SSGB Dia 4 Alumno PDF

DMAIC
Diseño de Experimentos
DOE
Two Factor ANOVA
Diseño de Experimentos
⚫ Un experimento diseñado es un test o series de tests sistematizados

y controlados.
⚫ Diseño de Experimentos (DOE) es una aproximación sistematizada para

entender las interrelaciones y puede ser usado para:
⚫ Diseño y desarrollo de productos
⚫ Lograr robustez de outputs (Y’s) para inputs (X’s)
⚫ Definición de componentes y sistemas de tolerancias
⚫ Evaluaciones de las propiedades de un material
⚫ Caracterización de procesos, varianza, descomposición y optimización
Six Sigma Green Belt © Kaizen Institute

Objetivos de los experimentos
⚫ Determinar que variables (factores) influencian mas en la respuesta o múltiples respuestas

(variables de salida)
⚫ Determinar donde setear las X’s que mas afectan a las variables de salida para lograr un
valor deseable
⚫ Determinar donde setear las X’s que mas afectan a las variables de salida para lograr una
variabilidad pequeña
⚫ Determinar donde setear las X’s que mas afectan a las variables de salida para lograr
minimizar las variables incontrolables
Factores Controlables
Diagrama P Inputs Outputs

PROCESS
Y Y
1 ... m
Factores Incontrolables, Ruido

Algunos principios clave en los diseños de experimentos.
⚫ Factores múltiples: típicamente evaluar múltiples X’s →

⚫ Para eficientemente estudiar sus efectos e interacciones
⚫ Aleatorización: aleatoriamente obtener inputs de material y aleatorizar el orden de las

pruebas de los experimentos
⚫ Para promediar el efecto de los efectos incontrolables y/o prevenir tendencias sistemáticas en el
experimento. (ej., aleatorizar el orden para minimizar potenciales mejoras en las habilidades desde el
inicio al final del experimento).
⚫ Replicación: usar múltiples pruebas (muestras) para testear combinaciones →

⚫ Para mejorar la estimación del error del experimento (i.e., varianza en el grupo)
⚫ Bloquear: para alguno experimentos, recolectamos los datos en sets (bloques) donde
las condiciones de ruido del experimento son homogéneas entre sets →
⚫ Para reducir, eliminar o considerar los efectos del ruido ( ej., diferentes operadores, turnos…)
⚫ Ejemplo sencillo: paired t-test (usar la misma muestra física en cada set)

Ejemplo clásico: Peligros de Experimentar de una en
una variable
• Supongamos que analizas el efecto de la temperatura rendimiento para un tiempo dado fijo
80
Temperatura Rend %
(oC) (Tiempo=230) 70
60 50
Rend %
90 65
120 75
60
150 70
180 55
Temp peak ~ 130
Entonces, la respuesta óptima es: 50
30 60 90 120 150 180 210
Temperatura, oC
Experimento #1: Estudio temperatura vs

rendimiento(tiempo fijo en 230 seg)

Continuación Experimento
• Luego, fijamos la temperatura para ver los efectos de evaluar diferentes tiempos.
80
Tiempo de Rend %
reacción (Temp=130) 70
280 58
Yield %
290 62
300 73 60
310 71
Time peak ~ 300
320 59
50
270 280 290 300 310 320 330
Reaction Time (sec)
Experimento #2: Estudio de tiempo de reacción vs

rendimiento (temperatura fija en 130 oC)

Factor de dos experimentos
⚫ Supongamos que simultáneamente testeamos tiempo y temperatura en rendimiento

⚫ Encontraremos que el mayor rendimientos es en: Temp = ~123; Tiempo = ~295
⚫ ¿Que ocurrió?
‘Máximo’
De uno en uno
Rend = 91%
‘Óptimo Local’
(Temp = 123;
(Temp = 130;
Tiemp= 295) 90
Tiemp = 300)
85
Rend %
80
325
75 300
110 275 TiempReaction
120
130 250
140
Temperatura

Debilidades de Experimentos de uno en uno
1. Pueden lograr óptimos locales (o peor) → se
pierde los efectos de interacción entre variables Surface Plot of Yield % vs ReactionTime, Temperature
2. Baja eficiencia de análisis vs experimentos Tiempo y

Temp
óptimos Óptimo local
diseñados (se necesitan mas muestras para 90
85 para temp=130
Yield %
lograr información similar) 80
325
75 300
110 ReactionTime
275
3. Efectos que pueden cambiar durante tu 120
130
140
250
Temperature
experimento

Interacción entre Factores
◼ Estudiar múltiples factores ayudan también para testear las interacciones

