Seis-Sigma

UNIDAD V.
Evaluar la Capacidad del Proceso

19:41 Ingeniería Industrial 1

 Contenido
5.1 Gráficas de Control
5.2 Gráficas de Control para variables
5.3 Gráficas de control para atributos
5.4 Recálculo de límites de control
5.5 Interpretación de gráficas de control
5.6 Capacidad del proceso
5.7 Rendimiento de un proceso (Yield)
5.8 Métricas de Seis-Sigma

19:41 Ingeniería Industrial 2

 Figura 5.1 Flujo de la Metodología Seis-Sigma
Definir Problema
1
s
2 Describir Proceso Proceso capaz

N N
Medición capaz
3 Mejorar
y estable 6 Optimizar
s
Determinar 7 Validar la mejora
4 Variables
significativas
8 Controlar el
proceso
Evaluar Estabilidad
5 y Capacidad del 9
Proceso
Mejorar
N Eliminar causas cuantitativamente
Proceso estable especiales
s
19:41 Ingeniería Indusrial 3
 5.1 Gráficas de Control
• Una vez ajustado el proceso y disminuido su variación, se
evalúa la capacidad del proceso.

• Un estudio de capacidad es un procedimiento ordenado

de planeación, recolección y análisis de información, con la
finalidad de evaluar la estabilidad de un proceso, y la
capacidad que éste tiene para producir dentro de
especificaciones.

• Los estudios de capacidad miden la variación y el

centrado de un proceso con respecto a sus
especificaciones.
19:41 Ingeniería Indusrial 4
 5.1 Gráficas de Control
• Gráficas de Control (Shewhart, 1931)
• Las gráficas de control son herramientas
estadísticas que muestran el comportamiento de
cierta característica de calidad de un proceso con
respecto al tiempo.

• El objetivo de las gráficas de control es evaluar,

controlar y mejorar procesos.

• Un concepto básico en las gráficas de control es el de

las causas de variación de un proceso.

19:41 Ingeniería Industrial 5

 5.1 Gráficas de Control
• Las gráficas de control sirven para distinguir entre causas
comunes y causas especiales de variación.
• Un proceso estable solamente está sujeto a causas
comunes de variación, o lo que se conoce como un
sistema constante de causas, está en control estadístico
y por tanto su variación es predecible dentro de los
límites de control.
• En el caso de un proceso inestable no
necesariamente tiene una gran variación, sin embargo
ésta no es predecible. El mejoramiento del mismo
generalmente se logra a través del personal del área.

19:41 Ingeniería Industrial 6

 5.1 Gráficas de Control
• Concretamente las gráficas de control se utilizan :
1. Para evaluar el desempeño de un proceso por
medio de estudios de capacidad.
2. Para mejorar el desempeño de un proceso al dar
indicaciones sobre las posibles causas de
variación, y ayudan a la prevención de problemas.
3. Para mantener el desempeño de un proceso al
indicar el tiempo de ajustes del mismo.

19:41 Ingeniería Industrial 7

 5.2 Gráficas de Control para
variables
GRÁFICAS DE CONTROL
GRÁFICA LIMITES
LCS  X  A2 R
Media, X LC  X
LCI  X  A2 R
LCS  D4 R
Rango, R LC  R
LCI  D3 R
LCS  B4 S
Desviación Estándar, S LC  S
LCI  B3 S
S2
LCS    / 2 , n 1
n1
Varianza, S 2 LC  S 2
S2
CCI   1 / 2 , n1
n1
R
LCS  X  3
d2
Mediciones Individuales, X LC  X
R
LCI  X  3
d2
p( 1  p )
LCS  p  3
n
19:41 Fracción Defectuosa, p Ingeniería Industrial LC  p 8
p( 1  p )
 Factores para Gráficos de control
Diagrama para medias Diagrama para desviaciones estándar Diagrama para rangos
Número de obser-
Factores para los límites Factores para la Factores para los límites de Factores para la
vaciones en la Factores para los límites de control
de control línea central control línea central
muestra, n
A A1 A2 c2 1/c2 B1 B2 B3 B4 d2 1/d2 d3 D1 D2 D3 D4

2 2.121 3.760 1.880 0.5642 1.7725 0 1.843 0 3.267 1.128 0.8865 0.853 0 3.686 0 3.267
3 1.732 2.394 1.023 0.7236 1.3820 0 1.858 0 2.568 1.693 0.5907 0.888 0 4.358 0 2.575
4 1.500 1.880 0.729 0.7979 1.2533 0 1.808 0 2.266 2.059 0.4857 0.880 0 4.698 0 2.282
5 1.342 1.596 0.577 0.8407 1.1894 0 1.756 0 2.089 2.326 0.4299 0.864 0 4.918 0 2.115

