INSTITUTO TECNOLGICO DELA CONSTRUCCIN

MAESTRA E N A D M I N I S T R A C I N D E L A
CONSTRUCCIN

ELMTODO DESEISSIGMA ENLAINDUSTRIA DELA

CONSTRUCCIN PARAVIVIENDA ENSERIE

TESIS
PARAOBTENER ELGRADO DE

MAESTRO EN ADMINISTRACIN
DELA CONSTRUCCIN

PRESENTA

ARQ.JULIANALBERTO JIMENEZ LARA

CMARA MEXICANA DELAINDUSTRIA DELA CONSTRUCCIN

SEDE CHIHUAHUA

ESTUDIOS CON RECONOCIMIENTO DEVALIDEZ POR LA

SECRETARIA DE EDUCACIN PUBLICA, CONFORME AL
ACUERDO No2004451 DE FECHA 15 DE DICIEMBRE DEL 2000

CHIHUAHUA, CHIHUAHUA JULIO 2005

RESUMEN

Este estudio de investigacin aborda la problemtica de los defectos

constructivos, principalmente en la edificacin en serie y que afectan
directamente alcliente yporende alconstructor contodas las repercusiones de
costos,tiempoyeldetener a uncliente insatisfecho.

El concepto de Seis Sigma es una modernizacin del antiguo concepto de

control estadstico de la calidad de los aos sesenta, pero mucho mas
ambicioso ya que representa para lograr tener 3.4 defectos por cada milln de
viviendas construidas y entregadas al cliente que solofallen 3.4 apagadores de
luz, o 3.4 goteras, o que 3.4 llaves de agua que no funcionan correctamente.
Es evidente que estoen nuestro pas y en especial en el sector constructivo es
ahoraenelano2005 inalcanzable.

El objetivo de la metodologa de Seis Sigma as como sus herramientas de

aplicacin , para coadyuvar en la mejora de los defectos en los procesos en
constructivos enlaedificacinenserie.

Lasempresas deedificacin enseriedelestadode Chihuahua estn muy por

debajo del nivelde Seis Sigma.

Se muestran las herramientas estadsticas principales del Seis Sigmaen cada

unadesusetapas;aclarar, enfocar, estudiary modificar para ser utilizadas en
laedificacin enseri9|iara finescomparativos, sedeterminaelvalorde sigma
quetiene unaempresa,i p o deedificacin devivienda en undesarrollo de 100
viviendas de94a 165m?*nJacd,.DeChihuahua ylos resultados fueron
 Viviendas 100
Totalde errores probables 1000
Sigma .5de sigma

Como seobserva existe unadistancia abismalentre loserrores de un

desarrollo deedificacintipoyelvalor deseisSigma con loquese comprueba
la hiptesis H1deesta investigacin.

Seconcluyoqueen nuestro pasestamos muy lejosdealcanzar los

indicadores internacionales de productividad como se hace evidente del lugar
49 de 57 pases queocupa Mxico en economic wortdforum (2005), no
obstante estetrabajo proporciona herramientas paratener mejoras
construcciones, ycadavez menos defectos.
GRACIASA DIOS POR HABERME OTORGADO EL DON DELA
VIDA, ESTO POR MEDIO DE ESTOS DOSANGELES DE DOS
ALAS MIPADREY MIMADRE, PERO MUY ESPECIALMENTE MI
MADRE QUE GRACIASA SUSGRANDESVIRTUDES Y
EJEMPLOS INCULCADOS DE ESPECIAL MANERA COMO SON LA
PERSEVERANCIA, EL RESPETO, ELAMOR,Y LAS GANAS DE
LUCHAR EN LAVIDA PARA SER UNSER HUMANO DE BIEN.

GRACIAS TAMBIN DESDE LOMAS PROFUNDO DE MISER A

ESENGEL QUEVINOA LLENAR DE DICHAY DELUZ MIVIDA,
ERES EL MOTOR QUE ME IMPULSAA HACER COSAS
INEXPLICABLES, GRACIAS HIJA MIA SOFIATEAMO.
NDICE
CAPITULO I: Introduccin
Seccin

1.1. Problemadela investigacin

1.1.1. Esquemadel problemadela investigacin

1.2. Justificacin

1.2.1. Econmica

1.2.2. Social

1.3. Alcance

1.4. Objetivos

1.4.1. Genrico

1.4.2. Especficos

CAPITULO II:Marcoterico

2.1. Desarrollo histrico

2.2. Querepresenta lapalabra SeisSigma

2.3. Antecedentes delconceptoSeis Sigma

2.4. QueeselSeis Sigma

2.5. Con nmeros PorqueSeis Sigma

2.6. Clculos devaloresdeSeis Sigma

 CAPITULO I: INTRODUCCIN

1.1. Problemadela investigacin

No existe un mtodo formal para el control de defectos en la industria de la

construccin, teniendo como consecuencia desperdicios de materiales, teniendo
reprocesos innecesarios debidoalbajoonulasupervisin adecuada delaobra.

Con todo esto tambin se generan costos por la no calidad y el error, teniendo
altos niveles dede errores en los procesos constructivos, esto aconsecuencia del
niveldeconfianza en losprocesos constructivos.

Nosetiene confianza en los productos y servicios terminados, estos ltimos cada

vez mas ligados con la mala calidad y por consecuente la insatisfaccin del
cliente.
 2

1.1.1. Esquema del problema de la investigacin

MALA CALIDAD DESPERDICIO DEMATERIAL REPROCESO INSATISFACCIN

DELCLIENTE

NOEXISTE UNMTODO FORMAL PARA ELCONTROL DEDEFECTOS ENLA

INDUSTRIA DELACONSTRUCCIN

REQUERIMIENTOS COSTOS POR LANO SEDESCONOCE ELNIVELDE

DELCLIENTE CALIDADY ERROR CONFIANZA ENLOS PROCESOS
CONSTRUCTIVOS

POCACONFIABILIDAD EN ALTOGRADO DE ERRORES

LOSPRODUCTOS TRMINOS ENLOS PROCESOS
YSERVICIOS TERMINADOS
 3

1.2. Justificacin

1.2.1. Econmica

Bajan los costos, los beneficios de este estudio, es para que bajen los costos de
produccindelavivienda hechaenserie.

1.2.2. Social

Losbeneficiosqueseesperandeesteestudioeseldeperfeccionar lossistemas
deconstruccin deviviendasenseriebeneficiando alosusuariosysusfamilias
de unmejor producto ascomoatravsdelaconsolidacin delaempresa que
creayconservaempleos.

1.3. Alcances

Este estudio abarca a la construccin de viviendas enserie en cuanto a sistemas

de control estadstico de la calidad especficamente en la aplicacin del mtodo
seissigma enestetipodeconstruccin ejemplificando en uncasodeaplicacin en
elestadodeChihuahua.
 4

1.4. Objetivos

1.4.1. Genricos

Mostrar la metodologa de Seis Sigma as como sus herramientas de aplicacin.

Para coadyuvar en la mejora de los defectos en los procesos constructivos en la
edificacin enserie.

1.4.2. Especficos

A)Analizar la problemtica que existe enelcontrol estadstico de la calidad en

losprocesosconstructivos delaviviendaenserie.

B) Exponer losconceptos yteorade laseissigma.

C) Establecer los niveles de confianza estadsticos para minimizar los errores

en losprocesos constructivos.

D)Detectarysatisfacer lasnecesidades delcliente.

E) Definircada unade las herramientas queconforman elseissigma.

F) Ilustrar con basea unejemplo elvalor de Sigma quetiene una constructora

deedificacinen lacd.DeChihuahua.

G) Marcar las distancia tan grande que guarda en cuanto a defectos

constructivos laedificacin en nuestro pas,con los parmetros internacionales
de unaempresadeclasemundial.
 r; i T c
I B L I T E C A s

CAPITULO II:MARCO TERICO

2.1. DESARROLLO HISTRICO

Enelaode 1981 ,Bob Galvin,eneseentonces presidente de Motorola ,lanzel

siguiente retoasucompaa:

"Alcanzar un mejoramiento de Diez tantos en el desempeo sobre un perodo de

cincoaos"

Laempresa inici ungranviajedeaprendizaje ydesarrollo que llev amuchos de

sus ejecutivos e ingenieros a la bsqueda de maneras de eliminar desperdicios.
Uno de ellos, llamado BilISmith, estudi la correlacin entre la vida til dlos
productos en el campo de su uso y qu tanto el producto en cuestin haba sido
sujeto a reparaciones(retrabajos) durante su proceso de manufactura. En 1985,
Smith present sus resultados, concluyendo que si un producto era encontrado
defectuoso y reparado durante el proceso, estos desperfectos podan pasar
desapercibidos hastaqueelclientelosdetectabaduranteeluso.
Por otro lado el investigar lo que otras compaas estaban haciendo , se dieron
cuenta de que existan productos que no requeran trabajos o correcciones
durante un proceso .Analizando casi cualquier operacin , podemos detectar que
existen pasos , materiales y acciones que no son otra cosa que reparaciones ,a
veces disfrazadas de problemas inherentes ,ya seadediseo, de herramientas o
de otros factores ;por ejemplo,el rebaneo o laeliminacin de restosde partculas
metlicas dejadas por un proceso anterior, retoques de pintura innecesarios ,oel
agregado de refuerzos o materiales adicionales, que detanto utilizarse sevuelven
partedelproceso.

Esto fue el inicio de los esfuerzos que llevaron a Motorola a ganar el prestigio de
Premio Nacional de Calidad Malcom Badrige.EI nombre de Seis Sigma haba
saltado alaluzpblica.
 6

Otras compaas , atradas por el xito y de resultados logrados , buscaron

informacin y referencias ,lo cual motiv la creacin del instituto de Investigacin
Seis Sigma en 1990.La participacin de empresas como IBM ,Texas Instruments,
Digital Equipament,Asea Brown Boveriy Kodaklediodifusiny relevancia

EnABB, la implementacin de esta estrategia result en una disminucin del68%

en los nivelesdedefectos,ydel30%encostos loquetuvocomoconsecuencia un
ahorrode898millonesdedlares porao.
Otras empresas como Allied Signal, General Electric, Sony, Crane y Polaroid se
han sumido a la aplicacin de la metodologa .La razn sencilla: estas compaas
correlacionan lacalidad con resultadosfinancierosdenegocio.

El casode General Electric esdigno de mencin,ya que los beneficios estimados

de contribucin directa de Seis Sigma son de orden de los 6600 millones de
dlares anuales,equivalentes al5.5%desusventas.
Esto no se ha dado solo.GE ha entrenado a ms de seis mil personas en los
mtodos de Seis Sigma.El personal entrenado conduce y participa en proyectos
demejora bienenfocadosque reditangrandes beneficios.

Los llamados Black Belts o cintas negras son aquellas personas que cuentan con
entrenamiento y caractersticas especiales para encabezar los proyectos de
aplicacin de Seis Sigma.En los esfuerzos ,setrabaja en equipo bajo la direccin
del Black Belt para analizar los problemas u oportunidades de ahorro, que
resultara de reducir las variaciones y, por consiguiente, el desperdicio en
cualquier proceso.

Msadelanteveremos lospasos aseguir ylas herramientas estadsticas,queson

lasprincipales armasautilizar enestasguerrascontra loqueestmalhecho.
 7

2.2.QU REPRESENTA LA PALABRA SIGMA?

Es el nombre latino de la letra griega E.Este smbolo es muy utilizado por los
matemticos, ya que se le ha asignado el significado de suma. Si nos vamos al
concepto estadstico, se ha empleado esta misma letra, pero en una versin
minscula: o.Este pequeo trazo con forma de gota se ha hecho muy famoso por
representar algoque los iniciados llamandesviacin estndar.

Para comprender mejor esto, vamos a explicar sus antecedentes, y para ello,
tendremos quedar unrepasoalasbasesde laestadstica.
Estadstica

Todos hemos escuchado a gente que utiliza conceptos y trminos estadsticos

.Por ejemplo:"EI clima de Monterrey es el ms agradable del mundo, con un
promediode25Cenelao,sipudieradecirse,50enveranoy0eninvierno".

Otro ejemplo: Se realiz una encuesta y el promedio de la gente estuvo de

acuerdoconqueel horariodeverano noseaplicar esteao"

Y hay ms:"Eltrmite para placasy licencias se redujodedosdas aun rangode

dos horas, y un 50% de la poblacin las recibe ahora por correo en un promedio
de unasemana"

Aunque pudiera hacernos sonrer todo este catlogo de usos inexactos de os

trminos, algo nos dice: todos los das, los seres humanos nos vivimos en un
mundo variable e inconstante. Nadie puede asegurar, ni con las mejores
computadoras del mundo, cual va a ser el comportamiento real del clima, de las
acciones en la bolsa, de nuestros procesos productivos o del servicio dado a
nuestros clientes.
 8

Loques podemos hacer, esdarnos una dea;esdecir, saber que tan probable es
determinada situacin para esto sirve la enorme cantidades formulas y recetas. El
problema: en unafn por mantener los conocimientos fuera del alcance de los no
iniciados,osimplemente por noencontrar una mejor manera, hanido complicando
y oscureciendo el significado real de sus tcnicas; han ido complicando y
oscureciendo el significado real de sus tcnicas; han colocado nombres raros,
signos de alfabeto griego y ecuaciones de apariencia muy compleja a conceptos
que, porotraparte,sontremendamente tilesydeampliaaplicacin.