◼ Interacciones son el efecto simultaneo de dos o más factores en una variable de respuesta
◼ Interacciones ‘Two-way’ involucran dos variables (ej., A*B)
A por B Interaction Plot

Eje Y es el
A Bajo A Alto
promedio de 120 Nota: no son
respuesta 110 datos del
100
Respuesta
para los experimento

90
ajustes de A y 80 anterior
B 70
60
50
40
B-Bajo B-Alto

Interaction Plot – ejemplo
◼ Para generar interacciones two-way,

registramos el promedio de cada combinación.
FactorA FactorB A B Respuesta
Bajo Bajo -1 -1 70
◼ Supongamos tenemos 2 factores a 2
Bajo Alto -1 1 74
niveles Bajo Bajo -1 -1 74
Bajo Alto -1 1 73
◼ 4 combinaciones (Bajo-Bajo Bajo-Alto Alto-Bajo Alto Bajo 1 -1 71
Alto-Alto) Alto Alto 1 1 112
Alto Bajo 1 -1 69
◼ Código: Bajo(-1) Alto(1) Alto Alto 1 1 114
◼ 2 replicaciones (muestras) para cada combinación

Combinación de media & Interaction Plot
Resumen de promedios por combinación

B-Bajo(-1) B-Alto(+1)
• Usando Two factor ANOVA, podemos calcular A Bajo (-1) 72 73.5
las medias para todas las combinaciones en un A Alto (+1) 70 113
interaction plot
A por B Interaction Plot
• Pregunta: Usando un factor a cada experimento
A Bajo A Alto
y fijando A en Bajo, concluirías que B es 120
110
Respuesta
importante para maximizar Y? 100
90
• B en Alto maximiza Y en todas las condiciones? 80
70
60
50
40 B-ALTO
B-BAJO

Interaction Plots
• Interacciones significativas aparecen como A o V gaps en un interaction plot

Respuesta
Respuesta
(media)
(media)
A-Bajo A-Alto A-Bajo A-Alto
Factor A – 2 niveles Factor A – 2 niveles

Interaction Plots – Ejemplo con interacción no significativa
• Ejemplo 1: Cambio el efecto “A” (bajo vs. alto) basado en los ajustes del Factor B?
• Ejemplo 2: Cambio el efecto B basado en los ajustes del factor A?

Respuesta
Respuesta
Media
Media
A-Bajo A-Alto A-Bajo A-Alto
Factor A – 2 Niveles Factor A – 2 niveles
Ejemplo 1 Ejemplo 2
Interaction Plots con más de dos niveles
• Interaction Plots también se pueden realizar para más de dos variables (ej., Alto, Medio,
Bajo)
• Supongamos que el Factor A tiene 4 Niveles y el B tiene 2 niveles.
Variable de
respuesta
Factor A – 4 Niveles

Interacción significativa
◼ Para factores con una interacción, el mejor ajuste para un factor depende en los ajustes para
el otro
◼ Si no existen interacciones, los efectos para A o B son independientes de los otros ajustes de
factores
B - alto
Y
B - bajo
Bajo Alto
Factor A
Experimento de dos factores
⚫ Supongamos que deseamos comparar 3 proveedores que nos

proporcionan moldes
⚫ Output del Proceso – Días relativos al programa (Nominal=0)

⚫ Ej., Si el proveedor llega antes (- días); tarde (+ días)
⚫ Factores
⚫ Factor principal del test: Proveedor (3 Niveles)
⚫ Para efectivamente comparar proveedores, existe algún factor de ruido que pueda afectar
el proveedor en términos de cumplir con las fechas de entrega?
⚫ Que debería hacer con esta variable?

Variable Bloqueada y Tamaño de la Parte
⚫ Supongamos que queremos realizar una evaluación del tamaño de la parte en el

experimento
⚫ Ajustes de Factor: Pequeño, Mediano, Grande
⚫ Aquí, el tamaño de la parte seria considerado uno de los factores
⚫ Nota: Nos referimos al tamaño de la parte como “variable bloqueada” porque queremos
estudiar sus posibles efectos (ej., interacción) en el rendimiento del proveedor a través de
reconocer que no podemos eliminarlo (asumimos que siempre haremos partes en
diferentes tamaños/complejidad)

