14 - Seis Sigma - Fase MEDIR

Universidad Tecnológica de Tlaxcala
Materia:
Administración de la calidad
Tema:
Seis Sigma – Fase de MEDIR
Docente:
M. En C. Romualdo Martínez Carmona
Seis Sigma – Fase de medir
Medir es una etapa clave en el camino de Seis Sigma

y ayuda al equipo a refinar el problema y comenzar a
buscar las causas raíz, lo que será el objetivo de la
etapa Analizar de DMAMC.
El objetivo general de esta segunda fase es entender

y cuantificar mejor la magnitud del problema o
situación que se aborda con el proyecto.
Conceptos básicos de medida:
Observar y después medir
Si puede observar algo
(incluso sólo por sus
efectos), entonces se puede El primer paso de esta etapa debe ser observar
medir. Y si se puede medir,
entonces se puede qué es lo que pasa realmente en ese proceso o
mejorar.
hablar con algunas de las personas directamente
implicadas en él.
Estas observaciones pueden ayudarle a decidir

qué debe medir y en qué lugares del proceso
hacerlo.
Medidas continuas frente a discretas
Es importante comprender la diferencia entre los

¿Continuos o
datos «continuos» y los «discretos», porque esta discretos?
diferencia influye de manera significativa en la forma

de definir sus medidas, en cómo se recogen los
datos y en lo que se puede aprender de ellos.
También tiene gran influencia en el muestreo y en el
posterior análisis de los datos.
Medidas continuas
Las medidas continuas son sólo aquellas que se

pueden medir en una escala infinitamente divisible
o en un continuo. Por ejemplo, tiempo (horas,
minutos, segundos), altura (metros, milímetros,
fracciones de milímetro), temperatura (grados) y
dinero (pesos, dólares, euros y sus fracciones).
Medidas discretas
Las medidas discretas son aquellas que le permiten

clasificar una serie de artículos en distintas categorías
independientes. Por ejemplo, tipos de aviones, diferentes
categorías de vehículo etc. Las medidas discretas incluyen
las escalas artificiales, como las utilizadas en las encuestas,
donde la gente debe valorar un producto o servicio de 1 a 5.
Los ventajas de los datos discretos:
Son más difíciles de recolectar
Recolectar datos
Recolectar datos discretos suele ser más fácil y rápido que los discretos suele ser
continuos, ya que está midiendo si algo cumple un requisito o no,
más fácil y rápido que
los continuos
como aprobar o suspender un examen, o si le ha gustado una
película o no.
Muchos procesos de negocio están diseñados para recoger datos

discretos de forma automática, como lugares (país, provincia, ciudad,
calle), tipos de clientes (nuevo o ya existente, particular o empresa),
códigos de producto, estado del producto (dañado o en buen estado).
Son más fáciles de interpretar
Algunos factores intangibles que serían muy difíciles

de medir en una escala continua a menudo pueden
convertirse en medidas discretas. Por ejemplo, las
encuestas de satisfacción de clientes convierten la
intangible (actitud del cliente) en una escala de 1 a 5.
Es más fácil calcular el nivel Sigma de rendimiento
Es más fácil calcular el nivel Sigma de 6 sigmas

rendimiento. El cálculo de Sigma le
permitirá conocer en cuántos defectos
4.5 sigmas
incurre al tratar de cumplir los requisitos
de cliente, lo que es una medida discreta
(dentro o fuera de especificaciones;
«correcto» frente a «defecto»).
-6 -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5 +6
Los desventajas de los datos discretos:
Pierden precisión
Los datos continuos Los datos continuos ofrecen mayor

