Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GERENCIA DE LA CALIDAD Y
GESTIÓN POR PROCESOS
ESTRATEGIA
SIX SIGMA
MEDIR
ANALIZAR
Mg Rocío Romani
ESTRATEGIA SIX SIGMA
DMAIC
Catedrático:
Mg Rocío Romani
Recordando la clase anterior…
¿Qué recuerdas?
TEMARIO
• - Visión general de la metodología Lean Six Sigma.
• - Mapa DMAIC (definir, medir, analizar, mejorar,
controlar)
• - Definir el alcance del proyecto.
• - Equipos de trabajo.
• - Habilidades y funciones del líder.
• - Desarrollo e implantación de soluciones.
Fuentes basadas en referencias del Ing. Miguel Ángel Patiño Antonioli, MBA
1. ¿Qué es Estrategia?
2. ¿Cuál es la importancia de definir Estrategias en procesos de mejora en una
empresa?
3. ¿Cuándo sabe uno que necesita revisar sus procesos y sus estrategias?
4. ¿Cuáles son los enemigos de los procesos de mejora?
5. ¿Todas las áreas tienen procesos?
6. ¿Los procesos de mejora tienen enemigos diferentes que el diseño de Estrategias o es
el mismo tipo de enemigo?
7. ¿Hay alguna diferencia de actitud generacional frente a los procesos y estrategia?
8. ¿La tecnología suma o no suma a la mejora de procesos?
9. ¿Existe el cliente ideal? ¿El cliente siempre tiene la razón?
10. ¿La Mejora de procesos se aplica todos los rubros de las empresas?
Objetivos
Al finalizar esta sesión, el participante:
1. Comprender las principales herramientas de la etapa Medición y
Análisis, dentro del marco del Diagnóstico Lean Six Sigma.
2. Comprende la interpretación y es capaz de desarrollar un Staffing
(optimización de recursos) respecto a un proceso escogido.
3. Comprende las principales herramienta asociadas para medir y
analizar las variables críticas y culminar las Oportunidades de Mejora
del punto de partida (Baseline).
CONTENIDO
Política
de tiempo
límite
para
esperas
de
productos
Touch Time (Tiempo de Toque)
El Touch Time es el tiempo durante el
cual el producto final está siendo %
efectivamente trabajado. Normalmente:
Valor agregado < 20% del tiempo total.
Todo el resto es improductividad
Touch Time (Tiempo de Toque)
Pasos para estimar el “Touch Time” (TT):
Aprox 3 días
Cuándo utilizarlo:
Al inicio de una transformación,
para relevar las Fuentes de
pérdidas y ver el proceso
integralmente.
Para visualizer los flujos de material
e información.
Para ofrecer marco común a
debate.
Value Stream Map
¿Cómo se pasa de un proceso mapeado a un VSM?
Proceso VSM
Value Stream Map
En resumen, los pasos para crear el VSM del Baseline
Value Stream Map
En cada paso, agregamos nuevos elementos al VSM
La medición del Proceso
i. Las Herramientas de Medición Lean
Diagrama de Spaghetti
Correlación r ρ
Estimadores puntuales Parámetros
o Estadísticos
Administrar un proceso, una empresa de
forma efectiva requiere la recolección de
datos apropiados. Muchas veces los datos se
obtienen de los elementos de muestras, y las
muestras se toman de la población, de tal
forma que sean los más representativas.
1-7
Descripción de Datos
Tipos de Variables VARIABLES
Cualitativas Cuantitativas
Discretas
Continuas
Atributos
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Análisis exploratorio de los datos, distribución de frecuencias
Distribución de Frecuencias
Agrupamiento de datos en categorías que
muestran el número de observaciones y su
% en cada categoría.
Medidas de Tendencia Central/Posición
Aquellas que indican el valor de un punto
medio o representativo de un grupo de datos.
Medidas de Dispersión
Aquellas que indican como se encuentran
esparcidas las observaciones de un grupo de
datos, representando la variabilidad.
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Distribución de Frecuencias para Tablas y Gráficos
Intervalo de clase
Número reducido de datos que sirve para agrupar los datos.
Amplitud del intervalo
Diferencia entre el Límite superior e inferior de un Intervalo.