Sample Combination Supplier PartSize RelativeDays
Experimento 1
2
1
1
1
1
1
1
59
39
3 1 1 1 69
4 1 1 1 46
5 2 1 0 63
6 2 1 0 54
7 2 1 0 54
8 2 1 0 63
9 3 1 -1 27
10 3 1 -1 3
⚫ Factor Principal 11
12
3
3
1
1
-1
-1
6
14
13 4 2 1 27
⚫ Proveedor (1,2,3) 14 4 2 1 11
15 4 2 1 27
⚫ Factor Bloqueado 16
17
4
5
2
2
1
0
24
18
⚫ Tamaño (-1, 0, 1) 18 5 2 0 29
19 5 2 0 28
(S,M,L) 20 5 2 0 25
21 6 2 -1 28
22 6 2 -1 12
23 6 2 -1 46
24 6 2 -1 25
⚫ Replicas 25
26
7
7
3
3
1
1
51
51
27 7 3 1 41
⚫ 4 muestras aleatorias por combinación 28 7 3 1 34
29 8 3 0 19
⚫ Nota: Two Way ANOVA requiere una 30 8 3 0 10
31 8 3 0 28
muestra balanceada (mismo tamaño de 32 8 3 0 -1
muestra para todas las combinaciones) 33

34
9
9
3
3
-1
-1
10
29
35 9 3 -1 15
36 9 3 -1 15
Total Samples, N 36
Overall Average 30.5
Overall StDev 18.6

Comprender los datos
¿Es normal?
¿Qué implica?
Aparentemente tiene diferencia

significativa por proveedores – sin
embargo,
¿Cual es el efecto del tamaño de la Total Samples, N 36
pieza? Overall Average 30.5
Overall StDev 18.6
Range 70.0
Box Plot por proveedor

RelativeDays_1 RelativeDays_2 RelativeDays_3
Sample, N 12 12 12
Mean 41.4 25.00 25.17
Median 50.0 26.00 23.50
StDev 23.4 9.04 16.72
Variance 548.6 81.64 279.61
Min
3.0 11.00 -1.00
Max
69.0 46.00 51.00
Range
66.0 35.00 52.00
© Kaizen Institute
Output de dos Factores
Summary PartSize_-1 PartSize_0 PartSize_1 Totals

Supplier_1
• Tabla de Resumen Estadístico por Count 4.0 4.0 4.0 12.000
Combinación Sum 50 234 213 497.000
Average 12.500 58.500 53.250 41.417
• Las áreas destacas son las medias Variance 115.000 27.000 178.917 548.629
por tamaño de la pieza Supplier_2

Count 4.0 4.0 4.0 12.000
• Muestra del Output: Sum 111 100 89 300.000
Average 27.750 25.000 22.250 25.000
• Proveedor 1/Pequeño Variance 196.250 24.667 58.250 81.636
• Med = 12.5
Supplier_3
• Proveedor 1/Grande Count 4.0 4.0 4.0 12.000
• Med = 53.25 Sum 69 56 177 302.000
Average 17.250 14.000 44.250 25.167
Variance 66.917 154.000 68.917 279.606
Total
Count 12.0 12.0 12.0
Sum 230 390 479
Average 19.167 32.500 39.917
Variance 147.424 446.818 268.447

Test de Significancia
⚫ Si examinamos el p-value en la tabla de significancia ANOVA (p-value < alfa (0.05))

Concluimos el Factor es Significativo)
⚫ ¿Cuál es el R-cuadrado del experimento? ¿Es esto alto (mayor que 0.5)?
⚫ ¿Cuál es la desviación estándar inherente? ¿Es bajo comparado con el S total (18.6)?
⚫ ¿Qué factores son significativos? ¿Es la interacción significativa?
…Estadística>>DOE>>Factorial>>Crear diseño factorial personalizado

…Estadística>>DOE>>Factorial>>Analizar diseño factorial
Gráficos de los principales efectos (medias) e
Interaction Plot
⚫ Gráficamente, podemos mostrar los efectos usando ‘Gráficos de los principales efectos’
(valores medios por nivel) e ‘Interaction Plot’
Análisis Proveedor
2 → Media = 25.0
3 → Media = 25.2
Bloqueando el tamaño de la parte,

¿Cuál es la fuerza del proveedor 2?
¿Cómo se diferencia el proveedor 1?
Ejemplo Diseño de Experimentos
Una Viña desea conocer como afecta para uno de sus vinos espumosos la presión de envasado y el
porcentaje de alcohol a la perdida de vino en la apertura de la botella.
Pestaña: “DOE”
…Estadística>>DOE>>Factorial>>Crear diseño factorial
…Estadística>>DOE>>Factorial>>Analizar diseño factorial

DMAIC
Implementación de Mejoras
5S
Gestión Visual
Estandarización
Balanceo de carga de trabajo
Poka Yoke
Visión global de la Fase Mejorar
• La Fase Improve (Mejorar) es también conocida como el “DO”

