Unidad II

6s

Elaborado por Ing. Flor Vides

1
Definición

Es una medida estadística del nivel de desempeño de un

proceso o de un producto

Es una metodología de calidad que utiliza herramientas

para mejorar los procesos de producción en cadena.
Reduciendo el número de unidades defectuosas y el
tiempo del ciclo y con ello generando una mayor confianza
por parte de los clientes.

Se basa en la curva de la distribución normal (para conocer

el nivel de variación de cualquier actividad), que consiste en
elaborar una serie de pasos para el control de calidad y
optimización de procesos industriales

2
 Historia

Se inicia la década de 1980

Motorola

Black & NASA

Decker Toshiba Ford

Su aplicación requiere el uso de

herramientas y metodologías, con
la finalidad de eliminar la
variabilidad de los procesos y
productos mayor satisfacción del
3
cliente
Historia
Un proceso con una curva de capacidad
afinada para seis (6) sigma, es capaz de
producir con un mínimo de hasta 3,4
defectos por millón de oportunidades
(DPMO), lo que equivale a un nivel de
calidad del 99.9997 %.

4
 Herramientas de Análisis y Mejora de
Calidad
Con el cual se conocen las etapas del
DIAGRAMA DE FLUJO DE proceso por medio de una secuencia
PROCESOS de pasos, así como las etapas críticas

Es utilizado como lluvia de ideas para

DIAGRAMA DE CAUSA- detectar las causas y consecuencias de
EFECTO los problemas en el proceso

Se aplica para identificar las causas

principales de los problemas en proceso
DIAGRAMA DE PARETO de mayor a menor y con ello reducir o
eliminar de una en una (empezando con
la mayor y después con las posteriores o
con la que sea más accesible)
5
 Herramientas de Mejora de Calidad
Con el cual se observan los datos (defectos y
fallas) y se agrupan en forma gausiana conteniendo
los límites inferior y superior y una tendencia
central.
HISTOGRAMA
Provee la forma de distribución de los datos. La
tendencia central y la variabilidad se pueden
estimar fácilmente y los limites de especificación
(inferior y superior), se pueden sobreponer para
estimar la capacidad del proceso.

Es utilizada para representar datos gráficamente con

respecto a un tiempo, para detectar cambios
GRÁFICA DE significativos en el proceso
TENDENCIAS Utilizado para mostrar tendencias en los datos a
través del tiempo. Se observa el seguimiento de los
defectos en un proceso.
6
Herramientas de Mejora de Calidad

Con el cual se pueden relacionar dos

DIAGRAMA DE
variables y obtener un estimado usual del
DISPERSIÓN
coeficiente de correlación Permite hacer
estimaciones a primera vista e Identifica
puntos extraordinarios

Identifica causas especiales que afectan el

GRÁFICAS DE CONTROL promedio o la variación. Ayuda a determinar
que tipo de acción se debe tomar.
Niveles de Desempeño en Sigma

Nivel de DPMO Nivel Sigma Clase mundial

calidad
30,9% 690000 1,0 No
competitiva
69,2% 308537 2,0
93,3% 66807 3,0 Promedio
99,4% 6210 4,0
99,98% 233 5,0 Clase
mundial
99,9997% 3,4 6,0
8
Modelo DIMAIC

Define

Control Measure

6s

Improve Analyze

9
 Desarrollo de la Metodología Seis Sigma
2. Definir y describir el
proceso y evaluar el
1. Definir el sistema de medición
problema/Seleccionar
el proyecto

3. Determinar las
variables significativas y
6. Controlar y dar evaluar la capacidad de
seguimiento al proceso
proceso

4. Optimizar y
robustecer el proceso
5. Implementar el
proceso
10
Definir el problema/Seleccionar el proyecto

Ideas Información
incompleta
Creencias

Situación problemática inespecífica

Diagrama de Pareto, Histograma, Graficas

de control

Problema Definido
11
Evaluación del Sistema de Medición

El sistema de medición: es la serie de operaciones, procedimientos,

instrumentos de medición, software y personal definidos para
asignar un numero a la característica que esta siendo medida.
Ancho del proceso

Ancho de la especificación

Ancho del proceso

Variación del Variación de
proceso la medición

12
 Calibración de un instrumento:

Es el conjunto de operaciones bajo

condiciones específicas que sirven para
establecer la relación entre las magnitudes
indicadas por un instrumento de medición,
con las magnitudes ya conocidas de un
material o instrumento patrón.

