Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Seis Sigma PPT y Mas Otro Enfoque
Seis Sigma PPT y Mas Otro Enfoque
William Santolalla M
AGENDA
22
1. Introducción al Seis Sigma
1.1 ¿Qué es Seis Sigma?
1.2 Calidad Seis Sigma
1.3 Historias de éxito de Seis Sigma
1.4 Principios de Seis Sigma
1.5 Seis Sigma e ISO 9001
33
1.1
44
1.2 Calidad Seis Sigma
LS LI LS
LI
Distribución 32 min. 23 min. 32 min.
23 min.
3 SIGMA 6 SIGMA
Objetivos
1.4 Principios de Seis Sigma
Procesos de la Organización
C C
L L
I I
E Proceso A Proceso B Proceso C E
N N
T T
E E
Causa 1
Síntoma 1
Causa 2
Síntoma 2
PROBLEMA
PROBLEMA
Causa n
Síntoma n
1.4 Principios de Seis Sigma
16
16
2.1 Requisitos para un proyecto SS
19
19
2.3 Equipo Seis Sigma
Controler
Onwer
2.3 Equipo Seis Sigma
CHAMPIONS:
Conformado generalmente por la alta gerencia. Son quienes seleccionan los
proyectos y supervisa su funcionamiento. Participan en la elección de BB y GB.
21
21
2.3 Equipo Seis Sigma
BLACK BELT:
Son los especialistas en la aplicación metodología. Lideran
proyectos Seis Sigma. Su rol es guiar al Equipo durante las fases
del Proyecto. Sinergizan los conocimientos y esfuerzos de los
miembros del equipo. Dan soporte a los GB. La interacción con el
dueño del proceso continua después de terminado el proyecto.
GREEN BELT:
Son miembros del equipo de proyecto que conocen las herramientas básicas
de la metodología. Son interdisciplinarios y multifuncionales. Están
preparados para participar o liderar proyectos Seis Sigma.
22
22
2.3 Equipo Seis Sigma
OWNER:
Son los líderes de las áreas en las que se van a desarrollar proyectos
Seis Sigma.
Es el socio estratégico del BB, para alcanzar la meta. Es el responsable
de mantener y superar los estándares alcanzados después de
finalizados los proyectos.
CONTROLLER:
Es el responsable de dar el visto bueno cada vez que haya algún tipo de
evaluación financiera y cuantifica los beneficios obtenidos.
23
23
2.3 Equipo Seis Sigma
24
24
2.4 Selección de equipo Seis Sigma
26
26
3.1 DMAMC (o DMAIC)
C
I Control y aseguramiento
del desempeño alcanzado
A Implementación de
mejoras o
Análisis transformación del
M del
proceso
proceso
Medición del
D desempeño
del proceso
Definición
del
proyecto
Managemt Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor Dueño de
Team y la guía del Master Black Belt / Black Belt Proceso
3.2 DMAMC y el PHVA
Planear
2.- Definir y Describir el proceso
Hacer
5. - Determinar las causas del probl ema
7 . - O p ti mizar y r o b u stece r
Verificar 8 . - Va l i d a r M e j o ra
Actuar
10 .- Mejo rar con tin ua men te
3.3 Diagrama Metodológico
Optimizar y robustecer
NO
¿Medición Capaz y estable?
Mejorar
SI
Validar Mejora
NO Eliminar causas
¿Proceso Estable?
especiales
Controlar proceso
SI
NO
¿Proceso Capaz?
Mejorar continuamente
Si
30
30
4. Fase I: Definir y Medir
4.1 Definir el problema
4.2 Definir y describir el proceso
4.3 Evaluar Capacidad del proceso
31
31
4.1 Definir Problema
Información
Ideas Creencias
Incompleta
PROBLEMA DEFINIDO
Objetivos definidos
Alcance del proyecto definido
4.1 Definir Problema
100
75
0
10
Importancia para el cliente
Valoración %
Factor de queja Quejas
CTQ relativo
(Escala: 1-10)
Tiempo de entrega inaceptable 764 83
Tiempo de entrega 8
36
36
4.1 Definir Problema: Enfoque CAD 2008
37
37
4.1 Definir Problema: Enfoque CAD 2008
38
38
4.1 Definir Problema: Enfoque CAD 2008
Se identifican 6 atributos, con sus respectivas clases y la importancia (peso) que le da el ciudadano.
