Está en la página 1de 59

MEDIR

Escuela de Ciencias Básicas Tecnología e


Ingeniería

METODOLOGÍA SEIS SIGMA (212047)


MEDIR
WEB CONFERENCIA
Ing. Mag. Germán Gómez Solarte, BB LSS
german.gomez@unad.edu.co / germang1407@gmail.com
Director
Octubre 2020
Contenido

1. INTRODUCCIÓN
2. MEDIR
3. DIAGRAMA DE PARETO DE PRIMER Y SEGUNDO NIVEL
4. DIAGRAMA DE OPERACIONES
5. ANÁLISIS SISTEMA DE MEDICIÓN [R%R]
6. PLAN DE RECOGIDA DE DATOS
7. COLECCIÓN O TABLA DE DATOS [DATA COLLECTION]

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


Agenda del curso

Ing. Mag. Germán Gómez Solarte, BB LSS


Flujo de un proyecto LSS

DMAMC / DMAIC
DEFINIR MEDIR ANALIZAR MEJORAR CONTROLAR
Ing. Mag. Germán Gómez Solarte, BB LSS
RECONTEXTUALIZACIÓN DEL PROYECTO
SEIS SIGMA MODELO

¿ qué hicimos
en el proyecto
seis sigma
ejemplo…?

Ing. Mag. Germán Gómez Solarte, BB LSS


Recordar-Proyecto 6S modelo

ELEMENTO DESCRIPCIÓN DEL PROYECTO


Recordemos el Project VITALAC SAS
charter … EMPRESA

Cali
UBICACIÓN

Llenado y empacado de bolsas de leche


PROCESO A ANALIZAR

Optimización del peso de las bolsas de leche de 1,1 lt durante el proceso de llenado
TÍTULO DEL PROYECTO

En el proceso de llenado de leche en la planta Vitalac, el flujo de leche que ingresa en cada bolsa
desde la máquina llenadora/empacadora PackAB7000 varía generalmente por exceso, generando
bolsas de leche con sobrepeso lo cual afecta la cantidad de leche que la empresa puede vender. Este
sobrepeso se mide con el índice: “% sobrepeso”, el cual se calcula como: kg. leche producida con
OPORTUNIDAD DETECTADA sobrepeso-mes / kg leche producidas mes x 100. Actualmente, este índice está en 5 %. Según el
(Delcaración del problema) lineamiento de la alta dirección, este índice debe estar en 2%. Durante los últimos 12 meses se ha
venido mejorando, pero no se ha alcanzado la meta. El impacto económico para la empresa es de $
17.445.500 millones de pesos mensuales representados en leche que llega al consumidor como
sobrepeso sin que se pague más por esta cantidad.

Reducir el sobrepeso de las bolsas de leche a un 0,2% como porcentaje de sobrepeso


OBJETIVO DEL PROYECTO

Este proyecto se aplica para la producción de leche de la referencia 1 lt en la planta Vitalac de la


ALCANCE DEL PROYECTO ciudad de Cali

Ing. Mag. Germán Gómez Solarte, BB LSS


Recordar-Proyecto 6S modelo
CARACTERÍSTICA DE NÚMERO DE UNIDADES COSTO UNITARIO DEL
UNIDAD BASICA TRANSACCIONAL
CALIDAD PROCESADAS-MES PRODUCTO

peso de las bolsas de leche bolsa de leche empacada 252000 1500 $/bolsa de leche de 1,1 lt
Recordemos el Project
TIPOS DE DEFECTOS QUE SE
PUEDEN PRESENTAR
NÚMERO Y % PROMEDIO DE
DEFECTOS-MES
DPMO (PPM) NIVEL SIGMA ACTUAL charter …
1:Sobrepeso 4500 bolsas/mes
8929 3,87
2:Bajo peso 1,78%

VN (TARGET) LSE LIE COPQ Mensual

3% 4% 2% $ 6.728.400

MÉTRICA OPERATIVA: MÉTRICA FINANCIERA: 1) Ventas mensuales /Kg leche


% sobrepeso = kg. leche producida
INDICADOR PARA MEDIR EL INDICADOR PARA MEDIR EL producida
con sobrepeso-mes / kg leche
DESEMPEÑO OPERATIVO BENEFICIO ECONÓMICO DEL
producidas mes x 100
DEL PROYECTO PROYECTO 2) Reducción del COPQ

RESPONSABLE DEL PATROCINADOR DEL PROYECTO


Jefe de producción Gerente de planta
PROYECTO (ALTA DIRECCIÓN)

Operarios de llenado, profesional de costos, Jefe de Producción, Jefe de calidad, Jefe Financiero,
EQUIPO DEL PROYECTO
Supervisores de producción, Jefe Comercial