13
 Posibles Fuentes de la
Variación del Proceso

La “Repetibilidad” y “reproducibilidad” (R&R), son los errores más relevantes en la medición.

14
15
Diferencia entre precisión y exactitud
Precisión: Se refiere a la variación o dispersión de los disparos, poca
variación significa buena precisión.
Cercanía de repetidas lecturas entre sí o error aleatorio del sistema
de medición. Se compone de la repetibilidad y reproductibilidad

Exactitud: Se define con respecto a su cercanía (sesgo) con el

valor verdadero.

Preciso no Exacto no
exacto preciso

Ni preciso Preciso
ni exacto exacto
 Exactitud (sesgo)
Es la diferencia entre el promedio de las mediciones hechas
por un operador (VP) y el valor real (VR) obtenido con el
master (patrón o instrumento de medición usado para medir
a los de uso diario)

1 operador
1 gage (uso diario)
1 Pieza medida varias veces
1 lectura con el master

17
 Repetibilidad : Variación del equipo – E.V (Equipment Variation)

Variación en las mediciones obtenidas con un instrumento cuando se

usa varias veces por un operador midiendo una característica idéntica
en la misma parte. Variación del equipo – E.V (Equipment Variation)

1operador
1gage
1 pieza medida varias veces

18
 Reproducibilidad

Variabilidad o error de las mediciones sobre el mismo objeto con un

instrumento bajo condiciones cambiantes (diferentes operadores).

• 1 gage
• 2 o 3 operadores
• 10 piezas

19
 Estudio de R&R

 Generalmente intervienen de dos a tres operadores

 Se escogen 10 unidades que cubran el 80% de la
variación del proceso
 Cada unidad es medida por cada operador, 2 ó 3
veces.

20
 Procedimiento para
realizar un estudio de R&R
1. Etiquetar cada parte y aleatorizar el orden en el cual las
partes se dan a los operadores.
2. Identificar la zona o punto en la parte donde la medición
será tomada, así como el método o técnica que deberá
aplicarse.calibrador, o asegúrese de que éste haya sido
calibrado.
3. Marque cada pieza con un número de identificación que
no pueda ver la persona que realiza la medición.
4. Haga que el primer operador mida todas las muestras
una sola vez, siguiendo un orden al azar.
5. Haga que el segundo operador mida todas las muestras
una sola vez, siguiendo un orden al azar.
6. Continúe hasta que todos los operadores hayan medido
las muestras una sola vez (Este es el ensayo 1).
21
 Procedimiento para
realizar un estudio de R&R

7. Utilice el formato proporcionado para determinar las

estadísticas del estudio R&R
 Repetibilidad
 Reproducibilidad
 %R&R
 Desviaciones estándar de cada uno de los conceptos
mencionados
 Análisis del % de tolerancia

8. Analice los resultados y determine los pasos a seguir, si

los hay.

22
 Métodos de estudio del error R&R:

I. Método de Promedios- Rango

• Separa en el sistema de medición la reproducibilidad y la Repetibilidad.
• Los cálculos son más fáciles de realizar.

II. Método ANOVA

• Separa en el sistema de medición la reproducibilidad y la repetibilidad.
• También proporciona información acerca de las interacciones de
un operador y otro en cuanto a la parte.
• Calcula las varianzas en forma más precisa.
• Los cálculos numéricos requieren de una computadora.