Esteproblemacon laestadstica sefue haciendo crnicocon losaostambin por

causa de otros factores. Por ejemplo muchas de las complejidades de la
estadstica tienen tienen quever con lo aburrido y lento de clculos. Para resolver
este problema los estadsticos disearon infinidad de tablas de valores y de este
modo proporcionaron una manera de ahorrar tiempo y esfuerzo. Actualmente con
el desarrollo de las computadoras, estas tablas se han venido haciendo
prcticamente obsoletas, ya que existen muchos programas y paquetes de
cmputoque pueden calcular losvalores requeridos conunagranprecisin.

Bases

El ser humano siempre ha buscado entender el mundo que lo rodea,

encapsulndola en partes manejables. Si pedimos pedimos un presupuesto para
un trabajo de carpintera, no nos gusta que nos digan "le va a salir entre cinco y
diez mil pesos". Queremos un solo numero; que nos digan:"Sale en ocho mil
pesos". Lo mas que soportamos es la diferencia sea muy poca: "entre siete y
medioyocho milpesos".

Por otra parte nos conformamos con un solo dato, aun cuando tenga
fluctuaciones. Muchas empresas requieren un mnimo de tres cotizaciones para
autorizar unacompra.
 9

En nuestro caso, seguramente solicitaremos aunque sea un estimado del costo a

dos o tres carpinteros. Esto no puede dar varios tipos de resultados que muchas
veces podremos analizar sin necesidad de unaformula.

Tipoderesultadol:pocavariacin,tendencia alabajaoalaalza.
Lostrescarpinteros danvalores muy parecidos yestosson bajosy
Altos.
Tipode resultado2:algodevariacin,tendencias mediaobaja.
Hayunvalormuyaltoomuybajo,ylosotrosdossonmuy parecidos
Tipode resultado 3:muchavariacin,tendencia media.
Hay unvalor alto,unoabajoy unoenmedio.

De acuerdo con el tiempo de informacin o datos, pondremos determinar a que

carpintero le vamos a encargar el trabajo. Hemos llegado al fondo del asunto:
hemostomado unadecisin con baseen laestadstica!

Cuando los datos por analizar son mas (muchos mas), tomar una decisin
setorna masconfuso ydifcil. Imaginemos queenvezdetres,tenemos quinientos
carpinteros. Es aqu donde tenemos que hacer uso del lpiz o calculadora, para
poder sacar nuestrosvalores.

Los tres conceptos mas elementales que debemos manejar son: promedio, rango
ydesviacin estndar.

Promedio

Es una mediad que nos da una idea, en un solo numero, de donde anda, mas o
menos ,el centro, ese "valor nico"tan buscado que nuestra naturaleza humana
nos pide.Algunos lellamanelegantemente "medidadetendencia central. Dichode
 r* I I C-
( I D L I O T E C A 10

otra manera, es el dato normal esperado. Para obtenerlo, simplemente sumamos

todos losdatosylosdividimosentre lacantidaddelosmismos,

Por ejemplo, si se tuvieran estos cinco presupuestos: 7, 8, 9,10 y 11,

hacemos la suma de las cantidades, cuyo resultado es 45, y estos lo dividimos
entre 5. El resultado es9. Normalmente, yoesperara pagar 9(o nueve mil pesos)
poreltrabajo.

Elpromedioexpresa unamedidade losdatos ynadams.

Expresiones como "el hombre promedio busca seguridad", desde este punto de
vista,son incorrectas. Noexisteelser humano promedio.

Rango

Si yo hubiera hablado primero con el de 11, cundo me estoy ahorrando si

finalmente decido encargarle el trabajo al de 7? Si resto ambos valores
obtendre4. Esto es, existe un rango de 4 (o cuatro mil pesos) entre los diferentes
carpinteros.A mayor rango,mayoreslavariabilidad e inconsistencia delosdatos.
Cuando el rango es muy algo, comenzaremos a sentirnos incmodos y a dudar.
No podremos tampoco tomar una decisin fcil, ya que prensaremos: "El de 7es
el mas barato, pero quien sabeque material vaya a usar. Quizs elde 11hace un
mejor trabajo, con mejor calidad". Las variaciones excesivas impiden predecir y
tomardecisionesslidas.
 11

Histograma

Cuando tenemos muchos datos, podemos visualizarlos mejor si los ponemos de

manera grfica. Paraello utilizamos unaforma muysencilla llamada histograma, o
diagrama defrecuencias. Lo que representamos en el es sencillo: la altura de las
barras representa la frecuencia o cantidad de veces que se repite un dato
determinado (Figura 1).

Figura 1 HISTOGRAMA

to

^0

70

10

6 7 8 9 10 11 12 13
Espesor en mm

Unadistribucin nossirve para mediryconocer:

Lalocalizacin (dondeesta lacaracterstica quequeremos controlar).
Paraeso usamoselpromedio.
X=sumadevalores/ cantidaddevalores.

Lavariacin (entre queyque).

Paraesto usamoselrango:
R =valor mayor-valor menor.
 12

Desviacin estndar

Muy bien, si ya sabemos las dos cosas ms importantes que debemos de saber;
esdecir, por donde andan los pr4ecios yquetanto varan,paraque necesitemos
sacarotrovalor?

Larespuesta es:elpromedioyelrangosonsuficientessi:

A) Losdatossonpocosy no puede haber mas(solo haycincocarpinteros en

elpueble).
B) Nonecesitamos msdeun70 u80%deprecisin paratomar ladecisin.

Recordaremos que cualquier clculo estadstico, aun el ms complejo, se hace

para ayudar a tomar una mejor decisin sobre el aspecto en cuestin. Estas se
vuelven mas importantes entre mas complejo sea el problema; es decir, mientras
masfactores estn involucradosy mientras mascosasdiferentes puedan pasar5;
en pocas palabras: entre mas variabilidad pueda aparecer, mas refinada tendr
que ser la formula, Si, por ejemplo, en un proceso quiero analizar que porcentaje
del producto quedara fuera de los limites de aceptacin establecidos, tendr que
obtener grancantidad dedatos (por lomenoscien).

Esto es porque durante la manufactura pueden ocurrir muchas cosas:

herramientas se desgastan, las maquinas y los materiales tienen variaciones. Al
tomar ms datos, nos aseguramos de que nuestros resultados sean ms
representativos de larealidad.

Las decisiones que tomemos con base en ellos sern ms acertadas y

oportunas. Es aqu donde entra la gran importancia de la desviacin estndar, ya
que es laforma en que podremos determinar lavariabilidad de cualquier proceso,
producto oservicio.
 13

Esto no solo sirve para las fbricas; estos procedimientos son aplicables a
cualquier empresa, sea de servicios, financiera, de produccin, un restaurante o
untaller.

Al volver a nuestro histograma, podemos ver que las barras forman una
figura en forma de sombrero o campana, este comportamiento no es ninguna
casualidad. Setrata dela llamada curva normal,yestpicoen muchas situaciones
(Figura2)

Figura2 HISTOGRAMA YCURVA NORMAL

Esoesor pn mm

lo.
 14

Losestadsticos handividido lacurva normal ensecciones. Ladistancia horizontal

de cada divisin es llamada "sigma". Se define como "el promedio de las
diferencias de los datos con respecto al mismo promedio ". Esto nos puede dar
una gran ventaja: el poder de predecir y de controlar el comportamiento de un
proceso,utilizando ladesviacin estndar como referencia.

Elclculo de ladesviacin estndar se hace automticamente en cualquier

calculadora defunciones,consolo meter losdatosypresionar elbotn a .

2.3.Antecedentes delconceptoSeisSigma

Seis Sigma, de ser un concepto matemtico o estadstico, ha rebasado las

fronteras y se ha ido convirtiendo en una filosofa o manera de trabajar, Esto
significa que para lograr tan alto ideal,una vezque y nosdimos cuenta de lo lejos
que podemos estar, es necesario comenzar a aplicar los conceptos bajo un
enfoqueintegral.

Debemos reconocer que un proceso parchado, lleno de reiteraciones,

desperdicios y defectos, no solo va a ser ms costoso, sino fundamentalmente
incapaz de proporcionar un nivel de satisfaccin constante a los clientes y
empleados.
 15

Qu pasacuando ladistribucin noes normal?

1) Aplanada ( o "platikurtica")

Instrumentodemedicindemasiado preciso.
Mezcla de materiales provenientes de distintos proveedores o
maquinas.

2) Picuda (o "leptokurtica")

Instrumentodemedicin muy poco preciso

Inspeccinyeliminacin deartculosextremos.
Provenientedeunprocesoconpocavariabilidad.
 16

3) Consesgo

Cuandoexistedesgastede una herramienta.

Deformacin paulatina portemperatura.
Efectodelavida tildeunmolde.
Numerodefallas/da;numerodedefectos/pieza.

4) Acantilado

Eliminacin por filtracin de partculas de un tamao mnimo o

mximo.
Usodetopesen laoperacin
Inspeccinyeliminacin departes.
 17

2.4. QueselSeisSigma?

Podremos definir Seis Sigma como "un conjunto integrado de metodologa

estadsticasquepermiten cristalizar lafilosofadesatisfaccin totaldelcliente".

Estas recetas no son nuevas, ya que se trata de mtodos de anlisis

estadsticos conocidos desde hace aos, la diferencia es del enfoque todo para
reducir agresivamente la aviacin y los desperdicios, as como el nfasis en el
manejo integral del concepto, en todas las funciones de una organizacin, con los
recursosyelapoyo porpartedelagerencia.

Las famosas grficas de control estadstico (SPC) datan de la dcada de

1930, pero a pesar de ser herramientas valiosas, en ocasiones han tenido a
desvirtuarse. Si el nfasis se da solamente en mantener el control, no se va mas
all de eso, ya que aunque existan oportunidades de mejora no se capitalizan, Si
surge algn curioso que vea dichas oportunidades, se encontrara solo rente al
mundo, ya que si descubre mejoras potenciales en los materiales comparados, el
responsablededicha rea nolastomara encuenta.
El problema pudiera ser mantenimiento, pero si a estas reas no se les mide o
involucra en un programa serio, pocas eran las probabilidades de que las cosas
mejoren.

En la metodologa de Seis Sigma, las ideas de mejora son encauzadas,

lideradas,evaluadas yconducidas bajo unesquema que las hace partedetoda la
organizacin.

Esta integracin se logra hablando unlenguaje comn alo largoyancho de

laempresa. Este lenguajeson los ndicesdedesempeo.
 18

2.5.Con nmeros.PorqueSeisSigma?

El indicador comn para Seis Sigma es el clculo de los defectos por unidad. No
nos engaemos pensando que con esto solamente podremos medir piezas
manufacturadas. Por unidad entendemos un producto o servicio completo, como
puede ser unacomida servida,o unatransaccin bancaria completa. Losdefectos
son aquellos detalles con los que se logro la satisfaccin total del cliente. Cada
resultado o salida en cada funcin es analizado, y se determinan las
oportunidades de incurrir en un defecto o cometer un error. Por ejemplo, si en un
comedor sesirven 500 comidas al da,ycada comida tiene 5caractersticas (que
sea servida caliente,con los cubiertos limpios,en la porcin adecuada, el refresco
correctoysin problemasdecobro),tendremos 2500 oportunidades.

Si se registraron 20 incidentes en un ida, tendremos: 20 / 2500 = 0.008 defectos

por cada unidad, Al multiplicar lo anterior por 1000 obtendremos 8 defectos por
cada milunidades.

Esimportante enfatizar aqu lasdiferentes entre unenfoquetradicional,basado en

porcentajes, contra el uso de indicadores por cada mil o milln. Hay un motivo
para esto,ytiene que ver con la precisin de la medicin. Ladiferencia apreciada
entre 0.008 y 0.009 a primera vista no es grande; sin embargo, se trata de 80
contra 90 defectos por cada diez mil unidades. Culturalmente mas impactante un
numero entero que unafraccin o centsima. Esfamoso el manifest que reza "el
99% no es suficiente" ya que implica un 1%de error, o 10000 defectos por un
milln, suficientes para crear uncaosen muchas situaciones ordinarias de lavida.
Imaginemos,porejemplo, 10000recetas medicasequivocadas,o 10000fallasen
losfrenosdelosautomviles!

Aqu es importante detenernos un momento y reflexionar: que es un

defecto? Podremos definirlocomo:
 19

La consecuencia o sntoma de la falta de consistencia en un producto, como

resultado deunproceso incapazdecumplir los requerimientos delcliente.

Si analizamos condetalleque haydetrs de undefecto, podremos determinar que

existi una variacin con relacin al comportamiento esperado. Es importante que
nos preguntemos entonces:

Cual es el sntoma? Esdecir, como podra el cliente percibir y ser afectado. Por
ejemplo,el producto presenta unafuga,onopuede instalarse.

En que consiste? Delinear de manera especifica que caracterstica de Iproducto

es la que no cumple con las expectativas: la manguera no estaba apretada, las
dimensiones delaspartes nocoinciden.

Hasta aqu hemos utilizado el "lenguaje del cliente" o como el usuario podra
describirel problemaconsuspropias palabras.
Sigamos investigando msafondo.

Qu parte del proceso fue el origen? En que operacin o punto podremos

localizar la causa?Aqu pudiera ser la operacin de ensamblado de la manguera,
o, en el cado de las dimensiones, durante el proceso de manufactura o de
empaque.