En el diseño de DISEÑO DE TOLERANCIAS /ESPECIFICACIONES


especificaciones
DESCRIPTOR SIMBOLO CRITERIO OPERACIÓN VALOR UNIDADES
podemos tomarlas en
términos relativos (%) o VALOR TEORICO VT 1100 NA 1100 ml
en términos absolutos LÍMITE ESPECIFICACIÓN INFERIOR LEI 2% 1100 x 1,02 1122 ml
(gr) peso de la bolsa de VALOR NORMAL ESPERADO VN 3% 1100 x 1,03 1133 ml
LIMITE ESPECIFICACIÓN SUPERIOR LES 4% 1100 x 1,04 1144 ml
leche

Ing. Mag. Germán Gómez Solarte, BB LSS


Recordar-Proyecto 6S modelo

Ing. Mag. Germán Gómez Solarte, BB LSS


Tolerancias de especificaciones

DISEÑO DE TOLERANCIAS /ESPECIFICACIONES


DESCRIPTOR SIMBOLO CRITERIO OPERACIÓN VALOR UNIDADES
VALOR TEORICO VT 1100 NA 1100 ml
LÍMITE ESPECIFICACIÓN INFERIOR LEI 2% 1100 x 1,02 1122 ml
VALOR NORMAL ESPERADO VN 3% 1100 x 1,03 1133 ml
LIMITE ESPECIFICACIÓN SUPERIOR LES 4% 1100 x 1,04 1144 ml

Defectuoso- Defectuoso-
Bajo peso Sobrepeso

1122 ml 1133 ml 1144 ml

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad fase 5- Colaborativo

DMAIC (DMAMC)
FASE MEDIR

Segunda fase de DMAMC, donde


se entiende y cuantifica mejor la
magnitud del problema. Además,
se debe mostrar evidencia de que
se tiene un sistema de medición
Adecuado. Gutiérrez & De la Vara
2013)

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 1: Diagrama de Pareto

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 1: Diagrama de Pareto

ID ERRORES ENCONTRADOS F Fr FrAcum


1 Desajustes en la empacadora 100 50,0% 50,0%
2 Cambios de referencia 50 25,0% 75,0%
3 Variación en composición 30 15,0% 90,0%
4 Otros 20 10,0% 100,0%
0,0% 100,0%
0,0% 100,0%
200

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 1: Diagrama de Pareto

ID ERRORES ENCONTRADOS F Fr FrAcum


1 Desajustes de la velocidad de llenado 250 45,5% 45,5%
2 Tiempo de llenado 120 21,8% 67,3%
3 Desbalanceo de cojinetes 85 15,5% 82,7%
4 Defectos de embolo regulador 50 9,1% 91,8%
5 Desgaste de empaque 20 3,6% 95,5%
6 Otos 25 4,5% 100,0%
550

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 1: Diagrama de Pareto

Diagrama de Pareto:
Con el cual focalizamos
el proyecto hacia los
factores o causas más
representativos…

Focalizar el proyecto:
Consiste en precisar los
factores (Xi) más
importante que pueden
explicar el efecto (Y) del
problema investigado…

Comenzamos a Focalizar el proyecto mediante un Pareto


Ing. Mag. Germán Gómez Solarte, BB LSS
Actividad 1: Diagrama de Pareto

Y: Variable dependiente = Variable de respuesta  Es la


característica de calidad involucrada con el problema
Y = f( X1 + X2 +X3 + … + Xn) Xi: Variables independientes = Variables causales 
Son las causas que explican la variación o el fenómeno
Y estudiado

Depurar o focalizar el problema

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 2: Diagrama de operaciones

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 2: Validación del sistema de
medición

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 2: Validación del sistema de
medición

Ing. Mag. Germán Gómez Solarte, BB LSS


Actividad 2: Validación del sistema de
medición

Reducción de defectuosos en la fabricación de múltiples de


aluminio

Y = f(X1, X2, ..., Xn)


Variables de respuesta a las que se enfocará el proyecto 6S
Y1 = Dureza
Y2 = Fugas

20
MEDIR
VARIACIÓN DE LOS PROCESOS
VARIACION TOTAL
OBSERVADA
Variación
Variación del sistema
propia del de
proceso medición

Variación Variación
Variación Variación del equipo de los
Común Especial de operarios
medición

Es natural, cotidiana, en Es generada por


cada ciclo de alteración de las Repetibilidad Reproducibilidad
producción, lote, ciclo condiciones normales,
del servicio y es por ende se da por
generada por las circunstancias especiales
condiciones normales de que no siempre hacen
las 6M parte del proceso

Desajustes,
ausentismos,
accidentes, errores,
descuidos, fallas,
desgastes, fallas
administrativas
ERROR DE MEDICIÓN

• La medición es sí un proceso que


puede verse afectado por las 6M
• Cualquier proceso de medición
genera un error
• Lo que se observa no es exactamente
la realidad sino la realidad más un
error de medición
• Por lo tanto, la variación total
observada en unos datos es el
resultado de la variación propia del
producto más el error del proceso de
medición
MEDIR
ANTES DE MEDIR CONFIRME LA CALIDAD DE SU
SISTEMA DE MEDICIÓN
MEDIR
PRECISIÓN & EXACTITUD
Precisión: Es la variación o error que
presentan las mediciones repetidas del
sistema de medición sobre el mismo
mensurando. Se compone de la
repetibilidad y la reproducibilidad

Exactitud: Se estima con la diferencia


entre la verdadera dimensión de la
pieza y la media muestral observada.

