Documentos de Académico
Documentos de Profesional
Documentos de Cultura
e-Book
Objetivo
Basándose en lo que cubre este curso, el participante podrá:
Significado de Seis-Sigma
Seis-Sigma representa
una métrica,
Significado de Seis-Sigma
LIE LSE
Producto no Producto no
conforme Producto conforme conforme
OBJETIVO
LEAN S IX S IGMA IN S TITUTE
LIE LSE
Producto no Producto no
conforme conforme
OBJETIVO
LEAN S IX S IGMA IN S TITUTE
0.3 Proceso
σ 3σ
0.2
0.1
0.0
6 7 8 9 10 11 12 13 14
3σ
LEAN S IX S IGMA IN S TITUTE
LIE LSE
±1. 5σ
Proceso
6σ
− 6σ -3 σ 0 3σ 6σ
6σ
LEAN S IX S IGMA IN S TITUTE
LIE LSE
±1. 5σ
Proceso
6σ
4.5σ
DEFINICIÓN OFICIAL
LEAN S IX S IGMA IN S TITUTE
5 6 7 8 9 10
Mal Evaluación
Buen
servicio servicio
Variación
LEAN S IX S IGMA IN S TITUTE
5 6 7 8 9 10
Mal Evaluación
Buen
servicio servicio
LEAN S IX S IGMA IN S TITUTE
0 5 10 15 20 25 30 35 40 45 50
Lanzador 1
y=
LEAN S IX S IGMA IN S TITUTE
0 5 10 15 20 25 30 35 40 45 50
Lanzador 2
y=
LEAN S IX S IGMA IN S TITUTE
Estructura de Seis-Sigma
Proporción estructural
1 Black-Belt/100 empleados (*)
Beneficios
Historias de éxito
(Harry, 1998)
LEAN S IX S IGMA IN S TITUTE
Honeywell
(http://www.honeywell.com/sixsigma/index.html)
LEAN S IX S IGMA IN S TITUTE
Características distintivas
UN ENFOQUE SENCILLO
Entrada
Entradadel
delProceso:
Proceso
Proceso: Salida
Salidadel
delProceso:
Proceso
Proceso:
Acciones
Acciones y objetivosestratégicos
y objetivos estratégicos Obtener los
Obtener los
anuales de la compañía
anuales de la compañía resultados
resultadosesperados
esperados
Seleccionar Seleccionar
Aplicar la Administrar el
los proyectos y entrenar a Aumentar las
metodología proceso de
la gente ganancias
adecuados DMAIC(*) mejora
adecuada
Seleccionar
los proyectos
adecuados
Seleccionar
y entrenar a
la gente
adecuada
Aplicar la
Metodología
DMAIC Enfoque General
y = f ( x1 , x2 ,..., x k )
SBTI, Inc.
LEAN S IX S IGMA IN S TITUTE
Aplicar la
Metodología
DMAIC
DEFINIR (D)
Definir a los clientes y sus requerimientos (CTQs)
Formar el equipo
MEDIR(M)
Desarrollar un mapa detallado del proceso
Evaluar el sistema de medición
Evaluar el estado inicial del proceso (baseline) y su
potencialidad (entitlement )
Identificar entradas y salidas
ANALIZAR(A)
Identificar las entradas críticas potenciales
Determinar las entradas críticas
Encontrar la causa raíz del problema
LEAN S IX S IGMA IN S TITUTE
MEJORAR(I)
Optimizar las entradas críticas
Generar y probar soluciones posibles
Seleccionar la mejor solución
Diseñar un plan de implementación
CONTROLAR(C)
Desarrollar un plan de control y monitoreo
Verificar la capacidad final del proceso
Obtener la aprobación-recibo del dueño del proceso
Elaborar el reporte final / lecciones aprendidas
LEAN S IX S IGMA IN S TITUTE
Administrar el
proceso de
mejora
Elementos
Permanecer enfocado
Revisar avances y remover barreras
Evaluar el impacto real al negocio
Continuamente comunicar los avances
Relacionarlo a la evaluación de desempeño
y proveer reconocimiento
LEAN S IX S IGMA IN S TITUTE
Aumentar las
ganancias
Más de $X p/proyecto
Tiempo 3-6 meses
Beneficios en menos de
un año
LEAN S IX S IGMA IN S TITUTE
2. De gran importancia
(mejoras de 50% ó más en el proceso, $250,000)
CTQs(Como’s)
Correlaciones
de
No. de referencias
Tiempo de lectura
No. de palabras
Relación mediana Calidad
No. de hojas
Relación fuerte
VOC(Que’s)
.....
Ext. Complejo
No complicado
Contrato claro y corto
Lenguaje sencillo
Términos comunes
....
Pocas hojas
Pocas palabras
....
Poco tiempo para leer
Tiempo
Procedimiento
1. En base a la “voz del cliente” obtener sus requerimientos
y evaluar su importancia para el cliente en una escala del
1 al 10.
2. Enlistar los proyectos de mejora y evaluar su relación
con los requerimientos obtenidos de la voz del cliente.
3. Evaluar la importancia de los proyectos por medio del
producto punto entre la relación asignada y la importancia
para el cliente.
LEAN S IX S IGMA IN S TITUTE
Ejemplo
En base a “La Casa de la Calidad” se determinaron los
siguientes requerimientos del cliente y su importancia:
-Reducción de defectos
-Mejora de la confiabilidad del producto
-Mejora del sistema de entregas
-Reducción permanente de costos
LEAN S IX S IGMA IN S TITUTE Requerimientos
Evaluación Importancia para el cliente P P E P
0 Sin importancia r r n r
3 Ligéramente importante o o t e
5 Importante d d r c
8 Muy importante u u e i
10 Crítico c c g o
t t a
Evaluación Grado de relación o o s r
0 Sin relación e
3 Muy poca relación c s a d
5 Poca relación o / u
8 Alta relación n d t c
10 Mucha relación f e i i
i f e d
a e m o
b c p
l t o
e o
s
Importancia 3 10 5 8
Proyectos posibles Grado de relación Evaluación Prioridad
Reducción de defectos 5 10 0 3 139 1
Mejora en confiabilidad 10 5 0 5 120 3
Mejora del sistema de entregas 0 0 10 3 74 4
Reducción de costos 3 3 3 10 134 2
LEAN S IX S IGMA IN S TITUTE
-Objetivos confusos
-Métricas deficientes
-Solución conocida
-Muchos objetivos
LEAN S IX S IGMA IN S TITUTE
Definición de un proyecto
Objetivo y metas
Recursos estimados
Beneficios esperados
LEAN S IX S IGMA IN S TITUTE
Aprobación de Finanzas
Tiempo estimado
LEAN S IX S IGMA IN S TITUTE
Beneficios
Los Beneficios pueden incluir cualquiera de los
siguientes:
Tipos de ahorros
(Snee y Rodenbaugh Jr., 2002)
Suaves
Duros (bottom-line)
Revisiones gerenciales
Little (2002)
LEAN S IX S IGMA IN S TITUTE
Metodología DMAIC
⇒Fases
⇒Herramientas
DEFINIR (D)
Definir a los clientes y sus requerimientos (CTQs)
Formar el equipo
MEDIR(M)
Desarrollar un mapa detallado del proceso
Evaluar el sistema de medición
Evaluar el estado inicial del proceso (baseline) y su
potencialidad (entitlement)
Identificar entradas y salidas
ANALIZAR(A)
Identificar las entradas críticas potenciales
Determinar las entradas críticas
Encontrar la causa raíz del problema
LEAN S IX S IGMA IN S TITUTE
MEJORAR(I)
Optimizar las entradas críticas
Generar y probar soluciones posibles
Seleccionar la mejor solución
Diseñar un plan de implementación
CONTROLAR(C)
Desarrollar un plan de control y monitoreo
Verificar la capacidad final del proceso
Obtener la aprobación-recibo del dueño del proceso
Elaborar el reporte final / lecciones aprendidas
LEAN S IX S IGMA IN S TITUTE
Limites
Limites de
de LIE = 6 horas temprano
especificaci ón
especificación LSE = 0 horas tarde
Tasa
Tasa de
de
defectos
defectos < 3.4 DPMO
Zinkgraf y Snee (1999) permitidos
permitidos
LEAN S IX S IGMA IN S TITUTE
Y= Distancia a la pared
Y= f(x1,x2,x3,x4,x5)
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad
del proceso
C el proceso
EJEMPLO
DEFINIR (D)
Definir a los clientes y sus requerimientos (CTQs)
Los clientes externos son cinco fabricantes de automóviles en
Estados Unidos y Europa. El cliente interno es Operaciones
Árbol de CTQs
Poros (cero)
Porcentaje de Dureza (entre 1-3 Rc)
rechazo interno Fugas (cero)
(Y=D/T) Incompleto (cero)
Fracturas (cero)
CTQs
Operaciones
Lote completo,
On-time empacado y embarcado
shipments un día antes de la fecha
(Y=ET/TE) prometida
DEFINIR (D)
Definir a los clientes y sus requerimientos (CTQs)
Formar el equipo
% de rechazo interno
9 Jun
Abr Ago Sept
8
Feb Jul
7
% Rechazos
Mar May
6
4 Ene
Nov
3
2 Dic
Index 2 4 6 8 10
LEAN S IX S IGMA IN S TITUTE
8
_
X=6.636
6
4
5 LC L=3.445
1
2
1
1 2 3 4 5 6 7 8 9 10 11
O bser vation
4 U C L=3.921
3
M oving Range
2
__
M R=1.2
1
0 LC L=0
1 2 3 4 5 6 7 8 9 10 11
O bser vation
LEAN S IX S IGMA IN S TITUTE
X=8
7.5
LC L=5.72
5.0
2.5
0.0
Cambio significativo a partir de Feb.