ofrecen mayor precisión
que los discretos.
precisión que los discretos, por lo que, si
dispone de tiempo y recursos suficientes,
es preferible que busque datos continuos
siempre que sea posible.
Se necesita una gran cantidad de datos
Se necesita una gran
cantidad de datos para
poder juzgar con
precisión. La interpretación de datos discretos se basa en el
descubrimiento de patrones ocultos en las
categorías de datos. Y se necesita una gran
cantidad de ellos para poder juzgar con precisión
si existen o no existen estos patrones.
Es más probable que se pierda alguna información
importante
Siempre que sea posible,
comience por los datos
continuos si dispone del
Debido a su naturaleza de «sí o no», los datos tiempo y dinero
suficientes.
discretos pueden ocultar detalles importantes
sobre un producto o servicio.
En resumen, siempre que sea posible, comience

por los datos continuos si dispone del tiempo y
dinero suficientes.
Medir siempre por una razón
Pensar en las medidas en
términos de eficiencia y
A no ser que exista una razón clara para recoger datos, como, eficacia ayudará a su equipo
a tener siempre en la mente
por ejemplo, una variable clave que le interese seguir, no lo quién se beneficiará de sus
haga. Existen dos razones principales para recoger datos: esfuerzos de mejora.
1. Medir la eficiencia y/o la eficacia.
Pensar en las medidas en términos de eficiencia y eficacia

ayudará a su equipo a tener siempre en la mente quién se
beneficiará de sus esfuerzos de mejora: su organización, sus
clientes o ambos.
2. Descubrir cómo las variables (Xs o causas) «aguas
arriba» en el proceso afectan los resultados (Ys o
efectos) que el proceso entrega a los clientes.
Esto se puede expresar también como el estudio de la relación

entre los «predictores» y los «resultados». Lo más habitual es
comenzar midiendo las salidas o resultados que entregamos a
los clientes (si son «buenos» o «defectuosos»). A lo largo de
su proyecto, tendrá que volver al proceso y descubrir medidas
que predicen en cierto modo algunos resultados.
Tener claro qué se quiere conseguir con los datos es el
primer paso para asegurarse de que está midiendo por una
razón.
Al elegir las medidas para su proyecto Seis Sigma,

asegúrese de que no se centra únicamente en medidas de
resultados, sino que existe un equilibrio entre éstas y las
medidas de proceso, es decir, entre resultados y predictores.
Proceso de planificar y medir el rendimiento
frente a los requisitos de cliente
El siguiente plan de recolección de datos en cinco etapas le ayudará a evitar

los problemas más habituales:
1 2 3 4 5
Implemente y
Seleccione lo Desarrolle Identifique las Prepare el plan
perfeccione el
que quiere definiciones fuentes de de recogida y
proceso de
medir. operativas. datos. muestreo.
medida.
Proceso de planificar y medir el rendimiento frente
a los requisitos de cliente:
Seleccione lo que quiere medir
En la etapa Definir, se definió el principal problema al

que se enfrenta su proyecto DMAMC además de los
requisitos críticos de los clientes. Ahora es el momento
de comenzar a medir para validar o refinar la percepción
del tamaño y frecuencia del problema, así como el grado
de cumplimiento actual de los requisitos de cliente.
Valor/utilidad Viabilidad
En general; se debe prestar atención a dos Enlaza con los requisitos de

Disponibilidad de los datos.
cliente prioritarios.
aspectos al seleccionar las medidas: qué Exactitud de los datos. Plazo de entrega requerido.
es más útil para analizar el problema y Área de preocupación u Coste de obtención de los
oportunidad potencial. datos.
qué es más viable a la hora de recoger
Se puede comparar con la de
Complejidad.
los datos. La tabla muestra algunos de otras organizaciones.
estos criterios. Permite obtener medidas de Posible resistencia o «factor