Tomado de: Gutiérrez & De la Vara (2103, p. 267)


Fuentes de variabilidad en las
mediciones
Reproducibilidad: Variabilidad o error
de las mediciones sobre el mismo
objeto con un instrumento bajo
condiciones cambiantes (diferentes
operadores).

Repetibilidad: Variación o error de las


mediciones sucesivas sobre el mismo
objeto con un instrumento bajo las
mismas condiciones (un operador).

Calibración: Relación entre el resultado


de la medición de un patrón y la
magnitud verdadera de éste.

Estabilidad: Capacidad del sistema de


medición para permanecer invariable
en el tiempo.

Linealidad: La exactitud a lo largo del


rango de operación del instrumento,
por ejemplo en el caso de una báscula
que mide un rango de 0 a 100
kilogramos, interesa que sea exacta en
todo este rango.

Tomado de: Gutiérrez & De la Vara (2103, p. 268)


REPETIBILIDAD

UN MISMO OPERADOR, mide 10 piezas, la


misma dimensión medida, con 3
repeticiones, en el mismo lugar, con el
Repetibilidad: mismo instrumento de medición (Gage)
Variación interna (pieza,
instrumento, método, etc.) del
sistema de medición en las
mediciones hechas por un SOLO
OPERADOR en la misma pieza y con
el mismo instrumento de medición.
Se define como la variación
alrededor de la media. Esta variación
debe ser pequeña con respecto a las
especificaciones y a la variación del
proceso (Escalante, 2016, p.104)

XA
Operario
A
REPRODUCIBILIDAD

Tres operarios miden 10 piezas, la misma


dimensión medida, con 3 repeticiones, en
el mismo lugar , pero con el MISMO
Reproducibilidad: INSTRUMENTO DE MEDICIÓN (Gage)
Variación entre sistemas (entre
métodos, condiciones, equipos,
piezas, etc.) entre las medias de las
mediciones hechas por varios
operarios con las mismas piezas y
con el mismo instrumento de
medición (Escalante, 2016)

XA XB XC
Operario Operario Operario
A B C
REPETIBILIDAD & REPRODUCIBILIAD
CALIDAD LAS MEDICIONES
R&R

¿Qué es un gage?
Cualquier instrumento usado para medir.

¿Qué es un operador?
Una persona o dispositivo que usa un gage para hacer una
medición

¿Qué es un sistema de medición?


Un subproceso que puede agregar variación a los datos.

Las personas que miden, las herramientas de medición, el


material que se mide, el método que se usa para medir y el
ambiente donde se realizan las mediciones.
Análisis de Repetibilidad y Reproducibilidad
(R&R)

El estudio del gage R&R permite:

• Determinar si el error de medición es pequeño y


aceptable relativo a la variación del proceso o
especificación del producto.
• Determinar la confianza de la “certeza” de los
datos.
•Obtener una adecuada resolución del gauge.
• Enfocar los esfuerzos de mejora si la variación
de la medición es inaceptable.
Análisis de Repetibilidad y Reproducibilidad
(R&R)
Calidad de mediciones (repetitibilidad,
reproducibilidad) R&R

 Las mediciones se pueden pensar a su vez como el resultado


de un proceso, el cual es influido por causas del mismo tipo
que afectan al proceso de producción.
Análisis de Repetibilidad y Reproducibilidad
(R&R)
Definiciones:

Repetibilidad: Es la variación observada cuando un operador


mide la misma unidad con el mismo dispositivo varias veces
(Variación producida por el equipo de medición: VE).

Reproducibilidad: Es la variación adicional observada


cuando varios operadores usan el mismo dispositivo para
medir la misma unidad (Variación producida por el
Operador: VO).

La combinación de ambas fuentes de variación se conoce


como R&R
Repetibilidad y Reproducibilidad

Ej 1 Ej 2 Ej 3
Observador 1
Intento 1 28 35 41
Intento 2 28 31 34
Observador 2
Intento 1 35 33 42
Intento 2 30 33 37
Observador 3
Intento 1 36 33 38
Intento 2 34 33 39
33
Repetibilidad y Reproducibilidad

Ex 1 Ex 2 Ex 3
Buena
Observador 1 Repetibilidad

Intento 1 28 35 41
Intento 2 28 31 34
Observador 2
Intento 1 35 33 42
Intento 2 30 33 37
Observador 3
Intento 1 36 33 38
Intento 2 34 33 39
34
Repetibilidad y Reproducibilidad

Ex 1 Ex 2 Ex 3
Observador 1
Intento 1 28 35 41
Intento 2 28 31 34
Observador 2
Intento 1 35 33 42
Intento 2 30 33 37
Mala
Observador 3 Repetibilidad

Intento 1 36 33 38
Intento 2 34 33 39
35
MEDIR - Reproducibilidad

Variación que se observa al variar las condiciones


en que se realizan las mediciones.
Las condiciones que pueden variar son:
1. Operadores.
2. Equipos.
3. Set ups.
4. Partes.
5. Medio Ambiente.