• El propósito de la fase improve es realizar los cambios en un proceso para mejorar su desempeño
en los indicadores
- Calidad, Costo (Gasto), Retorno, Entrega (Tiempo de Ciclo), Capacidad
• Normalmente las mejoras/contramedidas logran doble propósito
- Entregar un mejor camino (Condiciones de operación)
- Entregar un mejor sistema para mantener el mejor camino (control)
• Las medidas de Mejoras pueden:
- Requerir un análisis extenso para determinar la mejor manera o,
- Ser unánimemente acordados por el equipo (Quick Wins)

Mejoras “Quick Win”
No necesariamente porque ahora se sabe aplicar métodos estadísticos es que siempre se

necesite aplicarlos.
Los Quick Wins son “Mejoras en espera” que no requieren cambios en el sistema o en el
producto. No se necesita tanto análisis de datos para dar con la causa raíz.
• Mejoras de “Sentido común” → Ej: Crear procedimientos estándares
Criterios típicos para un Quick Win
• Mínimo o nulo gasto de capital requerido en su implementación
• Son de bajo riesgo – Alcance acotado – para los Stakeholders
• Pueden ser rápidamente implementados

1. Organización del lugar de trabajo
5S
Algunos problemas (inestabilidad/

anormalidades) están relacionados a
falta de organización en el lugar de
trabajo y disciplina
• No pueden encontrar o se pierden
• cosas
• No encontrar el formulario, entrada o
• herramienta porque están pobremente
• etiquetadas.
• Olvidar qué procedimiento usar para un problema particular, etc.
•

Organización del lugar de trabajo, “5S”
Sort: Separar – Determinar qué es necesario de qué es innecesario

Set-in-order: Ordenar – Ubicar los ítems en un orden que mejora el flujo del trabajo, hacer lo
necesario visible, hacer que el encontrar los ítems sea fácil y auto explicativo
Shine: Limpieza – Limpiar equipos y el lugar de trabajo
Standarize: Estandarizar – Implementar estándares para las restantes “S”
Sustain: Sustentar – Tener la disciplina necesaria para mantener las reglas & estándares (Hacer
estándares un hábito y revisarlos continuamente)
• Nota: Alguna literatura incluye Safety (Seguridad) como una “6ta S” – seguridad debe ser considerada
como el primer paso en la mejora continua.

• Áreas de trabajo organizadas y limpias
• Materiales de entrada/Información ubicadas para reducir desperdicio
• Almacenamiento en el punto de uso
• Siempre listo para el uso del “cliente”

Implementar la 5ta S, Sustentar
Clarificar el tiempo para identificar e

implementar mejoras
• Ej: 1 vez por semana
Establecer un ciclo de auditoría periódico

• Ej: semanalmente para supervisores, mensual
para gerentes
Mostrar las mejoras

• Mantener a todos alerta de las mejoras y entregar
reconocimiento por el beneficio

2. Implementar el trabajo estandarizado
Diversos proyectos lean-six sigma implican establecer nuevos procedimientos de trabajo

estandarizado o procesos que aseguren la adherencia a los existentes.
• Trabajo estandarizado (Definición) – Realizar un determinado trabajo de una manera consistente por todas
las personas
Trabajo estandarizado es considerado un fundamento debido que:

• Minimiza la variación en el proceso y la de su resultado
• Brinda flexibilidad (permite que múltiples recursos ejecuten las mismas tareas)

Análisis de Trabajo Estandarizado
Práctico Gráfico Analítico

(Si es posible) (Mapear el proceso) (Observación de tiempos)
Antes de documentar el trabajo estandarizado, se debe observar el proceso

• Determinar pasos/tiempos de ciclo necesarios (Tiempo de máquina y de operación manual)
• Determinar requerimientos de máquinas y partes
• Identificar actividades de NVA/Desperdicios/Mudas y pasos innecesarios
Es Vital que los trabajadores sean involucrados en la revisión de las

prácticas y en el establecer trabajo estandarizado. Además que los
estándares se basen en los datos tomados.