manera continuada. miedo».
Hoja de trabajo para la planificación
de las medidas
Hoja de trabajo para la planificación de las medidas
1. ¿Qué estamos tratando de aprender, seguir o evaluar?
Objetivo: Reflejar la planificación A. ¿Qué vamos a contar o a medir (la unidad)?
del equipo para recoger datos útiles B. ¿Cómo se expresará la medida? (por ejemplo, número, porcentaje, peso,
tiempo, dólares).
y con sentido. C. ¿Es la medida continua o discreta? (Use continua si es posible.)
Aplicación: Debe utilizarse siempre 3. ¿Cuál es la definición operativa de la medida? (Si está examinando
múltiples factores, es posible que necesite más de una definición.)
que el equipo se disponga a 4. ¿Necesitará recoger datos nuevos para esta medida? (Si o No)
(Si responde: «No», salte a 6, pero asegúrese, de que no utiliza los datos
recoger datos, lo que puede ocurrir existentes sólo por conveniencia)
5. En la recolección de los datos, ¿seguirá los cambios a lo largo deI tiempo?
en cualquier etapa de DMAMC. (Si o No)
6. ¿Cómo pretende utilizar/mostrar los datos?
7. ¿Cómo va a asegurar la precisión, repetibilidad y reproducibilidad?
Añada las páginas adicionales que necesite, una por medida.

frente a los requisitos de cliente:
Valor/utilidad Viabilidad
Como esto es un proyecto DMAMC, uno de los Enlaza con los requisitos de
Disponibilidad de los datos.
cliente prioritarios.
conjuntos de datos que recoja debe centrarse
Exactitud de los datos. Plazo de entrega requerido.
en los defectos, ya que necesitará esa Área de preocupación u Coste de obtención de los
oportunidad potencial. datos.
información en etapas posteriores, en la que
Se puede comparar con la de
Complejidad.
tendrá que refinar sus medidas de la situación otras organizaciones.
inicial del proceso y a menudo calcular Permite obtener medidas de Posible resistencia o «factor
manera continuada. miedo».
también los valores iniciales del nivel Sigma.
Proceso de planificar y medir el rendimiento frente a
los requisitos de cliente:
Utilización del árbol de CTQ para identificar medidas
Llamadas sobre
Interrupciones interrupciones recibidas al día
solucionadas
Otra forma de identificar medidas por día Llamadas sobre
interrupciones resueltas al día
relacionadas con los requisitos de Resoluciones a
tiempo de las
cliente es el llamado árbol de CTQ. interrupciones
del servicio
Tiempo de respuesta a las
Es parecido a un diagrama de árbol, llamadas
excepto que se centra en la definición Tiempo de

restauración
Tiempo de envío del personal
de emergencia
del servicio
de medidas «críticas para la calidad». Tiempo de ciclo (en minutos)
desde la llamada hasta la
restauración del servicio
Proceso de planificar y medir el rendimiento frente a
los requisitos de cliente:
Utilización del árbol de CTQ para identificar medidas
Llamadas sobre
En el ejemplo que se muestra, se observa cómo se Interrupciones interrupciones recibidas al día
solucionadas
estaba interesado en medir la «resolución a tiempo por día Llamadas sobre
de las interrupciones del servicio». Se decide que interrupciones resueltas al día
esta medida tenía dos componentes principales Resoluciones a

tiempo de las
(interrupciones solucionadas por día y tiempo de interrupciones
del servicio
Tiempo de respuesta a las
restauración del servicio) y, posteriormente, llamadas
identificaron una serie de datos específicos, Tiempo de
Tiempo de envío del personal
restauración
fácilmente medibles, que podrían recoger y que les del servicio
de emergencia
permitirían medir esos dos componentes. Tiempo de ciclo (en minutos)

desde la llamada hasta la
restauración del servicio
Proceso de planificar y medir el rendimiento frente a los
requisitos de cliente:
Identificación de factores potencialmente relacionados
(estratificación)
La estratificación de la información puede

proporcionarle pistas sobre dónde buscar
las causas de los problemas.
Por ejemplo, puede descubrir que los