36
Repetibilidad y Reproducibilidad

Ej 1 Ej 2 Ej 3
Buena
Observador 1 Reproducibilidad
Intento 1 28 33 41
Intento 2 28 33 34
Observador 2
Intento 1 35 33 42
Intento 2 30 33 37
Observador 3
Intento 1 36 33 38
Intento 2 34 33 39
37
Repetibilidad y Reproducibilidad

Ej 1 Ej 2 Ej 3
Observador 1
Intento 1 28 33 41
Intento 2 28 33 34
Observador 2
Intento 1 35 33 42
Intento 2 30 33 37
Mala
Observador 3 Reproducibilidad

Intento 1 36 33 38
Intento 2 34 33 39
38
R&R

• El estudio de la variabilidad de las mediciones


será expresado en un porcentaje de tolerancias:
Variación del equipo (VE)
Variación del operador (VO)
Variación conjunta R&R.
• Dependiendo de la magnitud de este porcentaje
(entre más pequeña es mejor) es la calificación
que podría recibir la correspondiente fuente de
variación.
R&R
Criterios

• De 0 a 10% (excelente)

• De 10 a 20% (buena)

• De 20 a 30% (marginal)

• Mayor al 30% (reemplazar o retrabajar)


Procedimiento para realizar un estudio R&R

Para cada instrumento de medición que se desee evaluar es necesario planear


un estudio en el que se apliquen los siguientes pasos:
1. Seleccionar dos o más operadores para conducir el estudio
acerca del instrumento de medición de interés.

2. Seleccionar aleatoriamente un conjunto de 10 o más partes o


piezas que serán medidas varias veces para cada operador.

3. Decidir el número de ensayos o veces que cada operador


medirá la misma pieza. En este método se deben hacer por lo
menos dos ensayos, y tres es lo más recomendable.

4. Etiquetar cada parte y aleatorizar el orden en la cual las


partes o piezas se dan a los operadores.
Procedimiento para realizar un estudio R&R

5. Obtener en orden aleatorio la primera medición (o


ensayo) del operador A para todas las piezas
seleccionadas.

6. Volver a aleatorizar las piezas y obtener la primera


medición del operador B.

7. Continuar hasta que todos los operadores hayan realizado


la primera medición de todas las piezas.

8. Repetir los tres pasos anteriores hasta completar el


número de ensayos elegidos.

9. Hacer un análisis estadístico de los datos.


Ejemplo R&R

En una compañía que fabrica piezas metálicas en


aluminio se realiza un estudio R&R para evaluar el
proceso de medición del diámetro de una pieza A,
que es una de las características críticas de calidad
de la pieza y que debe ser de 39 mm. El cliente
acepta cómo máximo que el diámetro de la pieza sea
de 40 mm, y cómo mínimo 38 mm. Justo antes del
embarque de un lote de 500 piezas se va a hacer un
muestreo de la calidad de las mismas, necesitándose
en primer lugar analizar el sistema de medición que
se ha dispuesto para tal efecto.

Para ello se toman 10 muestras de las piezas de


aluminio y será medido el diámetro DOS veces por
pieza por TRES operadores. Los resultados se
muestran en la tabla siguiente:
Ejemplo R&R

Operador A Operador B Operador C


No. Muestra
Medición 1 Medición 2 Medición 1 Medición 2 Medición 1 Medición 2
1 39,23 39,5 39,1 39,1 38,8 38,3
2 39 39,4 38,7 38,5 38,5 38,9 TENER EN CUENTA
3 38,76 38,7 38,23 38,4 38,1 38,8 1. Cuántas muestras: n=10
4 39,1 39,8 38,9 38,9 38,9 38,2 2. Cuántos operadores (personas que
5 38,9 38,6 38,8 38,5 38,5 38 hacen mediciones): 3
6 39,3 39,7 39 39 39,1 38,7 3. Cuántas réplicas (cuántas
7 39,4 39,4 39,1 39,3 39,2 39 repeticiones a la misma pieza hará
8 40 39,9 39,8 39,6 39,1 39
cada operador): t= 2
9 38,8 38,6 38,5 38,6 38,1 38,2
10 39,4 39,8 39,2 39,9 39 39,2