6 1.225 1.410 0.483 0.8686 1.1512 0.026 1.711 0.030 1.970 2.534 0.3946 0.848 0 5.078 0 2.004
7 1.134 1.277 0.419 0.8882 1.1259 0.105 1.672 0.118 1.882 2.704 0.3698 0.833 0.205 5.203 0.076 1.924
8 1.061 1.175 0.373 0.9027 1.1078 0.167 1.638 0.185 1.815 2.847 0.3512 0.820 0.387 5.307 0.136 1.864
9 1.000 1.094 0.337 0.9139 1.0942 0.219 1.609 0.239 1.761 2.970 0.3367 0.808 0.546 5.394 0.184 1.816
10 0.949 1.028 0.308 0.9227 1.0837 0.262 1.584 0.284 1.716 3.078 0.3249 0.797 0.687 5.469 0.223 1.777

11 0.905 0.973 0.285 0.9300 1.0753 0.299 1.561 0.321 1.679 3.173 0.3152 0.787 0.812 5.534 0.256 1.744
12 0.866 0.925 0.266 0.9359 1.0684 0.331 1.541 0.354 1.646 3.258 0.3069 0.778 0.924 5.592 0.284 1.716
13 0.832 0.884 0.249 0.9410 1. 0627 0.359 1.523 0.382 1.618 3.336 0.2998 0.770 1.026 5.646 0.308 1.692
14 0.802 0.848 0.235 0.9453 1.0579 0.384 1.507 0.406 1.594 3.407 0.2935 0.762 1.121 5.693 0.329 1.671
15 0.775 0.816 0.223 0.9490 1.0537 0.406 1.492 0.428 1.572 3.472 0.2880 0.755 1.207 5.737 0.348 1.652

16 0.750 0.788 0.212 0.9523 1.0501 0.427 1.478 0.448 1.552 3.532 0.2831 0.749 1.285 5.779 0.364 1.636
17 0.728 0.762 0.203 0.9551 1.0470 0.445 1.465 0.466 1.534 3.588 0.2787 0.743 1.359 5.817 0.379 1.621
18 0.707 0.738 0.194 0.9576 1.0442 0.461 1.454 0.482 1.518 3.640 0.2747 0.738 1.426 5.854 0.392 1.608
19 0.688 0.717 0.187 0.9599 1.0418 0.477 1.443 0.497 1.503 3.689 0.2711 0.733 1.490 5.888 0.404 1.596
20 0.671 0.697 0.180 0.9619 1.0396 0.491 1.433 0.510 1.490 3.735 0.2677 0.729 1.548 5.922 0.144 1.586

21 0.655 0.679 0.173 0.9638 1.0376 0.504 1.424 0.523 1.477 3.778 0.2647 0.724 1.606 5.950 0.425 1.575
22 0.640 0.662 0.167 0.9655 1.0358 0.516 1.415 0.534 1.466 3.819 0.2618 0.720 1.659 5.979 0.434 1.566
23 0.626 0.647 0.162 0.9670 1.0342 0.527 1.407 0.545 1.455 3.858 0.2592 0.716 1.710 6.006 0.443 1.557
24 0.612 0.632 0.157 0.9684 1.0327 0.538 1.399 0.555 1.445 3.895 0.2567 0.712 1.759 6.031 0.452 1.548
25 0.600 0.619 0.153 0.9696 1.0313 0.548 1.392 0.565 1.435 3.931 0.2544 0.709 1.804 6.058 0.459 1.541
19:41 Ingeniería Industrial 9
 5.2 Gráficas de Control para
variables
 Los parámetros típicos de una gráfica de control
son.
1. Tamaño de los subgrupos, n. Shewhart (1931)
recomienda n = 4 o 5.
2. Frecuencia de muestreo, f . En promedio debe haber
uno de cada 25 puntos fuera de los límites de control. Si
hay más, incrementar la frecuencia. Si hay menos
disminuirla, (Pyzdek).
3. Número de subgrupos, k. Vente subgrupos con n = 5, o
25 subgrupos con n = 4. (100 observaciones
individuales)
19:41 Ingeniería Industrial 10
 Gráfico de la media, x