Qu caractersticas del proceso implicaron el sugrimiento del problema? El

torque es aplicado de manera consistente, con equipo adecuado? Las
especificaciones demanufactura yempaque puedensercumplidas conel proceso
actual? Aqu se aplican los mtodos de medicin de la habilidad del proceso
(Cpk).

Cul es el mtodo de aseguramiento ycontrol,tanto de los procesos como de la

medicinymonitoreo delos mismos?
 * * * ' 20

l l b . T E C A
Las respuestas a esta serie de preguntas nos llevaran a caracterizar y establecer
de una manera por dems clara las evidencias requeridas para la accin
correctiva.

Como vemos, existen caractersticas o aspectos muy importantes para que el

productosatisfaga alcliente:estas son llamadas "caractersticas crticas":

Si identificamos una de ellas, siguiendo el ejemplo del torque requerido para

apretar un tornillo, nos daremos cuenta de que al examinar varias mangueras,
estas presentaran variaciones. La mayora de ellas se agrupan cerca de un valor
central (promedio), pero algunas se ubicaran por encima de este, otras, por
debajo. La cantidad de mangueras con un torque mayor iran disminuyendo; lo
mismo que las de un torque menor. Esto nos dar como resultado lo que
llamamos uncomportamiento"normal".

La figura 3 muestra un ejemplo de un proceso cuatro sigmas. Los limites de

especificacin seencuentran alaaugurade+-4desviaciones estndares.

Figura 3 CURVA NORMALYSEISSIGMA

l i m i t e de Limite de
especificacin especificacin
inferior supenor

.6,, .5,T .40 -3o -2a -1o X 1o 2o 3o 4o 5o 6o

 21

Los procesos de este tipo (distribuidos normalmente), tienen varios aspectos

interesantes. SI sacamos su desviacin estndar, podremos predecir su
comportamiento. El valor del torque en el 99.99966% de los productos quedara
ubicado entre +- 6 desviaciones estndar. Eltorque para el restante 0.00034% (o
1 parte por milln) estar masarriba omas bajoqueesto.

El intervalo de + - 6 sigmas, representa en trminos prcticos, una meta muy

agresiva paraeldesempeo decualquier proceso, Enqueconsisteeste reto?

Suponiendo que la especificacin de torque fuera 20 + - 4.5 libras por pulgada

cuadrada, para lograr un proceso Seis Sigma, el valor de +- 6 a debe ser capaz
de "caber" en la especificacin. Si la desviacin estndar en este cado fuera de
1.5, 6 a seria igual a 1.5 X6 =9. Elintervalo de laespecificacin es +-4.5;osea,
tambin9.
Nuestro procesoseria unproceso SeisSigma paradicha caracterstica.

Vemosaququeelvalordesigmasdependededosfactores:

1. La habilidad del proceso para producir valores consistentes (con menor

variacin).
2. Eltamao delafranja detolerancias requerida parasatisfacer alcliente.

Obviamente, el valor promedio de la caracterstica debe coincidir con el valor

nominalocentrode lasespecificaciones, enelejemplo esiguala20.
 22

2.6.Clculos devalores deSeis Sigma

A continuacin seenunciaelclculode losvaloresdesigmasdeunproceso.

Una cafetera esta considerando implementar metodologas Seis sigma para

optimizar sus operaciones ante una amenaza de un competidor que se ha
establecido en las cercanas. Uno de los problemas que se ha observado es que
loscomensales enocasiones experimentan problemasconlacuenta.Estedefecto
se ha llamado "transaccin incorrecta", y es la base para los clculos de este
ejemplo.

Se ha recolectado en una tabla los datos observados. Vamos a introducirlos en la

computadora para que, con la ayuda del paquete Excel, podamos realizar los
clculosdemanera eficienteyconfiable.

Heaqucomoseve lahojadeclculo:

CALCULO DEINDICES DESIGMA

CompaaX

Funcin Cafetera
Producto Pagopor lacomida
Defecto Transaccin incorrecta
Num. Dedefectos 7
Unidad Cada cliente
Num. Deunidades 5000
Num. Deoportunidades 1
 23

A B C
INDICADOR FORMULA RESULTADO
DPU=defectos por
unidad Defectos/ Unidades 0.0014

DPMO=decto por millo

de oportunidad DPU* 1000000/ 14000
oportunidades

%error DPU* 100/oportunidades 0.14000%

Nivelsigma Tablas deladistribucin 4.489 a

normaldeMicrosoft Excel

Laformula para convertir el porcentaje de error asu nivel de sigmas respectivo es

muy sencilla, y podemos realizar en el paquete Excel: = ABS (NORMSINV
(C2))+1.5

C2es lacelda donde estaelvalor de los DPU.Estevalor es labasedelclculo,y

lo consideramos con I rea que queda fuera de los lmites de la curva de la
distribucin normal.Aestevalor lepodemossacar automticamente suconversin
a sigmas con la funcin NORMSINV, la cual representa el inverso del valor de
tablas de la distribucin normal, es decir, las tablas originalmente fueron
diseadas para entrar en ellas ya con el valor "normalizado" o las simas , y
encontrar el porcentaje. Nosotros, a travs de esta funcin inversa, metemos el
porcentaje que nos dar el valor correspondiente en sigmas. A todo esto le
 24

tenemos queaplicar laformulaABS,quesignifica "valor absoluto ". Esto,conelfin

dequealgnvalor negativo nonososcurezca elresultado.

Finalmente, a todo este se le suman 1.5 a , ya que las desviaciones estndar

tambin pueden variar, dndose un margen de 1.5 a para ello. Esto quiere decir
que el nivel de 6 a en la prctica realmente es 4.5 a , lo cual equivale a los 3.4
defectos por un milln establecidos en la siguiente tabla de impactos prcticos de
niveldesigmas.

CALCULO DENDICES DESIGMA

CompaaX

Funcin Ejemplodetabla
Producto Muestra
Defecto Noesfuncional
Num. Dedefectos 3.4
Unidad Cadacliente
Num. Deunidades 1000000
Num. Deoportunidades 1
 25

INDICADOR FORMULA RESULTADO

DPU=defectos por
unidad Defectos/ Unidades 0.0000034

DPMO=defecto por millo

de oportunidad DPU* 1000000/ 3.4
oportunidades

% error DPU* 100/oportunidades 0.00034%

Nivelsigma Tablasdeladistribucin 6.00

normaldeMicrosoft Excel

SIGMAS DEFECTOS POR COSTO DE LA NO COMPETITIVIDAD

MILLN CALIDAD(%
VENTAS)
6 3.5 <10% Clase mundial
5 233 10AL 15%
4 6210 15AL20% Promedio industrial
3 66807 20Al30%
2 308537 30 AL40% Nocompetitivo

Unmayorvalor desigmas en unproceso nos indicara quetan capaz y consistente

es el mismo. Esto tiene impactos en el costo de la calidad y en la posicin
competitiva delaorganizacin,
 26

Cuando los datos provienen de un proceso en el cual los datos son continuos; es
decir, como el ejemplo del torque, donde podemos calcular el promedio y la
desviacin estancar de los datos, y contamos con los lmites de especificaciones,
sepodr hacer losiguienteparacalcularelniveldesigmas:

1. definir lacaracterstica amedir: porejemplo,elespesor de un recubrimiento

debeserde0.16 a0.18pulgadas.
2. Recabar informacin. Datos reales de una muestra representativa (por lo
menos 50 unidades). Tenga cuidado de utilizar equipo calibrado y personal
calificado para realizar lasmediciones con unmnimodeerrores.
3. Obtener elpromedioyladesviacinestndardelosdatos.
4. Buscar el lmite de especificacin que este ms cerca de la media. Eneste
cadotenemos:

Media- limite inferior =0.16958 - 0.16 = 0.00958

Limitesuperior- media=0.18- 0.16958 = 0.010419

Podemos ver que el ms cercano es el lmite inferior, que va a ser la base del
clculo. Esto se debe a que si el lmite de especificacin esta ms cerca del
promedio, en ese lado se van a salir ms unidades (ya sea para arriba o para
abajo).
 27

Figura4 CURVA NORMAL ENUNPROCESO

5.3 SIGMA

t > =* 4t

5. Utilizar la tabla de la distribucin normal de Excel: Se har de la misma

manera como lo haramos con una tabla de valores tpica; es decir, de las
orillas hacia el cuerpo de la misma, para Excel necesitamos simplemente
utilizar una sencilla funcin llamada standardize o estandarizar. Solamente
tenemos que introducir los valores del limite de especificacin obteniendo
enelpasocuatro,elvalorde lamediayeldeladesviacin estndar.
Ennuestrocaso:=ABS (STANDARIZE (0.16,0.16958, 0.001803)

Como ya habamos visto, lafuncin ABS nos da elvalor absoluto (para evitar
nmeros negativos), y el resultado de esto nos dar las sigmas, que aqu
resultaron 5.313068.

Para estimar el nivel sigma de este proceso en el largo plazo,debemos agregarle

1.5 a ,yaqueestevalor podrtenervariaciones.
 28

Realmente, podremos afirmar quetenemos un proceso 5.313068 + 1.5 =6.5805 a

,queestrictamente hablandoessolo5.313068 a.

Estudios sealanque puedeesperarseque unprocesocomnmente oscileentre3

y4sigmas.Como podremos lograrsubir hasta6omas?

Conclusin

Seis Sigma, como concepto estadstico, puede ser entendida a travs de la

reduccin de la variabilidad de los procesos que gobiernen aquellos resultados
que impactan alcliente,ascomo lasperdidasygananciasdeunaorganizacin.

Como corriente de pensamiento, va ms all y busca un involucramiento

organizado hacia objetivos de mejora atravs de proyectos altamente redituables.
Estudiandoymejorando los procesos
, o las maneras como hacemos las cosas, y midindolos adecuadamente,
podremos darnos cuenta del reto que hay ante nosotros: elevar nuestro nivel de
sigmas a seis o ms. El camino a seguir, las herramientas y la organizacin de
esteesfuerzo soneltemadeestelibro.
 29

CAPITULO III:TIPODE INVESTIGACIN

3.1. Tiposde investigacin

Elpresenteestudio esdetipodescriptivo metodolgico yaque identifica,analizay

mide lasvariables incidentes enlosprocesosdeconstruccin deviviendaenserie
tendientes areducir loserroresydefectos endichos procesos atravsdela
aplicacindelcontrolestadsticodelacalidad mejorada y/omtodo SeisSigma.
Paracon baseenelloestablecer unejemplo deaplicacindeesta metodologa.

3.2. Hiptesis
H1: Lasempresas deedificacin enseriedelestadodeChihuahua estnmuy
pordebajodel niveldeSeisSigma.

H2: Con laaplicacindel mtodo SeisSigmaenlosprocesosde lavivienda

enseriesemejora lasatisfaccin delclienteysereducen losdefectosy/oerrores.
 30

3.3. Modelo operacional de las variables de la hiptesis

X1 Y1

Empresastipodeedificacin en Pordebajo delnivel Seis

Enelestadode Chihuahua Sigma

Y2

Satisfaccin delcliente
X2

Aplicacin delmtodo seissigmaen

losprocesosdelaviviendaen serie Y3

Reduccin dedefectos y/oerrores

Variable dependiente Variable independiente

 31

3.4. Descripcin delasvariables de la hiptesis

X1: Empresa deedificacinenserie.-Constructora dedicada adesarrollos de
vivienda masiva.

Y1: Abajo delnivelSeisSigma.-Tener mas de3.4defectos porcadamillnde

casasconstruidas.

X2: MtodoSeisSigma;Conjunto integradodemetodologas estadsticas que

permiten cristalizar lafilosofadesatisfaccin totaldelclienteyminimizar los
erroresy/odefectosdelosprocesos.

Y2: Satisfaccindelcliente;Cumplir eirmasalldelasexpectativasdel cliente

respectoalproductooservicios queadquiere.

Y3: Defectosy/oerrores;Faltasenelprocesoconstructivo que impactan

directamente costotiempoycalidad.

3.5. Diseo de la investigacin

Elpresenteestudiose realiza bajo unesquema NOESPERIMENTAL. Dankhe

1988dado alaimposibilidad porpartedel investigador demanipular lasvariables
independientesyaquesetratademodelos matemticos,preestablecidos,ysolo
se refiereaaplicar dichos modelosenelcontexto naturalde laconstruccin.
 32

CAPITULO IV: MODELOGENRICO DESEIS SIGMA

MODELO PRCTICO

ENFOCAR ACLARAR
S t r v 1 ' K< * , V ) i r u > < t . l f OS'

i 'a-i i.ut s " " '"- n r

4.1. Enfocar

La cantidad de tiempo, dinero y recursos es siempre limitada. Por eso el primer

paso a seguir consiste en identificar aquellos elementos que deberemos atacar.
Reconocer y poner en blanco y negro los resultados esperados por el cliente es
una tarea fundamental, ya que si no realizamos esto a conciencia, de mantera
honesta yobjetiva, tendremos este problema de origen,y de poco o nada servir
queejecutemos a laperfeccin lospasos restantes.