Lo primero que se recomienda es analizar los datos. De la tabla anterior se puede ver que cada operador difiere
en las mediciones del largo de las piezas tanto sobre la misma muestra (repetibilidad) como entre operadores
(reproducibilidad). Veámos gráficamente este comportamiento. La primera gráfica muestra la medición promedio
de cada operador para cada muestra. Para ello vamos a volver a copiar la tabla anterior con las operaciones
necesarias:
Ejemplo R&R

Operador A Operador B Operador C


No. Vagón
Medición 1 Medición 2 Promedio A Medición 1 Medición 2 Promedio B Medición 1 Medición 2 Promedio C
1 39,23 39,5 39,365 39,1 39,1 39,1 38,8 38,3 38,55
2 39 39,4 39,2 38,7 38,5 38,6 38,5 38,9 38,7
3 38,76 38,7 38,73 38,23 38,4 38,315 38,1 38,8 38,45
4 39,1 39,8 39,45 38,9 38,9 38,9 38,9 38,2 38,55
5 38,9 38,6 38,75 38,8 38,5 38,65 38,5 38 38,25
6 39,3 39,7 39,5 39 39 39 39,1 38,7 38,9
7 39,4 39,4 39,4 39,1 39,3 39,2 39,2 39 39,1
8 40 39,9 39,95 39,8 39,6 39,7 39,1 39 39,05
9 38,8 38,6 38,7 38,5 38,6 38,55 38,1 38,2 38,15
10 39,4 39,8 39,6 39,2 39,9 39,55 39 39,2 39,1
Promedio 39,2645 38,9565 38,68
Devest 0,443745719 0,45566926 0,40600752
Ejemplo R&R
Medias promedio entre operadores
42 Análisis gráfica 1
41 De esta primera gráfica podemos apreciar en primer lugar que existe
MEDICIÓN PROMEDIO

40 diferencias entre los reportes de medición de cada operador. Se observa


39 además que el operador A gerelamente establece medidas más grandes y el
38 operacio C es el que establece medidas más pequeñas. Vemos además que
37 existe un relativo paralelismo entre las mediciones indica que no hay un
36 significativo efecto en las mediciones si se cambian los operadores, dado que
35 aunque existen diferencias, estas en términos relativos están por el mismo
1 2 3 4 5 6 7 8 9 10 patrón.
MUESTRA O VAGÓN

Promedio A Promedio B Promedio C

Análisis gráfica 2
Dispersión de las medidas de Aquí podemos apreciar la concentración o precisión de las mediciones de
cada operario sobre el promedio cada operario y su error o alejamiento de su promedio. Vemos cómo el
operario 1 o A tiene mayor alejamiento de su promedio es decir mayor
39 dispersión de sus mediciones respecto de su promedio, en tanto que el
37 operador 3 o C tiene la menor desviación estándar en sus mediciones
35
33
31
29
27
25
1 2 3 4
REPETIBILIAD & REPRODUCIBILIAD
ESTUDIO POR ATRIBUTOS

R&R POR
ATRIBUTOS
REPETIBILIAD & REPRODUCIBILIAD
ESTUDIO POR ATRIBUTOS

QUÉ PASA SI MIS


CARÁCTERÌSTICA DE
CALIDAD ES UN
ATRIBUTO NO UNA
VARIABLE?
REPETIBILIAD & REPRODUCIBILIAD
ESTUDIO POR ATRIBUTOS

EMPAQUE DE LAS LECHE  Bolsas de leche: En la línea de


llenado y empacado de leche, se evalúa la calidad del
empaque primario que es la bolsa de leche en cuanto a su
calibre y hermeticidad que son variables, pero también en
cuanto a la calidad de la impresión, sellado y forma, que son
atributos.
Plan de recolección de datos: Al final de la línea de empaque
cada hora se toman 10 bolsas de leche y además de pesarlas,
se evalúa los atributos del empaque: calidad de impresión de
la información nutricional, código de barras y sellado de la
bolsa. Se evaluará el sistema de medición de estos atributos,
tomando una muestra de 50 bolsas de leche que de acuerdo
con el plan de recolección de datos se hace en 5 horas.
El objetivo del estudio es evaluar la calidad del sistema de
medición de los atributos de las bolsas de leche con tres
operarios o evaluadores quienes evaluarán tres veces de
manera aleatoria las 50 bolsas de leche muestreadas y se
comparará sus resultados con la evaluación realizada por un
equipos de expertos.
REPETIBILIAD & REPRODUCIBILIAD
ESTUDIO POR ATRIBUTOS
Operador 1: Juan Operador 2: Mary Operador 3: Ana

Muestra Juan 1 Juan2 Juan3 Mary 1 Mary 2 Mary 3 Ana 1 Ana 2 Ana 3 Experto/estándar La característica de
1 G G G G G G G G G G
2 B B B B B B B B B B
calidad es calidad de la
3
4
G
G
G
G
G
G
B
G
G
G
G
G
G
G
G
G
G
G
G
G
bolsa de leche.
5 B B B B B B B B B B Plan de medición:
6 B

