Seis Sigma PPT y Mas Otro Enfoque

SIX SIGMA
William Santolalla M
AGENDA
1. Introducción al Seis Sigma
2. Proyectos Seis Sigma
3. Metodología Seis Sigma
4. Fase I: Definir y Medir
5. Fase II: Analizar
6. Fase III: Implementar mejoras
7. Fase IV: Controlar
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
Es un sistema empresarial para lograr y mantener el éxito por medio

de la orientación al cliente, la gestión por procesos, así como la
utilización de los hechos y de los datos.
Mide el desempeño de un proceso en cuanto a su nivel de

Como Métrica productos o servicios fuera de especificación
Como Filosofía Mejoramiento continuo de procesos
Tener procesos de clase mundial, no

Como Meta producir servicios o productos defectuosos
(3.4 pmo)
44
LS LI LS
LI
Distribución 32 min. 23 min. 32 min.
23 min.
Alta Alta Baja Baja

probabilidad Tiempo (minutos) probabilidad probabilidad probabilidad
error de error de error de error
Ejemplo: El tiempo que un cliente esta dispuesto esperar por

una pizza esta entre 23 y 32 minutos
3.4 defectos
por millón
de oportunidades
305 537 defectos

por millón
de oportunidades
697 700 defectos

por millón
de oportunidades
3 SIGMA 6 SIGMA
Malas Recetas médicas 54, 000 / año 3 / año
Bebes que se caen 40, 500 / año 3 / año
Tomar agua contaminada 4 h. / mes 1´ / 16 años
Corte de señal de TV 27 min. / semana 6´ / 50 años
Mala Operación médica 1, 350 / semana 1 / año
Devolución Sacos de Azúcar 44.000 / año 5 / año

1.3
“Estamos en el quinto año de trabajos con Seis

Sigma, y estos han generado más de $2,000 millones
en beneficios en 1999, con proyecciones aún mayores
para esta década”.
J. Welch “Comenzamos a implementar Seis Sigma a

Past CEO, General Electric principios de 1998. De los 250 proyectos
implementados, 31 fueron finalizados a fines de
1999.Estos 31 proyectos han generado ahorros
 Du Pont anuales de $10.4 millones, o $334,000 por
 Ford proyecto.”
 Dow Química Kenneth I. Chenault,
President American Express
 Sherwin Williams
 Toshiba “Seis Sigma se ha consolidado después de 3
años de funcionamiento. Este modelo de
 Texas Instruments mejora de procesos y actividades ha
 Coca Cola conseguido un ahorro para Telefónica de
 Allied Signal España de más de 93 millones de euros, a
través de la implementación de 178
 Nokia proyectos.”
C. Alierta
CEO Grupo Telefonica
88
Autentica orientación al cliente, satisfacer al

Primer principio
cliente es la prioridad número uno.
Segundo Todo debe y puede ser mejorado alineado

principio con los objetivos de la organización.
Objetivos
Las decisiones deben basarse en hechos,

Tercero datos estadísticos, pues lo único constante en
los procesos es la variación.
principio Se debe evitar el “...Yo creo que...” o “...Yo
pienso que...”
Al mejorar se debe mirar el proceso completo

Cuarto (Pensamiento Sistemático), pues optimizar un
principio subproceso nos puede llevar a suboptimizar el
proceso global.
Procesos de la Organización
C C
L L
I I
E Proceso A Proceso B Proceso C E
N N
T T
E E
Sub Sub Sub

proceso a proceso b proceso c
Las causas de los problemas deben ser

Quinto eliminadas en su raíz para prevenir que vuelvan a
principio aparecer y así poder hacer bien las cosas desde
la primera vez.
Causa 1
Síntoma 1
Causa 2
Síntoma 2
PROBLEMA
PROBLEMA
Causa n
Síntoma n
Sexto Cada vez que un proceso es mejorado debe

garantizarse que los resultados se mantengan en el
principio tiempo.
Sétimo El recurso humano es el capital

principio fundamental de la empresa.
Todos los miembros de la empresa deben ser líderes, maestros

y modelos en la práctica de los principios.
1.5 Seis Sigma e ISO 9001
Seis Sigma como Sistema de Gestión de

Sistema de Gestión Calidad según la
Equivalentes
de Calidad Norma ISO 9001
CLICO DE DEMING
Mejora continua Mejora continua
Seis Sigma como Sistema de Gestión

Complemento
proyecto de mejora de Calidad según la
Norma ISO 9001
2. Proyectos Seis Sigma
2.1 Requisitos para un Proyecto Seis Sigma
2.2 Criterios de selección
2.3 Equipo Seis Sigma
2.4 Selección del Equipo
16
16
2.1 Requisitos para un proyecto SS
 Alineado con la estrategia

del negocio. Tiene una meta
clara. ESFUERZO
 Existen datos históricos, o FOCALIZADO
pueden ser obtenidos.
 Mide el rendimiento del
proceso, mediciones
financieras para el negocio e
Beneficia Cuantificable
impacto en el cliente. Negocio
 Puede ser hecha por un
equipo de Trabajo.
 Cumple con las expectativas Alineado con
Apoyo de
de tiempo establecidas por la Administración la Visión del
gerencia. Negocio
2.2 Criterios de selección
CTQ
CTQs son los parámetros de calidad interna crítica
que se refieren a los deseos y necesidades de los
clientes.
19
19
Controler
Onwer
CHAMPIONS:
Conformado generalmente por la alta gerencia. Son quienes seleccionan los
proyectos y supervisa su funcionamiento. Participan en la elección de BB y GB.
MASTER BLACK BELT:

Son los responsables del entrenamiento de BB. Son especialistas en la
Metodología y certifican BB. Lideran proyectos de mucha complejidad
organizacional. Remueven las barreras que impiden avances de proyectos.
21
21
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
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
24
24
2.4 Selección de equipo Seis Sigma
TEST: Inventario de Utilización de Energías
Se utiliza para indicar que atributos emplea una persona en su relación

con los demás bajo dos tipos de condiciones: Cuando todo marcha bien y
cuando se enfrenta con un conflicto.
3. Metodología Seis Sigma
3.1 DMAMC
3.2 DMAMC y el PHVA
3.3 Diagrama Metodológico
26
26
3.1 DMAMC (o DMAIC)
1.- Definir el Problema, definir objetivos
2.- Definir y Describir el proceso

3.- Evaluar Sistema de medición
4.- Evaluar Capacidad del proceso
5.- Determinar las causas del problema

6.- Determinar variables significativas
7.- Optimizar y robustecer

8.- Validar Mejora
9- Controlar y dar seguimiento al proceso

10.- Mejorar continuamente
Ruta Metodológica
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
1.- Definir el Problema, definir objetivos
Planear
2.- Definir y Describir el proceso
3.- Evaluar Sistema de medición
4.- Evaluar Capacidad del proceso
Hacer
5. - Determinar las causas del probl ema
6. - Det ermina r va riable s s ignific ativas
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
9 - Co n tro lar y d a r se g u i mien to a l p r o ces o
Actuar
10 .- Mejo rar con tin ua men te
3.3 Diagrama Metodológico
Definir el Problema, definir objetivos Determinar las causas del problema
Definir y Describir el proceso Determinar variables significativas
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
Situación problemática inespecífica
Identificación de los clientes, CTQ, VOC

Diagrama de Pareto
Histogramas, etc.
PROBLEMA DEFINIDO
Objetivos definidos
Alcance del proyecto definido
CTQ (Critical to Quality). Son los atributos a factores

CTQ críticos para la calidad de un producto o servicio que
influyen en la decisión de compra por parte del cliente.
VOC VOC (Voice of Client). Es la voz del cliente que se

obtiene por dos medios:
Sistemas proactivos: Quejas del consumidor, llamadas
telefónicas, devoluciones de productos, etc.
Sistemas Reactivos: Observación del cliente, encuestas,
entrevistas, etc.
IDENTIFICAR CLIENTES Y CTQ
1. Definir Clientes Internos y Externos

2. Definir el tipo de cliente y el canal de comunicación para obtener la
VOC
3. Identificar preguntas claves para cada uno de ellos
4. Elaborar un plan de contacto con el cliente (quien, como, cuando,
donde, etc)
5. Identificar los CTQ
100
Insatisfacción del cliente

(8, 83%) Muy Importante y
poca satisfacción
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
Sabor de la Pizza 7 Tipo de masa incorrecta 56 6.1
Cantidad de Ingredientes 7 Cantidad de ingredientes reducidos 50 5.4
Ingredientes correctos 10 Ingredientes incorrectos 30 3.3

Cortesía del repartidor 5 Descortesía del repartidor 20 2.2
4.1 Definir Problema: Voz del ciudadano
DEFENSORIA DEL PUEBLO
1.- Nunca recibió tantas quejas como

en el 2007. En total 32.9K.
2.- El 50% de ellas se concentra en
cinco instituciones.
3.- Concluidas 74.2% de las cuales
fundadas fueron el 61%.
4.- La demora en la atención de
reclamos es una de las principales
causas.
5.- Maltrato y falta de información
motivaron las principales quejas en el
sector salud.
Fuente: Defensoría del pueblo – 11 Informe anual
36
36
4.1 Definir Problema: Enfoque CAD 2008
Establece que el sector público puede establecer mejoras continuas de la gestión

orientándolas a la ciudadanía. Este enfoque supone pasar de una visión basada en la ley y
en el poder monopólico del estado, para centrar la atención en los atributos de servició
brindado al ciudadano, independiente del servicio que brinda y el nivel del gobierno
37
37
38
38
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
40
40
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
42
42
43
43
Diagrama de Grafica de barras que representa en forma

Pareto ordenada el grado de importancia de las causas
de un determinado problema, considerando la
frecuencia con la que ocurren las causas.
Principio de O regla 80-20. Es el comportamiento que sigue

Pareto la grafica de PARETO: “El 80% de los problemas
se encuentra en el 20% de las causas”.
Ejemplo Fastpizza’s
Hoja de Vida del Proyecto
Quejas de los clientes por tiempo de entrega

ALCANCE
inaceptable.
Disminuir en 50% las quejas por tiempo de entrega

OBJETIVO
en el Turno de la mañana.
-Disminución de las llamadas en el

S/.165,000
Call Center
AHORRO
-Disminución de las perdidas de
US$51,080
clientes
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
X (KPIV) que afectan al proceso DOE Simulación
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable clave del proceso
Y Key Process Ouptput Variables (KPOV) Problema

Mapa de procesos de la
organización
Mapa de un conjunto de
procesos
Mapa del Proceso de

Análisis para el proyecto
Identificar: Actividades del proceso, Entradas -Proveedores, Salidas

-Clientes
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
CODIGO
Formato de Matriz SIPOC
Proceso :
Objetivo :
Proveedores Entradas Actividades Salidas Clientes

¿Quiénes son los ¿Quién está pidiendo la salida del
Breve descripción del paso del proceso
que proveeran los Recursos necesarios proceso?
Entregables del proceso
recursos para el proceso
necesarios? Requisitos Requisitos
Suployer Input Process Output Client
Parámetros de Control / Medición /