1 2 3 4 5 6 7 8 9 10 11
O bser vation
1 2
4.8
M oving Range
3.6
U C L=2.801
2.4
1.2 __
M R=0.857
0.0 LC L=0
1 2 3 4 5 6 7 8 9 10 11
O bser vation
LEAN S IX S IGMA IN S TITUTE
100
2000
80
Percent
60
Count
1000
40
20
0 0
a s pl
rez ga r os om rs
Defect Du Fu Po No
- c
Ot
he
Objetivo y metas
Reducir el % de rechazo por dureza inadecuada a no más del 5% del
desperdicio total basado en un comportamiento (entitlement) obtenido
recientemente
Recursos estimados
$200,000 (Materiales, pruebas, personal, simulaciones, tiempo
de producción, sala y software)
LEAN S IX S IGMA IN S TITUTE
Beneficio esperados
De 42.1% (dureza inadecuada) a 5% (meta) la diferencia es 37.1% del
promedio actual de 8% de desperdicio. El nivel esperado de
desperdicio sería 8% - 37.1%(8%)=5.03%. Basado en una producción
mensual de 250,000 unidades, el COPQ esperado mensual sería
0.0503*250,000*30=$377,250 generando $600,000 -$377,250
=$222,750 de ahorro mensual, o $2,673,000 por año. El ahorro del
primer año sería $2,673,000 - $200,000 (gastos del proyecto, ver
recursos)=$2,473,000. Éste es un costo duro (reducción de costos).
Champion (nombre/firma)
J. Moredo
Dueño del proceso (nombre/firma)
L. Moranteso
Black Belt (nombre/firma)
R. Martecas
LEAN S IX S IGMA IN S TITUTE
Tiempo estimado
6 meses
MÉTRICAS
Variable Nombre Obtención Especificación Actual Meta
(Número de múltiples con defectos / Número
Y % desperdicio Cero Prom. 8% 5.03%
total de múltiples producidos)*100
Y1 Dureza Medición 1 a 3 Rc
(No. de múltiples con dureza inadecuada
Y1 Dureza No existe 3.37% 0.4%
/No. total de múltiples producidos)*100
(No. de múltiples con fugas /No. total de
Y2 Fugas Cero 3.00%
múltiples producidos)*100
Prom. 8% de la gráfica de tendencias
5.03%=8% - 37.1%(8%). 37.1%=42.1%-5%
3.37%=42.1% de 8%. 0.4% es 5% de 8%
3% es 37.5% de 8%
LEAN S IX S IGMA IN S TITUTE
GANTT DE PROYECTO SIX SIGMA
Duración Fecha Fecha
Resp. (días) inicio fin
DEFINIR 7
Definir clientes, CTQs y métricas BIN 2
Formación del equipo BIN/ MAR 1
Elaborar el charter y el plan del proyecto BIN / EJE 3
Elaborar un mapa de alto nivel del proceso Todos 1
MEDIR 20
Desarrollar un mapa detallado del proceso Todos 3
Evaluar el sistema de medición BIN / Técnicos 10
Medir el desempeño actual del proceso BIN / Técnicos 6
Revisar y actualizar status del proyecto Todos 1
ANALIZAR 31
Identificar las entradas críticas posibles Todos 10
Determinar las variables significativas Todos 10
Encontrar la cuasa raíz del problema Todos 10
Revisar y actualizar status del proyecto Todos 1
MEJORAR 35
Optimizar las variables críticas BIN / LVC 15
Generar y probar soluciones posibles Todos 10
Seleccionar la mejor solución BIN / Técnicos 5
Diseñar plan de implementación JJO / Técnicos 4
Revisar y actualizar status del proyecto Todos 1
CONTROLAR 20
Desarrollar plan de control y monitoreo JJO / ALS 10
Verificar la capacidad final del proceso JJO / ALS 3
Obtener la aprobación/recibo del dueño del proceso JJO / GFS 3
Elaborar reporte final/lecciones aprendidas JJO / GFS 3
Terminación formal del proyecto Todos 1
LEAN S IX S IGMA IN S TITUTE
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
DEFINIR
MEDIR
ANALIZAR
MEJORAR
CONTROLAR
LEAN S IX S IGMA IN S TITUTE
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad
del proceso
C el proceso
Elaboración
Definir las fronteras del proceso, y usar los siguientes símbolos
como elementos del diagrama de flujo:
7. Indica inspección.
-eliminar pasos
-hacerlos más rápidos
-hacer pasos en paralelo
-reacomodar pasos
-simplificar pasos
LEAN S IX S IGMA IN S TITUTE
Ejemplo
Proceso de fabricación de múltiples de admisión.
1 2 3 4
Precalentar Limpiar Colocar Cerrar
Inicio y alinear
molde molde corazón molde
5 6 7 8 9
Insp. Vaciar Esperar Extraer Limpiar
ensamble
aluminio solidif. pieza pieza
10
Insp. No Almacén
final Defectos Fin
Sí
Elaborar
Reproceso
reporte
LEAN S IX S IGMA IN S TITUTE
Matriz Proceso-Variables
Ejercicio
Inicio
LEAN S IX S IGMA IN S TITUTE
Matriz Proceso-Variables
Paso Proceso Variables
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad C el proceso
del proceso
Definiciones
Sistema de Medición (SM)
Introducción
La calidad de los sistemas de medición es importante
porque las mediciones juegan un papel significativo
en la operación de una planta.
Sesgado Preciso,
no preciso
e insesgado
LEAN S IX S IGMA IN S TITUTE
Propiedades estadísticas
Todos los sistemas de medición deben poseer las
siguientes propiedades estadísticas:
Usos de la evaluación
-Aceptar equipo nuevo.
-Comparar 2 equipos entre sí.
-Evaluar un calibrador sospechoso.
-Evaluar un calibrador antes y después de repararlo.
-Antes de implantar gráficas de control.
-Cuando disminuya la variación del proceso.
-De manera continua de acuerdo a la frecuencia de
medición recomendada en los estudios.
LEAN S IX S IGMA IN S TITUTE
Propiedades reales
proceso en control estadístico
con poca variación y poco sesgo
y discriminación adecuada
Pruebas prácticas
Sesgo Variación Otras
Repetibilidad Linealidad
(Precisión) Discriminación
Reproducibilidad
Estabilidad
LEAN S IX S IGMA IN S TITUTE
Estabilidad
Es el cambio en el sesgo sobre cierto período de
tiempo. Sin evaluar la estabilidad, no es posible
asegurar evaluaciones confiables sobre las demás
propiedades estadísticas.