B B B B B B B B B
7 B G G G G G G G G G n = 50 muestras (bolsas)
8 B B B B B B B B G B • 3 operarios (Juan, Mary,
9 G G G G G G G G G G
10 B B B B B B B B B B Ana)
11
12
G
G
G
G
B
G
G
G
G
G
G
B
G
G
G
G
G
G
G
G
• 3 mediciones
13 B B B B B B B B G B • G (Good): Si la Bolsa de
14 G G G G G G G G G G
15 G G G G G G G G G G
leche es buena se colocará
16 G G G G G G G G G G • B (bad) si es defectuosa.
17 G G G G G G G G G G
18 G G G G G G G G G G • Las piezas se miden de
19
20
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
menara aleatoria y no
21 G G G G G G G G G G consecutiva entre réplicas.
22
23
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
G
• Criterio: Se compara con
24 B B B B B B B G B B la evaluación de un
25 B G G G G G G G G G
26 G G G G G G G G G G experto.
27 G G G G G G G G G G
28 G G G G G G G G G G
29 G G G G G G G G G G
30 B B B B B B B B B B
31 B B B B B B B B B B
32 B B B B B B B B B B
33 G G G G G G G G G G
EL PROBLEMA EJEMPLO PARTE DEL PROJECT
CHARTER
VITALAC SAS

FICHA DEL PROYECTO 6 SIGMA SELECCIONADO

ELEMENTO DESCRIPCIÓN DEL PROYECTO


EMPRESA VITALAC SAS
UBICACIÓN Cali
PROCESO A ANALIZAR Llenado y empacado de bolsas de leche
TÍTULO DEL PROYECTO Optimización del peso de las bolsas de leche de 1,1 lt durante el proceso de llenado
En el proceso de llenado de leche en la planta Vitalac, el flujo de leche que ingresa en cada bolsa
desde la máquina llenadora/empacadora PackAB7000 varía generalmente por exceso, generando
bolsas de leche con sobrepeso lo cual afecta la cantidad de leche que la empresa puede vender. Este
sobrepeso se mide con el índice: “% sobrepeso”, el cual se calcula como: kg. leche producida con
OPORTUNIDAD DETECTADA sobrepeso-mes / kg leche producidas mes x 100. Actualmente, este índice está en 5 %. Según el
(Delcaración del problema) lineamiento de la alta dirección, este índice debe estar en 2%. Durante los últimos 12 meses se ha
venido mejorando, pero no se ha alcanzado la meta. El impacto económico para la empresa es de $
17.445.500 millones de pesos mensuales representados en leche que llega al consumidor como
sobrepeso sin que se pague más por esta cantidad.

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


PLAN DE RECOGIDA DE DATOS

LA SITUACIÓN
La empresa trabaja 10 horas por día y cada hora se recoge una muestra de 10 bolsas de leche y se las
pesa en la balanza electrónica que está al final de la linea. Se tarbajan 25 días al mes

PLAN DE RECOGIDA DE DATOS

CARACTERISTICA DE
VARIABLE ATRIBUTO QUÉ MEDIR CUÁNDO MEDIR DÓNDE MEDIR INSTRUMENTO MEDICIÓN CÓMO MEDIR MUESTRA POBLACIÓN QUIÉN MIDE DURACIÓN ESTUDIO
CALIDAD

Sacar una muestra de 10


bolsas de leche cada hora
cada sacando una bolsa cada
seis minutos, pesarla y
regristrar, al final de la hora 10.080
PESO DE LA Bolsa individual de leche de esablecer el peso promedio 100 bolsas/día bolsas/día
Al final de la máquina Operario linea
BOLSA DE LECHE X 1,1 ml, descontando el peso Cada hora Balanza electrónica de las 10 bolsas de leche, equivalente a equivalente a 25 días (1 mes)
llenadora empacadora llenado
DE 1,1 ml del empaque repitiendo la operación cada 250 bolsas/mes 252.000 bolsas/
hora laborada en el día. Se mes
debe registrar el peso sin la
Tara (empaque) que es de
12,5 gr. Se registra en el
formato RS-PP-034