Uno de los obstculos mas sutiles y peligrosos es asumir de antemano que ya

conocemos los requisitos o entregables. Bsicamente podemos incurrir en tres
tiposdeerrores:
 33

1. Alta expectativa. Creer que para el cliente es muy importante una

caracterstica, cuando noes as. Estoes conocido como elfenmeno goldplating.
Se presenta cuando al interpretar o asumir un requisito del cliente, le damos de
mas en algo que para el notenia tanta importancia. En un caso, un fabricante de
lmparas de alumbrado para las calles percibi un defecto cosmtico en las
rejillas, en cual era rechazado por su departamento de control de calidad. En una
ocasin en que el cliente se dio cuenta de esto, les menciono que las luminarias
se instalaban a gran altura, y que realmente no era necesario retocarlas porque
nadie loapreciara.

2 .Baja expectativa. Creer que para el cliente es menos importante una

caracterstica,cuando noesas.Estetiempodesituacionespueden convertirseen
graves problemas. Es tpico asumir que como un producto se esta vendiendo
"barato" esto justifica no satisfacer una necesidad. Otra variante es cuando
asumimos que solamente con entregar un producto "dentro de especificaciones
"las satisfaccin del cliente estar garantizada. Todos los das,en la prctica, nos
damoscuentadequeestononecesariamente esas,porvariosmotivos:
a) Imposibilidad de medir todo. Un producto o servicio puede contener
muchas caractersticas. Medirlas todas y siempre es una tarea muydifcil,
costosayquenoagregavaloralproducto.
b) Problemas de diseo. SI desde el diseo del producto no hay una
identificacin clara de la necesidad a cubrir, esto ser una fuente de
problemas; a su vez, si no hay concordancia entre el producto y sus
componentes, o entere varios subensambles. En un caso, un fabricante
tuvo que vender cientos de piezas como chatarra, porque todos los
componentes y partes, cada uno en lo individual, cumplan con las
especificaciones, ya que estaban dentro de sus tolerancias, pero al tratar
de armarlos todos en el producto final, no quedaban bien. Es comn que
las tolerancias o rangos permitidos para un producto sean expresadas en
formagenrica (unatolerancia igualparatodas lasdimensiones).
 34

c) Falta de conocimiento del verdadero uso. No es lo mismo que nos digan

"tenemos que fabricar este tubo; se va a utilizar en un mueblecito par
acomodar zapatos",aque nosdigan queva aser usadoen unavlvula de
control de emisiones radiactivas. Aunque el tubo sea exactamente el
mismo. Las decisiones y manejo de su proceso, no sern las mismas.
Mientras menos elementos se tengan para el diseo de un proceso, este
sermspropenso atener problemas.
3. Expectativa omitida. No conocer que el cliente requiere algo que no le
estamos proporcionando de manera constante. El cliente, por lo general,
va a querer que absolutamente todo se cumpla. La diferencia entre ese
todo y lo que recibe, puede o no ser percibida como negativa, pero muy
pocosclientes loexpresaran abiertamente.Aquentrandetallescomoesos
minutos adicionales de espera por la cuenta en un restaurante, oesa caja
quesedaadevezencuando porelacomodoenlatarima.

Ser necesario ahora relacionar los requisitos del cliente con nuestros propios
procesos internos. Si uno de ellos es, por ejemplo, la entrega de la cuenta en
determinado tiempo, en que pasos de este proceso no estamos tardando
mas? Existe otro proceso que este influyendo en el resultado? Quizs el
mesero, porestar sirviendo algn platillo, no hapasado la nota alcajero. Enun
proceso de produccin, qu caractersticas del mismo afectan positiva o
negativamente alproducto resultante?

4.2. Aclarar
Cmo estamos?

Lamedicindepotencialesy resultaos esconsiderada unapoyo muyfuerteen

las primeras etapas de puesta en practica de Seis Sigma. Esto pareciera
contradecir los consejos delfamoso Dr.W.E Deming,quien sentenciara que el
uso de metas numricas desmeritaba la moral y era contrario a los principios
 35

de calidad total, ya que la gente entonces tratara de obtener " el numero" a

costadeloquefuera,con resultados pocodeseables.

Es opinin de este autor de que esto, si no es manejado correctamente,

pudiera dar lugar a situaciones en las que la gente se vea presionada a
obtener un resultado sin importar el desarrollo de sus procesos, con un fuerte
apoyo de la gerencia, involucramiento de todos los departamentos y un muy
claroenfoque haciaelcliente.

Lo anterior hace que la estrategia se Seis Sigma se diferencie de una manera

bsqueda por cumplir con un numero. Lo ambicioso de la meta en si, que es
lograr un nivel Seis Sigma en los procesos, impide la exigencia inmediata de
resultados ylacambia por ladeunajornada continua demejora.

El estado actual de la organizacin, debe evaluarse bajo la luz de diversos

conceptos:

Satisfaccin delcliente
Insatisfaccin delcliente
Desempeo del productoendefectos porcada mil unidades
Desempeo delosprocesos en niveldesigmas alcanzado
Otros indicadores operacionales pertinentes

Satisfaccin del cliente

Una manera clara y cuantitativa de medir la satisfaccin del cliente se da atravs

de encuestas y entrevistas directas. El objetivo es identificar brechas o espacios
entre las necesidades del cliente y el nivel actual en el que estn siendo
cumplidas.
 36

Insatisfaccin al cliente

Unerror comnes asumir quesi notenemos quejas,elcliente,estasatisfecho.Es

necesario ybsicocontar con unbuensistemadeatencin,nosolo delasquejas,
sino de cualquier expectativa que no se cumple. Por lo menos, existen tres
conceptos quepueden ser monitoreados.

Aspectos temporales: aqu entran los tiempos de espera, demoras, la oportunidad

delasentregas,ensuma,elmanejodeltiempo hacia losclientes.

Aspectos de servicio: principalmente referidos a la resolucin de cualquier

problema real o potencial del cliente, la capacidad de respuesta aemergencias, la
amabilidadyefectividaddelservicio,elapoyotcnico.

Aspectos de calidad: el cumplimiento del producto o servicio adquirido con las

expectativas delcliente,elnivelderechazos,lacantidaddequejas.

4.3. Estudiar

Unavez quecontamos con lafotografa de nuestroestado actual,la incertidumbre

puede aparecer y hacernos sentir que tenemos mil cosas por hacer, y que no
tenemostiempo suficiente. Es,sinembargo, muyimportante no"comer ansias",ya
que para sacar el mximo provecho a nuestros esfuerzos, debemos ser cuidosos,
selectivos y darnos tiempo para estudiar los procesos, diagnosticando los puntos
clave atacaryorganizando unanlisis bienplaneado.

No estoy hablando de pasarnos seis meses pensando o planeando sin aterrizar.

Tenemos que analizar los factores crticos del proceso que influyen en las
caractersticas importantes para el cliente y los mtodos que utilizamos para
 37

cumplirlas y asegurarlas; y debemos determinar que tan adecuados son los

insumosquerecibeelproceso (fsicosyde informacin)

Con todo lo anterior despejado, analizaremos la problemtica detectada y

encontraremos los causales, utilizando herramientas estadsticas principalmente.
Los causales no son otra cosa ms que los factores de raz que estn originando
el incumplimiento.

ESTUDIAR
Factores crticos
Mtodos
\ Insumos

4.4. Modificar

Una de las situaciones mas frustrantes que puede haber es contar con todo un
estudioyanlisisdelascausasde unproblema, pero realmente nolograr efectuar
un cambio significativo. Es falta de seguimiento es una enfermedad bastante
comn en las organizaciones. Uno de los factores, quiz el ms importante, que
propicia esto es la actitud. SE podrn tener todos los conocimientos, tcnicas,
herramientas y paquetes computacionales del mundo, sin embargo, si no se
cuenta con una actitud adecuada, todo lo anterior no nos ayudar a ser
competitivos.
 38

A n c o n e s i
E CLIENTE
x Mm \

MODIFICAF
Aftitudes *
Recetas v
Causales
Estndares

Actitudes

Aunque noes la intencin de este libro disertar sobre le comportamiento humano,

sies necesario puntualizar quesi nosetiene unaestrategia decambioque incluya
el aspecto cultural ya de actitudes, nos podremos topar con problemas en el
camino. Pero, qu es una actitud? Es el comportamiento de uno o varios seres
humanos ante una situacin. Generalizando, existen tres tipos de actitudes
posibles ante un cambio.

1. Indiferencia: Elgrupo o ola persona se muestra aptico, no leda importancia a

las situaciones y se comporta de tal manera que no rechaza abiertamente ni
acepta nada.Estoessumamente peligroso ydifcildemanejar, yaque nohay una
confrontacin de ideas, y no se cuenta con el empuje necesario para que las
acciones se lleven a cabo eficaz y puntualmente. Sus sntomas son: alta de
consistencia en la aplicacin de los mtodos y procedimientos; desconocimiento
aparente de las mediciones, su importancia y consecuencias; desanimo; posturas
irnicas; inasistencia areunionesyeventos programados.
2. Rechazo Lagente, o una persona en particular, se muestra reacia aaceptar las
propuestas. Esto claramente obstaculiza sobremanera cualquier esfuerzo de
mejora. Los sntomas comunes son: generacin de discusiones y malos
entendidos entre personas y departamentos, boicot de todo lo nuevo y
 39

aferramiento a losviejos mtodos y maneras de hacer las cosas; cuestionamiento

y escepticismo sobre todo lo concerniente a tos cambios. En este caso, la
situacin es diferente porque existe una confrontacin de ideas; es sano que el
asuntoseventileyaclare,cuandoexisten buenas bases paraeldialogo.
3. Aceptacin: No necesariamente esto es bueno en forma automtica, ya que
tendremos que ser cuidadoso y noasumir que porque la gente acepto uncambio,
va aestar feliz ycontenta. Laaceptacin puedeser a nivelde hechos (lovamos a
hacer porque nos loestn pidiendo) oa niveldeconciencia (estamos convencidos
dequees unabuenaopcin).

Estrategia demanejo deactitudes

Engeneral,consiste en llevar los casos 1a los casos 2,y los casos 2 a los casos
3, pero a nivel de conciencia. Esto es, a los indiferentes hay que hacerlos revelar
su verdadera cara (que es de rechazo), y una vez que se puedan confrontar las
ideas,atravsdeunprocesosensible,lograr unconvencimiento.

Hay muchas maneras de hacer esto ysiempre lodeseable es eldialogo yquese

compartan ideas, sin embargo, si lo que se confronta no son ideas sino
resentimientos u otro tipo de cuestiones, es necesario que la gerencia ataque de
rente estas situaciones y que cuide que no por una manzana podrida se corra el
riesgodeechar aperder unequipodetrabajo.

Quesi hacer

*Enfatice que loscambios con positivos,tienen un motivo (satisfacer alcliente,ser

competitivos,etc.) yqueseesperaquetodosparticipen.
Involucre e integre ideas y conceptos de la gente en los planes, cambios,
movimientosyaccionesdemejora.
 40

Investigue directa e indirectamente las posibles causas de la indiferencia. Esta

pudiera darse por medio, incredulidad, falta de informacin y resentimientos por
situaciones pasadas entre muchasotrascausas.

*Provea informacin clara y oportuna del alcance de los cambios y en que van a
afectar positivoonegativamente las situaciones

*Reconozca alagentequehaaportado ideas,acciones mejoras.

identifique a apersonas especificas con problemas de rencor o muy notorio

rechazo, para determinar si es por el cambio en si, por ideas propias o por otras
situaciones, y busque dialogar y aclarar puntos con ellos, pidiendo su apoyo y
ofreciendo posiblesajustesaloscambios.

Quenohacer

*Noetiquetealagente niapliquecastigos indiscriminados sinescuchar nitratar de

entender susmotivos.

*No presente paquetes prefabricados desoluciones completas sindar oportunidad

aque lagentesea laque participeensuelaboracin.

*Nomantenga lainformacin comotopsecret,comprtala conlagente.

*Nopermitaquesevuelva aviejos hbitosyque hayaconsecuencias porello.

*No permitaque losbeneficiosdeloscambios noseanvistos nicompartidos porla

gente quetrabajo enellosylos hizorealidad.
 41

5.1. Tabladeetapas resultadosy herramientas

Etapa Definicin Resultadodeseado Herramienta ometodologa Quiendebeaplicarla

Encuestas Dptodeventasoagenciaexterna
Estudiosdelmercado Dptodeventasoagenciaexterna
Identificarlos Necesidades QFD(desplieguedela Equipo interfuncional
elementos del funcindecalidad
Enfocar que cliente Contactodirecto Todoelpersonal
deberemos Acuerdoscliente-proveedor Todoelpersonal
atacar Entregablesorequisitos Martizproducto-cliente Todoelpersonal
especficos identificados QFD Equipo interfuncional
Entregables relacionadas Relacin Equipooperacional
conlospasosoprocesos necesidades- procesos
quelosafectan QFD Equipo interfuncional
Satisfaccin delcliente Encuestas Dptodeventasoagenciaexterna
evaluada Indicadoresdecalidad, Gerentesdecadaareay
entregas,servicio,confiabilidad elpersonal
Medir Desempeodelproducto 1000000oportunidades Todoelpersonal
endefectospormillnde deerrorenc/ud.
Aclarar potenciali- unidadesyen%deerror %error=DPMO/10000 Todoelpersonal
dades Desempeodelproceso ABS(NORMSINV Todoelpersonal
y resultados enniveldesigmasalcanzado (%error))+ 1.5
Habilidaddelproceso Estudiosdehabilidad Ingenieros operacionales
Confiabilidaddelas Muestreo Ingenierosdecalidad
mediciones EstudiosdeR& R Ingenierosdecalidad
Factorescrticosdel AMEFdediseo Ingenierodediseoyequipo
diseo identificados interfuncional
evaluados
Factorescrticosdelproceso AMEFdeprocesos Ingenierodeprocesoyequipo
identificados yevaluados interfuncional
Proceso, insumosy Diagramasdeflujo,mapas Todoelpersonal
mtodosaclardos deproceso.
Sntomasdelosproblemas Anlisisdepareto Todoelpersonal
Diagnosticar categorizados Matrizdeenfoque Todoelpersonal
losprocesos Datosrelevantes Listadeverificacin Todoelpersonal
Estudiar paraatacar recolectados Muestreo Todoelpersonal
suspuntos Equipodetrabajoformado Formatodedefincionde Lderesdeequipos
clavehacia proyectos
la Actividadesdelproyecto Diagramacausa-efecto Todoelpersonal
mejora organizadas Causigrama Todoelpersonal
Formatodedefinicinde Lderesdeequipos
proyectos
Aduditoria aprocesos Ingenierodecalidad
Causasopuntosde Anlisisdecortedecapas Lderesdeequipos
desequilibrio Correlacin Ingenierosoperacionales
identificadas Pruebasdehiptesis Black Belt
Diseodeexperimentos BlackBelt
 42

5.2. Herramientas para enfocar

El propsito de esta etapa es la identificacin de los elementos que deberemos

atacar. Esto significa que la base, tanto para la estrategia general como para la
formacin de proyectos especficos, se sustenta en las necesidades de los
clientes. Claro esta que encontraremos en las necesidades de los clientes. Claro
esta que encontraremos una gama enorme de atributos deseables en todo lo que
hacemos,y porsupuesto,seesperaratodo almsbajocosto.