Gráfico X-bar para cereal

17

16.8 UCL = 16.82

16.6

16.4
X-bar

CTR = 16.32
16.2

16

15.8 LCL = 15.82

15.6

15.4

15.2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Subgrupo
19:41 Ingeniería Industrial 11
 Gráfico del rango, R
Gráfico de Rango para cereal
2
1.8 UCL = 1.83
1.6
1.4
Rango

1.2
1
0.8
CTR = 0.86
0.6
0.4
0.2
0 LCL = 0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Subgrupo
19:41 Ingeniería Industrial 12
 S
CCI   1 / 2 , n1
n1

5.3 Gráficas de control LCS  X  3

R
d2

para atributos
Mediciones Individuales, X LC  X
R
LCI  X  3
d2
p( 1  p )
LCS  p  3
n
Fracción Defectuosa, p LC  p
p( 1  p )
LCI  p  3
n
LCS  n p  3 n p(1  p )
Nº de defectuosos, n p LC  n p
LCI  n p  3 n p(1  p )
LCS  c  3 c
Nº de defectos, c LC  c
LCI  c  3 c
u
LCS  u  3
n
N° de defectos por unidad, u LC  u
u
LCI  u  3
n

19:41 Ingeniería Industrial 13

 Gráfica, p
Gráfico p para tprops
0.16

0.14 UCL = 0.13

0.12

0.1
p

0.08

0.06

0.04
CTR = 0.04
0.02

0 LCL = 0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Subgrupo
19:41 Ingeniería Industrial 14
 5.4 Recálculo de límites
de control
De acuerdo con Perry Regier (1998), todas las siguientes
preguntas deberán tener respuesta afirmativa para
proceder a recalcular los límites de control a partir
de donde inició el cambio.
1. ¿Los datos muestran un comportamiento diferente que en el
pasado?
2. ¿Se conoce la razón de ese cambio?
3. ¿Es deseable el nuevo comportamiento?
4. Se espera que el nuevo comportamiento continúe?
De acuerdo con Wheeler (1998), el número de puntos necesarios
para empezar a calcular límites de control son dos grupos de
tamaño 4.

19:41 Ingeniería Industrial 15

 Patrón 1. Cambios en el Nivel del Proceso
1. Un punto fuera de los límites
de control A
B
2. 2 de 3 puntos consecutivos en
C
la zona A o más allá
C
3. 4 de 5 puntos consecutivos en B
la zona B o más allá
A

A
B
4. 8 puntos consecutivos de un
C
solo lado de la línea central
C
B
A

19:41 Ingeniería Industrial 16

 Patrón 2. Tendencias en el Nivel del Proceso

5. 6 puntos A
B
consecutivos
C
ascendentes C

(o descendentes) B
A

19:41 Ingeniería Industrial 17

 Patrón 3. Ciclos Recurrentes (Periodicidad)

A
6. Ciclos recurrentes
B
(periodicidad) catorce C
puntos consecutivos C
B
alternando entre altos
A
y bajos

19:41 Ingeniería Industrial 18

 Patrón 4. Mucha Variabilidad

7. 8 puntos A
consecutivos a B
C
ambos lados de la
C
línea central con B
ninguno en la zona C A

19:41 Ingeniería Industrial 19

 Patrón 5. Falta de Variabilidad (Estatificación)

8. 15 puntos o más en A

la zona C, arriba o B
C
abajo de la línea C
B
central
A

19:41 Ingeniería Industrial 20

5.6 Capacidad del proceso

La capacidad del proceso es igual a

60 cuando el proceso está bajo
control estadístico

19:41 Ingeniería Industrial 21

 La Capacidad se define por ±3
Normal Distribution
0.4
Mea
0,
0.3

0.2

0.1

0
-3 -2 -  +2 +3
-5 -3 -1 1 + 3 5

19:41 x
Ingeniería Industrial 22
 Capacidad del Proceso y Tolerancia

Se tienen tres posibles casos:

i. La capacidad del proceso sea menor que la

tolerancia, 6 < LES – LEI, (lo ideal).

ii. La capacidad del proceso sea igual a la

tolerancia. (6 = LES – LEI )

iii. La capacidad del proceso sea mayor que la

tolerancia. (6 > LES – LEI )

19:41 Ingeniería Industrial 23

 Capacidad del Proceso y Tolerancia

i. La capacidad del proceso sea menor que la

tolerancia, < LES – LEI, (lo
Process6Capability forideal).
cereal
LESLSL = 13.0, Nominal N= 16.0, USL = 19.0 LEI
60 Pp = 2.2