El Método ANOVA es Más Preciso 23

 Criterios del R&R

P/T ≤ 10%, excelente proceso de medición

10% < P/T ≤ 20%, bueno
20% < P/T ≤ 30%, marginal (casi inaceptable)
P/T ≥ 30%, inaceptable y debe corregirse
30% si la característica no es crítica

24
25
1. Calcular para cada operador el rango de las mediciones que
hizo de cada pieza. Este rango es una información directa
sobre el error de las mediciones (repetibilidad), ya que son
sobre la misma pieza y las realiza el mismo operador.

2. Calcular el promedio de los rangos de cada operador y la

media de todas las mediciones realizadas por un mismo
operador. En el ejemplo, las medias por operador son:

y los promedios de sus rangos resultan ser:

2.
26
3. Obtener la media de los rangos promedio

y el rango de las medias

4. Calcular el límite superior de la carta de rangos mediante D4R= 3.27 ×

0.736 = 2.41, Si algún rango es mayor que este límite, será señal de que
el error de medición correspondiente está fuera de lo usual, por lo que es
preciso identificar la causa; además, se deben repetir las mediciones
involucradas utilizando el mismo operador y la misma pieza.

5. Calcular la variación expandida del equipo (VE),

6. Determinar la variación expandida del operador (VO) como:

27
7. La variación combinada o error de medición expandido (EM)
debido a repetibilidad y reproducibilidad se calcula como:

8. Calcular el índice precisión/tolerancia. En este ejemplo la

tolerancia para el tamaño de partícula es de 15 unidades, entonces
el índice P/T se define por

28
29
30
 Componentes de la varianza

%Contribución
Fuente CompVar (de CompVar)
Gage R&R total 0,52232 10,57
Repetibilidad 0,42622 8,62
Reproducibilidad 0,09610 1,94
Parte a parte
Evaluación 4,41969
del sistema de medición 89,43
Variación
Componentestotal
de la varianza 4,94201 100,00

Evaluación del sistema de medición

%Var.
Desv.Est. Var. estudio estudio %Tolerancia
Fuente (DE) (6 × DE) (%VE) (VE/Toler)
Gage R&R total 0,72272 4,3363 32,51 28,91
Repetibilidad 0,65285 3,9171 29,37 26,11
Reproducibilidad 0,31000 1,8600 13,94 12,40
Parte a parte 2,10231 12,6138 94,57 84,09
Variación total 2,22306 13,3384 100,00 88,92

31
 Evaluar La Capacidad De Proceso
Índice Cp: Indicador potencial de la capacidad de proceso que resulta de
dividir el ancho de las especificaciones (variación tolerada) entre la
amplitud de la variación natural del proceso

Cp= ES-EI= Capacidad tolerada σ = R/d2

6σ Capacidad real

Valor del Clase o categoría Decisión (Si el proceso esta

Índice Cp del proceso centrado)

Cp≥2 Clase mundial Se tiene calidad 6σ

Cp˃1.33 1 Adecuado

1˃Cp˃1.33 2 Parcialmente adecuado requiere de

control estricto

0,67˂Cp˂1 3 No adecuado, es necesario un análisis del

proceso, requiere cambios serios
Cp˂0.67 4 No adecuado requiere cambios muy
serias
32
 Calculo de la métrica Seis Sigma

dpu Defectos por unidad

Numero de defectos/numero de unidades
dpmu Defectos por millón de unidades= dpu*106
dpo Defectos por total de oportunidades dpo=
numero de defectos/ total de oportunidades
totales
dpmo Dpo*106

33
34
EJEMPLO DE
APLICACIÓN

35
 DEFINIR EL PROBLEMA
• Y 1: Esfuerzo para levantar el
descansabrazos.
• Y 2: Esfuerzo para bajar el descansabrazos.
EVALUACIÓN DEL SISTEMA DE MEDICIÓN
 De éste análisis se concluye que el sistema de medición
tiene un desempeño inadecuado, ya que los índices (P/T) =
42.6 y (VE/VarTot) = 48.1 son claramente mayores a 30%.