-1 pieza de ref.
-1 gage
-1 operador
-Mediciones en t
LEAN S IX S IGMA IN S TITUTE
Sesgo
Es la diferencia entre el promedio de las mediciones
hechas por un operario (VP) y el valor de referencia
(VR) obtenido con el master.
1 operador, 1 gage
1 pieza medida
varias veces
1 lectura del master
VR VP
SESGO
LEAN S IX S IGMA IN S TITUTE
Propiedades Estadísticas...
Linealidad
Es la diferencia en sesgo entre el master y el promedio
observado sobre todo el rango de operación del instrumento
(gage). Es el cambio en sesgo con respecto al tamaño de
las piezas. VR2
Sesgo
Sesgo
-Varias piezas
( g ≥ 5 que cubran
el rango del
gage: 1 gage,
1 operador
.....
Se mide cada
una de las piezas
varias veces
VR1 Tamaño 1 Tamaño n (m ≥ 10)
LEAN S IX S IGMA IN S TITUTE
Repetibilidad (Precisión)
VR
REPETIBILIDAD
Causas posibles:
Suciedad, fricción, desajuste, desgaste.
LEAN S IX S IGMA IN S TITUTE
Reproducibilidad
Variación entre sistemas(*) entre las medias de las
mediciones hechas por varios operarios con las mismas
piezas y con el mismo instrumento de medición.
VR XA XB XC
1 gage, 2 ó 3 operadores, 10 piezas
(*) entre métodos, condiciones, equipos, piezas
LEAN S IX S IGMA IN S TITUTE
Ejemplo de RR
Se desea realizar un estudio largo de Repetibilidad
y Reproducibilidad, para lo cual se seleccionaron 3
operadores y un calibrador para medir la altura de
7 flares, cuya especificación es de 2.4 a 2.6 cms.
Dichos flares fueron medidos aleatoriamente tres
veces por cada operador.
LEAN S IX S IGMA IN S TITUTE
Xbp1=(2.6667+2.6433+2.66)/3=2.65667 Rp=Max(Xbp)-Min(Xbp)=2.65667-2.34333=0.3133
LEAN S IX S IGMA IN S TITUTE
2.6
UCL=2.5099
_
2.5 X=2.5002
LCL=2.4904
2.4
R Chart by Operador
1 2 3
UCL=0.02452
Sample Range
0.02
_
0.01 R=0.00952
0.00 LCL=0
LEAN S IX S IGMA IN S TITUTE
X =Xbb=(Xb1+Xb2+Xb3)/3=(2.5029+2.499+2.4986)/3=2.5002
R = Rb(OP)=(Rb1+Rb2+Rb3)/3=(0.0071+0.0157+0.0057)/3=0.0095
Xdiff = Xbdiff=max(Xb1,Xb2,Xb3)-min(Xb1,Xb2,Xb3)=2.5029-2.4986=0.0043
LSC(R)=D4(Rb)=2.58(0.00952)=0.02456 LIC(R)=0 (para 2 y 3 réplicas)
PIEZA
OP Replica 1 2 3 4 5 PROMEDIO
1 21 24 20 27 24 23.2000
A 2 20 23 21 27 23 22.8000
PROM 20.5000 23.5000 20.5000 27.0000 23.5000 23.0000 Xb1
RANGO 1.0000 1.0000 1.0000 0.0000 1.0000 0.8000 Rb1
1 20 22 24 28 19 22.6000
B 2 20 22 23 26 18 21.8000
PROM 20.0000 22.0000 23.5000 27.0000 18.5000 22.2000 Xb2
1 19 23 20 25 18 21.0000
C 2 18 22 19 24 18 20.2000
PROM Xb3
RANGO Rb3
LEAN S IX S IGMA IN S TITUTE
X =Xbb=(Xb1+Xb2+Xb3)/3=
Rb(OP)=(Rb1+Rb2+Rb3)/3=
Xbdiff=max(Xb1,Xb2,Xb3)-min(Xb1,Xb2,Xb3)=
LIC(Xb)=Xbb-A2(Rb)=
LSC(Xb)=Xbb+A2(Rb)=
Promedio de la
LEAN S IX S IGMA IN S TITUTE Rp
PIEZA (Xbp)
Rb (OP)= r= No.répl=
Xbdiff=MAX(Xb)-MIN(Xb)=
No. de parte
Nombre de la parte
Característica
Especificación 20-30
VE=Rb*k1= k1=
k2=
k1=0.8862, r=2 k3=
k1=0.5908, r=3 k1=Inverso de d2 usando m=r
VARIACION DE OPERADORES (REPRODUCIBILIDAD)
VO=Raíz(((Xbdiff)(k2))^2-(VE^2/nr))=
Si VO es negativo dentro de la raíz, hacer VO=0.
VE 2
k2=0.7071 p=2 operad. VO = 2
(( Xbdiff )( k 2 )) −
nr
k2=0.5231 p=3 operad. k2=Inverso de d2*, m=p, g=1
REPETIBILIDAD Y REPRODUCIBILIDAD
LEAN S IX S IGMA IN S TITUTE
RR=Raíz(VE^2+VO^2)=
n k3
VARIACION DE PIEZAS (VP) 2 0.7071
VP=(Rp)(k3)= 3 0.5231
k3=Inverso de d2*, m=n, g=1 4 0.4467
VARIACION TOTAL (TOT) 5 0.4030
6 0.3742
TOT=Raíz(RR^2+VP^2)= 7 0.3534
8 0.3375
9 0.3249
10 0.3146
LEAN S IX S IGMA IN S TITUTE
Var.Parte = TOT 2 − RR 2
LEAN S IX S IGMA IN S TITUTE
REPETIBILIDAD Y REPRODUCIBILIDAD EN %
RR(%)=100(RR/TOT)=
RR(%)=100(RR/TOL)=
VARIACIONDE PIEZAS EN %
VP(%)=100(VP/TOT)=
VP(%)=100(VP/TOL)=
NOTAS RR(%) menor a 10, ok. Entre 10 y 30 depende de la aplicación.
Mayor a 30 necesita calibrarse.
DISCRIMINACION
Análisis de Atributos
El análisis de atributos es la evaluación de un sistema de medición
cuyos datos son atributos de los siguientes tipos:
Ejemplo
continúa...
LEAN S IX S IGMA IN S TITUTE
D-ND significa que el operador dijo que la pieza era D cuando en realidad era ND
LEAN S IX S IGMA IN S TITUTE
Attribute Agreement Analysis for 1, 1_1, 1_2, 2, 2_1, 2_2, 3, 3_1, 3_2
Within Appraisers
Assessment Agreement
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI
1 30 21 70.00 (50.60, 85.27)
2 30 18 60.00 (40.60, 77.34)
3 30 22 73.33 (54.11, 87.72)
Assessment Disagreement
Appraiser # ND / D Percent # D / ND Percent # Mixed Percent
1 0 0.00 1 4.55 8 26.67
2 0 0.00 0 0.00 12 40.00
3 2 25.00 0 0.00 6 20.00
# ND / D: Assessments across trials = ND / standard = D.
# D / ND: Assessments across trials = D / standard = ND.
# Mixed: Assessments across trials are not identical.
Between Appraisers
# Inspected # Matched Percent 95 % CI
30 10 33.33 (17.29, 52.81)
Ejercicio
Se realizó un estudio para evaluar cierto sistema de medición
visual (por atributos) y se obtuvo la siguiente información:
-Operador 2:
-Operador 1:
-Operador 2:
LEAN S IX S IGMA IN S TITUTE
D-ND significa que el operador dijo que la pieza era D cuando en realidad era ND
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad C el proceso
del proceso
Elementos de una PH
α = p(Error tipo I)
α = p(Rechazar Ho Ho verdad)
X − µ0
a ) n ≥ 30 EP: Z = IC = X ± Z α / 2 S
S n
n
LEAN S IX S IGMA IN S TITUTE
Ejemplo
0.6
Valor p (p-value)
0.5 Probabilidad de tener un valor así si Ho es cierta
0.4
0.2
p-value=0.000...
