
20
23
22
22
22
22
da 1
da 2
da 3
da 4
da 5
da 6
promedio
por maquina
19
promedi
o
19
da 1
da 2
da 3
da 4
da 5
da 6
maquin maquin
a1
a2
16
20
19
18
18
15
14
17
20
21
18
15
promedio
por maquina
18
promedi
o
17
da 1
da 2
da 3
da 4
da 5
21
17
19
17
19
19
20
atasques por maquina teniendo mantenimiento preventivo cada 2
horas
Mantenimiento cada hora
maquin maquin maquin maquin
a3
a4
a5
a6
15
13
13
13
13
19
14
20
13
18
16
20
19
18
14
20
21
14
14
19
18
19
13
16
18
17
17
14
18
atasques por maquina, teniendo mantenimiento
preventivo cada 1 horas
maquin maquin
a7
a8
14
18
15
19
21
21
21
15
15
16
14
13
17
17
maquin maquin
a7
a8
21
17
14
17
17
19
21
15
18
13
da 6
19
promedio
por maquina
18
promedi
o
17
17
17
18
18
15
18
21
18
19
18
15
17
18
17
atasques por maquina teniendo mantenimiento preventivo cada
media hora
95
atasques, bajo
Esta limpieza la llevar a cabo cada operador con sus respectivas mquinas. Cabe
aclarar que el tiempo que toma la limpieza de las barras desde que para la maquina
hasta que prende de nuevo es de 1:30 min promedio, por lo que no hay mayor
problema en hacer este mantenimiento preventivo.
Finalmente una vez que se logr una mejora bastante buena gracias a la
implementacin de mejoras, se llevar a cabo a la siguiente etapa.
4.2.5 Control.
El objetivo de controlar es sencillo: Una vez que las mejoras han sido
implantadas y los resultados documentados, Debe de seguir midiendo el
rendimiento del proceso de forma continua ajustando su funcionamiento cuando los
datos le indiquen que es necesario o cuando cambien los requisitos del cliente. Para
evitar confusiones debemos aclarar que por controlar nos estamos refiriendo al
hecho de mantener un proceso que funciona de forma estable, predecible y que
cumple con los requisitos del cliente. Conseguir que su proceso alcance ese estado
es el objetivo de DMAIC. Sin los esfuerzos de Controlar, el proceso mejorado tiene
muchas posibilidades de volver a su estado inicial (Pande, Peter S. Las claves
PRCTICAS de SEIS SIGMA.2004).
En esta etapa se establecern los controles necesarios para asegurar que lo
obtenido a travs del proyecto Seis Sigma se mantenga una vez que se hayan
implementado las mejoras. Se volver a medir los niveles de defectos y se
compararn con los datos anteriores, de esta forma se calcular en trminos
econmicos los ahorros generados a la empresa, gracias a la implementacin de Six
Sigma.
Cada qu tiempo?
Qu das?
Cada hora
4. Llenar la bitcora
Al finalizar su turno
5. Reportar al supervisor
cualquier problema en sus
mquinas.
En cualquier momento
Cada qu tiempo?
Qu das?
Cada hora
Todos los
das
Cada hora
Todos los
das
Cuando se arranque
la maquina
Cuando la pelcula se
ponche
continuamente.
Cuando se
arranque la
maquina
En cualquier
momento
A todos los operarios de las bolseadoras se les dar una bitcora para que la
llenen da con da, gracias a esta bitcora se tendr un mejor control de la
produccin as como tambin del desperdicio (figura38).
Yield
100.00%
100.00%
100.00%
100.00%
100.00%
Term Sigma
Over 6
6
5.9
5.8
5.7
Defects per
Million
0
3.4
5.4
8.5
13
Defect per
100
0
0.00034
0.0005
0.008
0.001
Ing. Alejandro Lara Turrent
100.00%
100.00%
100.00%
99.99%
99.99%
99.98%
99.98%
99.97%
99.95%
99.93%
99.90%
99.87%
99.81%
99.74%
99.65%
5.6
21
5.5
32
5.4
48
5.3
72
5.2
108
5.1
159
5
233
4.9
337
4.8
483
4.7
687
4.6
968
4.5
1,350
4.4
1,866
4.3
2,555
4.2
3,467
Figura 39. Tabla con niveles sigma.
Fuente: http://www.isixsigma.com
0.002
0.003
0.004
0.007
0.01
0.015
0.023
0.033
0.048
0.068
0.096
0.135
0.186
0.255
0.346
da
Nmero de
defectos
da
Nmero de
defectos
da 1
14
da 13
da 2
12
da 14
12
da 3
14
da 15
10
da 4
14
da 16
da 5
13
da 17
11
da 6
da 18
13
da 7
15
da 19
19
da 8
da 20
10
da 9
da 21
14
da 10
17
da 22
14
da 11
14
da 23
12
da 12
12
da 24
Grafica de Control
25
UCL=22,63
Sample Count
20
15
_
C=12,17
10
5
LCL=1,70
0
1
11
13
Sample
15
17
19
21
23