Responsables Documentos
Seguimiento
Proveedores Entradas Proceso Salidas Clientes
-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
- Capacitación 3 días antes del inicio LANZAMIENTO -Normativa RED COMERCIAL

-Contratos
de la comercialización -Capacitación
- Sistemas que garanticen el cumpl.

del 100% de la casuística.
-Facturas sin errores en los copnceptos
o montos facturados. Publicidad CLIENTE
Variables de Ruido o no
controlables (N)
Entiende las “X” (KPIV) y
controlarás las “Y” (KPOV)
N1 N2 N3
C1
S1 , S2
Variables
Controlables C2 PROCESO Características de
calidad (Y)
Y = f ( X1,X2,....Xn)
E1 E2 E3 E4
Variables experimentales (E)
C ENTRADA CONTROLABLE Aquella que puede ser controlada
N ENTRADA RUIDOSA Es impredecibles, altera el proceso.No es controlable por el momento. “X”

Aquella que puede ser estudiada bajo diversos parámetros para ver su
(KPIV)
E ENTRADA EXPERIMENTAL
comportamiento en el proceso.
Según donde impactan se suelen clasificar en :

CTQ: Criticas para la calidad “Y”
S SALIDA
CTD: Criticas para la Entrega (KPOV)
CTC: Criticas para el Costo.
Acciones a seguir
Tipo Características Acción
Controlable (C) Se puede controlar fácilmente Estandarizar el control
Verificar si impactan sobre el

Experimental (E) Variable sobre la que se tiene indicador (fase 2).
capacidad de acción pero no se
conoce su valor optimo. Establecer Nivel optimo (fase
3)
Variable que se sabe afecta a las

Ruido (N) KPOV pero que por ahora no se
puede controlar ------------------------
INICIO
NA
VA VA
VA
VA
VA
FIN
NA VA
Valor agregado son las características dadas a aquella

Operación con Valor
VA operaciones indispensables por las cuales el cliente esta
agregado
dispuesto a pagar
Operación de no Valor
NA No generan valor (pero si generan costos)
agregado
Eliminar la fabrica oculta

INICIO
INFO
INFO
FIN
INFO
INFO Etapas donde se registran datos del proceso

Formato de Matriz FEMEA
Función Métodos de falla Efectos de falla Causas Controles de

del potenciales S potenciales O D N
potenciales proceso
proceso (defectos de E de falla C E P
(KPOVs) actuales
(paso) proceso) V (KPIVs) C T R
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
Matriz FEMEA
NPR
NPR==SEV
SEV**OCC
OCC**DET
DET
Donde:
NPR : Número de probabilidad de riesgo o de prioridad de riesgo.

EI NPR es la multiplicación de la severidad de la falla, la ocurrencia
de esta y su posible detección. Este será mejor en tanto sea menor.
SEV : Severidad.
Es el impacto de mayor o menor intensidad en que la falla de un proceso
puede repercutir en el cliente (interno o externo) y su comportamiento
respecto a nuestros servicios.
OCC : Ocurrencia
Frecuencia en la que puede ocurrir una falla.
DET : Detección
Posibilidad de identificar la falla en algún momento durante el proceso.
Capacidad Capacidad Medida

Habilidad basada en Capacidad del proceso
rendimiento demostrado, de cuantificada, de datos que son
un proceso, en satisfacer los resultado de mediciones de
requerimientos del cliente. trabajo realizado por el
proceso.
Análisis de Normalidad
Prueba de Normalidad
Probability Plot for Grupos

LSXY Estimates-Complete Data
C orrelation C oefficient
Smallest Extreme Value Normal
S mallest E xtreme V alue
99.9 99.9
0.957
90 99 N ormal
50 90 0.985
Logistic
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
Si los datos son normales, se podrá hacer el análisis de la Capacidad del

Proceso.
Para analizar si un indicador es capaz de cumplir con las especificaciones, se suele utilizar el índice de capacidad
Diremos que un indicador es capaz de cumplir con las especificaciones

cuando su dispersión es menor que la distancia entre especificaciones.
LSE - LIE
Cp =
6
Cp < 1 INCAPAZ
1< Cp < 1.33 APENAS CAPAZ
Cp = 1 Cp = 2 1.33 < Cp < 2 CAPAZ

Cp > 2 MUY CAPAZ
CENTRAMIENTO (Cpk)
No solo interesa ver si el indicador puede cumplir con las especificaciones,

nos interesa saber si este centrado respecto a las mismas.
Para analizar esto, existe el índice de centramiento denominado Cpk que

mide la menor distancia del promedio de los datos a las especificaciones
comparada contra el ancho de media distribución.
Promedio
Especificación de los
datos
LSE - X X - LIE
Cpk = Min ,
3 3
3 3
Primer Ejemplo problema Variación y Centrado
Cpk Superior < Cpk inferior, u tiende hacia el LSE

Cpk Inferior < Cpk Superior, u Tiende hacia el LIE
Segundo Ejemplo problema Variación y Centrado
Process Capability of % de Saturación
LSL Target USL

P rocess D ata Within
LS L 0 Overall
Target 0.1
USL 0.2 P otential (Within) C apability
S ample M ean 0.0626415 Cp 0.31
S ample N 106 C PL 0.19
S tD ev (Within) 0.107208 C PU 0.43
S tD ev (O v erall) 0.107447 C pk 0.19
C C pk 0.31
O v erall C apability
Pp 0.31
PPL 0.19
PPU 0.43
P pk 0.19
C pm 0.29
-0.15 0.00 0.15 0.30 0.45 0.60