0.1
0.0
0 -4.71 -1.645
(Z0.05)
Como el p-value < alfa, se rechaza la igualdad de los procesos.
LEAN S IX S IGMA IN S TITUTE
X1 − X 2
a ) ( n1 , n 2 ) ≥ 30 EP: Z = 2 2
S 1S 2
+
n1 n 2
S12 S 22
IC = X1 − X 2 ± Z α / 2 +
n1 n 2
LEAN S IX S IGMA IN S TITUTE
X1 − X 2
b1) σ 1 = σ 2 EP: t =
1 1
Sp +
n1 n 2
2 2
( n1 − 1)S + ( n 2 − 1)S
1 2
Sp =
n1 + n 2 − 2
1 1
IC = X1 − X 2 ± t α / 2 , n1 + n 2 − 2Sp +
n1 n 2
LEAN S IX S IGMA IN S TITUTE
X1 − X 2
b2) σ 1 ≠ σ 2 EP: t =
S12 S 22
+
n1 n 2
S12 S 22
IC = X1 − X 2 ± t α / 2 ,gl +
n1 n 2
2
S S
2 2
+ 1 2
n1 n2
+
n1 − 1 n 2 − 1
LEAN S IX S IGMA IN S TITUTE
Ejemplo
Xb(t1)=415.21, s(t1)=0.017
Xb(t2)=415.18, s(t2)=0.018
Ho : µ 1 = µ 2 Ha : µ 1 ≠ µ 2
Ejercicio
Resolver el mismo problema considerando el caso de varianzas
diferentes y comparar los resultados.
Resp.: T-Value = 4.01 P-Value = 0.001 DF = 19. (0.014351, 0.045649). Misma conclusión que el ejemplo.
LEAN S IX S IGMA IN S TITUTE
a ) n ≥ 30 (una proporción)
Región de rechazo de Ho (RRHo)
X − np 0 p$ (1 − p$ ) X
EP: Z = IC: p$ ± Z α / 2 p$ =
np 0 (1 − p 0 ) n n
Ejemplo
Ho : p1 = p 2 Ha : p1 ≠ p 2
X1 X2 p̂1 − p̂ 2
p̂1 = p̂ 2 = EP : Z =
n1 n2 1 1
p̂ (1 − p̂ ) +
n1 n 2
7 11
p̂1 = = 0.00963 p̂ 2 = = 0.008215
727 1339
X1 + X 2 7 + 11
p̂ = = = 0.008712
n1 + n 2 727 + 1339
0.00963 − 0.008215
Z= = 0.3305
1 1
0.008712 (1 − 0.008712 ) +
727 1339
LEAN S IX S IGMA IN S TITUTE
p̂ 1 (1 − p̂ 1 ) p̂ 2 (1 − p̂ 2 )
IC : p̂ 1 − p̂ 2 ± Z α / 2 +
n1 n2
0 . 00963 (1 − 0 . 00963 ) 0 . 008215 (1 − 0 . 008215 )
= 0 . 00963 − 0 . 008215 ± 1 . 96 +
727 1339
= ( − 0 . 00717 , 0 . 01 )
Sample X N Sample p
1 7 727 0.009629
2 11 1339 0.008215
PH e IC para varianzas
( n − 1 )S 2
( n − 1)S2 ( n − 1)S2
EP: χ 2 = IC: 2 ; 2
σ 20 χ α / 2 , n −1 χ1− α / 2 ,n −1
El IC con Minitab es: stat-basic stat-graphical summary
LEAN S IX S IGMA IN S TITUTE
d ) ( n1 , n 2 ) ≥ 30
Región de rechazo de Ho (RRHo)
Ejemplo
( n − 1)S 2 19 ( 0 .012 ) 2
2
EP : χ = 2
= 2
= 27 .36
σ0 0 .010
χ2
χ α2 , n −1 = χ 02.05 ,19 = 30 .14
RR Ho
Como 27.36 no es mayor que 30.14, α =0.05
no se rechaza Ho, es decir, no se rechaza
que la desviación estándar sea 0.010. 0 27.36 30.14
LEAN S IX S IGMA IN S TITUTE
Ejercicio
Xb(t1)=415.21, s(t1)=0.017
Xb(t2)=415.18, s(t2)=0.018
ANALISIS DE VARIANZA
Anova de un factor
Ejemplo.
Análisis de la variable temperatura de precalentamiento
a 3 niveles con respecto a la dureza de las piezas
Réplicas
Temp. 1 2 3 yi s2i
1 2.05 2.03 2.02 2.033333 0.0002333
2 1.98 1.99 2.00 1.990000 0.0001000
3 2.07 2.05 2.05 2.056667 0.0001333
y = 2. 0267
VARIACION
INTERNA
Descomposición de la variación
SST=Variación Total.
SST=SSt+SSE
LEAN S IX S IGMA IN S TITUTE
2 2
y (Suma total )
SST = ∑ ∑ y ij2 − = ∑ (Cada dato) 2 −
N N
2
( Suma total )
SST = ∑ ( Cada dato) 2 −
N
2
(18 . 24 )
= ( 2. 05) 2 + ( 2. 03) 2 +..... + ( 2. 05) 2 − = 0. 0078
9
∑
2 2
( Cada suma de grupo ) ( Suma total )
SSt = −
n N
( 6.1) 2 + (5. 97 ) 2 + ( 6.17 ) 2 (18. 24) 2
= − = 0. 006867
3 9
LEAN S IX S IGMA IN S TITUTE
Tabla Anova
Fuentes de Variación SS gl MS F
SSt MSt
Tratamientos(t) SSt a −1 MSt =
a −1 MSE
Error (E) SSE
SSE N−a MSE =
(por diferencia) N−a
Total SST N −1
Para el ejemplo:
Fuentes de Variación SS gl MS F
Tratamientos(t) 0.006867 2 0.003434 22.08
Total 0.00780 8
LEAN S IX S IGMA IN S TITUTE
5.14 22.08
LEAN S IX S IGMA IN S TITUTE
0.6
Valor p (p-value)
0.5 Probabilidad de tener un valor así si Ho es cierta
0.4
DistF
0.2
p-value=0.000...
p-value=0.002
0.1
0.0
0 5 10 15 20 25
EntradaF
F(0.05,2,6)=5.14 F(anova)=22.08
Como el p-value<alfa, se rechaza la igualdad de los procesos.
LEAN S IX S IGMA IN S TITUTE
Gráfica de respuesta
2.06 y 3 = 2. 056
2.05 s3 = 0. 01155
Dureza media
y1 = 2. 033
2.04 s1 = 0. 01527
2.03
2.02
2.01
2.00 Objetivo
1.99 y 2 = 1. 990
1.98 s2 = 0. 01000
Ejercicio
En un proceso de fabricación de cabezas de aluminio, se
desea saber si la temperatura afecta la densidad de la
aleación. Se realizaron pruebas y se obtuvieron los
siguientes resultados:
TEMPERATURA DENSIDAD
1 2.5 2.8 2.7
2 2.8 2.6 2.1
3 2.6 2.6 2.6
4 2.2 2.3 2.1
LEAN S IX S IGMA IN S TITUTE
2
(Suma total )
SST = ∑ (Cada dato) 2 −
N
=
TABLA ANOVA
Fuentes de Variación SS gl MS F
Tratamientos(t)
Error (E)
(por diferencia)
Total
LEAN S IX S IGMA IN S TITUTE
F0.05, ,
¿conclusión?
LEAN S IX S IGMA IN S TITUTE
Definición
CARACTERIZACION DE UN PROCESO
*Dispersión (variación).
k
Diseños 2
Una manera práctica de realizar experimentos son los
diseños de variables con 2 niveles. Su representación
es por medio de matrices de diseño.
2k Número de factores
Número de niveles
Efecto de un factor
70
68
66
Potencia
10 unidades
(P=10W)
64
62
60
Ejemplo
En un proceso de fabricación de latas de aluminio para
bebidas intervienen varias variables. En este caso se
desea incrementar el tiempo entre reventones de la lá-
mina, y se consideraron las siguientes variables y sus
niveles, y dos réplicas por prueba:
-0.3h
Z1 Z2
Factor A (Alub)
LEAN S IX S IGMA IN S TITUTE
Prueba de Daniel
Obtención de efectos significativos en forma gráfica
E=número de efectos.