Marca de clase
Punto medio entre los Límites de un Intervalo.
Frecuencia de clase
Número de variables incluidas en un intervalo de clase.
0 Meses
Ene Feb Mar Abr May Jun Jul
20
Ejemplo con
variable 15
cuantitativa
10
discreta
5
0 Número de hijos
0 1 2 3 4 5 (escolares)
Fuente: Departamento de Marketing
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Tablas y Gráficos
2) Los Gráficos
2.4) Histograma Ej.: Gráfico 5: Peso de 100 Personas (en Kg.)
Son barras verticales Número de
presentadas una a continuación Personas
25
de otra (en variables continuas).
El ancho es homogéneo 20
(amplitud de clase). 15
La altura está en función a la
10
frecuencia.
La organización de datos en un 5
Peso
histograma permite una mejor 0 (Kgs)
29.5 39.5 49.5 59.5 69.5 79.5 89.5 99.5
compresión de los datos.
Fuente: Encuesta, enero 1998
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Tablas y Gráficos
2) Los Gráficos
2.5) Barras Horizontales
Normalmente se utilizan también para representar variables cualitativas. El ancho y el
espacio entre barras debe ser homogéneo. La longitud de la barra es proporcional a la
frecuencia
Ej.: Gráfico 6: Asignación del personal por departamento
Departamentos
Personal
Producción
Mercadeo
Logística
Finanzas Nº de
trabajadores
0 10 20 30 40 50 60 70 80 90 100
Fuente: Planilla de Pagos. Oficina de Personal
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Tablas y Gráficos
2) Los Gráficos
2.6) Polígono de Frecuencias
Se construye uniendo los punto medios del lado superior de
las barras del histograma
Ej.: Gráfico 7: Peso de 100 Personas (en Kg.)
25
Número de
Personas20
15
10
0 Peso (Kgs)
29.5 39.5 49.5 59.5 69.5 79.5 89.5 99.5
Fuente: Encuesta, enero 1998
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Tablas y Gráficos
2) Los Gráficos
2.7) Diagrama Circular
El circulo se divide en segmentos circulares, de tamaño
proporcional a la frecuencia de la categoría.
Ej.: Gráfico 8: Ventas trimestrales: 1997 1er trim.
(en soles) 2do trim.
3er trim.
4to trim.
*
Descripción de Datos
Uso del análisis gráfico y arreglo de datos para la toma de decisiones
Tablas y Gráficos
2) Los Gráficos
2.10) Diagrama de Pareto
Utilizado para enfocar un análisis en el 80% principal por prioridad.
Ej.: Gráfico 11: Pareto de causas de rechazo
Descripción de Datos
Caso Metalmecánica
Tendencia Central
(Posición)
Dispersión
(Variación)
Sesgo
Resumen numérico de los datos
Medidas de Tendencia Central
Aquellas que nos indican cual podría ser el punto medio
o representativo de un conjunto de datos analizados.
Llamados “Promedios”, buscan dar su “opinión” respecto
al valor central. Los principales son:
w X i
Media aritmética en la cual
i
i 1 se considera a cada uno
k de los valores de las
w
p
w x
i 1
i i
el grupo y se trata de
encontrar un valor
x k representativo tomando en
p
w i 1
i
cuenta esos “pesos”.
Resumen numérico de los datos
Medidas de Tendencia Central
Media Ponderada
Ejemplo:
Un productor de yogurt ha decidido capitalizar un reciente "boom"
en la demanda para yogurt de sabores. El presenta su producto bajo
diferentes marcas (A, B, C, D) y quiere ampliar su publicidad dando
énfasis a los sabores; pero a la vez desea mantener la diferenciación
de marcas. Sabe que si varía demasiado los precios esperados por
sus consumidores en las distintas marcas, ellos se tornarán más
cautos al momento de escoger los sabores. Por lo tanto, decide
efectuar un estudio de mercado para sus productos, empleando tres
diferentes niveles de precios en cada una de sus marcas.
Resumen numérico de los datos
Medidas de Tendencia Central
Media Ponderada
¿Cuál será el precio promedio de cada una de las marcas, basado en la
cantidad comprada por cada consumidor de marca, en cada uno de los tres
precios propuestos en el estudio de mercado?