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 P P M < LS L 279509.11 P P M < LS L 279947.66
P P M > U S L 103773.58 P P M > U S L 100055.21 P P M > U S L 100557.92
P P M Total 103773.58 P P M Total 379564.32 P P M Total 380505.59
5. Fase II: Analizar
5.1 Determinar las causas del problema
5.2 Variables Discretas y Continuas
5.3 Prueba hipótesis
5.4 Procedimiento de prueba hipótesis
5.5 Ejemplos
CTQs
X (KPIV) Cp, Cpk
Regresión
SPC
5 Ss
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
Diagrama de Causa-Efecto (Ishikawa)
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poblewma (Y
o KPOV), usaremos el Diagrama Causa – Efecto, o Ishikawa.
Criterio de Criterio de Criterio de

agrupación 1 agrupación 2 agrupación 3 CONSTRUCCION
causa Listar por tormenta de ideas las

causa causa
causa causa causas generales que afectan
causa
al indicador.
causa causa causa
causa causa
Agrupar las causas en 4 o 6
PROBLEMA grupos. Se suele usar:
causa causa causa
causa Por 4M Por 6M
Mano O. Mano O
causa causa
causa causa Material Material
causa Maquinaria Maquinaria
Método Método
Criterio de Criterio de Criterio de Medición
agrupación 6 agrupación 5 agrupación 4 Medio amb.
Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N
Matriz Causa-Efecto
Se ha visto que la KPIV, puede impactar en las KPOV:
afecta Posteriormente se validaran cuales

X Y causas son definitivamente las que
son las responsables del Problema
Ejemplos:
 Número de Contratos  Tiempo de Calificación

 Conocimientos norma de créditos  % de créditos rechazados
 Numero de Analistas  Costo Evaluación.
 Tiempo de entrega de Contratos
Para mejorar el proceso, se debe identificar cuáles son las X que más afectan a las Y
para determinar cuáles deben ser atacadas.
ENTRADAS DEL CAPACIDAD DEL FEMEA

PROCESO PROCESO
INICIO
N1 C
1
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
tienen un número fijo de valores

Datos Discretos Ejemplos: estado civil, tipo sanguíneo,
número de niños
Datos tienen un número infinito de valores

Continuos
Ejemplos: estatura, peso, temperatura
5.3 Prueba Hipótesis
PRUEBA DE HIPOTESIS
Para conocer si un factor ( X: KPIV ) influye sobre nuestro

indicador ( Y: KPOV ) del proceso; se suele variar este
factor de manera de ver si su variación afecta al indicador.
La manera de ver esta variación es a través de las

pruebas de hipótesis que nos permitirán concluir si el factor
en estudio afecta significativamente al indicador.
Errores posibles al evaluar una hipótesis
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
RECORDANDO
Ho : El factor no generó diferencias Antes Vs Después (X no afecta Y)

Ha : El factor si generó diferencias Antes Vs Después (X si afecta Y)
Si p – val > 0.05 () NO se rechaza H0
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 - 
Prueba Anova
ONE SAMPLE t – TAMAÑO DE MUESTRA

(Si la Población es Normal)
Prueba t (One Sample t)

Estadístico t = X- 
s / n
Hipótesis Nula H0:  =  0
Hipótesis Alterna
Ha:  <0 ; t < t , n-1
 > 0; t > t , n-1
  0 ; | t | > t /2 , n-1
Minitab
Stat-Basic Statisc- 1sample t
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
Boxplot of HUEVOS INCUBADOS by TIPO LOTE

16000
14000
12000
HUEVOS INCUBADOS
10000
8000
6000
4000
2000
0
ADULTO JOVEN VIEJO
TIPO LOTE
Correlación y Regresión
INTRODUCCIÓN:
Al interior de un proceso, usualmente existe una relación entre 2

variables.
Si una Y (KPOV) se correlaciona con una X; podremos decir que X es
una KPIV.
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.
Usualmente la correlación para determinar la fuerza que liga a 2

variables sin necesidad de alterar el proceso como se hizo en las
Pruebas de hipótesis o como hará en los DOE (Fase 3).
Correlación
Es la Fuerza de Asociación entre 2 Variables.

Se mide con el Coeficiente de Pearson (r)
-1  r  1
-1  r < 0 r=0 0<r 1

Correlación Negativa No hay Correlación Correlación Positiva
Cuánto más cercano esté el coeficiente de Correlación de Pearson

a –1 o 1; mayor probabilidad de Correlación
Correlación
Precauciones:
Dado que no estamos modificando el proceso ( variando x) y

midiendo su efecto ( en Y) : encontrar que “hay correlación” no
siempre significa que al variar X, variará Y (Causa – Efecto)
Solo debemos usar correlación cuando hay una persuasión

razonable que X podría afectar Y
Regresión
Con la regresión se determina el Modelo Matemático que relacione las Variables X

con Y.
Estas Xi, son la

PROCESO Y ,Y
1 2
Indicador (Y)
que se han
obtenido después
Y = f ( X1,X2,....Xn) de:
X1 X2 X3 X4 Prueba de
Hipótesis.
Variables
Correlación.
Experimentales
LOS MODELOS MATEMATICOS PUEDEN SER