LEAN S IX S IGMA IN S TITUTE
BC
C
50
Gráficas de respuesta
y
9
8 C+
7
6
5
4
C-
3
2
1
B- B+
y B− C − = 2. 25 y B+ C − = 4. 50
y B− C + = 1. 925 y B+ C + = 8.175
3”
Usar Hoja
tamaño carta
(8.5”X11”) A 2” (-1)
3” (+1)
1”
Cortar
Doblar
2” (-1)
B 3” (+1)
C (1”(-1), 1.5”(+1))
LEAN S IX S IGMA IN S TITUTE
1 -1 -1 -1
2 1 -1 -1
3 -1
4 -1
5
6
7
8
LEAN S IX S IGMA IN S TITUTE
A=
B=
C=
AB=
LEAN S IX S IGMA IN S TITUTE
AC=
BC=
ABC=
LEAN S IX S IGMA IN S TITUTE
99.5
99
98
95
90
60
50
40
30
20
10
5
2
1
0.05
LEAN S IX S IGMA IN S TITUTE
GRAFICAS MULTIVARI
(Desarrolladas por Leonard Seder en 1950)
Definición
Objetivo
Tipos de variación
1.- Interna (posición)
Ocurre cuando existe variación en cierta característica
de calidad a lo largo de la pieza. Por ejemplo
excentricidad, planicidad, espesor, conicidad,
porosidad, etc. El valor objetivo de estas características
es cero.
Tamaño de muestra
Ejemplo
Aplicación de multivari al análisis de posibles causas de piezas
con fugas. M1, M2 y M3 representan el número de molde
por 3 piezas cada una. La variable de respuesta es el número de
fugas totales en cada grupo de trabajo y en cada molde.
GRUPO 1 GRUPO 2
6AM 9AM 12AM 2PM 5PM 8PM
M1 3 3 5 2 3 5
M2 2 3 4 2 3 5
M3 2 4 5 1 2 6
LEAN S IX S IGMA IN S TITUTE
3
1
6
2
3
5
4
Fugas
1
1 2
Grupo
LEAN S IX S IGMA IN S TITUTE
Interpretación
Ejercicio
Se recolectó información sobre planicidad en cabezas producidas
simultáneamente en moldes con cuatro cavidades water jacket y
dos réplicas. Realizar una gráfica multivari y detectar el tipo de
variación en el proceso (molde, cavidad water jacket, parte) para
los siguientes datos de planicidad:
MOLDE
1 2 3
CAVIDAD CAVIDAD CAVIDAD
Réplica 1 2 3 4 1 2 3 4 1 2 3 4
1 19 12 9 11 20 12 14 12 8 0 3 1
2 33 21 26 20 36 21 23 22 11 1 3 0
LEAN S IX S IGMA IN S TITUTE
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad
del proceso
C el proceso
A EVALUAR LA ESTABILIDAD Y
LA CAPACIDAD DEL PROCESO
Una vez ajustado el proceso y disminuido su variación,
se evalúa la capacidad del proceso. Un Estudio de
Capacidad es un procedimiento ordenado de planeación,
recolección y análisis de información, con la finalidad de
evaluar la estabilidad de un proceso, y la capacidad que
éste tiene para producir dentro de especificaciones. Los
estudios de capacidad miden la variación y el centrado
de un proceso con respecto a sus especificaciones.
LEAN S IX S IGMA IN S TITUTE
GRAFICAS DE CONTROL
Definición
Objetivo
Causas de Variación
a) Causas Comunes.
Son “comunes” a todos. Son debidas al sistema: diseño
deficiente, materiales inadecuados, mala iluminación...
b) Causas Especiales.
Son debidas a situaciones particulares o “especiales”, y
no afectan a todos: máquinas desajustadas, métodos
ligeramente alterados, diferencias entre trabajadores...
LEAN S IX S IGMA IN S TITUTE
Deming [4]
LEAN S IX S IGMA IN S TITUTE
XR
Gráfica de Medias y Rangos ( )
Definición
Herramienta estadística que muestra el comportamiento
de la media (posición) y la variación (dispersión) de
cierta característica de calidad de un proceso con
respecto al tiempo. Está gráfica se usa para controlar una
característica de calidad continua tomando muestras de
tamaño entre 2 y 10.
Objetivo
Evaluar, controlar y mejorar la característica de calidad de
interés, desde el punto de vista del ajuste de su posición y
la reducción de su variación con respecto al objetivo.
LEAN S IX S IGMA IN S TITUTE
Ejemplo
Se cuenta con información sobre la dureza de 100
múltiples de admisión. La especificación es de 1 a 3 Rc.
LEAN S IX S IGMA IN S TITUTE
2.0
X=1.939
1.5
-3.0SL=1.403
Subgroup 0 10 20
2 3.0SL=1.964
Sample Range
1 R=0.9288
0 -3.0SL=0.00
0.6 UCL=0.6102
Individual Value
0.5
0.4 Mean=0.4057
0.3
0.2 LCL=0.2012
Subgroup 0 10 20 30
0.3
UCL=0.2512
Moving Range
0.2
0.1
R=0.07690
0.0 LCL=0
Proceso estable
LEAN S IX S IGMA IN S TITUTE
LSC ( X ) = X + E 2 R =
LIC ( X ) = X − E 2 R =
LSC ( R ) = D 4 R =
LIC ( R ) = D 3 R =
0.1 P=0.1061
-3.0SL=0.03284
0.0
0 10 20
Sample Number
Se observa un proceso estable
LEAN S IX S IGMA IN S TITUTE
Comportamiento natural
3σ LSC
2σ
1σ
0 LC
-1σ
-2σ
-3σ LIC
Regla Empírica:
•60-75% de los datos dentro de 1 sigma unidades de la media.
•90-98% de los datos dentro de 2 sigma unidades de la media.
•99-100% de los datos dentro de 3 sigma unidades de la media.
LEAN S IX S IGMA IN S TITUTE
Patrón de Inestabilidad
Puntos fuera 2 de 3 en A 4 de 5 en A/B 8(*) mismo lado
LSC
0.01235 ZA
0.136 ZB
0.341 ZC Línea
Central
I1 I2 I3 I4
(*) Minitab toma 9 puntos
LEAN S IX S IGMA IN S TITUTE
Otros patrones
ZB
ZC
Línea
Central
ZC
ZB
ZA
LIC
E M T
LEAN S IX S IGMA IN S TITUTE
I Chart f or Interpretación
7
3.0SL=6.883
2.0SL=6.225
6
Individual Value
1.0SL=5.567
5 Mean=4.908
-1.0SL=4.250
4
-2.0SL=3.592
3 -3.0SL=2.933
0 10 20 30 40 50 60
Observation Number
LEAN S IX S IGMA IN S TITUTE
Evaluación de la Capacidad
LIE LSE
Tolerancia
(ancho de la especificación)
LIE LSE
c
d
LEAN S IX S IGMA IN S TITUTE
Cp=Cpk=2
Cp=Cpk=1 a a a a
LIE LSE
Cp=2
Cpk=1
a a a a
LEAN S IX S IGMA IN S TITUTE
Cp=
Cpk=
a a a a a
LIE LSE
Cp=
Cpk=
a a a a
LEAN S IX S IGMA IN S TITUTE
LIE LSE
Cp=
Cpk=
a a a a
LIE LSE
Cp=
Cpk=
a a 2a 2a
LEAN S IX S IGMA IN S TITUTE
Index 10 20 30
s (corto plazo)
LEAN S IX S IGMA IN S TITUTE
5
Datos
Index 10 20 30
s (largo plazo)
LEAN S IX S IGMA IN S TITUTE
Ejemplo
2.0
X=1.939
1.5
-3.0SL=1.403
Subgroup 0 10 20
2 3.0SL=1.964
Sample Range
1 R=0.9288
0 -3.0SL=0.00
X = 1 .939 R = 0 .9288
R 0 .9288
σˆ ( corto ) = s ( corto ) = = = 0 .3993
d2 2 . 326
2
∑1N ( x i − X) (1.855 − 1.939) 2 + ..... + (1.105 − 1.939) 2
s= = = 0.3884
n −1 100 − 1
4(100 − 1) s 0.3884
c 4 ( N = 100) = = 0.9974 s(l argo) = = = 0.3893
4(100) − 3 c 4 ( N) 0.9974
LSL USL
Process Data
USL 3.00000 ST
Target 2.00000 LT
LSL 1.00000
Mean 1.93897
Sample N 100
StDev (ST) 0.399312
StDev (LT) 0.389393
Ejercicio
Ejemplo
Obtener el rendimiento tradicional del siguiente proceso
200 180
Yield=180/200=0.90=90%
LEAN S IX S IGMA IN S TITUTE
Rendimiento de Primera-Vez
(First-Time Yield, YFT )
El rendimiento de primera vez corresponde al número de piezas
hechas bien la primera vez en cada fase del proceso
Ejemplo
Obtener el YFT del siguiente proceso
3 20 5 0
Unidades defectuosas
LEAN S IX S IGMA IN S TITUTE
Rendimiento En-Cadena
(Rolled Throughput Yield, YRT )
El rendimiento en cadena es el producto del rendimiento en cada
paso del proceso. Dicho rendimiento no incluye retrabajos.