El concepto popular de "bueno, bonito y barato" tiene plena aplicacin. Las

herramientas ausar debern estar alienadas haciaquetantoycomo satisfacer los
requerimientos reales.

Eneldiseo oaplicacin decualquier herramienta deenfoquetenemos que

considerarfactores generales para ubicarnos,talescomo:

Niveltecnolgicode laindustria.
Competitividad demercados.
Segmentos omercadosobjetivos.
Historialdecomportamiento de lademanda.
Surgimientode productos sustituidos.

Losresultados deseados en laaplicacindeherramientas enestasetapasson:

1. Necesidades del cliente entendidas. Conocer el porque de la necesidad,

quienes la estn experimentando, en donde, bajo que circunstancias. Los datos
demogrficos sobre edades, localizacin geogrfica y productos o servicios
sustituidos son relevantes, sin embargo, se requiere aun ms nivel de detalle en
cuanto aloespecfico.
 43

2. El lenguaje del cliente necesita ser preservado y no empieza a interpretarlo en

esta etapa, sino hasta que ya se tenga la informacin. Entregables o requisitos
especficos identificados.Aqu tendremos que convertir el lenguaje del cliente
o usuarioal idiomadenuestraempresa.
Lo ideal es mantener un balance y no caer en complicar demasiado las
definiciones ni tampoco irnos sobre la superficial. Debemos evitar incluir
demasiados trminos subjetivos enlasdefiniciones ycuantificar lomsposible.

3. Entregables relacionados con los pasos oprocesos que losafectan.Trabajando

en equipo, la siguiente tarea consiste en mirar hacia adentro nuestra manera de
hacer las cosas e identificar si cada paso, operacin, movimiento o mtodo que
usamos nosaleja o nosacerca aque los entregables puedan darse de la manera
previamente definidaydeseada.
 44

Herramienta: Pgina 1de1

Encuestas yestudios de mercado
Etapasenquese usa Propposito/ Resultados esperados Quin laaplica
Enfocar Obtener informacin sobre las necesidades Depto. Deventas o
delosclientes ,parasu entendimiento agencia externa
Aclarar Evaluar lasatisfaccin delclienteyeldes- Depto. Deventaso
empeo generaldel producto o servicio agencia externa

Pasos a seguir Comentarios/ Ejemplos

1. Defina losobjetivos a * Identifique lasnecesidades del cliente

alcanzar *Evalecmoseestn satisfaciendo.
Identifique los puntosbuenosymalos (fortalezas
ydebilidades) del producto oservicio.
*Describa el puntoideal.
"Identifique los productos substitutos.
*Obtenga ideasy mejoras

2. Definaelalcance de la *Geogrfico: local,regional,nacional,global.

encuesta *Mercado:clientes actuales opotenciales; deun
segmentoovarios; por marcaoespecifico.
"Profundidad: niveldedetalleyvariedaddeobjeti-
vosa buscar.

3. Diseo "Instrumento ocuestionario ensi.

"Rangos deevaluacin.
"Mtodo deaplicacin.
"Tamao de lamuestra.
"Incentivos quesedarnaquienes lallenen.

4. Aplicacin "Por mediodeagencia odeldepartamento deventas.

"Establecer planconfechas parasuaplicaciny
pararecopilacin dedatosycierre.

5.Anlisis "Usode lacomputadora para procesar datos,yde

lasensibilidad humana paraentenderlos.
"Presentacin de resultados aplicando tcnicas
estadsticas.
"Reportefinalcomplementando con plande
acciones posterioresyresponsables del
seguimiento.
"Identifique acciones que puedantomarse de
inmediato para mayorefectividad.
1. Mantngala sencilla.2. Enfquese sloen losobjetivos. 3. Mustrele la encuesta
Qu hacer primero a menor nivelantes deaplicarla engrande4.Verifique los resultados
contra losdatos realesdel mercados. Incentive la respuesta..
6. Preguntecmoyporqu
Qu no 1. Utilizar slo procentajes. 2. Dejarque laagencia hagatodo sin involucrarnos.
hacer 3. Hacer preguntas demasiado largasogenricas.4. Enjuiciar las respuestas.
5. Maquillar los resultados.
 45

Herrramienta: Pagina 1de1

Relacin necesidades procesos
Etapasenqueseusa Propsito/ Resultados esperados Quin laaplica
Enfocar Definirquprocesosafectanalosentregables Equipo
orequerimientos declientes. operacional
Prepararelcaminoycontarconbasesparalas
siguientesetapas(aclararyestudiar).
Pasosaseguir Comentarios/ Ejemplos

1. Enfoqueunproductooserviciosso-
breelcualsecuentacon informacin
denecesidadesdeclientesporencues-
tasoestudiosdemercado.
RELACIN DE NECESIDADES-PROCESOS
2. Enlistelasnecesidadesyrequeri-
mientosdelclienteomercadopara Productooservicio:-
elproductooservicio. Cliente:
,
3. Investiguecmoestnmidiendoo
evaluandosuresultadoparael
cliente.

4. Determineelnivelactualdecum-
plimiento (puedeserensigmas)de
cadanecesidad.

5.Analice losprocesosyestablezca
culessonlosqueinfluyenyqu
caractersticassonlasquetienen
mayoromenorimpactoenel
cumplimiento.

6.Sepuedeprofundizarelanlisisy
encontrar losrangosdetrabajopa-
racadacaracterstica delproceso.

1. Hagaqueparticipen losinvolucradosenelprocesodeingeniera,asicomodelrea
Quhacer comercia.2.Eviteserdemasiadogenrico.3.Midaelnivelactualtomando muestras
queseanrepresentativas. Incluyaesteconceptodesdeelestudiodemercado.
1. Dedicarledemasiadotiempoyrecursosaunprocesoquedeantemanosabemos
Qunohacer debeser remplazadooactualizado.2.Menospreciar losrequisitsestticoso
odeapariencia.3.Archivar losresultadosynocomunicarlos outilizarlosde
formaadecuada.
 46

Herramienta: Pgina 1de3

AMEF (anlisisde modoefectodefalla)
Etapasenquese usa Propsito/ Resultados esperados Quin laaplica
Definaqu procesos afectana los
Enfocar enntregables orequerimientos de los
clientes
Prepare elcamino ycuentecon bases
para lassiguientes etapas (aclarar y
estudiar).
Pasosa seguir Comentarios / Ejemplos
1. Identifique un producto paraseranali-
zadoyasgnelo alingeniero dediseo
o procesoquecoordinar elequipo Seutiliza unformato paradocumentar elanlisiselcual
interfuncional.

2. Definaydescriba lafuncin principal Estafuncin debequedar claramente establecida,ya

del producto; paraqu lo usaelcliente queel restodelanlisis sebasra enella.
principalmente ,oculesla
razndeserdelproducto.

HaydostiposdeAMEF 1.Dediseo :cuandoanaliza-

mos problemas que puedetenerelproducto ensi por
3. Para lafuncin ,hacer unalluviade susespecificaciones, materialesycomposicin.
ideassobre qu problemas ofallas 2. Deproceso:aqui tomamos como basequ puede
pudieran presentarse que la impidan o salir malenelproceso que nosocasione un problema
limiten .A stos les llamamos "modos Algunos ejemplos de modos defallason:
defalla"
Material daado Rotura Doblado
Mal identificado Muy largo Fuga
Material mezclado Muycorto Corto circuito
Material Faltante oxidado Sucio

Ennuestrocaso, elgrupo haencontrado que un posible

mododefallaesel materialdaado.

4. Describaelproblemaquesufre
elproductocomoconsecuenciadel
mododefalla.Aestolellamamos
"efectodefalla"
5.Evaluqutanseverapuedeserla
falla (severidad)
6.Evaluqutanfrecuenteesopuede
serlafalla (ocurrencia)
7.Evaluqutanfcilodifcilesdarnos
cuentade lafalla (deteccin)
8.CalculeelndicederiesgoRPN.Se
multiplican losvaloresdeseveridad
ocurrenciaydeeccion.
9.Vuelvaalpaso3yanaliceel
siguiente mododefalla.
47
Pagina2de3
Unmododefallapuedeconllevar unoovariosefectos,
Enestecasohablaremossolamentedeuno:elma-
terialdaadopuedetraercomoconsecuencia una
falladeelctrica.
Paraevaluar unAMEFsepuedenutilizarescalasdel
1al5oal10Comoejemplotendremosquelafalla
elctrica leasignamosunvalorde5puntos.
Severidad Puntos
muybaja:esunproblemamenor,casi noafecta 1
Bajaomenor: reduceeldesempeodelproducto
Moderada:generaproductividad reducida
Alta:ocasiona ualtondicedescarp
Grave:hacegenosirvaelproducto
Serequiereestimaqutanseguidoocuntasvecespuede
suceder. Enestecaso,esunpocofrecuente,loelevamos
conun 2.
Tambinvamosacalificarelgradodedificultadquetienede-
tectar lafalla.Paranosostros,lafallaesmuyobvia,leasigna-
mosun 1.
Detecion Puntos
Muyalta:fallamuyobvia,defecadaenun99% 1
delasvecesenqueocurre.
Alta: Fallaobvia,detectadaenun99.80%
delasvecesenqueocurre.
Moderada:Loscontroles pudierandetectarla
falla,2a4%dedefectosescaparan.
Baja:Problablemente noserdetectadala
falla5a 10%dedefectosescaparan.
Muybaja:muyposiblequelafallapasedesa-
percibidaenmsde10%delasveces
Paralafallaelctrica ,tendramos:
RPN=5 X 2 X 1 = 10puntos
Efectulospasosdel3I9hastaterminarcontodos losmodos
defallaevaluados.
 48

Pgina 3de3

10. Investigue lacausadel modo Tambin aqui puede haber msde una,perola
defalladon mayor RPNydescrbala. principalfueelempaque insuficiente delproducto.

11. Establezca unplandeacciones para Consite endelinear lasacciones especificas atomar,

atacar lacausa. los responsables yfechas deejecucin.

12.Vuelva al paso 10y 11repita para Deacuerdo con lapuntuacin de RPN para los
lassiguientes causas. modosdefalla,asigne prioridades, recursosy
tiempo paraatacar lascausas.

13.Cadavezqueseataqueny - ElAMFEseconvierte en undocumentovivo,enel

corrijan causas defallas,vuelvana cualse irnactualizando las mejores soluciones
calcular el RPNy actualice quesedena losmodos defalla.
elAMEF.

14. Sielproducto tiene msde una

funcin ,ejecute los pasos 1al 13 Dseguimiento ymantenga actualizado este
para lasrestantes. documento.

1. Documenteapropiadamente elAMEFensuformato.
Qu hacer 2.Verifique yvalide losconceptos en la realidaddel productoysu proceso.
3.Trabaje enequipo bajo el mismoobjetio: reducir los RPN
4.Apliquelo desde laetapadediseodelproducto.
1. Llenarelformato pero no utilizarlo para mejroar los ndicesdeRPN.
Qu no hacer 2. Queslo una persona (el ingeniero) seaelque lo lleneyconozca.
3. Noloactualice alhaber cambios importantes en los procesos, materialesy
mtodos.
 49

5.3. Herramientas paraaclarar

Lo que buscamos en esta fase es poder contar con bases medibles y

cuantificables de las potencialidades y resultados esperados de los procesos. Una
vez que enfocamos nuestra atencin hacia la satisfaccin del cliente y todos los
elementos y detalles que en ella influyen, tenemos que precisar e iniciar a hablar
el lenguaje de Seis Sigma. Es a travs de las tcnicas revisadas en el capitulo 1
(un buen diseo de indicador de calidad, entregas, servicio y confiabilidad) como
podremos darnoscuenta realmenteenque nivelestamos).