Y =  0 + 1 X LINEAL
Y = 0 + 1X + 2X2 CUADRÁTICO
Y = 0 + 1X + 2X2 + 3X3 CÚBICO
Y = 0 + 1X1 + 2X2+... +nXn) LINEAL
MÚLTIPLE
5.4 Procedimiento de pruebas
Procedimiento para la Prueba Hipótesis
Acción
1. Identificar de acuerdo al tipo de variable discreta o continua tanto para KPIV

como KPOV el tipo de Prueba Estadística a utilizar.
2. Establecer la Hipótesis Nula Ho.
3. Especificar una hipótesis alternativa apropiada Ha.
4. Elegir un nivel de significación (Usualmente: 0.05).
5. Establecer un estadístico de prueba apropiado.
6. Establecer la región de rechazo del estadístico.
7. Calcular las cantidades muestrales necesarias, sustituirlas en la ecuación del
estadístico de la prueba y calcular es valor.
8. Decidir si deberá rechazarse o no Ho.
9. Traducir la decisión en términos de proceso.
FLUJOGRAMA PRUEBA HIPÓTESIS
1 Inicio
Recopilar data
Ubicar las variables importantes

( Fase 1 )
Aplicar la prueba
de hipótesis
H0 no hay variación antes vs después
Ha si hay variación antes vs después
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
Selección de la Prueba Hipótesis
Y Continua Y Discreta
X Correlacion-Regresion Correlacion-Regresion
Continua
Para distribucion normal de Y

Prueba T1
Prueba T2
Prueba Anova
X Chi cuadrado
Discreta Para distribucion no normal de Y
Prueba W
Prueba xxxx
Prueba kk
5.4 Procedimiento de Pruebas
para "Y"
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
NO
¿P>α ? Prueba KW
SI
Prueba de Anova
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
NO
¿P>α ? Prueba KW
SI
Prueba T2
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
Prueba One Sample Sign

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
Prueba de Regresion lineal Prueba de Regresion curva

lineal
5.5 Ejemplos: EMPRESA COURIER “EL RAPIDO”
X Y
cantidad pedido ¿Qué tipo de prueba?
devueltos semanal
X1= Zona Geografica

20
30
. X1= Discreta, tiene 10
.
.
48 datos (48 semanas) valores (menos de 30)
Zona 1 10
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
20 respectivamente.
X Y
devueltos semanal
X2= Repartidores 20
30
.
Repartidor 1 .
.
X2= inicialmente es
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
.
.
.

20
X Y
devueltos semanal
X3= ¿El repartidor usa

Guia ? X3= Discreta
50
10
Si . Y= Continua
.
. Por lo tanto se utiliza la
20 Prueba T2 para probar
la significancia de X en
Y
10
20
. Nota: no Anova porque
No . solo son 2 muestras.
.
30
Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
5.5
X Y
cantidad de ¿Qué tipo de prueba?
pasta quemada
X1= Presion en el X1= es continua

cabezal (Bar) Tiene mas de 30 datos
40
bar
65 bar
10 kg Y= continua
50 bar 15 kg
30 bar 12 kg Por lo tanto se utiiliza la
. 8 kg
.
Prueba de Regresion
.
. .
100 datos . .
. .
. .
60 .
bar 14kg
5.5
X Y
pasta quemada
X2= Temperatura de X2= es continua

cocido (ºC) Tiene mas de 30 datos
45
ºC
35 ºC
15 kg Y= continua
55 ºC 10 kg
32 ºC 20 kg Por lo tanto se utiiliza la
. 8 kg
.
Prueba de Regresion
.
. .
105 datos . .
. .
. .
50 .
ºC 25kg
5.5
X Y
pasta quemada
X3= Humedad relativa X3= es continua

(%) Tiene mas de 30 datos
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
PROCESO FMEA
F Elabora FMEA preliminar.

A
S
E Discusión para definir NPR.
I
Plan de Acción de mejora de los
NPR.
Ejecución del Plan.

F
A
S Evaluación de Resultados.
E
II
NO
OK
SI
Emisión del FMEA definitivo.

Se vuelve usar la matriz FMEA Acciones

Persona
S O D N
mostrado anteriormente. Recomen responsab Acciones E C E P
dadas le & Fecha Tomadas V C T R
En esta parte se establecen las Objeto
posibles soluciones para aquellas
actividades que tienen un NPR alto.
Las acciones
Las acciones
recomendadas
recomendadas
que El NPR después
queson
sonllevadas
llevadas de haber tomado
AAcabo.
cabo. las acción (es). El
cual se supone
Son las acciones
Son las acciones debe ser menor
orientadas a seguir
orientadas a seguir
para las causas con
para las causas con El responsable
NPR alto, destinadas El responsable
NPR alto, destinadas de
mejorar la detección
mejorar la detección dellevar
llevaracabo
acabo
de la causa o disminuir lalaacción
acción(es)
(es)
de la causa o disminuir
la frecuencia de
la frecuencia de
ocurrencia de las fallas
ocurrencia de las fallas
6.2 DOE
Introducción al DOE
Es una estrategia experimental estructurada que permite la evaluación de

múltiples variables de proceso en cuanto a su capacidad para influir sobre
las características de un producto o proceso.
• Determinar que factores son importantes.

• Establecer la estabilidad del proceso.
• Encontrar el mejor conjunto de condiciones de operación.
6.2 DOE
CTQs
X (KPIV) Cp, Cpk
Regresión
SPC
5 Ss
Y (KPOV)
cliente
6.2 DOE
Diseño Factorial Completo
El Factorial Completo estudiará cada combinación posible en los

niveles escogidos. Estos diseños proveerán una gran información que
nos permitirá determinar el efecto de los factores principales sobre la
respuesta seleccionada.
Cantidad de pruebas que se necesitan =
(niveles factor 1) x (niveles factor 2) x (niveles factor 3) x ….