Ejemplo de observación de tiempos
A un nivel detallado, registrar cada elemento de trabajo, tiempo, distancia, máquina, operador, etc.
Identificar potenciales elementos a eliminar/reducir tiempo/distancia
Tempo de Tempo
Responsav Termin Tempo de Classificaçã Muda
Data Macro Micro Inicio realização da total sem
el o muda o encontrado
atividade muda
17- Site 10:24:0
Dic organization Poner EPP Installer 1 10:20:00 0 0:04:00 0:04:00 AV
17- Site Organizar materiales 10:32:0
Dic organization en lona y mesa Installer 1 10:24:00 0 0:08:00 0:08:00 0:08:00 NAV Movement
17- Adequacy of 10:41:0

Dic Infrastructure Anclar battery Box Installer 1 10:32:00 0 0:09:00 0:09:00 AV
17- Adequacy of 10:42:0

Dic Infrastructure Sin secuencia Installer 1 10:41:00 0 0:01:00 0:01:00 0:01:00 NAV Waiting
17- 10:56:0
DicEnergy System Anclar battery box Installer 1 10:42:00 0 0:14:00 0:02:00 0:12:00 AV Waiting
17- 11:10:0
DicEnergy System Anclar battery box Installer 1 10:56:00 0 0:14:00 0:03:00 0:11:00 AV Movement
17- 11:16:0
DicEnergy System Poner FPRA Installer 1 11:10:00 0 0:06:00 0:06:00 AV

Sincronizar el trabajo estándar a la demanda del
cliente
Dada la razón o sistema de demanda (takt time en el VSM), es necesario establecer el
trabajo estandarizado para sincronizar operaciones al nivel operacional.
• Takt operacional – Tiempo planeado
Para lograr esto, es necesario aplicar Nivelación de carga.

Nivelación de Carga
Balancear la carga de trabajo
Suponer Takt Time = 44 min/orden

• Suma de los tiempos de ciclo = 185 min/orden
• Entonces, se puede estimar el número de operadores = 4,2 → 5 operadores
Se decide balancear la carga igualitariamente para permitir la máxima flexibilidad. ¿Qué preocupación
tenemos en este caso?
Ejemplo:
Se asume 1 operador
Gráfica de
por estación de trabajo Barra de los
en una serie de 5 operadores
puestos

Intentar “Cargar al Takt”
Intentar cargar el trabajo de cada operador cercano al Takt (Tiempo de Ciclo planificado), teniendo en
cuenta una posible muda necesaria (Ej: 80~90% del Takt)
• Luego, verificar el compartir al recurso subutilizado (5)
• O mejor aún, eliminar NVA y reubicar al recurso 5 en otra tarea más productiva
¿Qué falta en
este análisis?

Eliminar el desperdicio en las operaciones
Es necesario cargar ¡Una vez eliminado el desperdicio!

3. Instrucción Verbal → A prueba de Errores
Instrucciones Instrucciones Demostración / A prueba de

Verbales Escritas Feedback Errores
Efectividad
Costo / Facilidad del entrenamiento

Cuando entrenamos verbalmente, si bien es sencillo, es la menos efectiva
Las instrucciones escritas y la demostración (“Aprender haciendo”) con retroalimentación es
comúnmente más efectivo
Aún así, al tener retroalimentación y aprender haciendo, se pueden cometer errores, en ciertos casos
es necesario incorporar sistemas anti-error.

Tipos de errores
• El olvido debido a la falta de concentración;

• Error Malentendido: mala decisión debido al desconocimiento del medio;
• Error de identificación: mala observación por falla visual;
• Error Amateur: la falta de experiencia;
• Error Voluntario: hecho por los que cree que pueden NO seguir las reglas;
• Error involuntario: persona distraída;
• Error de Lentitud: debido al excesivo tiempo para tomar una decisión;
• Error por falta de estándar: falta de información necesaria;
• Error Sorpresa: Comportamiento no deseado;
• Error intencional: sabotaje.

4. Poka Yoke
Los Poka Yoke imposibilitan la transferencia de producto defectuoso al proceso siguiente:

• Un Proceso puede tener varios Poka Yoke;
• Son base para la filosofía de Cero defectos;
• Son utilizados y definidos en conjunto con los colaboradores;
• Pueden ser administrativos o operacionales;
• Permiten detectar las causas raíces de los defectos y corregirlos rápidamente;
• Normalmente son soluciones de bajo costo.

Poka Yoke
1.
Inspección de Calidad
Bueno
Para el Encontrar los
Flujo de procesos
Cliente problemas
Malo
Reparar / Rechazar
2. Inspección de Calidad
Para el Resolver los
Cliente problemas
Corregir / Rechazar / Corregir / Rechazar
3.
Sistema anti-error (poka-yoke)
Diseño /
Para el Evitar los
Desarrollo Cliente problemas

Ejemplo de Poka Yoke
Inspección dimensional de materia prima
Problema: Procesamiento de material

fuera de dimensión correcta
Solución: Molde con perfil de materia

prima correcta antes del
procesamiento

Señalización de Puerta de Cámara Frigorífica
Problema: Desconocimiento de puerta

mal cerrada, consumo de energía
Solución: Utilización de un dispositivo

de control visual

Al abrir un cajón, se bloquean los demás cajones para evitar que se caiga el archivador.