Esimportante establecer el niveldesigmas alcanzado en los procesos crticosya

nivel organizacin. Esto nodar unpanorama mscompleto sobre nuestras reas
fuertesyaquellasquenecesitamos mejorar.

Las herramientas utilizables en esta etapa nos debern permitir valorar, de

manera fra y sin duda alguna, las verdaderas capacidades y habilidades de
nuestros procesos, as como de la gente, recursos, equipos y apoyos con los que
contamos. Por supuesto que seria lo ideal que de aqu saltemos a soluciones
mgicas yrpidas, pero no podra haber mejor receta para unfracasoseguro.
Enestemomento loquedebepreocuparnos escontar con unsistemade medicin
y evaluacin estable, justo, y a la vez flexible; que pueda reflejar nuestros
esfuerzosdemejoraamedidaquevayamos avanzando.

Las mediciones tampoco deben convertirse en la razn de ser de nuestra

existencia; son una herramienta, una gua para nuestras estrategias, acciones y
proyectos.
 50

<r
11 - - .
C L

Herrramienta: Pgina 1de3

Muestreo
Etapasenquese usa Propsito / Resultados esperados Quin loaplica
Validadelniveldeconfiabilidad de las Ingeniero de
Aclarar medicionesyestimaciones de calidad
resultados
Recoleccin dedatos representativos Ingeniero de
Estudiar sobreelcomportamiento del producto calidad
o proceso

Pasos aseguir Comentarios / Ejemplos

1. Identifique la poblacinque nos
interesaaclarar oestudiar. Usamos
el muestreo cuandotenemos msde
30casos. Delocontrario, podramos
usartoda la poblacin parasu anlisis
oemplear tcnicas de muestreo de
pequeas muestras. Paraaceptaro
rechazar un lote(muestreo deacepta-
cin) utilicetablas estndar.
Ejemplo: unapieza importante que necesitamos
parafabricar un produco debe medir 1.25 pulgadas,
con unatolerancia de+-0.005. Estamos probando
unaherramienta nuevae hicimos 300piezas.Asi
queenestecaso nuestra poblacin es300. Con
quconfianza podemos asegurar el resultado?
Qu decisiones podremostomar?.

2. Determine el nivelde confianza Por logeneral, utilizamos niveles estndarylos

requerido. Este represena laproba - expresamos en porcentaje:tpicamente, 90%,95%
bilidad dequelos resultados que 98%, 99%,o99.9%.Eligimos enestecaso un95%.
obtengamos con las muestras
sean igualesa losdetoda lapoblacin.

3.Toma preliminar dedatos realeso Obtendremos una muestra de25o30datos,o bien,

histricos. Podemos tener dedos datos histricos loms representativos posible, para
tipos: darnos unaidea inicialdel comportamiento.

Datos Continuos o mediciones. De Enelejemplo, medimos 25 piezasysacamos la

estos necesitaremos sacar sudes- desviacin estndar que resultaser=0-0026
viacinestndar (s). pulgadas.

Datos de proporciones expresados Histricamente, obtenemos queelporcentaje de

comofracciones o porcentajes. De reprocesos en laplantaesde un4.3%.
stos necesitaremos la proporcin(p). p =0.043

4. Establezcaelerrortolerable para Datoscontinuos: Elerrortolerableesde0.001 pul-

el resultado quequeremos estimar (E). gadas(es ladcia partede latolerancia). Proporcio-
nes: queremos queelresultado sea precisoen un+-2
5.Saque elfactorZ oequivalente de (0.02como proporcin)
confiabilidad deacuerdo con la
distribucin normalyconlo definido Nivel confianza ValordeZ Nivelconfianza Z
enelpaso2. 90% 1,645 99% 2,576
95% 1,96 99% 3,291
98% 2,326
 51

6. Deinaeltamao demuestra, cuantas Datos: pagina2de3

unidades debemos tomar.
n=tamao de muestra =?

Datoscontinuos: Z= 1.96 ver paso5

s=0.0026 ver paso3
E=0.001 ver paso4
n= Z x s
E
n=( 1.96X0.0026) = 5,096
0,001

n=5.096X 5.096 = 25.969

Redondeamos haciaarribayn=26. Enestecaso,

solo nosfaltar medir una pieza ms, puestoqueya
hablamos medido25.

Datosde proporciones: Datos:

n=tamao de muestra =?

n = p(1- p) Z Z=1.96 E= 0.02

E p= 0.043
n=0.043X (1- 0-043)X(1.96/0.02)X(1.96/0.02)
n=395.2 ,loredondeamos a396

7.Toe una muestra de nelementos Utilice unatablade nmeros alazar o un paquete

alazar. Cada unidaddebetener la estadstico. Enexceluse ,lafuncin RAND() para
misma probabilidad deser seleccionada obtener una lista. Enestecasoesde26 nmeros.

0,071837
0,594704
0,796351

Unaforma desacarcules unidades sern seleccio-

nadases multiplicar cada numeroalazar porel
tamao de lapoblacin. Enestecaso:

0.071837 X 300=22seleccionar launidad22

0.594704 X 300= 178seleccionar la 178
yasi sucesivamente.

8,Obtenga los resultados deseados Datoscontinuos:

evaluando las unidades d lamuestra,
los ms comn paradatoscontinuos es
obtener elpromedio yla desviacin
estndar. Paraproporciones, elporcen-
tajeoproporcin.
Promedio dedimensiones de las piezas= 1.253
Desviacin estndar = 0.0026
Datosdeporporcin:

Elporcentaje de reproceso obtenidode la muestra

de 396 piezasalazarfuede4.9%.
 52

9. Establezca elintervalo deconfianza.

Paradatoscontinuos: Parasaberquvaloresvaafluctuar oqu mnimoy

mximo podemos esperer delcomportamiento dela
A) primerosacamoselerror estndar: poblacin.

E= s E = 0.0026 = 0,00050991
n 26

B)luego lomultiplicamos porZ. Eneste Z =3,291 (detabladeelpaso3)

caso, usaremos un nivelde confianza Entonces, 0.00050991 X 3.291 = 0.0001678
del99.9%

C)Al promedio lesumamos elvaliry Limitesuperior 1.253 +0.001678= 1.254678

obtenemosellimitesuperior.Alprome-
dio le restamos elvalory obtenemos Limite inferior 1.253 -0.001678 =1.251322
ellimite inferior.

D)Concluimos que hay un99.9%de Como laespecificacin es 1.25 +-0.005,tenemos,

confianza enque losvalores de la Especificacin Real
poblacin anden entre ambos limites. Mnimo 1.245 1.251322 Nose saldr
Mximo 1.255 1.254678 Nosesaldr

Datos proporcionales:
Recordaremos que pera un4.9 %osea 0-049
A) Saqueelfactor de proporcin

ZX P(1-P) Factor= 3.291x 0.049(1-0.049) =0.010848

n 396

B)A plesumamos elfactoryobten - Limitesuperior= 0.049+0.010848= 0.059848

dremose limitesuperior. A pleresta- Limite inferiro= 0.049 -0.010848 = 0.038152
mosellimite inferior.

C) Concluimos que hay un99.9%de Elporcentaje de reprocesoest entre3.8152%y

confianza enqueelvalor realande 5.984%con un99.9%deconfianza.
entreambos limites.

*La nueva herramienta produce piezas buenas pero

10.Tome ladecisin correspondiente cargadas hacia arribade lanominal.
ajusteelequipo o herramienta ,haga
cambios de material.Acepte la *EIporcentaje de reproceso est arriba del histrico
medicin comovlida. perodentrode loesperado (entre loslimites).

Qu hacer 1.Asegrese que lamedicinescorrecta.2.Tenga claro losobjetivos desde

el principio. 3.Acuerde niveldeconfianza conelcliente .4.Tenga en cuenta
loscostos.
1. Noseleccione una muestra representativa yalazar.
Qu nohacer 2. Establezca nivelesdeconfianzayerror arbitratiamente.
3. Olvidequetrabajamos conestimaciones
 53

Herramienta:
Estudiosde Repetitbilidad y pagina 1de2
Reproductibilidad R&R
Etapasenquese usa Propsitos/ Resultados esperados Quienla aplica

Aclarar Determinar si las mediciones realizadas Ingeniero de

a unporducto sonconfiablesy calidad
consistentes.

Pasos aseguir Comentarios / Ejemplos

1. Seleccione un instrumento de me - Estudiaremos tantoelinstrumento ogage (cuyavaria-

dicin, que normalmente se use para
medir determinada pieza.Tome 10de
estas piezasyelija adoso ms perso-
nasque medirn las mismas.Codi-
fique laspartesasignndoles un nmero
o letra.
cin llamamos repetibilidad), como lasvariantes enel
mtodo de medicin (reproductibilidad).
Seleccione piezasde lasque ms se produzcanyal
personalqueen realidad las mide (les llamaremos
inspectores).

2. Cada persona mide las 10partes,3 Vaya dando laspiezas de unaen unaenformasaltea-
veces cada una.Tome losdatos en un daycambiando elorden. Eviteque las los inpectores
formato, noalavistadeellos. secopien los resultados.

3.Codifique losdatosdetalmanera que Siestamos midiendo unadimensin de3.78, las

manejemos numerasenteros. lecturasandarnen 3.77 ,3.80 yotrosvalores simi-
lares. Podemostomar como referenciacero,elvalor
central,ycodificamos losdatoscomo-1+2 ,etc..

4. Calcule los rangosentre las lecturas

de lamisma pieza paracada inspector.

Rango =Valor mayor- menor

sesuman los rangos totales

Sedivideel rangoentre 10para obtener

el rango promedio.

Repita laoperacin paracada

inspector.
 54

Pgina2de2
5.Calculeelpromediodelas mediciones Ennuestroejemplo,sumamostodoslosdatosdel
primerinspector (respetando elsigno)obteniendo:

Sesumanlosdatos Sumaparaelprimerinspector =13

Sedividenentrelacantidaddedatos. Promedioes=13/30=.43333

Hgaloparalosotrosinspectores.
Lospromediosson:.0394y0.235

Enelpaso4obtuvimos lossiguientesrangos:1.6, 2.4

6.Calculelarepetibilidadoerrorde y 1.9.
medicinatribuiblealinstrumento. Sumaderangos=1.6 +2.4+1.9=5.9

Sesumanlosrangospromedios(obteni-
dosenelpaso4).

Sedividenentrecuantosson.

7.Calculelareproductibilidadoerrorde
medicinatribuibleal inspector.

Resteelpromedio m+asgrando(obteni- Xdif=0.4333-0.235=0.1983

doenelpaso5)delmenor.

8.Definalosvaloresdelasconstantes Comohicimos3intentos,entoncesconsultandola
k1yk2,aserusadasenlaobtencin tablatenemosque:
delndiceR&R.
k1=3.05
k2=2.7
9.Aplique laformuladelndiceR&R

R&R =(RK1) + (Xdifk2) R&R= (1.966 * 3.05 )+ (0.1983 * 2.7) = 6.02

10.ObtengaelR&Rcomoporcentajedel Enelejemplo,ladimensn medidatieneunatoleran-

rangodetolerancias. ciade+-0.06 Comoestamostrabajandoconlos
valoresencentsimas, latolerancia =12.

R&R %= (R&R)*100 R&R%= (6.02)*100 50,16

tolerancia 12

11. Utilicelosindicesparamejorar.El Elejemplo Salielevado.Analizandolos resultados

mximoaceptables30%. Analiceen vemosqueesporelinstrumento (repetibilidad = 1.96
dndeestelproblema. contraslo0.1983de reproductibilidad).

Quhacer 1. Utiliceinstrumentoscalibrados.2.Silarepetibilidad resultaalta,verifiqueo

cambieelinstrumento.3.Silareproductibilidad resultaalta ,estn-
daricelatcnicademedicin.
1. Dejarquelosinspectoresmidanlastrespiezasconsecutivamente.2.Reali
Qunohacer zarajustesalinstrumentoduranteelestudio.3.Nocorregir lasanomalas
detectadas.
 55

Herramienta: Pagina 1de2

Estudiode habi idadde proceso
Etapasenquese usa Propsito/ Resultados Quin laaplica
Aclarar Medirelpotencial deun
proceso paracumplir con Ingeniero operacionales
unaespecificacin dada.
Evaluaryconfirmar efec
Modificar tividiad decambios o Ingeniero operacionales
mejoras a un proceso.
Pasos aseguir Comentarios / Ejemplos

Para poderdeterminar su un proceso Ejemplo: Enun proceso de produccin de caracteres

puedeo nocumplir concierta toleran - seconcidera critica su longitud .La especificacin
cia necesitamos determinar siesestable. marca 30+-20mm.
Paradeterminar laestabilidad:

1. Tome 50datos de lacaracteriztica: Datostomados del proceso

*A intervalos regulares de tiempo 30 38 31 35

* Sin hacercambios durante ese 24 33 25 34
periodo. 31 18 36 40
* Bajo las mismas condiciones de 25 34 38 36
temperatura, mismooperario, mismo 28 40 29 23
lotedematerial. 34 24 30 39
Tomados porla misma personae 45 35 31 29
instrumento. 41 39 32 32
30 28 24 26
25 42 33 30
2. Grafique los puntos individuales
y consecutivos.

3.Observe lagrfica .Si muestra Grfica de valores individuales

tendencias, ciclos, msvaloresen

lasorillasquealcentro,el proceso 'W *r V v V
noesestable.