(niveles factor n)
Donde:
Factor = Son las variables (KPVI) X1, X2, X3 … Xn
Nivel = Es la cantidad de valores que toma cada factor
6.2 DOE
Limitaciones para el Diseño Factorial

Completo
•La limitación del Factorial completo no es teórica sino

practica. Los recursos (ej. Tiempo, costos) necesarios para
correr un factorial completo pueden ser significantes.
•Factorial completo puede ser usado en investigaciones
donde el numero de variables es pequeño (2-4), pero no son
recomendables cuando el numero de variables a investigar es
mayor (5 o más).
•Factorial
Completo son efectivo cuando son usados de la
manera adecuada, en el momento propicio dentro del proceso
de mejora del estudio.
6.2 DOE
Diseño Factorial Completo con 2 niveles
Por Ejemplo 3 factores cada uno con 2 niveles:
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8

3
2
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
Diseño Factoriales Fraccionados
Son diseños donde se elige adecuadamente una parte o fracción de los

tratamientos de un factorial completo, con la intención de poder estudiar
el efecto de los factores utilizando menos corridas experimentales,
debido a que es imposible en la practica correr todos los tratamientos.
La teoría de los diseños factoriales fraccionados se basa en la jerarquización

de los efectos: Son más importantes los efectos principales, seguidos por la
interacciones dobles, luego las triples, las cuádruples , etc.
Número de factores (K)
K-p Número de generadores

Número niveles (2)
2 del diseño
6.2 DOE
Aclaraciones para el Diseño Factoriales

fraccionados:
•Se pierde información, ya que habrá efectos que no se podrán
estimarse y se tienen menos grados de libertad disponibles para la
estimación del error. Los efectos que se pierden se espera que
sean, en la medida de los posible, interacciones de alto orden, las
cuales se pueden ignorar de antemano con bajo riesgo.
•Se utiliza sobre todo para probar un gran número de x potenciales

con un mínimo de corridas y lograr la selección de las pocas X
vitales.
•Los experimentos altamente fraccionados son experimentos donde

el número de corridas es solo un poco mayor que el número de
factores y sirven para detectar solo efectos principales.
6.2 DOE
Recomendaciones para el Diseño Factoriales

fraccionados:
•Los experimentos altamente fraccionados se usan a menudo

para cernido, para encontrar las variables que merecen mayor
estudio
•Los experimentos más útiles tiene 8, 16 0 32 corridas.
•Usted puede añadir niveles (use 3, 4 o 5 niveles) para un

estudio más detallado de las variables importantes.
•Los experimentos de 2 niveles pueden usarse con variables X

discretas o continuas.
•Recuerde además que usted puede correr la otra media fracción

si los resultados del primer experimento no son claros.
Pasos para la experimentación

1. Definir el problema.
2. Establecer el objetivo.
3. Seleccionar las variables de respuesta.
4. Seleccionar las variables independientes y su niveles.
5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de
medición. Entender el espacio de inferencia.
6. Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de
replicas.
7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.
8. Recolectar los datos.
9. Analizar los Datos.
10. Obtener las conclusiones estadisticas.
11. Replicar los resultados, si corresponde.
12. Establecer soluciones practicas y comunicar.
13. Implementar soluciones.
Selección de factores
Podemos utilizar las siguientes fuentes:

• FMEA (Puesta al día después de la Fase de Análisis)
• Lista de Calsificación de Entrada. Mapa de procesos.
• Factores de Estudio de Variación Múltiple
• Resultados de la Prueba de Hipótesis
• Conocimiento de los expertos, experiencia de los operadores
• Requerimientos de los clientes
• Opinión de los proveedores
• Literatura, tormenta de ideas.........
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
2. Identificar los factores y sus X3 : Nombre del factor

niveles.
• 2 Level Factorial
• Number Of. Factors
3. Cree la hoja de toma de datos
para el experimento DESGNIS Full factorial
Center points=
Stat / DOE / FACTORIALS / # Replicates=
CREATE FACTORS En la columna “Name” ponerle el
FACTORIAL / DESIGNS nombre del factor
OPTIONS . Do not fold
 Randomize Runs
 Store Design on Worksh
Summary table, alias table
RESULTS Default interactions
Acción Minitab
4. Determine el tamaño RESPONSES Poner el indicador

apropiado de la muestra. TERMS Seleccionar todos los factores
y pasarlos a “Selected Terma”
5. Realice el experimento
GRAPHS
siguiendo la hoja de datos
Normal
obtenidas.
Paretto
6. Analice los datos
Alpha = 0.1
obtenidos
Residual for plots : Regular
Sta t/ DOE / ACTORIALS RESULTS •Coefficients and ANOVA table
Analyze Factorial STORAGE Fits (Desmarcar)
Design Residuals
Nota: (Desmarcar)
1. Si se ha usado 2 o mas replicas Minitab arroja p-valúes asociados a

cada factor e interacciones; los cuales deben ser usados para
probar hipótesis:
H0: El efecto del factor no es importante sobre Y Si p-val>0.05

Ha: El efecto del factor si es importante sobre Y Acepto H0
6.4 Plan de Mejora
Los planes de Implementación Final de soluciones debe

contener:
•La solución (acción) recomendada.
•La causa verificada y el efecto esperado de la solución.
•Definir al responsable que llevara a la práctica la
solución.
•Donde y cuando se realizara (fecha de inicio-fecha
final).
•Como se realizara (descripción operativa).
•Recursos necesarios para la implementación.
•Retorno esperado (beneficio).
•El Plan de Gerenciamiento.
109
109
6.4 Plan de Mejora
Formato Plan de Implementación de Soluciones.