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


TABLA DE DATOS (RECOGIDOS)  DATA
COLLECTION

Tabla de datos (Data): Datos del peso de las bolsas de leche (Variable de interés Y)
Como nuestro sistema de del último mes
medición es confiable, ya
podemos tomar (Medir) MES DIA M1 M2 M3
TABLA DE DATOS MES 1
M4 M5 M6 M7 M8 M9 M10
datos de nuestro 1 1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189
1 2 1210 1210 1189 1187 1179 1169 1204 1199 1177 1179
proyecto… 1 3 1194 1198 1189 1194 1201 1187 1192 1198 1163 1189
1 4 1180 1174 1201 1187 1203 1206 1176 1206 1185 1182
1 5 1180 1159 1185 1177 1192 1171 1194 1192 1193 1190
1 6 1208 1169 1188 1183 1187 1191 1173 1189 1185 1195
1 7 1170 1196 1202 1177 1201 1203 1194 1189 1191 1191
1 8 1189 1194 1190 1192 1204 1190 1181 1186 1187 1191
1 9 1188 1195 1177 1207 1180 1194 1177 1185 1199 1184
PLAN DE RECOGIDA DE DATOS 1 10 1197 1192 1205 1196 1180 1193 1191 1179 1185 1189
La empresa trabaja 10 horas por día y cada hora se 1 11 1184 1178 1204 1188 1191 1190 1209 1192 1181 1224
recoge una muestra de 10 bolsas de leche y se las 1 12 1193 1191 1199 1179 1185 1206 1167 1199 1188 1199
pesa en la balanza electrónica que está al final de 1 13 1206 1190 1184 1186 1187 1194 1198 1198 1189 1201
1 14 1184 1200 1201 1190 1189 1191 1197 1195 1180 1194
la linea. Se tarbajan 25 días al mes
1 15 1177 1196 1188 1189 1187 1184 1197 1199 1198 1191
1 16 1175 1169 1191 1181 1202 1193 1196 1197 1183 1178
1 17 1186 1174 1189 1184 1186 1190 1199 1180 1196 1190
1 18 1193 1194 1176 1181 1203 1188 1213 1210 1203 1179
1 19 1203 1196 1196 1186 1197 1170 1197 1199 1210 1183
1 20 1176 1190 1172 1190 1171 1185 1191 1165 1191 1201
Nótese que en la tabla hay 25 muestras 1 21 1182 1201 1198 1189 1210 1184 1204 1202 1190 1194
cada una con 10 grupos racionales 1 22 1197 1187 1190 1183 1201 1189 1215 1181 1193 1175
1 23 1198 1190 1195 1205 1192 1186 1196 1181 1206 1213
(M1…M10) 1 24 1177 1183 1183 1181 1191 1194 1181 1196 1185 1191
1 25 1170 1183 1195 1193 1186 1175 1205 1180 1197 1188

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


TABLA DE DATOS (RECOGIDOS)  DATA
COLLECTION

• No son los datos usados Datos del peso de las bolsas de leche (Variable de interés Y)
para el R&R del último mes
• Deben corresponder con
el Plan de recogida de MES DIA M1 M2 M3
TABLA DE DATOS MES 1
M4 M5 M6 M7 M8 M9 M10
datos 1 1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189

• Son los datos de la 1


1
2
3
1210
1194
1210
1198
1189
1189
1187
1194
1179
1201
1169
1187
1204
1192
1199
1198
1177
1163
1179
1189
característica de calidad 1 4 1180 1174 1201 1187 1203 1206 1176 1206 1185 1182

variable de estudio , 1
1
5
6
1180
1208
1159
1169
1185
1188
1177
1183
1192
1187
1171
1191
1194
1173
1192
1189
1193
1185
1190
1195
de la variable de 1
1
7
8
1170
1189
1196
1194
1202
1190
1177
1192
1201
1204
1203
1190
1194
1181
1189
1186
1191
1187
1191
1191
respuesta Yi 1 9 1188 1195 1177 1207 1180 1194 1177 1185 1199 1184

• Deben estar organizados 1


1
10
11
1197
1184
1192
1178
1205
1204
1196
1188
1180
1191
1193
1190
1191
1209
1179
1192
1185
1181
1189
1224
(grupos o subgrupos) 1 12 1193 1191 1199 1179 1185 1206 1167 1199 1188 1199
1 13 1206 1190 1184 1186 1187 1194 1198 1198 1189 1201
1 14 1184 1200 1201 1190 1189 1191 1197 1195 1180 1194
1 15 1177 1196 1188 1189 1187 1184 1197 1199 1198 1191
1 16 1175 1169 1191 1181 1202 1193 1196 1197 1183 1178
1 17 1186 1174 1189 1184 1186 1190 1199 1180 1196 1190
1 18 1193 1194 1176 1181 1203 1188 1213 1210 1203 1179
1 19 1203 1196 1196 1186 1197 1170 1197 1199 1210 1183
1 20 1176 1190 1172 1190 1171 1185 1191 1165 1191 1201
1 21 1182 1201 1198 1189 1210 1184 1204 1202 1190 1194
1 22 1197 1187 1190 1183 1201 1189 1215 1181 1193 1175
1 23 1198 1190 1195 1205 1192 1186 1196 1181 1206 1213
1 24 1177 1183 1183 1181 1191 1194 1181 1196 1185 1191
1 25 1170 1183 1195 1193 1186 1175 1205 1180 1197 1188

