Six Sigma - Caso Práctico

Una empresa produce tornillos, que empaqueta en cajas con 100 unidades
cada una. En el proceso productivo no se cuentan los tornillos que hay que
meter en cada caja, tan solo se pesa la caja y se añaden tornillos hasta llegar a
un peso determinado (10 kgs) que corresponde con un total de 100
tornillos.  Surge el problema de que los tornillos pueden tener un peso diferente
y esa adicional puede llevar a tener cajas con más o menos de 100 tornillos.
Se decide utilizar herramientas de Six Sigma dentro del plan de calidad para
asegurar este requisito y poder identificar cualquier problema y su causa raíz
en el proceso productivo.

Lo primero que se realiza con respecto a este problema que ya hemos acotado
y definido es  medir  , para ello se pesan 40 cajas de tornillos obteniendo una
tabla con los siguientes pesos:

 Calculamos el peso medio de las 40 cajas = 9,98, y la desviación estándar de

las medidas = 0,06
                 Definimos ahora un peso mínimo admisible y un peso máximo
admisible, estos serán nuestros límites superiores e inferiores de mejores (LSL,
USL).
                 LEI = 9,95 LEI = 10,05.
                 Es decir, todo peso que no esté dentro de estos límites será
considerado como incorrecto.
                 Con toda esta información podemos calcular el Capability Score:

                 Con este indicador podemos saber lo bien o lo mal que lo estamos

haciendo:
                  Para nuestro caso obtenemos = 0,262. Es decir estamos con un
nivel de 1 sigma. (alcanzamos el nivel de defecto en una vez la desviación
estándar).

                 ¿Qué valor de desviación estándar debemos tener para alcanzar el

nivel de 6sigma?  Conociendo los límites de selección y valor buscado de
capacidad puntuación (=2) despejamos sigma de la fórmula
anterior. (=0,0083)

Asumiendo que los pesos medidos de las 40 cajas encajarían con una
distribución normal:

                 Podemos calcular la probabilidad de encontrar un defecto (pesos

inferiores o superiores a los límites de selección):

                 Para disminuir la cantidad de cajas no conforme podemos:

-        Aumentar los límites de selección
-        Disminuir la desviación estándar
Si hemos definido correctamente nuestros límites de selección la única
alternativa que nos queda para mejorar nuestro proceso es trabajar sobre la
desviación estándar de los datos tomados.  Para ello comenzamos con un
gráfico de control que nos permitirá observar visualmente si hay algún
problema con nuestros datos.
Calculamos la media de cada lote y los límites de control superior e
inferior. No confundir con los límites de selección, los límites de control solo
nos dicen hasta qué punto las medidas tomadas se comportan de acuerdo al
valor promedio.
Para calcular el valor de los límites de control restamos (límite inferior) o
sumamos (límite superior) al valor promedio (9,98) la desviación estándar que
 corresponde a las medidas de cada lote (4), es decir la desviación estándar
dividida la raíz cuadrada de 4.

Con estos datos creamos un gráfico de control:

Observamos como en las medidas del lote 3 nos salimos del límite inferior
de control. Esto nos advierte de que debe haber una causa asignable de error
en el proceso.
Para averiguar cuál es esa causa podemos usar diferentes herramientas de
investigación:
-        _
-        Diagrama Causa-Efecto
-        Diagrama Porqué-Porqué
-        Diagrama de dispersión.
-        Diagrama Ishikawa
Una vez tengamos identificados las causas del problema modificamos la
operación y volvemos a repetir todo el proceso.

Resumiendo:
1.      En primer lugar definimos el problema : Tener cajas de tornillos con una
cantidad incorrecta, más o menos de 100 tornillos.  Definimos cual es el peso
correcto y la seleccionada admitida (límites de selecciones).
2.      Medios  : pesamos una muestra de cajas de diferentes lotes y reunimos
todos los datos.
3.      Analizamos :
a.     Calculamos el peso medio, el desvío estándar y la capacidad.
b.     Creamos un gráfico de control y observamos cómo se comportan los datos
con respecto al peso promedio.
C.      Buscamos la causa raíz sabiendo dónde está el problema.
4.      Mejoramos : modificamos el proceso productivo de acuerdo a la solución
que hemos obtenido después de analizar los datos y buscar la causa raíz de los
problemas.
5.      Controlamos : volvemos a tomar medidas para asegurarnos de que
realmente hemos solucionado el problema.