¿Cuál será el ingreso total por ventas, para cada marca; encontrado en este
estudio de mercado, sí el productor coloca sus precios al nivel del promedio
hallado, y si las mismas cantidades por marca fueran vendidas?
Para ayudar al productor en su presupuesto del próximo año, asuma que la
demanda para el yogurt de sabores no es estacional. Asuma además que los
precios promedio hallados son usados en cada marca y que las cantidades
vendidas por marca en la muestra serán vendidas a este precio. ¿Cuál será
su venta total anual esperada de yogurt de sabores?
Resumen numérico de los datos
Medidas de Tendencia Central
Media Ponderada
Marca Precio USD Frec. de Compra
0.20 33
A 0.25 42
0.29 30
0.35 40
B 0.37 47
0.40 23
0.41 28
C 0.43 31
0.45 34
0.47 47
D 0.49 27
0.51 17
Resumen numérico de los datos
Medidas de Tendencia Central
Media Geométrica
De n números positivos G N X 1 X 2 X 3 .. X n
es la raíz n-ésima del
producto de los n
números.
N 1 Valoralfinal
Para promediar
G Valoralinicio 1
porcentajes de variación,
índices y cifras relativas.
Determinar el incremento
porcentual promedio en
ventas, producción, etc.
Resumen numérico de los datos
Medidas de Tendencia Central
Media Geométrica
Ejemplo:
La siguiente tabla muestra la tasa de aumento en las ventas
durante los últimos meses. Calcule e interprete la tasa
media mensual.
Meses Enero Febrero Marzo Abril Mayo
Aumento de
2.6% 5.4% 3.8% 0.5% 1.4%
Ventas
xg n x1, x 2, x 3,...... x
Ejemplo:
4, 5, 7, 8, 8 , 10, 12, 15
Medidas de posición.
F j X jn F 0.5
Dividen en: DatosNoAgrupados
Cuatro (Qj)
Diez (Dj) jn faA
Cien (Pj) F i
F j Lij f
Formulación ij
semejante a la
mediana. DatosAgrupados
Resumen numérico de los datos
Medidas de Dispersión
i 1
2
Media aritmética de las
desviaciones cuadráticas N
respecto a la media. Poblacion
Expresada en unidades al n
xi x
2
cuadrado.
n-1, factor de corrección. S 2 i 1
n1
Muestra
Miden la dispersión promedio alrededor de la media, que tanto varían los
valores más grandes que están por encima de ella y cómo se distribuyen los
valores menores que están por debajo de ella.
Resumen numérico de los datos
Medidas de Dispersión
Puntaje Estandarizado “Z”
x
Z
Z
-3 -2 -1
0 +1 +2 +3
Resumen numérico de los datos
Medidas de Dispersión
Puntaje Estandarizado “Z” Z=(13-9)/2.5 = 2
Ejemplo: Z=(15-18)/2 = -1.5
Por otro lado, un sujeto llamado Ricardo está llevando el curso de Corte y
Confección en un salón que tuvo una nota promedio final de 18 con
desviación 2. Ricardo sacó 15.
Indica la magnitud relativa CV *100
de la desviación estándar
CV = 2.5/9*100 =27.7%
distribuciones. x
Muestra
CV Grado de Variablidad
De esta forma en relación con la medida del volumen del paquete es mucho más
variable que su peso.
Puntuaciones Z
Las puntuaciones Z son útiles para identificar atípicos. Cuanto mayor es la
puntuación Z, mayor es la distancia entre tal valor y la media.
La puntuación Z es igual a la diferencia entre ese valor y la media, dividida por
la desviación estándar.