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


TABLA DE DATOS (RECOGIDOS)  DATA
COLLECTION

ORGANICE SUS DATOS DE ACUERDO AL PLAN DE RECOLECCIÓN, FORMANDO GRUPOS Y SUBGRUPOS

GRUPOS SUBGRUPOS LOS DATOS DEBEN RESPONDER AL


PLAN DE RECOLECCIÓN
PERIODO MUESTRA 1 MUESTRA 2 MUESTRA 3 MUESTRA 4 MUESTRA 5 MUESTRA 6 MUESTRA 7 MUESTRA 8 MUESTRA 9 MUESTRA 10

DÍA 1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189 DIA 1-HORA1 MUESTRA 1
DÍA 2 Bolsa leche1 1177
DÍA 3 Bolsa leche2 1185
DÍA 4 Bolsa leche3 1165
DÍA 5 Bolsa leche4 1179
DÍA 6 Bolsa leche5 1180
DÍA 7 Bolsa leche6 1185
DÍA 8 Bolsa leche7 1180
DÍA 9 Bolsa leche8 1178
DÍA 10 Bolsa leche9 1180
DÍA 11 Bolsa leche10 1191
DÍA 12 PROMEDIO 1180
DÍA 13
DÍA 14
DÍA 15 Cada grupo de datos tiene 10 subgrupos,
DÍA 16 de tamaño n=10. dato útil para la
DÍA 17 construcción de las Cartas de control,
DÍA 18 Capacidad de corto plazo o con el uso de
DÍA 19 programas especializados
DÍA 20

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


TABLA DE DATOS (RECOGIDOS)  DATA
COLLECTION

Cada grupo de datos tiene 10 subgrupos,


GRUPOS SUBGRUPOS de tamaño n=10. dato útil para la
construcción de las Cartas de control,
PERIODO MUESTRA 1 MUESTRA 2 MUESTRA 3 MUESTRA 4 MUESTRA 5 MUESTRA 6 MUESTRA 7 MUESTRA 8 MUESTRA 9 MUESTRA 10 Capacidad de corto plazo o con el uso de
programas especializados
DÍA 1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189
DÍA 2
DÍA 3
DÍA 4

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


TABLA DE DATOS (RECOGIDOS)  DATA
COLLECTION
DATOS DE MEDICIÓN
CARACTERISTICA DE EQUIPO DE MEDICIÓN
PESO DE LA BOLSA DE LECHE DE 1,1 ml n= 250 N= 252000
CALIDAD Balanza electrónica

SG 1 SG 2 SG 3 SG 4 SG 5 SG 6 SG 7 SG 8 SG 9 SG 10 SG 11 SG 12
MUESTRA 1 2 3 4 5 6 7 8 9 10
1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189
2 1210 1210 1189 1187 1179 1169 1204 1199 1177 1179
3 1194 1198 1189 1194 1201 1187 1192 1198 1163 1189
4 1180 1174 1201 1187 1203 1206 1176 1206 1185 1182
5 1180 1159 1185 1177 1192 1171 1194 1192 1193 1190
6 1208 1169 1188 1183 1187 1191 1173 1189 1185 1195
7 1170 1196 1202 1177 1201 1203 1194 1189 1191 1191
8 1189 1194 1190 1192 1204 1190 1181 1186 1187 1191
9 1188 1195 1177 1207 1180 1194 1177 1185 1199 1184
10 1197 1192 1205 1196 1180 1193 1191 1179 1185 1189
11 1184 1178 1204 1188 1191 1190 1209 1192 1181 1224
12 1193 1191 1199 1179 1185 1206 1167 1199 1188 1199
13 1206 1190 1184 1186 1187 1194 1198 1198 1189 1201
14 1184 1200 1201 1190 1189 1191 1197 1195 1180 1194
15 1177 1196 1188 1189 1187 1184 1197 1199 1198 1191
16 1175 1169 1191 1181 1202 1193 1196 1197 1183 1178
17 1186 1174 1189 1184 1186 1190 1199 1180 1196 1190
18 1193 1194 1176 1181 1203 1188 1213 1210 1203 1179
19 1203 1196 1196 1186 1197 1170 1197 1199 1210 1183
20 1176 1190 1172 1190 1171 1185 1191 1165 1191 1201
21 1182 1201 1198 1189 1210 1184 1204 1202 1190 1194
22 1197 1187 1190 1183 1201 1189 1215 1181 1193 1175
23 1198 1190 1195 1205 1192 1186 1196 1181 1206 1213
24 1177 1183 1183 1181 1191 1194 1181 1196 1185 1191
25 1170 1183 1195 1193 1186 1175 1205 1180 1197 1188

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com


Escuela de Ciencias Basicas, Tecnología e
Ingeniería

GRACIAS POR SU
ATENCIÓN
PLAN DE RECOLECCIÓN DE DATOS, PRUEBAS
DE NORMALIDAD Y TRANSFORMACIÓN

Ing. Mag. Germán Gómez Solarte, BB LSSgerman.gomez@unad.edu.co  germang1407@gmail.com

También podría gustarte