Existencia de campos obligatorios.

Existencia de caracteres no válidos.

Existencia de mensajes de confirmación.

Existencia de auxiliares de montaje.

Existencia de métodos auxiliares de organización de carpetas.

Protección para grabación.

Para evitar riesgos de accidente, hay sensores que mantienen las estanterías abiertas cuando alguien
se encuentra en el pasillo.

5. Gestión Visual
Avisos / Controles Visuales
• Señales sencillas que entregan inmediatamente entendimiento de una situación o condición
- Debe ser eficiente, auto regulado y gestionado por el operador
- Debe permitir a todos de manera rápida entender si el proceso está corriendo como debe o no
• NO es un sistema anti-error, su propósito es mejorar la comunicación

Ejemplos
• Tableros de Gestión y Planificación

• Códigos de Colores
• Señaléticas escritas
• Estatus visual de las máquinas,
• producción
• Lecciones de un Punto Bien-Mal

DMAIC
Fase de Control
Kaizen de Proyecto
A3 de Proyecto
Sala Oobeya
Metodología de Gestión de Proyetos
• Sala Kaizen (Oobeya) para Control de

Proyecto
Value
Stream
• A3 de Proyectos y Subproyectos
Vision
• Seguimiento de Indicadores y Beneficios
• Gestión de Proyectos colaborativa y visual
• Comunicación entre los stakeholders (partes

interesadas) Rápida y Efectiva
• Gestión de Riesgos para el éxito del proyecto
• Estándares de Proyecto Visibles
• Gerentes de Proyectos entrenados en Gestión

Profesional de Proyectos Lean
A3 = Implementation Plan Summary in a 9 Steps Report

Layout de la Sala Oobeya
DMA (plan) I (do) C (check) DMAIC (act)

Metas
(Hoshin Kanri)
Listado de A3 de eventos A3 Seguimiento de
A3 Plano KK, 3C
Kaizen Beneficios
Árbol de Indicadores del

Negocio
+
A3
Espacio en A0 para
Reportes y Controles de Lecciones aprendidas
ejecución de Eventos
Estándares Gerenciales para el siguiente ciclo
Kaizen
VSM / VSD

Sala Oobeya
Es una sala en la cual es posible controlar cualquier proceso o proyecto.

Se utilizan diversas herramientas de gestión visual para controlar el avance y funcionamiento de las actividades,
por ejemplo planillas, gráficos y figuras.
Permite coordinar la actividad de Kaizen Semanal de Proyecto soportado en el ciclo de mejoras PDCA: Plan – Do
(Hacer) – Check (Verificar) – Act (Estandarizar)
Esta sala debe estar ubicada dentro o muy próxima a la planta, al GEMBA.
Dentro de las herramientas utilizadas están:
✓Cronograma del Proyecto (Gantt Chart)
✓Kanban de tareas
✓Mapeo de Proyectos
✓Estándares de Reunión Sala
✓Flujograma de Tareas Oobeya
✓Resolución de Problemas: Kobetsu Kaizen – 3C
✓Indicadores de Gestión (KPI)
✓Equipo de trabajo por área.

Sala Oobeya
• Cronograma de Proyecto
• Kanban de Tareas
• Indicadores de Proyecto / Seguimiento a Operaciones (KPI)
• Matriz de Riesgos
1030mm
900mm
Cronograma Kanban de Indicadores de Matriz de
de Proyecto Tareas Proyecto/Seguimiento Riesgos
Six Sigma Green Belt © Kaizen Institute 14

Sala Oobeya
Cronograma de Proyecto
• En esta sección de la sala Oobeya radica el

espíritu del Proyecto.
• Es el Plan de Trabajo Master, en la base de
Carta Gantt, que rige y hace seguimiento
del desarrollo de las actividades, y contra
el cual se miden los indicadores.
• Su configuración es dinámica, ya que se
prevee de flexibilidad para ajustarlo a las
necesidades y objetivos corporativos en
cuanto se precise.