Resumen numérico de los datos
Medidas de Simetría y Curtosis
Sesgo de una distribución
Negativamente Positivamente
Simétrica Sesgada
Sesgada
Media < Mediana < Moda Media = Mediana = Moda Moda < Mediana < Media
Resumen numérico de los datos
Medidas de Simetría y Curtosis
Coeficiente de Curtosis
X
μ
Media
Mediana
Moda
Distribución Normal
0.0214 0.1359 0.3413 0.3413 0.1359 0.0214
Media
0.683
0.955
0.997
“En la carrera
de la Calidad
no hay línea
David T. Kearns
de meta”
(1930-2011)
El Control de Gestión
ii. Gráficos de Control y Control Estadístico
Tipos de Controles
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Varios Datos numéricos
datos
Gráficas de categóricos o discretos
numéricos Control
De Variables De Atributos
Gráfico R Gráfico p
Gráfico X Gráfico c
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Gráfico X (El promedio
está
(aumentando)
Distribució
n
de
Muestreo
Tendencia Central
(Posición)
LSC
Detecta el aumento
LIC
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Gráfico X
LSC x = x + A2R
De la Tabla
Muestra la
media de las Rango de
muestras a lo LIC x = x − A2R la muestra
en el
largo del tiempo. Media de la tiempo i
n muestra en
xi
Muestra la el tiempo i
n
R
media del
proceso.
x i i
LM = R = i =1
n Número de n
muestras
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Gráfico R
Dispersión
(Variación)
LSC
Revela el aumento
LIC
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Gráfico R
Muestra el rango LSC R = D 4 R
de las muestras
a lo largo del De la Tabla
R = D 3R
tiempo.
Diferencia entre LIC
el valor más
grande y el más
pequeño de la n Rango de muestras
muestra que se Ri en el tiempo i
haya examinado.
Controla la R = i =1
variabilidad del n Número de
proceso. muestras
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES
Factores para los Límites
de Control
Indicadores de
Capacidad del Proceso
Análisis de Capacidad
de Proceso
Análisis de Capacidad
de Proceso
Informe de capacidad del proceso de Tiempos de reparación
LEI LES
Procesar datos Largo plazo
LEI 94 Corto plazo
Objetivo *
LES 106 Capacidad largo plazo
Media de la muestra 99.9478 Pp 1.31
Número de muestra 300 PPL 1.30
Desv.Est. (Largo plazo) 1.52839 PPU 1.32
Desv.Est. (Corto plazo) 0.949723 Ppk 1.30
Cpm *
Capacidad corto plazo
Cp 2.11
CPL 2.09
CPU 2.12
Cpk 2.09
Rendimiento
Esperado Largo Esperado Corto
Observado plazo plazo
PPM < LEI 0.00 49.80 0.00
PPM > LES 0.00 37.50 0.00
PPM Total 0.00 87.30 0.00
Capability SixPack
Informe del Capability Sixpack del proceso para Tiempos de reparación
Gráfica I Histograma de capacidad
105 LEI LES
1 1 1
Largo plazo
1 11 1 1
1
LCS=102.80 Corto plazo
Valor individual
Especificaciones
_ LEI 94
100 X=99.95
LES 106
LCI=97.10
11 1 1 1
1
95
1 31 61 91 121 151 181 211 241 271 94 96 98 100 102 104 106
2
__
MR=1.071
0 LCI=0
1 31 61 91 121 151 181 211 241 271 95 100 105
97.5
Especificaciones
280 285 290 295 300
Observación
Recomendaciones en el Diagnóstico
1. Concentrarse en comprender en su totalidad el Flujo de Valor
de un producto, servicio o proceso, “de punta a punta”
LCI
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Proceso Fuera de Control – REGLA 2:
LCS
Zona A
Zona B
Zona C
Zona C
Zona B
Zona A
LCI
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Proceso Fuera de Control – REGLA 3:
Zona C
Zona C
Zona B
LCI Zona A
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Proceso Fuera de Control – REGLA 4:
LIC
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de VARIABLES - Proceso Fuera de Control – REGLA 5:
Tendencia: 6 o más valores consecutivos aumentan o
disminuyen
LS
C
LM
LIC
LS
C
LM
LIC
El Control de Gestión
iii. Gráficos de Control y Control Estadístico
Gráficos de ATRIBUTOS – Gráfico p
p (1 - p )
Datos categóricos en LSC p
= p+z
escala. ni
z = 2 para límites del 95,5%;
Bueno-malo z = 3 para límites del 99,7%
Pasa o No Pasa
p (1 - p )
Funciona o No LIC p
= p- z
Funciona ni
Muestra el tanto por
k Total de artículos
ciento de los artículos
defectuosos. n i pi defectuosos
p = i =1
Se basa en la distribucion k Total de articulos
binomial. ni muestreados
i =1