Ejemplo
YRT=(0.985)(0.8985)(0.9718)(1)=0.86=YFT=172/200
3 20 5 0
Unidades defectuosas
LEAN S IX S IGMA IN S TITUTE
Rendimiento En-Cadena
(Rolled Throughput Yield, YRT )
--incluyendo retrabajo--
El rendimiento en cadena es el producto del rendimiento en cada
paso del proceso. Dicho rendimiento sí incluye retrabajos.
Ejemplo
La fabrica “oculta”
Ejemplo
Para el proceso anterior la fábrica “escondida” se encuentra en los
pasos 1 y 4 y representan área de oportunidad de mejoramiento en
ese mismo orden.
Ejemplo de atributos
En la fabricación de cierto tipo de tarjetas electrónicas impresas,
se tienen las siguientes oportunidades de cometer errores:
dpu=85/3000=0.0283
dpmo=(0.0283/250)(106)=(0.0001132)(106)=113.2
YFT=(1-113.2/106)250=0.972
LEAN S IX S IGMA IN S TITUTE
113.2 ppm=113.2/106=0.0001132=1.13(10-4)
Buscando en la tabla Z del apéndice se obtiene Z=3.69
0.0001132
0 Z=3.69
Ejemplo integrador
Se analizará el siguiente proceso de preparar café fresco en una
cafetera automática y servirlo:
1 2 3 4
Poner filtro Poner el Vaciar Encender
de papel café el agua la cafetera
5 6
Servir
Esperar
el café
3 2 1 1 0 2
4. y 5. Calcular dpmo individual y su conversión a niveles sigma
De manera individual:
97
1 YFT=95/100=0.95 dpu=(5/100)=0.050000
2
Poner filtro
dpmo=(0.050000/2)(106)=25,000
de papel
100 0.05/2=0.025=2.5(10-2). Z=1.96
3
LEAN S IX S IGMA IN S TITUTE
Ejercicio
2 95
YFT= dpu=
Poner el
café dpmo=
97
2 Z=
94
3 YFT= 93/95=0.9789 dpu=(2/95)=0.021053
1
Vaciar
el agua dpmo=(0.021053/1)(106)=21,053
95 0.021053/1=0.021053=2.11(10-2). Z=2.03
1
LEAN S IX S IGMA IN S TITUTE
Ejercicio
4 93
YFT= dpu=
Encender
la cafetera dpmo=
94
Z=
1
5
93 YFT= 93/93=1.0 dpu=0
Esperar
dpmo=0
93
0 Z tiende a infinito (prácticamente Z=4.5)
LEAN S IX S IGMA IN S TITUTE
6
91
Servir YFT= 91/93 =0.9785 dpu=(2/93)=0.021505
el café
dpmo=(0.021505/2)(106)=10,753
93
2 0.021505/2 =0.010753=1.08(10-2). Z=2.30
LEAN S IX S IGMA IN S TITUTE
YFT(proceso)=(1-13,986/106)9=0.8809=88.09%
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad C el proceso
del proceso
I OPTIMIZAR Y ROBUSTECER
EL PROCESO
DIAGRAMA DE DISPERSIÓN
Definición
Gráfica simple entre 2 variables.
Objetivo
Visualizar el tipo y el grado de relación o predicción entre
dos variables.
LEAN S IX S IGMA IN S TITUTE
Tipos de relación
.
..
..
.
.
.
..
..
..
.
Directa Inversa
LEAN S IX S IGMA IN S TITUTE
Grados de relación
.. ... . .. .
.. .. . ... .... ...
... . .. ..........
. . ..
Fuerte Débil Nulo
LEAN S IX S IGMA IN S TITUTE
Diagrama de Dispersión
4
Dureza
10 11 12 13 14 15 16 17 18 19 20
t-Solid
Se observa una relación inversa y fuerte entre dureza y tiempo
de solidificación.
LEAN S IX S IGMA IN S TITUTE
Ejercicio
Realizar un diagrama de dispersión e interpretarlo, para
la siguiente información de temperatura de precalentamiento
y dureza. Determinar el tipo y el grado de relación entre
dichas variables.
Temp Dureza
390 1.5
391 1.8
392 2.1
393 2.3
394 2.6
395 3.1
396 3.4
397 3.7
398 3.9
399 4.2
400 4.5
LEAN S IX S IGMA IN S TITUTE
LEAN S IX S IGMA IN S TITUTE
Interpretación
De acuerdo con el Statistical Quality Control Handbook
de Western Electric, 1956, es necesario considerar que:
Causalidad y Casualidad
Causalidad implica una relación de causa-efecto entre las
variables, Casualidad no.
P
Ejemplos ..
a) Presión vs Temperatura ..
...
. .
T
(causalidad bilateral)
LEAN S IX S IGMA IN S TITUTE
C N
.. ..
.. ..
... ...
. . . .
T C
(causalidad unilateral) (casualidad)
Cuando no existe causalidad el modelo no se puede usar para
controlar el proceso pero sí para predecirlo.
LEAN S IX S IGMA IN S TITUTE
Análisis de Regresión
Usos de la regresión
y = β0 + β1x + ε
y=variable dependiente a modelar (respuesta)
x=variable independiente (predictor de y)
ε=componente de error (medición + natural). VA.
β0=intersección. Si los datos incluyen cero, representa la media
de la distribución de y cuando x=0. No tiene sentido si los
datos no incluyen cero.
β1=pendiente. Es el cambio en la media de y por cada cambio
unitario de x.
LEAN S IX S IGMA IN S TITUTE
ˆβ = Sxy βˆ 0 = y − βˆ 1 x
1
Sxx
2
(Σx )(Σy) ( Σx )
Sxy = Σxy − Sxx = Σx 2 −
n n
ŷ = βˆ 0 + βˆ 1x
LEAN S IX S IGMA IN S TITUTE
4
Dureza
10 11 12 13 14 15 16 17 18 19 20
t-Solid
(*) es importante realizar todas las pruebas estadísticas al modelo resultante.
LEAN S IX S IGMA IN S TITUTE
Ejercicio
Obtener el modelo de regresión para el comportamiento
de la variable de respuesta “tiempo en el aire” vs. las
variables significativas en el experimento de los
helicópteros de papel.
Modelo=promedio+((ef. signif)/2)X
LEAN S IX S IGMA IN S TITUTE
Superficies de Respuesta
Dureza 3
1 30
25
TSOLID
380 20
385
TEMP 390
LEAN S IX S IGMA IN S TITUTE
30
5
TSOLID
25
3
20
2
0
ln(s)
-1
-2
20 25 30
TSOLID
Del Modelo, Ln(s) min=-1.984, s=0.1375 (vs 0.399 del estudio de capacidad)
LEAN S IX S IGMA IN S TITUTE
30
5
TSOLID
25
3
20
2
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad
del proceso
C el proceso
I VALIDAR LA MEJORA
En este paso es necesario confirmar la mejora
del proceso a través de volver a realizar estudios
de capacidad. Una vez validada la mejora, se
implementarán las nuevas condiciones de
operación del proceso.