PROYECTO: FECHA:
MIEMBROS DEL EQUIPO:
ACCION EFECTO QUIEN FECHA

Nro RECOME CAUSA ESPERA RESPON OPERACI DONDE CUANDO COMO
INICIO FIN
NDADA DO SABLE ÓN
RECURSOS NECESARIOS RETORNO ESPERADO PORCENTAJE DE STATUS OBSERVACIONES

ENTRENAM
TIEMPO S$ IENTO SOPORTE OTROS S$ SATISFACCIÓN AVANCE
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
Solicitar a GSI, el desarrollo de una

No se registras las fechas de inicio
rutina que permit a que los campos : Se requiere est ablecer un
y culminación de las Obras en el
4 In Real y Fin. Real se han obligatorios Corto plazo Walter la Mat ta Por definir Por definir requerimient o, y el posible
Aplicativo SAP-Modulo Gest ión de
cuando se cambia el st atus del cost eo de est a nueva rut ina
Proyect os
proyecto
Elaboración de un procedimient o para

Falt a de un procedimiento para la ampliación de los enlaces en la Red Se requiere la participación de
5 realizar la ampliación de los Speedy que abarca desde la Largo Plazo Ernesto Saravia Por definir 15% las Gerencia de Desarrollo y
enlaces en los DSLAM'S det ección de su sobrecarga hasta su Planificación
ampliación.
Desarrollo de una Base de Datos que
registra las fechas de denuncias de
Falt a de un sistema que controle Se tiene la información hay que
los sobrecargas hast a su ampliación,
6 las denuncias de sobrecarga hast a Corto Plazo Veronica Avila 15 de Abril 25% armar la data a part ir del
con la finalidad de realizar el
su ampliación en la Red present e año 2005
seguimiento de las ampliaciones en
plant a
7. Fase IV: Controlar
7.1 Objetivo
7.2 Mantenimiento de Resultados.
7.3 Control estadístico de procesos
7.4 POKA YOKE
7.5 Las 5 S
7.6 Fabrica visual
7.7 Acciones Finales
CTQs
X (KPIV) Cp, Cpk
Regresión
SPC
5 Ss
Y (KPOV)
cliente
7.1 Objetivo
Concluida las mejoras en las Y, se debe controlar la variable en el tiempo

para que no retorne a la situación anterior.
Y
FASE POST
CONTROL PROYECTO
MEJORAR
Fin de
Antes de
Proyecto Situación No
la Mejora Deseada
7.2 Mantenimiento resultados
Se debe elaborar un plan de Mantenimiento de

Resultados:
El plan debe contener:
•El mapa de proceso actualizado, con indicadores
críticos en la entrada y salida (Ya estuvieron definidos
en la primera etapa).
•Eltipo de control para cada indicador y las acciones
de reacción ante el descontrol.
115
115
PLAN DEL CONTROL DEL PROCESO
Es el listado con las acciones generales que cada proceso debe

seguir para garantizar, mantener el resultado del indicador.
Ejemplo:
PLAN DE CONTROL
Proceso:_______ Fecha:____
Responsable:_____
Acción Responsable Periodicidad
1Analizar indicador Supervisor 1 Diario

2.Gage R & R
Normas y Supervisor 2 Mensual
procedimientos Gerente Quincenal
4.Revisión Todos Anual
FMEA
5.Charla de Six
Sigma en 5 minutos Jefe Mensual
TIPO DE CONTROL PARA CADA INDICADOR
Existen diferentes maneras de hacer el Control

para los indicadores. Entre los más importantes, se
menciona:
•Control Estadístico de Procesos.
•Sistema a Prueba de Errores (Poka Yoke).
•Filosofía de 5 Ss y Gerenciamiento Visual.
7.3 Control Estadístico de Procesos
Control Estadístico de Procesos (CEP)
•Muestra el desempeño del Proceso.

•Provee de un Lenguaje Común para discutir el Proceso.
•Permitirá diferenciar Causas Comunes de Especiales.
Los componentes del CEP, son:

•Cartas de Control.
•Causas Especiales y Comunes.
ZONA PRUEBA
DE CONTROL
(MAL)
LSC : Límite Superior de Control
ZONA EN
CONTROL (BIEN)
LIC : Límite Inferior de Control

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
pq
LIC p  p  3 
n1  n2    nk n
n
k
pq
p  p2    pk LSC p  p  3 
p 1 n
k
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
Es la cantidad de no conformidades encontradas

en cada muestra.
120
120
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
Gráfica X-R
7.4 POKA YOKE
Mecanismos a Prueba De Errores : POKA YOKE

Los defectos tienes su causa raíz en errores
Defecto
La manera tradicional de evitar que lleguen defectos al cliente es

inspeccionar al 100% todo o parte de los servicios brindados. Pero esto es
muy costoso e ineficiente.
Se debe construir Calidad desde la fuente incorporada mecanismos que

prevengan los errores desde el principio
7.4 POKA YOKE
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
Los errores Humanos usualmente lo son por inadvertencia.
“Los errores inadvertidos incrementan el

trabajo”
Yokeru Evitar
Poka Errores Inadvertidos
Los mecanismos Poka-Yoke nos ayudan a evitar los defectos aunque

inadvertidamente se cometan errores.
Los Poka-Yoke ayudan a fabricar la calidad en el proceso.
Un dispositivo Poka−yoke es cualquier mecanismo que ayuda a

prevenir los errores antes de que sucedan, o los hace que sean muy
obvios para que el trabajador se de cuenta y lo corrija a tiempo.
126
126
7.4 POKA YOKE
Lista de Comprobación
Equipo: Camión 785C

Operación: Cambio de llantas delanteras
Fecha: 15/12/03
Personal Requerido Cantidad Conformidad