Asimismo se concluye que el problema está en reproducibilidad, ya

que de 23.1% de variación total con la que contribuye el sistema de
medición, 21.4 se debe a reproducibilidad.
En suma, se concluye que los operadores no utilizan el instrumento
de la misma manera para medir el esfuerzo para subir el
descansabrazos y el sistema de medición es inaceptable tanto para
controlar el proceso como para distinguir entre piezas buenas y
malas, de manera que este primer estudio R&R no pasa
EVALUACIÓN DEL SISTEMA DE MEDICIÓN

Dado que el sistema de medición es inapropiado, el proyecto

Seis Sigma no debe seguir hasta que no se tenga un sistema
de medición confiable. Por ello, se desarrolló un programa de
mejora de la habilidad de los operadores y se reentrenó a
todos los inspectores que realizan mediciones en el proceso

Después de ello se volvió a hacer un estudio R&R, en donde a

primera vista se observa una mayor coincidencia entre los
resultados de ambos operadores. De un análisis detallado de los
datos de este segundo estudio, que se deja al lector como
ejercicio, se obtiene que (P/T) = 13.6 y (VE/VarTot) = 25.6;
como ambos son menores a 30% se considera que es un
ESTUDIO DE CAPACIDAD Y ESTABILIDAD
Una vez aprobada la calidad de las mediciones se procede a
determinar la línea base (base line) de Y1. Se planea un estudio
de capacidad y estabilidad utilizando una carta de control X–-R,
con tamaño de subgrupo igual a cuatro, hasta completar 20
subgrupos repartidos en un periodo de tiempo suficiente como
para que se manifieste la variación de largo plazo del proceso
Gráfica Xbarra-R de C1. .... C4
1 1
1
25,0
LCS=24,16
Media de la muestra

22,5
__
20,0 X=20,16

17,5
LCI=16,16
15,0 1 1
1
1 3 5 7 9 11 13 15 17 19
Muestra

LCS=12,53
12
Rango de la muestra

_
6
R=5,49

0 LCI=0
1 3 5 7 9 11 13 15 17 19
Muestra
la capacidad de largo plazo es igual a ZL = 3Ppk = 3 × 0.81 = 2.43
sigmas, lo cual está por debajo de la meta de 4.5 sigmas
ANALISIS
 OPTIMIZAR
Se determinaron seis factores,:
X1: tipo de asiento (conductor y pasajero)
X2: tipo de material (tela y piel).
X3: tipo de espuma,
X4: ILD de la espuma,
X5: dimensión de la costura,
X6: posición de la costura,
X7: número de rondanas
X8: torque,
Se elaboro un DDE por la ANOVA y se obtuvo lo siguiente

De acuerdo con el estadístico R2 ajustado, estos tres términos

explican 83.07% de la variación presente en los datos
 De esta manera, se encontró y confirmó que hay cuatro
causas vitales: X1, X3, X7 y X8 en el segundo
experimento. De aquí que es necesario considerar el tipo
de asiento que se está ensamblando (tipo de asiento y
tipo de espuma) además del número de rondanas y el
torque, para encontrar condiciones óptimas de ensamble
para los mismos.

Así, las mejores condiciones de operación del proceso para el

asiento del conductor y dependiendo del tipo de espuma son:
A (Espuma = Tipo B; Rondana = 2; Torque = 25 N) Yˆ =œ 25,69
B (Espuma = Tipo A; Rondana = 3; Torque = 29 N) Yˆ =œ 27,70

La mejor combinación es la A puesto que está mas cerca del

valor objetivo
VERIFICACIÓN DE LA MEJORA
Luego de la solución óptima se toman datos y se mide la estabilidad y la capacidad de
procesos
DESPUES DE 2 MESES