LEAN S IX S IGMA IN S TITUTE
2.1
2.0 X=1.997
1.9
-3.0SL=1.834
1.8
Subgroup 0 10 20
0.6 3.0SL=0.5962
Sample Range
0.5
0.4
0.3 R=0.2819
0.2
0.1
0.0 -3.0SL=0.00
Proceso estable
LEAN S IX S IGMA IN S TITUTE
.999
.99
.95
.80
Probability
.50
.20
.05
.01
.001
¿Cómo?
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad
del proceso
C el proceso
Definiciones
Preparar el molde
para que el aluminio Temperatura Pieza con fugas 8 Controlador errático
se deslice adecua- inestable
damente
LEAN S IX S IGMA IN S TITUTE
RESULTADOS DE ACCIONES
Acciones S O D R
tomadas e c e P
v u t N
r c
NA
Ejercicio
Información a clasificar:
4 modos/ 2 efectos/ 4 causas
Ejercicio ...
Información a clasificar: 4 controles/ 2 acciones
-tomar vitaminas
-cambiar marca de vitaminas
-no aceptar compromisos entre semana
-ajustar al llegar a casa
-pedir a otra persona que lo valide
-verificación visual
Ocurrencia=5, 2, 3, 4 en ese orden
Detección= 4 para todos los controles
Poner acción recomendada solamente si RPN>100.
Recordar que independientemente del RPN se tendrá acción correctiva si la
severidad es 9 ó 10
O Controles
LEAN S IX S IGMA IN S TITUTE D R Acciones Responsabilidad
Plan de Control
Elementos de la producción
2.- Materiales.
CONTROL
Control
MEDICION
Parámetro Crítico Especificación Instrumento Responsable
Temperatura Sí 395-405°C Termopar Operador de
de precalenta- vaciado
miento
MEDICION
Lugar Registro Frecuencia Muestra Método de control Plan de reacción
Máquina Formato Cada 1 Gráfica XR Ajustar el con-
de vaciado RV-25 pieza trol central
LEAN S IX S IGMA IN S TITUTE
Poka-Yoke(Shingo, 1986)
Yoke = a prueba
PREVENCION DE ERRORES
LEAN S IX S IGMA IN S TITUTE
Conceptos
* La mayoría de los errores son
-errores de falta de atención (no-advertencia).
Errores y defectos
ERROR DEFECTO
No poner agua al radiador Sobrecalentamiento del motor
Funciones de poka-yoke
Ejemplos
a) Predicción
Ejemplo: colocar un cassette al revés.
Detener, controlar y advertir: el cassette topa, no puede
entrar. La persona se da cuenta.
b) Detección
Ejemplo: un inspector electrónico rechaza una botella por
tener una partícula en el interior.
Detener, controlar y advertir: la botella es desviada de
la línea y suena una alarma.
LEAN S IX S IGMA IN S TITUTE
Tipos de inspección
Tipos de inspección...
Inspecciones en la fuente
Inspecciones en la fuente
Carburador
Flotadores Tapas
Shingo (1986)
LEAN S IX S IGMA IN S TITUTE
Ciclos de acción
Verificar y Realizar
retroalimentar acciones
Defectos Errores
LEAN S IX S IGMA IN S TITUTE
Ciclos de acción...
Verificar y Realizar
retroalimentar acciones
Errores Acción
Defectos Verificar y
retroalimentar
Errores
LEAN S IX S IGMA IN S TITUTE
FLUJO DE LA METODOLOGÍA
Definir
D problema
Proceso S
M Describir proceso capaz
N
Medición N
M capaz y estable
Mejorar
I Optimizar
S
Determinar
Validar la
A variables I mejora
significativas
Evaluar estabilidad
Controlar
A y capacidad C el proceso
del proceso
C MEJORAR CONTINUAMENTE
Una vez que el proceso es capaz, se deberán
buscar mejores condiciones de operación,
materiales, procedimientos, etc. que conduzcan
a un mejor desempeño del proceso.
REFERENCIAS
Brassard M. (1989). The Memory Jogger Plus+. GOAL/QPC.
Bedell E., Phan H. Six Sigma Process Control.
Motorola Semiconductor Products Sector 1993.
Hosotani K. The QC Problem Solving Approach.
3A Corp. 1992.
Ford, GM, Chrysler. Measurement Systems Analysis.
Reference Manual. 2d ed 1995.
Chrysler Corp., Ford Motor Co., General Motors Corp.
Potential Failure Mode and Effects Analysis. 2d. ed. 1995.
Ford Motor Co. Análisis del Modo y Efecto de Falla Potencial.
1991.
Aldridge J., Taylor J. “The Application of Failure Mode and
Effects Analysis at an Automotive Components
Manufacturer”. International Journal of Quality and
Reliability Management, Vol. 8 No. 3, 1991.
LEAN S IX S IGMA IN S TITUTE
BIBLIOGRAFIA
-GE Industrial Control Systems. Six Sigma Supplier Quality.
General Electric 1998.
-Harry M. The Nature of Six Sigma Quality. MUP 1997.
-Lawson R., Stuart R. Measuring Six Sigma and Beyond:
Continuous vs Attribute Data. MUP 1997.
-Motorola SSTG Statistics Advisory Council. Continuous
Improvement Through Process Caracterization. MUP 1997.
-Sengstock Jr C. Quality in the Communications Process.
MUP 1997.
-Palady P. Failure Modes &Effects Analysis. PT Publications 1995.
-Bhote K. World Class Quality. AMACOM 1991.
-Kazmiersky T. Statistical Problem Solving in Quality Engineering.
McGraw-Hill 1995.
-Montgomery D., Peck E. Introduction to Linear Regression
Analysis. 2nd ed. Wiley 1992.