Técnico en Llantas 2
Ayudante 1
Herramientas Cantidad Conformidad
∙ Equipo Manipulador de llantas TAYLOR (1) 1
∙ Barreta (1). 2
∙ Gata 150 TN ( 1ó 2 ). 2
∙ Gata Hidráulica-Neumática. 2
Lista de Chequeo ∙ Extractor de válvulas de aire.
∙ Válvulas de aire.
1
2
∙ Herramientas de impacto ½” 3
∙ Extensión 5”. 2
∙ Encastre ½” 2
∙ Válvulas de aire 1
∙ Destalonador 2
∙ Dado ¾”. 2
Material o insumos Cantidad Conformidad
∙ Grasa vegetal 1 balde
∙ Trapo Industrial 1 kilo
∙ Sello O-Ring 2
∙ Tacos de Madera 2
∙ Llanta 2
Procedimientos estándares a seguir
EMATL001: Cambio de llantas delanteras 1 y 2
Camiones 785C
7.5 Las 5 S
SEIRI Retirar, desalojar lo innecesario.

(Clasificar)
SEISO “Cada cosa en su lugar y un lugar para cada cosa”.
(Organizar)
SEITON Limpieza es inspección.
(Limpiar)
SEIKETSU Evitar que se vuelva a ensuciar, desordenar.
(Prevenir)
SHITSUKE Estandarizar, cumplir con los estándares, Formar
(Disciplinar) buenos hábitos.
7.5 Las 5 S
¿Cómo se pueden definir las 5S?
“Siempre se pueden evitar ineficiencias, evitar

desplazamientos, y eliminar desperdicios de tiempo y
espacio”
7.5 Las 5 S
7.5 Las 5 S
7.6 Fabrica visual
Se debe tener de manera visible un Panel que permita ver:
•Evolución del Indicador. (Con Control Estadístico).

I-MR Chart of RESUL
•Acciones Correctivas tomadas ante Ocurrencia de Fallas.
80
1
U C L=67.16
•Estado
60 del Cumplimiento de Estándares y
Individual Value
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
Para la implementación de las Acciones Finales, deben estar

previamente definidos:
•El desarrollo y la documentación de prácticas estándares.
•El entrenamiento del personal involucrado en las Actividades.
Después de ello se podrá hacer los cierres de los proyectos.

Se debe reconocer el esfuerzo y aporte de cada participante por el
trabajo y sus resultados asociados.

Seis Sigma PPT y Mas Otro Enfoque

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

Seis Sigma PPT y Mas Otro Enfoque

Cargado por

Copyright:

Formatos disponibles

SIX SIGMA

1. Introducción al Seis Sigma

2. Proyectos Seis Sigma

3. Metodología Seis Sigma

4. Fase I: Definir y Medir

5. Fase II: Analizar

6. Fase III: Implementar mejoras

7. Fase IV: Controlar

Es un sistema empresarial para lograr y mantener el éxito por medio

Mide el desempeño de un proceso en cuanto a su nivel de

Como Filosofía Mejoramiento continuo de procesos

Tener procesos de clase mundial, no

Alta Alta Baja Baja

Ejemplo: El tiempo que un cliente esta dispuesto esperar por

305 537 defectos

697 700 defectos

Malas Recetas médicas 54, 000 / año 3 / año

Bebes que se caen 40, 500 / año 3 / año

Tomar agua contaminada 4 h. / mes 1´ / 16 años

Corte de señal de TV 27 min. / semana 6´ / 50 años

Mala Operación médica 1, 350 / semana 1 / año

Devolución Sacos de Azúcar 44.000 / año 5 / año

“Estamos en el quinto año de trabajos con Seis

J. Welch “Comenzamos a implementar Seis Sigma a

Autentica orientación al cliente, satisfacer al

Segundo Todo debe y puede ser mejorado alineado

Las decisiones deben basarse en hechos,

Al mejorar se debe mirar el proceso completo

Sub Sub Sub

Las causas de los problemas deben ser

Sexto Cada vez que un proceso es mejorado debe

Sétimo El recurso humano es el capital

Todos los miembros de la empresa deben ser líderes, maestros

Seis Sigma como Sistema de Gestión de

Mejora continua Mejora continua

Seis Sigma como Sistema de Gestión

 Alineado con la estrategia

MASTER BLACK BELT:

TEST: Inventario de Utilización de Energías

Se utiliza para indicar que atributos emplea una persona en su relación

1.- Definir el Problema, definir objetivos

2.- Definir y Describir el proceso

5.- Determinar las causas del problema

7.- Optimizar y robustecer

9- Controlar y dar seguimiento al proceso

1.- Definir el Problema, definir objetivos

3.- Evaluar Sistema de medición

4.- Evaluar Capacidad del proceso

6. - Det ermina r va riable s s ignific ativas

9 - Co n tro lar y d a r se g u i mien to a l p r o ces o

Definir el Problema, definir objetivos Determinar las causas del problema

Definir y Describir el proceso Determinar variables significativas

Situación problemática inespecífica

Identificación de los clientes, CTQ, VOC

CTQ (Critical to Quality). Son los atributos a factores

VOC VOC (Voice of Client). Es la voz del cliente que se

IDENTIFICAR CLIENTES Y CTQ

1. Definir Clientes Internos y Externos

Insatisfacción del cliente

Sabor de la Pizza 7 Tipo de masa incorrecta 56 6.1

Cantidad de Ingredientes 7 Cantidad de ingredientes reducidos 50 5.4

Ingredientes correctos 10 Ingredientes incorrectos 30 3.3

DEFENSORIA DEL PUEBLO