Sala Oobeya
Kanban de Tareas
Se presenta un tablero con Kanban de Tareas para los integrantes del Equipo de Proyecto, con un
propósito mixto:
✓Planificar la ejecución de actividades pendientes asociadas a impacto en KPIs.
✓Nivelar la carga de trabajo.
✓Validar la actuación individual
El formato de la herramienta sigue la
lógica del ciclo de mejora PDCA:
.- En Planificación (P)
.- En ejecución (D)
.- En Revisión (C)
.- Concluida (A)

Sala Oobeya
Matriz de Riesgos
• Expresa claramente los riesgos

identificados para el curso del proyecto, en
cuanto a probabilidad de ocurrencia y
consecuencias asociadas.
• Alimenta explícitamente el Kanban de
Tareas para revertir el impacto de dichos
riesgos y evitar que afecte la(s)
implementación(es) en curso.
• Se considera inaceptable que un proyecto
tenga un riesgo en la zona roja.

Sala Oobeya
Indicadores de Proyecto / Seguimiento
• Es el panel gráfico donde se presentan los indicadores y KPIs del proyecto, definidos en base a
los Drivers Corporativos inicialmente analizados.
• Se lleva registro de los datos históricos y con ellos se construyen los gráficos correspondientes.
• Se incorporan igualmente KPIs de seguimiento de la operación de la Planta, con la intención de
evaluar constantemente el impacto de la implementación Kaizen Lean durante la ejecución del
Proyecto.

Reporte A3
El A3 es un Método estructurado usado en Toyota:

• Planear mejoras;
• Para comunicar;
• Una página de documento que resume los puntos esenciales de la propuesta, de la solución de un problema o para
comunicación.
• Se refiere al tamaño del papel normalmente utilizado.
1- REQUISITOS DEL 3- SITUACIÓN

NEGOCIO OBJETIVO
4- PLAN DE ACCIÓN
2- SITUACIÓN
ACTUAL
5- INDICADORES

Ejemplo de Reporte A3
3) Condición Meta Embalado en ángulo para

COMPAÑÍA DE VINOS ABC– Proyecto de Flujo Continuo mantener la célula dentro de un
Célula que tira de línea de tubo de botellas largo aproximado de 1,5 mts
Una sóla pieza en proceso es
Tenga certeza que su plano dejada en la máquina mientras le
1) Histórico/Objetivos del Negocio operador va para la siguiente
Producto – Líneas de está acorde a los objetivos del
máquina
abastecimiento P/G/A negocio Ninguna obstrucción en el camino
Localización – Cualquier Lugar Ningún espacio para acumular
Necesidades: stock en proceso
Máquina de prueba en ángulo
• Cliente requiere 5% de
para mantener el inicio y el final
reducción de costo de la célula juntos
• Mejora de productividad
4) Implementación
2) Condición Inicial
• No hay flujo continuo de material
• No hay flujo de personas (operador fijo en la máquina)
• Volumen de producción inestable
• Excesivo número de horas extras
• No se trabaja con el “Takt Time”
• Muchos operadores para la demanda actual
5) Indicadores Tenga certeza de

definir metas para
que el nivel de
mejora pueda ser
Six Sigma Green Belt medido
© Kaizen Institute
Plan de Acción
4) Implementación
# Tarea
1 Entrenamiento introductorio
2 Simulación/Producción Piloto
3 Adición de descarga automática
4 Reconfiguración de célula
5 Entrenamiento en Trabajo STD
6 Entrenamiento de los
proveedores
7 Sacar problemas de la célula
8 Supermdo de Productos
Acabados
9 Kanban de Producción
10 Retirada frecuente
11 Heijunka Box
Inicio Propuesto Término Propuesto En meta

Inicio Real Término Real Bajo meta
Revisión

Reunión Kaizen de Proyecto en sala Oobeya –
Metodologia Kaizen™ Lean
Kanban
A3 de Equipo de A3 de Eventos Kaizen de
Proyecto Cronograma
Tareas
Planificaci (Gantt) y KPIs
ón Diaria de Planta
④
⑦ ⑤ ⑩
➁ ③ ① ⑭
⑪
⑥ ⑬ ⑨
⑫ Matriz de
Riesgos
⑧
⑮
Detalles de Eventos:
VSM, Kobetsu
Kaizen, 3C
① Gerente de Estudios y Gestión de Operaciones ⑥ Ingeniero de Procesos ⑪ Auditor de Calidad

Líder Kaizen y Sponsor del Proyecto Líder P (Productividad) de Proyecto Soporte Transferencia Interplantas
➁ Auditor Corporativo de Calidad ⑦ Ingeniero de Planificación, Ctrl Gestión-Prod e Insumos ⑫ Auditor de Calidad
Sponsor del Pilar Q (Calidad) del Proyecto Líder C (Costos). Diferencia de Inventarios y Merma Soporte Transferencia Interplantas
③ Jefe de Planta ⑧ Ingeniero de Mantención ⑬ Analista de Insumos