50 Ppk = 2
frequency

40 Ppk (up

30 Ppk (lo

20
K = 0.1

10

0
13 14 15 16 6 17 18 19
19:41 Ingeniería Indusrial 24
cereal
 Capacidad del Proceso y Tolerancia
ii.
La capacidad del proceso sea igual a la
Process (6 = LES – LEI )for cereal
tolerancia.Capability
LSL = 14.9915,
LEI Nominal = 16.322,
N USL = 17.6525
LES
P

14 15 16 6 17 18
cereal
19:41 Ingeniería Industrial 25
 Capacidad del Proceso y Tolerancia
iii. La capacidad del proceso sea mayor que la
Process
tolerancia. (6Capability
> LES – LEI ) for cereal
LSL = 15.3915, LEI N
Nominal = 16.322, LES
USL = 17.2525
60 Pp =

50 Ppk

40 Ppk

30 Ppk

20
K=

10

0
14 15 16 6 17 18
cereal
19:41 Ingeniería Industrial 26
 Índices de Capacidad
 Cr Relación de capacidad que representa la
proporción de la banda de especificaciones que
es utilizada por la máquina

6
Cr 
LES  LEI

19:41 Ingeniería Industrial 27

 Índices de Capacidad
 Cp índice de la capacidad potencial de la
máquina cuando hay límites superior e inferior
en las especificaciones

LES  LEI
Cp 
6

19:41 Ingeniería Industrial 28

 Índices de Capacidad
 Cpk índice de la capacidad real de la máquina

LES     LEI
C pk  ó C pk 
3 3

El valor más pequeño

19:41 Ingeniería Industrial 29

 Índices de Capacidad
 Cps índice de la capacidad potencial de la
máquina para características de calidad “entre
más pequeña es mejor”

LES  
C ps 
3
19:41 Ingeniería Industrial 30
 Índices de Capacidad
 Cpi índice de la capacidad potencial de la
máquina para características de calidad “entre
más grande es mejor”

  LEI
C pi 
3
19:41 Ingeniería Industrial 31
 Índices de Capacidad
 Cpm índice de Taguchi

LES  LEI
C pm 
6
donde
   2
(  N ) 2

19:41 Ingeniería Industrial 32

 Categorías del Índice de Capacidad
Cp Clase Descripción

Cp ≥ 2 mundial Se tiene calidad 6

1.33 < Cp < 2 1 Adecuado

Parcialmente adecuado, pero conforme
1 < Cp < 1.33 2 el Cp se acerca a uno se generan más
defectos.
No adecuado, Un análisis del proceso
0.67 < Cp < 1 3 es necesario. Requiere modificaciones
serias.
Totalmente inadecuado. Requiere de
Cp < 0.67 4 modificaciones muy serias.

19:41 Ingeniería Industrial 33

 Análisis de la Capacidad de la Máquina

 El objetivo es determinar si la máquina

es capaz de mantener una tolerancia
estrecha, cumplir las especificaciones,
o satisfacer los requerimientos del
cliente

19:41 Ingeniería Industrial 34

 Directrices para los Estudios de
Capacidad de Máquina
1. Una sola máquina o parte del equipo es
seleccionada
2. Se usa un lote de material para procesar.
La uniformidad del material deberá ser
vigilada para eliminar la influencia de la
variabilidad del material en los resultados
del estudio

19:41 Ingeniería Industrial 35

 Directrices para los Estudios de
Capacidad de Máquina
3. Se selecciona un operador experimentado y
un inspector para desempeñar el trabajo.
4. “Se calienta” la máquina o equipo hasta
alcanzar las condiciones de operación.
Normal. Ningún otro ajuste debrá realizarse
una vez que el estudio ha comenzado

19:41 Ingeniería Industrial 36

 Directrices para los Estudios de
Capacidad de Máquina
5. Se toman de 50 a 150 unidades producidas
consecutivamente para el análisis. Un registro
cronológico debe guardarse del orden de
unidades para descubrir cualquier cambio del
proceso durante el estudio.
6. Hacer una distribución de frecuencias y calcular
la capacidad de la máquina siguiendo el
procedimiento paso a paso indicado al final de
esta sección.

19:41 Ingeniería Industrial 37

 Forma de la Distribución

 La Distribución Normal es el fundamento para el

análisis del estudio de la capacidad de la
máquina.

 Si la forma de la distribución no es normal, un

estudio previo deberá realizarse para encontrar
las razones por las que no tiene forma normal.