Las principales dificultades observadas son: Lentitud en resolver tramites, falta de
comprensión del problema por parte del personal, falta de interés, descoordinación entre
oficinas, excesivos tramites, información poco clara.
39
39
4.1 Definir Problema: Enfoque CAD 2008
40
40
4.1 Definir Problema: Enfoque CAD 2008
Según el estudio
denominado Ranking
CAD 2008 en
Atención al
Ciudadano de los
Organismos
Públicos
Descentralizados,
elaborado por CAD
Ciudadanos al Día,
luego de la SUNAT
se encuentran
ubicados en los
primeros lugares
41
41
4.1 Definir Problema: Enfoque CAD 2008
42
42
4.1 Definir Problema: Enfoque CAD 2008
43
43
4.1 Definir Problema
Ejemplo Fastpizza’s
4.1 Definir Problema
Ejemplo Fastpizza’s
4.1 Definir Problema
Ejemplo Fastpizza’s
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable clave del proceso
Mapa de procesos de la
organización
Mapa de un conjunto de
procesos
INICIO N1 C1
E1
E2 X3
C2
S1
S2
FIN
E3
E4
C3
N2 E5
C, N y E son Entradas al
proceso
S son Salidas
4.2 Definir y describir el proceso
CODIGO
Formato de Matriz SIPOC
Proceso :
Objetivo :
-Estudio de fact.
OFICINA DE
-Ficha PAPS IDEA
PROYECTOS
-Cronograma
EVALUACIÓN
Comunicación
OSIPTEL
a OSIPTEL
GCIA.
Adquisiciones ESPECIFICACIÓN
COMPRAS
Procesos de CLIENTES
Contingencia INTERNOS
Requisitos de las salidas: IMPLEMENTACIÓN
-Procesos de contingencia eficaces
-Dif de normativa 3 días antes del
-Sist. Adec.
inicio de la comercialización -Punlicidad
C1
S1 , S2
Variables
Controlables C2 PROCESO Características de
calidad (Y)
Y = f ( X1,X2,....Xn)
E1 E2 E3 E4
Acciones a seguir
INICIO
NA
VA VA
VA
VA
VA
FIN
NA VA
INICIO
INFO
INFO
FIN
INFO
2
Se
Sehace
haceuna
una
Simple
3
Simpledescripción
descripción Detección
Severidad Ocurrencia Detección
Del proceso Severidad Ocurrencia
Del proceso
4
Forma como el Efecto que
5 Forma como el Efecto que Razón
proceso podría
proceso podría puede tener Razónpor porlala Controles
Controles
puede tener cual ocurre la que
6 no cumplir con
no cumplir con el defecto cual ocurre la quedetectan
detectan
las especificaciones el defecto falla o previenen
en falla o previenen
las especificaciones enelelcliente
cliente la falla si es
7 la falla si es
que ocurre
que ocurre
8
9
NPR
NPR==SEVSEV**OCC
OCC**DETDET
10 Nivel
Nivelde
deprioridad
prioridadde
deriesgo
riesgo
4.2 Definir y describir el proceso
Matriz FEMEA
NPR
NPR==SEV
SEV**OCC
OCC**DET
DET
Donde:
Percent
Percent
10 50 0.975
10
1
1
0.1 0.1
-20 0 20 0 10 20 30
Grupos Grupos
Logistic
99.9
99
Variación de los
90
Percent
50
datos 10
0.1
0 20 40
Grupos
Para analizar si un indicador es capaz de cumplir con las especificaciones, se suele utilizar el índice de capacidad
LSE - LIE
Cp =
6
Cp < 1 INCAPAZ
1< Cp < 1.33 APENAS CAPAZ
Promedio
Especificación de los
datos
LSE - X X - LIE
Cpk = Min ,
3 3
3 3
4.3 Evaluar Capacidad del proceso
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso para el
Y Key Process Ouptput Variables (KPOV)
cliente
5.1 Determinar las causas
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poblewma (Y
o KPOV), usaremos el Diagrama Causa – Efecto, o Ishikawa.
Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N
5.1 Determinar las causas
Matriz Causa-Efecto
Ejemplos:
Para mejorar el proceso, se debe identificar cuáles son las X que más afectan a las Y
para determinar cuáles deben ser atacadas.
5.1 Determinar las causas
X
1 X
X2
3
C
2
Y
1
Y
2
FIN
X3
X
4
C3
N2 X5
ISHIKAWA
PRUEBA DE
HIPOTESIS
VARIABLES SIGNIFICATIVAS
5.2 Variables Discretas y Continuas
PRUEBA DE HIPOTESIS
Verdad de H0
V F
(no hay diferencia) (si hay diferencia) P(Error Tipo) =
:Probabilidad de
Decisión correcta encontrar una diferencia
Aceptar H0 cuándo esta no existe.
1- Error tipo 2
(no hay = 0.01, 0.05
(nivel de significan β
diferencia) P(Error Tipo2) = :
cía)
Decisión
Probabilidad de no
encontrar una diferencia
cuando esta si existe.
Aceptar Ha Decisión correcta
Error tipo 1
(si hay
1–
diferencia) α
(poder la prueba)
F V
Verdad de Ha
5.3 Prueba Hipótesis
RECORDANDO
VOCABULARIO
Conclusión Robusta:
Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en 0.05)
Conclusión Débil:
Aceptar H0 sin conocer el valor de . En estos casos se suele decir “No puede
rechazarse H0”
Potencia de una prueba estadística:
Es la probabilidad de rechazar correctamente una H0
Potencia = 1 -
5.3 Prueba Hipótesis
Prueba Anova
Minitab
Stat-Basic Statisc- 1sample t
5.3 Prueba Hipótesis
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --------+---------+---------+---------+-
ADULTO 52 6158 3863 (----*----)
JOVEN 17 9055 4226 (--------*--------)
VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
14000
12000
HUEVOS INCUBADOS
10000
8000
6000
4000
2000
0
ADULTO JOVEN VIEJO
TIPO LOTE
5.3 Prueba Hipótesis
Correlación y Regresión
INTRODUCCIÓN:
De esta manera diremos que existe una ecuación que liga a ambas Y =
f (x). Esta ecuación se denomina “Modelo matemático”.
Esta ecuación se calcula usando técnicas de regresión.
Correlación
Correlación
Precauciones:
Acción
1 Inicio
Recopilar data
Seleccionar la
prueba de hipótesis
a usar Si
p –val > 0.05 Factor no afecta
Acepto H0
Rechazo H0
No
Variar el factor de
manera de tener 2
Situaciones :
Factor si afecta 1
“Antes”
“Después”
Fin
5.4 Procedimiento de pruebas
Y Continua Y Discreta
X Correlacion-Regresion Correlacion-Regresion
Continua
Y continua / NO
¿Es normal?
SI
X discreta Agrupar
Prueba F
Con más de 2 prueba Normalidad para"Y"
para Y agrupada según las X
muestras
SI
¿Es normal?
NO
NO
¿P>α ?
Transformar Datos
prueba Normalidad para"Y"
SI
NO
¿Es normal?
SI
Prueba F
para Y agrupada según las X
NO
¿P>α ? Prueba KW
SI
Prueba de Anova
5.4 Procedimiento de Pruebas
Prueba de Normalidad
para "Y"
NO SI
¿Es normal?
Y continua /
X discreta Agrupar Prueba F
prueba Normalidad para"Y" para Y agrupada según las X
Con 2 muestras
SI
¿Es normal?
NO
NO
¿P>α ?
Transformar Datos
prueba Normalidad para"Y" SI
NO
¿Es normal?