Líder Motivador y Gestor de Resultados Generales Responsable de Condiciones Básicas y Confiabilidad de Equipos Responsable Eventos Kaizen en Bodega
④ Jefe de Recursos Humanos de Planta ⑨ Auditor de Calidad ⑭ Director Kaizen Institute Chile
Área de Soporte – Matriz de Habilidades Responsable Pilar Q (Calidad) de la Planta Coordinador del Proyecto
⑤ Ingeniero de Mejora de Procesos ⑩ Analista de Control de Gestión ⑮ Consultor Kaizen Institute Chile
Líder Q (Calidad) de Proyecto Líder GTI (Gestión de Transferencia Interplantas) Facilitador Metodología Kaizen Lean

SSGB Dia 4 Alumno PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SSGB Dia 4 Alumno PDF

Cargado por

Copyright:

Formatos disponibles

DMAIC

⚫ Un experimento diseñado es un test o series de tests sistematizados

⚫ Diseño de Experimentos (DOE) es una aproximación sistematizada para

Six Sigma Green Belt © Kaizen Institute

⚫ Determinar que variables (factores) influencian mas en la respuesta o múltiples respuestas

Diagrama P Inputs Outputs

Factores Incontrolables, Ruido

⚫ Factores múltiples: típicamente evaluar múltiples X’s →

⚫ Aleatorización: aleatoriamente obtener inputs de material y aleatorizar el orden de las

⚫ Replicación: usar múltiples pruebas (muestras) para testear combinaciones →

Six Sigma Green Belt © Kaizen Institute

Experimento #1: Estudio temperatura vs

Six Sigma Green Belt © Kaizen Institute

Reaction Time (sec)

Experimento #2: Estudio de tiempo de reacción vs

Six Sigma Green Belt © Kaizen Institute

⚫ Supongamos que simultáneamente testeamos tiempo y temperatura en rendimiento

Six Sigma Green Belt © Kaizen Institute

1. Pueden lograr óptimos locales (o peor) → se

2. Baja eficiencia de análisis vs experimentos Tiempo y

lograr información similar) 80

Six Sigma Green Belt © Kaizen Institute

◼ Estudiar múltiples factores ayudan también para testear las interacciones

A por B Interaction Plot

para los experimento

Six Sigma Green Belt © Kaizen Institute

◼ Para generar interacciones two-way,

Six Sigma Green Belt © Kaizen Institute

Resumen de promedios por combinación

Six Sigma Green Belt © Kaizen Institute

• Interacciones significativas aparecen como A o V gaps en un interaction plot

Factor A – 2 niveles Factor A – 2 niveles

Six Sigma Green Belt © Kaizen Institute

• Ejemplo 2: Cambio el efecto B basado en los ajustes del factor A?

Six Sigma Green Belt © Kaizen Institute

⚫ Supongamos que deseamos comparar 3 proveedores que nos

⚫ Output del Proceso – Días relativos al programa (Nominal=0)

Six Sigma Green Belt © Kaizen Institute

⚫ Supongamos que queremos realizar una evaluación del tamaño de la parte en el

⚫ Aquí, el tamaño de la parte seria considerado uno de los factores

Six Sigma Green Belt © Kaizen Institute

muestra para todas las combinaciones) 33

Six Sigma Green Belt © Kaizen Institute

Aparentemente tiene diferencia

Box Plot por proveedor

Summary PartSize_-1 PartSize_0 PartSize_1 Totals

por tamaño de la pieza Supplier_2

Six Sigma Green Belt © Kaizen Institute

⚫ Si examinamos el p-value en la tabla de significancia ANOVA (p-value < alfa (0.05))

…Estadística>>DOE>>Factorial>>Crear diseño factorial personalizado

Bloqueando el tamaño de la parte,

porcentaje de alcohol a la perdida de vino en la apertura de la botella.

…Estadística>>DOE>>Factorial>>Crear diseño factorial

…Estadística>>DOE>>Factorial>>Analizar diseño factorial

Six Sigma Green Belt © Kaizen Institute

• La Fase Improve (Mejorar) es también conocida como el “DO”

Six Sigma Green Belt © Kaizen Institute

No necesariamente porque ahora se sabe aplicar métodos estadísticos es que siempre se

Six Sigma Green Belt © Kaizen Institute

Algunos problemas (inestabilidad/

Six Sigma Green Belt © Kaizen Institute

Sort: Separar – Determinar qué es necesario de qué es innecesario

Six Sigma Green Belt © Kaizen Institute