4. Calcule ladesviacin estndar de

losdatos. Si haydos oms veces
queexcedan tresveces ladesviacin
estndar arriba oabajodel promedio Lagrfica eneste cado aparece estable.
es unsntomadeinestabilidad.
Media 31,54
Limites naturales: promedio +-3 Desv.Std. 5,2962
Lim.Sup.s 47,4285
Siel porceso noesestable, tendremos Lim.Inf.S 15,6515
queanalizarlo paraencontrar las
causas, seguiradelante conelestudio Veamos queen losdatos no hayvalores mayores
no nosarrojar informacin confiable. que47.4 nimenores que 15.6 .Nohaysignos
 56

Pagina 2de2
1. Unavez quetengamos datoses- Ennuestrocaso,tememos quelaespecificacin nos
tables, podemos calcular el ndice de marca30 +-2 0 . Ellimite superiorsera30+20 =50
habilidadde proceso: yelinferior sera 30-20=10.

Tolerancia= 50-10=40 mm
A) Restar laespecificacin:
superior- inferior 6Xs=6X5.2962=31.7772

B) Multiplique ladesviacin estndar Cp=Tolerancia/6s=40/31.7772=1.258

por6.
Conculimos queeneste ejemploes porcesosi es
C) DividaelpasoA entreel B.El capazdecumplir conlatolerancia.
resultadoseraelndice deCp.

2. Interpretacin delndiceCp. n - r p l I >!'ts Ji-icr-JitU.J

SielCpes menorque 1,el proceso
noescapazohbil.
SiesCpes iguala 1,elproceso es
capaz pero setiene que mantener
centredo para evitar defectos.
SielCpes mayor que 1,el proceso
seconcidera capaz.

jBRl
Podemos utilizar unagrfica de
frecuencias (histograma) para re-
presentar elproceso. Cada barra
representa lacantidaddepiezasque
cayeron encadadimensn.

3. Existeotro ndice llamado Cpk. Para asegurar queelproceso adems de ser capaz
Podemos calcularlo determinando est centradoenelvalor nominal,pdeos calcular el
cuale esel menor resultado de ndice Cpk.
lasdossiguientesfrmulas.

Cpu Limite Supdeesp- Media Cpu= 50-31.54 = 1,1618

3X Desviacin estndar

Cpl = Media- Limite Infdeesp. Cpl= 31.54-10 = 1,3356

3X Desviacin estndar 3X5.2962

4 Interpretacin de ndice Cpk.

SielCpkesmenorque 1,el porceso
noescapaz ohbil.
SielCpk esiguala 1,el proceso
es capaz pero setiene que mantener Elmenor de losdoses Cpk 1,1618
centrado para evitar defectos.
SielCpkesmayorque 1,el proceso
seconcidera capaz.

Qu hacer 1. Asegrese dequeelequipo ylastcnicas demedicin son confiables.

2. Explique alpersonalelpropsito delestudio paraquesetrabaje normalmente.
Quno hacer 1. Hacerajustesenelproceso ocambiosde material uoperariodelatoma de
datos.2.Pensar enqueelproceso sera estable ycapaz para siempre.
 57

5.4. Herramientas para estudiar

Es en esta etapa en la que se requiere una mayor cantidad, variedad y

profundidad de mtodos y tcnicas que nos ayuden a desentraar los misterios
ocultos en nuestros procesos. Desde una simple observacin de los hechos en el
lugar en el que ocurren, hasta los ms sofisticados mtodos de diseo de
experimentos, elobjetivo primordialque buscamoses encontrar:

Lavariable ofactorcritico parael buenfuncionamiento deunproducto.

Lascausasderazdelosproblemas delproceso.
Lasdiferencias orelaciones entredosomselementos, materiales,tratamientos o
proveedores.
Losfactoresque noinfluyen paradescartarlos olimitarsucontrol.

El diagnostico es un aspecto sumamente importante. Si lo hacemos mal,o nos lo

brincamos, despus sufriremos las consecuencias, ya que no detectaremos el
problema y nos quedaremos como al principio. Pero si lo ejecutamos de manera
ordenada y metdica, por medio de un ciclo bien definido, seguramente
lograremos encontrar lasrespuestas que buscamos.
 58

Herramienta: Pgina1 de2

AnlisisdePareto
Etapasenqueseusa Propsito/Resultadosesperados Quienloaplica
Estudiar Categorizarlossntomasoproblemasde Todoel
acuerdoconsuimportancia personal
Modificar Evaluarlaefectividaddeloscambios Todoel
omejorasrealizadas. personal
Pasosaseguir Comentarios/Ejemplos

1.Describalasituacinoproblema Partadeunanlisisdeposiblescausas
aanaliza. osntomasdelmismo.Ejemplo:quejas
declientes,incumplimientodeentregas,
demorasdeproceso.

2.Desglocelosincidentesoproblemas Porejemplo,enunaoperacinde -
especficosquecontribuyenalasita- moldeotenemosquelasquejasdelos
cinaanalizar. clientessonporlosiguiente:

Roscaequivocada Faltainformacin
Resinaequivocada Faltadedibujo
Aislantequebrado Dimensinfuera
Orificiopequeo Diferenciadibujo
Moldemalarmado Candado
Mezclado Pandeo
Malidentificado Aislantes
Malformado otros

3.Recolectedatoshistricosopor
muestreoparacuantificarlos Contabilicecantidadesdepiezas(se -
problemas. puedehacertambinporcosto,vecesque
ocurre,etc).

4.Ordenelalistademayora Silohacemosenlacomputadorapode-
menor. mosusarlafuncindeordenar(sort)
paraacomodarlos.
 59

Pgina2de2

5. Obtenga los porcentajes decada

defectooincidente.

6. Haga unagrfica debarrascon base

enestos resultados Podemos tambin
graficarelporcentajeacumulado, como
una linea. Enestecaso seutiliz el
ejeverticalizquierdo parlas cantidades
yelderecho para los porcentajes.

GRFICA DE PARETO

100 %
90".
80
7.Ataque labarra mayor,siesnece-
sario, realizando otro Pareto msa 'O*.
t>o* 3
detalleeinvestigando lascausas para
iO't |
atacarlas.
40. <
10.
O't
8. Unavezquese realizaron las acciones I0c
J* rv >-- ^sl O
de mejora,vuelvaahacerelPareto para - t C **> **
0*
confirmar,yataque lasiguiente barra. A B C D J F G H I K E L M N O P
D e f e <t o *

Qu hacer 1.Asegresedeque lainformacin escompletayprecisa.2.Visiteel proceso

o rea delproblema. .3.Busque la participacin del personaldelreaen
cuestin.4. Publique el Pareto.
Qu nohacer 1. Suponer que lascategorasodefectos estnclaramente definidos.
2. Realizarlo con informacin de unda.3. Quedarse sloenlaprimera barra.

Etapasenquese usa
Estudiar
Pasosa seguir
1. Plante lapregunta odudaa resolver
estableciendo ququeremos comparar.
2. Escriba lahiptesis numa.Aqui deci-
dimos que losfactores que estamos
comparando (que pueden serdos
seriesdedatos entresi ocontra un
valordefinido) sontan parecidos que
losconsideraos iguales.
3. Formule la hiptesis de prueba
o altema.Aqui decidimos que loque
estamos comparando es diferente
( o bien mayorqueo menor que)
4. Seleccione la prueba dedatos.
5. Realice la recoleccin dedatos.
6. Determine el%deerror tolerable
parafinesde la prueba (llamado
"nivelde significancia).
Si restamos 1-a obtendremos
loque llamamos" niveldeconfianza"
7. Procese losdatos para encontrar
elvalordecomparacin, llamado
estadstico ,atravs desufrmula
o utilizando un paqute computacional
(este es llamado valor experimental)
60
Herramienta: Pgina 1de2
Prueba de hiptesis
Proposito/ Resultados esperados Quien la aplica
Analizar ycomparar datosde desempeo Black Belt,
paraencontraroconfirmarsuscausas. ingenieros
Establecer si los resultados sedeben al Black Belt,
azaro puedenatribuirse a unfactor ingenieros
dado.
Comentarios / Ejemplos
Ejemplo:" Existe unadiferencia significativa entreel
materialdelproveedor ayeldel proveedor b?
"Lasdiferencias en resistenciaa latensinente los
dos materiales sondebidas alazar. Nohay diferencia
significativa entreambos".
H0:X1=u
dondeu puede serelpromedo de resultado de un material
o unvalordefinido.
"Lasdiferencias de resistencia a latensin entre los dos
materiales sondebidas al material.Si hay diferencia
significativa entreambos".
H1:X1 *v
Vea latabladeseleccin de pruebas (Anexa).
Vea laherramienta "muestreo"
Existen dostiposdeerrores:
Tipo I: Rechazar la hiptesis nulacuando en realidad
escierta. Le llamamos error alfa:a .Lo medimos en
porcentaje ofraccin. Ejemplo: 5%o0.05; estoequiva-
leal95%o0.95 deniveldeconfianza.
Tipo II: Aceptar la hiptesis nulacuando en realidad
esfalsa. Lellamamos error beta.Lo medimos tambin
en porcentaje osufraccin.
El usode paquetes comput es recomendable parla
facilidad desu uso, prevencin deerroresyprecisin.
 61

8.Calculelosgradosdelibertada Veatabladefrmulasyejemplos Pgina2de 2

travsdesufrmuladeacuerdoconel depruebas.
tipodeprueba.

9.Determineelvalor(llamadovalor
critio)contraelcualsevaacomparar
elestadstico.
Tradicionalmenteseutilizantablasdevalorespara
lasqueserequiereconocerdichovalor.Para
obtenerlo,senecesitandosdatos:
A)Elniveldesignificancia;ejemplo:0.05
B)Losgradosdelibertad;ejemplo: 24.
Sepuedeobtenertambinatravsdeunpaquete
estadsticoodelasfuncionesdeExcel(vertabla
defrmulasdepruebas).

10.Determineculhiptesisfue Estoserealizacomparandoelvalorcriticoobtenido
aceptada enelpaso9contraelvalorexperimentalobtenido
enelpaso7.Sepuedenhacervariaspruebasredu-
ciendoelniveldesugnificanciaolacantidadde datos,
parafinalmenteestablecersiseaceptaorechazaI
lahiptesisnula.

11.Tomarladecisincorrespondiente Confirmarodescartarelfactorofactoresqueson
deacuerdo conelresultado causalesdeldesempeodelprocesoanalizado.

1.Tomemuestrasrealmenterepresentativasyaleatorias,suficientespara
sustentarunadecisin.2.Observelosdatosantesdeaplicarunaprueba,veaqu
Quhacer nosdicenporsimismos..3.Utilicepaquetesyayudasestadsticascuandosea
posible.4.Confirmequeladecisintomadasicondujoauncambioelmismo
fueefectivo.
1.Asumirquelosfactoresovariablesanalizadosdeunoenunoode dosendos
sevanacomportarigualqueyainteractuandoonmsfactores.
Qunohacer 2.Notomarencuentaotrascondiciones(medioambiente,tiempo.otrasvariables)
quepuedaninfluirenelresultado.3.Queelpersonalresponsablenoest
involucradooquenosetomenencuentasuspuntosdevista.
 62

5.5. Herramientas para modificar

Una vez que hemos estudiado y analizado la situacin que nos interesaba
mejorar, esperamos llegar a una etapa de accin, en ella, va a ser necesario
aplicar losconocimientos queganamos durante lafaseanterior, de maneraqueno
sequeden solamente como conceptos tericos y puedan ayudarnos a resolver los
problemas. Recordemos, a manera de resumen, las herramientas que mas tiles
nossern para lograrestepasde loidealaloreal.

Estrategias para actitudes

Seria muydifcilexagerar la importancia quetiene lograr lacolaboracin detodoel

personal involucrado en cualquier cambio, a travs de un ambiente de trabajo en
el que prive el respeto, la comunicacin y la flexibilidad para adaptar las ideas a
loshechos.

Si nuestro plan de cambio no toma en cuenta ni prev estos aspectos, ser muy
difcil que estos prosperen.Aqu, la herramienta se traduce ms bien en un estilo
de liderazgo ycomunicacin abiertos, cercanos y propiciadores de la creatividad y
delcompromiso.

Secuencia de estandarizacin

Todo plan que implique la superacin de una organizacin o de alguno de sus

procesos, requiere ir colocando cuas, cuando el nivel de competitividad es
mejorado, ya que de no afianzar bien los logros,estos pudieran venirse abajo. La
estandarizacin y documentacin eslabonada de las mejores prcticas es un
aspecto crtico, que se tiene que tomar muy en serio y seguir de manera muy
disciplinada.
 63

En el cierre de ciclos, dejamos entonces la puerta abierta para seguir mejorando

por medio de los procesos de requerimiento o benchmarking que nos retaran a
seguir adelanteen labsqueda interminable delamejora.
 64

Herramienta: Pgina 1de3

Grficas de control
Etapas enquese usa Propsito/ Resultados esperados Quien laaplica
Asegurar unbuen monitoreoal Personal
Modificar proceso demaneraquese mantenga operativo
bajocontrol.
Pasos a seguir Comentarios / Ejemplos

1. unavezqueel proceso demostr Ennuestroejemplo,tomaremos elnvel quedebe tener

ser tanto establecomo predecible undeposito de liquidofundente, elcual hemos
(ver herramienta capacidad de determinado debeestaren unvalor nominalde5 -
procesos) puedeser aplicable centmetros dealtura.
construir unagrfica decontrol para
mantenerlo adecuadamente. Para
construir lagrfica primero identifique
lacaracterstica asercontrolada.