SI
Prueba F
para Y agrupada según las X
NO
¿P>α ? Prueba KW
SI
Prueba T2
5.4 Procedimiento de Pruebas
Prueba de Normalidad
para "Y"
Y continua / SI
NO
X discreta ¿Es normal?
Con 1 muestra
Agrupar
prueba Normalidad para"Y" Prueba T 1
SI
¿Es normal?
NO
Transformar Datos
prueba Normalidad para"Y"
SI
¿Es normal?
NO
Probar la correlacion de
todos los x con y
Y continua o No Si
¿r = 0?
discreta /
X Continua No Si No hay correlacion
¿Y es
continua?
No Si lineal
¿Hay mas ¿es lineal o
de una x? curva?
Prueba Regresion Logistica
curva
Prueba Regresion
Multiple
lineal curva
¿es lineal o
curva? Prueba Regresion Superficie de
Respuesta
X Y
cantidad pedido ¿Qué tipo de prueba?
devueltos semanal
Y= continua
20
40
.
.
. Por lo tanto se utiliza la
Zona 2 30
Prueba de Anova para
48 datos (48 semanas)
probar la significancia de
.
. X en Y.
.
.
.
Zona 10
30
50
Nota: no se utiliza T1 ni
.
. T2 porque son más de 1
.
y 2 muestras
48 datos (48 semanas)
20 respectivamente.
5.5 Ejemplos: EMPRESA COURIER “EL RAPIDO”
X Y
cantidad pedido ¿Qué tipo de prueba?
devueltos semanal
X2= Repartidores 20
30
.
Repartidor 1 .
.
X2= inicialmente es
48 datos (48 semanas)
10 discreta, pero por tener
Repartidor 2 más de 30 valores se
. 20
40
le considera continua.
. .
. .
.
.
Y= continua
30
. 48 datos (48 semanas)
.
.
Por lo tanto se utiliza la
. Prueba de Regresion.
Repartidor 50 30
50
.
.
.
X Y
cantidad pedido ¿Qué tipo de prueba?
devueltos semanal
X Y
cantidad de ¿Qué tipo de prueba?
pasta quemada
X Y
cantidad de ¿Qué tipo de prueba?
pasta quemada
X Y
cantidad de ¿Qué tipo de prueba?
pasta quemada
60%
15 kg Y= continua
55%
10 kg
70%
45%
20 kg Por lo tanto se utiiliza la
8 kg Prueba de Regresion
.
.
.
.
.
103 datos . .
. .
. .
72% .
25kg
6. Fase III: Implementar
6.1 Análisis de riesgo: Matriz FMEA.
6.2 DOE
6.3 Procedimiento DOE
6.4 Plan de Mejora
6.1 Análisis de riesgo: Matriz FMEA.
PROCESO FMEA
SI
Introducción al DOE
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso para el
Y Key Process Ouptput Variables (KPOV)
cliente
6.2 DOE
Donde:
Factor = Son las variables (KPVI) X1, X2, X3 … Xn
Nivel = Es la cantidad de valores que toma cada factor
6.2 DOE
Donde:
3 = Factor = K = variables (KPVI) X1, X2, X3
2 = Nivel = Es la cantidad de valores que toma cada factor
K
2
101
101
6.2 DOE
Selección de factores
Acción Minitab
El problema es aumentar/disminuir.....
1. Plantear el problema a Y = Nombre del indicador
resolver y objetivo que se Nivel Bajo Nivel alto
requiere alcanzar (-) (+)
X1 : Nombre del factor
X2 : Nombre del factor
Acción Minitab
110
110
6.4 Plan de Mejora
Tipo de Fecha de % de
ID Oportunidad de Mejora Acciones de Mejora Responsable Observaciones
Mejora Compromiso Avance
Problemas para ident ificar la
Desarrollo de una Base de Datos correspondencia de los números
Falt a de un cont rol de las altas en
1 donde se regist ra las alt as por dslam Corto plazo Veronica Avila 15 de Abril 50% a los DSLAM por falta de
DSLAM que presentan sat uración
sat urados etiquetas y creación de nuevos
perfiles
Se requiere la participación de
Falt a de un sist ema que cont role Desarrollo de la BD que controle la
la Subgerencia de Tx y el
2 la capacidad disponible de Tx por capacidad disponible de Tx por Largo Plazo Ernesto Saravia Por definir Por definir
conocimiento del Aplicat ivo
DSLAM's DSLAM's
Asig2000.