19:41 Ingeniería Industrial 38

Procedimiento Paso a Paso para Obtener
la Distribución de Frecuencias
1. Calcular el rango: R = Valormax-Valormin

2. Decidir el número de clases a usar, k n

3. Calcular la amplitud del intervalo de clase i = R / (k – 1).

4. El límite de la primera se obtiene restando i / 2 al

Valormin. Entonces se suma i a este valor para obtener
el otro límite. Añada un lugar decimal y sume 0.5 a
cada límite para asegurarse de que ninguna medida
caiga en algún limite de clase.

19:41 Ingeniería Industrial 39

5.7 Rendimiento de un proceso (Yield)

 El rendimiento tradicional de un proceso se

obtiene dividiendo el número de piezas que entran
entre el número de piezas que son producidas de
acuerdo a especificaciones.

200 180
Proceso productivo

Rendimiento = 180 / 200 = 0.90 = 90%

19:41 Ingeniería Industrial 40

 5.7 Rendimiento de un
proceso (Yield)
 El rendimiento de primera vez (First-Time Yield)
corresponde al número de piezas hechas bien la
primera vez en cada fase del proceso.
YFT= 197/200 = 0.9850 177/197 = 0.8985 172/177 = 0.9718 172/172 = 1.00

200 197 177 172 172

3 20 5 0
Unidades defectuosas

Rendimiento de primera vez

19:41 Ingeniería Industrial 41
5.7 Rendimiento de un proceso (Yield)

 El rendimiento en cadena (Rolled Troughput

Yield, YRT) es el producto del rendimiento en cada
paso del proceso. En este caso no se incluye el
retrabajo.
 Para el proceso anterior se tiene

YRT= (0.985)(0.8985)(0.9718)(1) = 0.86 = YFT = 172/200

19:41 Ingeniería Industrial 42

5.7 Rendimiento de un proceso (Yield)
 En la siguiente figura se muestra un proceso que
incluye retrabajo

200 197 177 172 172

5 3

3 20 5 0
Unidades defectuosas
Retrabajo

YFT= 192/200 = 0.96 177/197 = 0.8985 = 172/177 = 0.9718

= 169/172 = 0.9826
YRT= (0.96)(0.8985)(0.9718)(0.9826) = 0.8237

19:41 Ingeniería Industrial 43

 5.8 Métrica de Seis-Sigma
La métrica de Seis Sigma evalúa el proceso basado en el nivel (),
con la finalidad de estandarizar dicha evaluación y poder
comparar diferentes procesos entre sí.
Los pasos de la métrica son:
1. Identificar las CTQs (CCC, características críticas de calidad)
del proceso. Son las características o requerimientos de los
clientes.
2. Definir oportunidades de defecto. Cualquier paso en el
proceso en donde un defecto pueda ocurrir en CCC.
3. Buscar defectos en productos o en servicios. Contar los
defectos o fallas para satisfacer CCCs en todos los pasos del
proceso.
19:41 Ingeniería Industrial 44
 5.8 Métrica de Seis-Sigma
Los pasos de la métrica son: (continua ….)
4. Calcular dpmo individual. Para cada una de sus fases.
5. Convertir a niveles sigma individual. Para cada una de sus
fases.
6. Resumen del análisis. Elaborar la tabla con los resultados
finales. Calcular YFT, dpmo (proceso), la distribución de
defectos y comentar sobre el nivel de calidad del proceso.
7. Detección de áreas de oportunidad. Jerarquizar las fases
del proceso con base a sus niveles sigma.

19:41 Ingeniería Industrial 45

 5.8 Métrica de Seis-Sigma
La tabla 5.15 presenta los elementos de la métrica Seis sigma

dpu = defectos por unidad (promedio)

dpu
dpu = número de defectos / número de unidades
dpmu dpmu = defectos por millón de unidades = (dpu)(106)
dpo = defectos por total de oportunidades (i)
dpo
dpo = número de defectos / número de oportunidades totales (i)
dpmo = defectos por millón de oportunidades
dpmo
dpmo = dpmu/número de oportunidades por unidad = (dpo)(106)
YFT = rendimiento de primera vez
YFT YFT = 1 – dpmo/106n
(n = número de oportunidades de defectos por unidad)

19:41 Ingeniería Industrial 46

 5.8 Métrica de Seis-Sigma
El procedimiento para obtener el nivel sigma de un
proceso en el caso de variables es:
1. Evaluar la fracción defectuosa con base en la
especificación.
2. Si el valor en el cuerpo de la tabla Z está en notación
científica, expresar dpmo en dicha notación con un
entero y dos decimales.
3. Buscar el valor Z en la tabla Z del apéndice.

19:41 Ingeniería Industrial 47