2. Determinar eltipo degrfica aser
utilizadadependiendo si losdatos
son poratributo (bueno malo) ovariable
(medicin).Vertabla defrulas degr-
ficasmscomunes enlaque detallan
sus caractersticas tpicas.
Eltipo dedato queestamos evaluando esvariable, puede
ser medido en unascalacontinua, por lotanto,viendo
lascarcter]sticas de losdatosdecidimos utilizar una
grfica decontrolde romediosyrangosya uenos
interesacontrolartantoa posicindel nveldel liquido
comosuvariabilidad.

3.Sdefinednde ,cundoycuntos Dnde: Enelrecipiente de laestacin detrabajo.

datostomar, esdecir, un plande mues- Cuando: Cada doshoras.
treo. Podemos basarnos en herramienta Cuntos:Tomaremos cinco lecturas (para hacer
de muestreodisearelplan balanceado subgruposdecinco).
locritico delavariableconelcostoy
tiempo detomar losdatosygraficarlos.

4. Identificar ytitular grfica Iniciar la Grficadecontrolde promedios y rangos

toma dedatos Fecha:Abril3,2003 Dimetro Unidades:cmsTurno1

Muestra 7:00 AM
1 4
5.Obtener losdatosdel primer subgrupo 2 5
Sacar elvalor centraly, dependiendo del 3 4
tipodegrfica, lavariabilidad. Enel 4 3
casode lasgrficas de promediosy 5 6
rangos: paraelpromedio,sesuman suma 22
losdatosysedividenentre lacantidad promedio 4,4
de los mismos. Parael rango ,se rango 3
resta el mayor menoselmenorde los
datos.
 65

6. Repetirelpaso 5para los siguientes Pgina2de3

subrupos,calculando los respectivos
valores. Cuando se lleguea20 subgrupos
estaremos en posicindecalcular los
limites decontrol de proceso.

7.Calcular los limites decontrolen base

a lasfrmlas deacuerdo altimpo de
grfica yutilizando losvalores de las
constantes queyaestn definidas de
acuerdo altamao ocantidad dedatos
delsubgruo (ver tabla defrmulas).
Enelcasode lagrficade promedios,
la lineacentralde lagrfica se dibujara
a laalturade controlsuperior e inferior
sumndole yrestndole aste unfactor
(laconstanteA2 porelgran rango).
Enelcadode lagrfica de rangos,la
lineacenralde lagrficasedibujar Grfica d e control d e p r o m e d i o s y rangos
a laalturadelgran rango,ylos limites Fpcha Abril i. 200i Dimetro Unidades i r m Turno 1
decontrolsonobtenidos de multiplicar ;
decho rango porconstantes (D3y D4).
b. _

5-
8. Enbasea losdatos, establecer
unaecaladecuada paraque lagrfica 4-
seavisibleygraficar lospuntos. Eneste
i-
caso los puntossern lospromediosy
rangosde lossubgrupos. ?
7 00 a m 9 00 a ni 11 00 a m 1 00 a m i 00 a m

9. Interpretar lagrfica. Las siguientes

condiciones denotan unproceofuera Rangos
decontrol estadstico:

1. Unpuntocaefuerade loslimitesde 5
control.
4.
2. Hay7pts.Seguidos enel mismo
lado(arribaoabajo). 3.
3. Hay7pts.Seguidos quesuben o 2
bajan.
1.
4. Dosde3pts.consecutivos enel mismo
ladoyfuera de lazona de+/ -3sigma. o!
5.4 de5pts.Consecutivos enel mismo / 00 a m 9 00 a m 11 00 a m 1 0 0 a m 3 0 0 a m
ladoyfuerade lazona de+/ -3sigma.
 66

6. Cualquier otro patrn noalazar como

ciclosotendencias.
Tomar accin sobre el proceso solamente
cuando estfuera decontrol.

10. Sielprocesoestuvo bajocontrol,

continuar utilizando los mismos limites
en lossiguientes dias.

1. Esimportantsimo queseantoten alreversode lagrfica loscamibos que

Qu hacer se realicen alproceso,que pudieranafectara (como referencia). 2. Tomar
oportunamente acciones cuando sedetecte unacondicin fuera decontrol.
1. Llevar lagrfica solamente por rutinayno utilizarla paratomar decisiones.
Qu no hacer 2. Instalar lagrficayolvidarse deella .3 Nodarentrenamietno al personal
que ladebe utilizare interpretar. 4. Realizarajustes constantemente al proceso
si noestfuera decontrol.
 67

Herramienta:
Listasdeverificacin
Etapasenqueseusa Propsito/Resultados esperados Quienlaaplica
Aseurarquelosparmetrosocondiciones
Modificar deunporcesosemantenganestanta- Equipo
rizados. opcional
Pasosaseguir Comentarios/ Ejemplos
1. Unavezquelosparmetroso
condcionesdelprocesoestnde-
finidos,puedeseraplicablecons-
truirunalistadeverificacin.
Iniciamosdefiniendoelproceso
enelcualnosenfocaremos.

2. Enlistar losparmetrosocondi- Temperaturade550a570gradoscentgrados

cionesquedeseamos mantener,
yenqunivelesorangosdebe.
mosdeandar.Tenerclaraslas
unidadesdemedicina utilizar.
3.Sedefinelafrecuenciaenlaquese
harlaverificacin,asicomolas
estacionesdetrabajooequiposquese
revisarn.
Concentracindefundente:Entre 1.3y 1.7
Voltaje:Entre45y55volts.
Limpiezademateriales:Sincontaminantes.
Tiempodeprecalentamiento:5segundos
Tiempodesoldadura:15segundos.
Tiempodeenfriamiento:20segundos.
Serealiarlaverificacinunavezporturno,encada
estacindetrabajo.

4. Disearunformatoenelqueanoten
lospuntos2y3.Estopuedesercol-
candnosenlacabezadelascolumnas
yrenglonesdenuestroformato;aplicar
lacreatividad

5. Ejecutarlaevaluacinconlafre-
cuenciaestablecida. Reportardeinme-
diatocualquieranomala.

6.Analizarsiexistealgnpatrnde
comportamiento,oserepitemuchoun
tpodeproblema,analizarlo msa
fondo involucrandoalosresponsables.

1. Queparticipen losinvolucradosenelproceso.
2.Evitarserdeasiadogenrico,serespecificoenlas
Quhacer caractersticas criticasdelproceso.3Queelmuestreo
searepresentativo.4.Manteneractualizadas lalistaal
habercambiosenlosprocesos.
1. Hacerlosolamenteenelprimerturnooenciertas
condiciones .2.Archivarlosresultadosynocomuni-
Qunohacer carlosoutilizarlosadecuadamente.3.Quese -
conviertaenunarutina.4.Utilizarequipodemedicin
descalibrado onoconfiable.
 68

CAPITULO VI: Determinacin deIsigma oerrores producidos deuna

empresa tipodeedificacin devivienda enlaCD.DeChihuahua.

6.1. Descripcin deldesarrollo yde lavivienda

Esunfraccionamiento privado ubicadoalnortede laciudaddeChihuahuael

cualcuentacon 100viviendas tipo94 lascualessepuedeapreciar susiembra
ellapagina69enelplanodelotificacin.

Estnconstruidas en unade los lugares con mayor plusvala delaciudadde

Chihuahua.

Lascallesestn hechas abasedeconcreto hidrulico dndoleconestoun

valor agregado alfraccionamiento.

Sonviviendas detipomedio residencial con unasuperficie deterreno promedio

de 150m2de loteenelcualsedesplanta unaconstruccin de94m2
distribuidos endosniveles.

Lacasacuentaenplanta bajaconespacio paradosautos,pasillodeservicio,

patio posterior, medio bao,salacomedor, cocina con lavandera integraday
en plantaaltatenemos unbao,dos recamaras ylarecamaraprincipal.
 69

6.2. Ubicacin y plano de la vivienda

FRACCIONAMIENTO
ENESTUDIO
 70

6.3. Plantasarquitectnicas de lacasatipo

COLINDANCIA

Plant bajas/e
T-T r
i i i
i i i
i i i
 71

Plantaaltas/e
 72

6.4. Tipos de defectos

TIPO DE DEFECTO

Estructural
Inst. hidr
Instsanit
Instgas
Instelectrricas
Acabados interiores
Exteriores
Impermeabilizacion
Cancelera
Banquetas y guarniciones
 73

6.5. Nmero ytipos dedefectos detectados enlaconstruccin delas 100

casasdel fraccionamiento

DEFECTOS EN en100viv
TIPO DE DEFECTO 284VIVS
% observaciones
(proporcional

Estructural 2 0,70% 1 asentamiento diferencialapenasvisible (grieta45 grados)

Inst. hidr 8 2,82% 3 fugasdetectadaspreviaentrega
Inst sanit 5 1,76% 2 taponamientosdetectadospreviaentrega
Inst gas 0 0,00% 0 serealizalapruebadehermeticidad previaentrega
Inst electrricas 6 2,11% 2 sedetectanpreviaentregaysecorrigen
Acabados interiores 12 4,23% 4 sedetectan previaentregaysecorrigen
Exteriores 18 6,34% 6 sedetectanpreviaentregaysecorrigen
Impermeabilizacion 0 0,00% 0 nosedetectahastaqueestaenusolaviviendayenlluvias
Cancelera 0 0,00% 0 locomnsonvidriosquebradosquesereponenpreviaentrega
Banquetas y guarniciones 6 2,11% 2 sedetectan previaentregaysecorrigen

57 20
Calculo y defectos Seis Sigma

CALCULO DELNDICESEISSIGMA

Funcin Fraccionamiento Fraccionamiento

Producto Casahabitacin Casa habitacin
Defecto Verlista Verlista
No.Dedefectos 57 20
Unidad Cliente Cliente
No.DeUnidades 284 100
No.DeOportunidades 1 1

Indicador Frmula Resultado

DPU=defectospor Defectos/Unidad
unidad es 0,2
DPMC=defectospor DPU*1000000/O
millndeoportunidad portunidades 200000
DPU*100/Oportu
Porcentajedeerror nidades 20%
Tablasde
distribucin
NIVELSIGMA normal 2,341621042

Interpretacin:Comosepuedeobservar enlatablaestapromotora devivienday

constructora delfraccionamiento de 100casashabitacinenlaCDdeChihuahuatieneun
nivelse2.34SIGMA.Estoesseconsideracomounaempresapococompetitivadadoal
nmerodeerroresodefectosensusprocesosconstructivos,locuallallevaatenerdel
ordendel25%al30%decostosporerrorsobreventas.Seconsidera unaempresano
competitiva anivelinternacional,yaqueelpromedioindustrialesten4SIGMAS.
 75

Conclusiones y recomendaciones

Unavez realizadaestainvestigacin quedademanifiestoque"Seis Sigma",esun

concepto, unestigmay/o unametaaalcanzarcomo unaformadellegarala
mejoracontinuayalperfeccionamiento de losprocesos constructivos. Esuna
especificacin muchomsexigentequeelcontrolestadsticodelacalidad.

Seissigma representa 3.4defectos porcada Millndecasasconstruidas,una

meta pordemsambiciosa ennuestromedioymstratndosedelaindustriade
laconstruccin donde seadoleceenmucho paralabuenaadministracin delas
obras.

Delosresultadosdelestudiohaciendo lamedicinen unadesarrolladora de

vivienda"tipo"dellaCDdeChihuahua enunfraccionamiento de 100casas
habitacinseobtuvo unvalorde2.34 Sigmas,considerado nocompetitivo paralos
nivelesinternacionales queindicanqueelpromedio industrialenlos pases
desarrollados esde4Sigmas.

Estos resultados quedan como unareferencia paramedir nuestro desempeo

constructivoenesta partegeogrfica del pas reflejando el largocaminoquehay
que recorrer parasubirestosindicadoresenestesector

Sesugiere para nuevas lneasde investigacin elaplicar estametodologa para

diferentestiposdeconstrucciones y/otamaosdeconstructoras conelobjetode
segmentar mslos resultados

Serecomienda tomarencuentayaplicar las herramientasestadsticasquese

presentanenesteestudioconelfindetener unindicador dedesempeo delas
constructorasyascontarconunparmetro referencialdeinformacinpara
establecer unbenchmarking ycontribuir amejores procesos, mejores
constructoras, mejorsectoryfinalmente unpasmscompetitivo.
 p *-' i- -J i c L A
Bibliografa

Dutka,Alan- ManualdeAMA paralasatisfaccindelcliente- Granica- 1994

Ishikawa, Kaoru- Queeselcontroldecalidad?- Norma- 1985

Davidow,Williamy Uttal,Bro- Elservicio integralalosclientes- Plaza&Janes

Horovitz,Jacques- Lacalidad delservicio- McGraw Hill- 1991

Gustavo,Gutirrez Garza- Aterrizando SeisSigma- Regiomontanas- 2004

G. Bennett,Stewart III- Enbuscadelvalor- Gestin 2000- 1999

Hiebeler, Nellyy Ketelman- Lasmejores practicas- Gestin2000- 1998

Mauricio,Lefcovich- SeisSigma haciaunnuevoparadigma engestin- 2004

Roberto Hernndez Sampieri - Metodologa de la investigacin - McGraw Hill -

2003