Falt a de previsión en el crecimiento Desarrollo de un sist ema que realice Se requiere la participación de
3 Mediano Plazo Veronica Avila Por definir Por definir
de t rafico por cliente la previsión de t rafico por DSLAM´s GSI
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso para el
Y Key Process Ouptput Variables (KPOV)
cliente
7.1 Objetivo
Y
FASE POST
CONTROL PROYECTO
MEJORAR
Fin de
Antes de
Proyecto Situación No
la Mejora Deseada
7.2 Mantenimiento resultados
115
115
7.2 Mantenimiento resultados
PLAN DE CONTROL
Proceso:_______ Fecha:____
Responsable:_____
ZONA PRUEBA
DE CONTROL
(MAL)
LSC : Límite Superior de Control
ZONA EN
CONTROL (BIEN)
Cartas De Control
CARTA P
Controla la proporción de piezas no conformes.
No controla la cantidad de no conformidades encontradas en la pieza.
d
p q 1 p
n
pq
LIC p p 3
n1 n2 nk n
n
k
pq
p p2 pk LSC p p 3
p 1 n
k
7.3 Control Estadístico de Procesos
Cartas De Control
CARTA C
Controla el numero de no conformidades por unidad y sólo es aplicada
cuando el número de elementos de las muestras recolectadas es constante.
c1 c2 ck
c LIC p c 3 c
k
c1 c2 ck
LSC p c 3 c
120
120
7.3 Control Estadístico de Procesos
Cartas De Control
CARTA X-R
Se utiliza cuando se trabaja con valores individuales del proceso.
La amplitud (R), en este caso, es la calculada para cada par
sucesivo de datos registrados en la carta entre el Xmax-Xmin.
X1 X 2 X k
X
k
R X 1 X 2 , X 1 X 2 , X 1 X 2 , , X k 1 X k
R Es la media de los R individuales calculados.
LSC R D4 R LSC X X E2 R
c
LIC R D3 R LIC X X E 2 R
121
121
7.3 Control Estadístico de Procesos
Gráfica X-R
7.4 POKA YOKE
Defecto
Errores
1 Olvido
2 Desconocimiento
Casi todos los
3 De identificación
defectos están
causados por errores 4 Inexperiencia
humanos.
5 Voluntarios
Sin embargo hay
como mínimo 10 6 Inadvertidos
clases de errores 7 Lentitud
8 Falta de estándares
9 Errores Sorpresa
10 Intencionales
124
124
7.4 POKA YOKE
Errores
Falta de estándares
Desconocimiento
No identificado
Inexperiencia
Humanos
Inadvertido
Intencional
Voluntario
Sorpresa
Lentitud
Olvido
Causa de
defectos
Proceso Omitido
Errores de Proceso
Piezas omitidas
Conexión
fuerte Piezas equivocadas
Error de ajuste
Conexión
Operación defectuosa
Procesamiento de Pieza
equivocada
Montaje erróneo de piezas de
máquina
Equipo montado
inapropiadamente
Utiles y plantillas mal
preparados 125
125
7.4 POKA YOKE
126
126
7.4 POKA YOKE
Lista de Comprobación
Procedimientos.
40 _
X=31.32
20
•Plan de Control del Proceso.
0
LC L=-4.52
1 9 17 25 33 41 49 57 65 73 81
O bser vation
U C L=44.03
40
M oving Range
30
20
__
M R=13.48
10
0 LC L=0
1 9 17 25 33 41 49 57 65 73 81
O bser vation
132
132
7.7 Acciones Finales