LEAN S IX S IGMA IN S TITUTE
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.00 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414
0.10 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465
0.20 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591
0.30 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827
0.40 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207
0.50 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760
0.60 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510
0.70 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476
0.80 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673
0.90 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109
1.00 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 0.14457 0.14231 0.14007 0.13786
1.10 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702
1.20 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.09853
1.30 0.09680 0.09510 0.09342 0.09176 0.09012 0.08851 0.08691 0.08534 0.08379 0.08226
1.40 0.08076 0.07927 0.07780 0.07636 0.07493 0.07353 0.07214 0.07078 0.06944 0.06811
1.50 0.06681 0.06552 0.06426 0.06301 0.06178 0.06057 0.05938 0.05821 0.05705 0.05592
1.60 0.05480 0.05370 0.05262 0.05155 0.05050 0.04947 0.04846 0.04746 0.04648 0.04551
1.70 0.04457 0.04363 0.04272 0.04182 0.04093 0.04006 0.03920 0.03836 0.03754 0.03673
1.80 0.03593 0.03515 0.03438 0.03363 0.03288 0.03216 0.03144 0.03074 0.03005 0.02938
1.90 0.02872 0.02807 0.02743 0.02680 0.02619 0.02559 0.02500 0.02442 0.02385 0.02330
2.00 0.02275 0.02222 0.02169 0.02118 0.02068 0.02018 0.01970 0.01923 0.01876 0.01831
2.10 0.01786 0.01743 0.01700 0.01659 0.01618 0.01578 0.01539 0.01500 0.01463 0.01426
2.20 0.01390 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191 0.01160 0.01130 0.01101
2.30 0.01072 0.01044 0.01017 0.00990 0.00964 0.00939 0.00914 0.00889 0.00866 0.00842
2.40 0.00820 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695 0.00676 0.00657 0.00639
2.50 0.00621 0.00604 0.00587 0.00570 0.00554 0.00539 0.00523 0.00508 0.00494 0.00480
LEAN S IX S IGMA IN S TITUTE
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2.60 0.00466 0.00453 0.00440 0.00427 0.00415 0.00402 0.00391 0.00379 0.00368 0.00357
2.70 0.00347 0.00336 0.00326 0.00317 0.00307 0.00298 0.00289 0.00280 0.00272 0.00264
2.80 0.00256 0.00248 0.00240 0.00233 0.00226 0.00219 0.00212 0.00205 0.00199 0.00193
2.90 0.00187 0.00181 0.00175 0.00169 0.00164 0.00159 0.00154 0.00149 0.00144 0.00139
3.00 0.00135 0.00131 0.00126 0.00122 0.00118 0.00114 0.00111 0.00107 0.00103 0.00100
3.10 0.000968 0.000935 0.000904 0.000874 0.000845 0.000816 0.000789 0.000762 0.000736 0.000711
3.20 0.000687 0.000664 0.000641 0.000619 0.000598 0.000577 0.000557 0.000538 0.000519 0.000501
3.30 0.000483 0.000467 0.000450 0.000434 0.000419 0.000404 0.000390 0.000376 0.000362 0.000350
3.40 0.000337 0.000325 0.000313 0.000302 0.000291 0.000280 0.000270 0.000260 0.000251 0.000242
3.50 0.000233 0.000224 0.000216 0.000208 0.000200 0.000193 0.000186 0.000179 0.000172 0.000165
3.60 1.592E-04 1.532E-04 1.474E-04 1.418E-04 1.364E-04 1.312E-04 1.262E-04 1.214E-04 1.167E-04 1.123E-04
3.70 1.079E-04 1.038E-04 9.974E-05 9.587E-05 9.214E-05 8.855E-05 8.509E-05 8.175E-05 7.854E-05 7.545E-05
3.80 7.248E-05 6.961E-05 6.685E-05 6.420E-05 6.165E-05 5.919E-05 5.682E-05 5.455E-05 5.236E-05 5.025E-05
3.90 4.822E-05 4.627E-05 4.440E-05 4.260E-05 4.086E-05 3.920E-05 3.760E-05 3.606E-05 3.458E-05 3.316E-05
4.00 3.179E-05 3.048E-05 2.921E-05 2.800E-05 2.684E-05 2.572E-05 2.465E-05 2.362E-05 2.263E-05 2.168E-05
4.10 2.076E-05 1.989E-05 1.905E-05 1.824E-05 1.747E-05 1.672E-05 1.601E-05 1.533E-05 1.467E-05 1.404E-05
4.20 1.344E-05 1.286E-05 1.231E-05 1.177E-05 1.126E-05 1.077E-05 1.031E-05 9.857E-06 9.426E-06 9.014E-06
4.30 8.619E-06 8.240E-06 7.878E-06 7.530E-06 7.198E-06 6.879E-06 6.574E-06 6.282E-06 6.002E-06 5.734E-06
4.40 5.478E-06 5.233E-06 4.998E-06 4.773E-06 4.558E-06 4.353E-06 4.156E-06 3.968E-06 3.787E-06 3.615E-06
4.50 3.401E-06 3.243E-06 3.093E-06 2.949E-06 2.811E-06 2.680E-06 2.554E-06 2.434E-06 2.319E-06 2.209E-06
4.60 2.114E-06 2.014E-06 1.919E-06 1.827E-06 1.740E-06 1.657E-06 1.577E-06 1.501E-06 1.429E-06 1.359E-06
4.70 1.303E-06 1.240E-06 1.180E-06 1.123E-06 1.068E-06 1.016E-06 9.706E-07 9.230E-07 8.776E-07 8.343E-07
4.80 7.931E-07 7.567E-07 7.191E-07 6.834E-07 6.492E-07 6.167E-07 5.857E-07 5.582E-07 5.300E-07 5.032E-07
4.90 4.796E-07 4.553E-07 4.321E-07 4.100E-07 3.890E-07 3.719E-07 3.528E-07 3.346E-07 3.173E-07 3.009E-07
5.00 2.882E-07 2.733E-07 2.591E-07 2.455E-07 2.327E-07 2.224E-07 2.108E-07 1.997E-07 1.891E-07 1.791E-07
LEAN S IX S IGMA IN S TITUTE
TABLA t de Student
Alfa 0.250 0.200 0.150 0.100 0.050 0.025 0.010 0.005 0.0005
gl
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.656 636.578
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 31.600
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 12.924
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 4.221
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.768
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.725
LEAN S IX S IGMA IN S TITUTE
SOLUCIONES
Ejercicio
LEAN S IX S IGMA IN S TITUTE
Y= Distancia a la pared
Y= f(x1,x2,x3,x4,x5)
LEAN S IX S IGMA IN S TITUTE
Medir
distancia
LEAN S IX S IGMA IN S TITUTE
Matriz Proceso-Variables
Paso Proceso Variables
Ejercicio de RR
VARIACION DEL EQUIPO (REPETIBILIDAD) VARIACION DEL EQUIPO (REPETIBILIDAD) EN % Si se conoce la variación del
proceso (6sigma) usarla en
VE=Rb*k1= 0.7090 k1= 0.8862 VE(%)=100(VE/TOT)= 23.78 lugar de TOT haciendo
k2= 0.5231 TOT=6sigma/6. Si se quiere
k1=0.8862, r=2 k3= 0.403 VE(%)=100(VE/TOL)= 42.54 usar la tolerancia, poner
k1=0.5908, r=3 k1=Inverso de d2 usando m=r TOL=tolerancia/6
VARIACION DE OPERADORES (REPRODUCIBILIDAD) VARIACION DE OPERADORES (REPRODUCIBILIDAD) EN %
VO=Raíz(((Xbdiff)(k2))^2-(VE^2/nr))= 1.2353 VO(%)=100(VO/TOT)= 41.43 Generalmente se usa
Si VO es negativo dentro de la raíz, hacer VO=0. TOT para el control del
k2=0.7071 p=2 operad. VO(%)=100(VO/TOL)= 74.12 proceso y TOL para el
k2=0.5231 p=3 operad. k2=Inverso de d2*, m=p, g=1 control del producto
24
UCL=23.44
_
_
X=21.93
20 LC L=20.43
R Chart by Operario
1 2 3
3
UCL=2.614
Sample Range
1 _
R=0.8
0 LC L=0
LEAN S IX S IGMA IN S TITUTE
Assessment Agreement
Assessment Agreement
Between Appraisers
Assessment Agreement
# Inspected # Matched Percent 95 % CI
8 5 62.50 (24.49, 91.48)
# Matched: All appraisers' assessments agree with each other.
Molde
4
2
3
1
2
3
30
Planicidad
20
10
0
1 2
Réplica
La cavidad 1 es consistentemente peor que las demás cavidades.
El molde 3 presenta mejores valores de planicidad.
Existe diferencia entre los valores de las dos réplicas.
LEAN S IX S IGMA IN S TITUTE
3
2
1
30
Planicidad
20
10
0
1 2 3 4
Cavidad
I Chart f or Interpretación
7
3.0SL=6.883
2 2.0SL=6.225
6 2
Individual Value
1.0SL=5.567
2
5 Mean=4.908
-1.0SL=4.250
4
-2.0SL=3.592
3 -3.0SL=2.933
0 10 20 30 40 50 60
Observation Number
2: corrida
LEAN S IX S IGMA IN S TITUTE
Cp=2 Cpk=0
Cp=1 Cpk= -1
Cp=Cpk=0.5
Cp=2 Cpk= -1
LEAN S IX S IGMA IN S TITUTE
Preparación de café
2 95
YFT= 95/97=0.9794 dpu=(2/97)=0.020619
Poner el
café dpmo=(0.020619/1)(106)=20,619
97
2 0.020619/1=0.020619=2.06(10-2). Z=2.04
4.5
3.5
DUREZA
2.5
1.5
AMEF
Descripción del Modo de Efecto(s) S C Causa(s)/
proceso/ Falla Potenciales e l Mecanismos
Potencial de Fallas v a de Falla
Propósito s Potenciales
Quedarse dormido
Levantarse No levantarse al oir No llegar a tiempo 8 Desvelado
la alarma, Enfermo
LEAN S IX S IGMA IN S TITUTE