defectos de producción se deben al
material de mala calidad.
Ejemplo de estratificación
Una empresa realizó un estudio de productos defectuosos a
nivel nacional, la causa del problema no pudo ser identificada
hasta que los investigadores estratificaron sus datos, primero
por tipo de producto, posteriormente por tamaño, por fábrica y
finalmente por la antigüedad del producto en el momento del
fallo.
Conocer sólo el número de productos que han fallado no es
suficiente para encontrar la solución; esta empresa necesitó
toda la información relacionada con esas estratificaciones Conocer sólo el número de
productos que han fallado
(tipo de producto, tamaño, fábrica y antigüedad) para llegar no es suficiente para
hasta la causa raíz. encontrar la solución.
Factores de estratificación
Factores de estratificación
Objetivo: Ayudar a recoger información más habituales
Factores Ejemplos
que le ayude a precisar los patrones y las Departamento.
Quién Persona.
causas de los problemas. Tipo de cliente.
Tipo de reclamación.
Qué
Aplicación: Debe considerar la obtención Categoría de defecto.
Mes, trimestre.
de información de estratificación siempre Cuándo Día de la semana.
Hora del día.
que vaya a recoger datos. Región.
Dónde Ciudad.
Identificación de factores potencialmente relacionados
(estratificación)
No podrá estratificar los

datos a menos que recoja la
información necesaria en su IMPORTANTE:
plan de recolección de
datos No podrá estratificar los datos a menos que recoja
la información necesaria para ello al mismo
tiempo que los datos. Por tanto, debe pensar qué
información de estratificación le interesa a priori y
trasladar esas preguntas a su plan de recolección
de datos.
Evaluación de las medidas
Factores de Métricas
estratificación
(variables X)
S
N° de entregas con retraso/
día de la semana
S
Por periodo de tiempo
Preguntas N° de entregas con retraso/ N
Una tercera forma para identificar datos sobre el proceso S Hora del día

que sean útiles para su equipo combina empleado S
Por empleado
S
¿Cuántas entregas se N° de entregas con retraso por
el árbol de CTQ y la estratificación. Se hacen con retraso? tiempo de servicio del repartidor N
S
¿Qué tendencias se pueden
llama árbol de evaluación de medidas. apreciaren las entregas con
N° de entregas con retraso/ S
retraso?
Número de entregas S Por importe del pedido
con retraso (>30 min.) Por tipo de pedido
N° de entregas con retraso por
peticiones especiales
N
¿Cuánto nos están costando Salidas S
Las entregas con retraso? N° de entregas con retraso
por región
S
Por localización S
N° de entregas con retraso, N
LEYENDA S
distancia a la tienda
¿Ayudarán esas N° de entregas con retraso N

con compensación
métricas a predecir la
Por dólar N
salida?
Coste de las compensaciones
S
¿Existen datos sobre N
estas métricas?
Evaluación de las medidas
Este árbol comienza con una de las salidas Factores de Métricas
estratificación
importantes de la empresa “Pizza 6S”: el (variables X)
S
día de la semana
S
Por periodo de tiempo
número de entregas con retraso. Las métricas, Preguntas N° de entregas con retraso/ N
sobre el proceso S Hora del día
como el «número de entregas con retraso por N° de entregas con retraso/

empleado S
región», pueden relacionarse de manera Por empleado
S
¿Cuántas entregas se N° de entregas con retraso por
hacen con retraso? tiempo de servicio del repartidor N
directa con el defecto principal (número de S
¿Qué tendencias se pueden
apreciaren las entregas con
N° de entregas con retraso/ S
entregas con retraso) y con importantes retraso?
Número de entregas S Por importe del pedido
con retraso (>30 min.) Por tipo de pedido
N° de entregas con retraso por N
preguntas sobre ese defecto («¿Qué ¿Cuánto nos están costando Salidas S
peticiones especiales
Las entregas con retraso?

tendencias o patrones se pueden apreciar?»).
N° de entregas con retraso
por región
S
Por localización S
N° de entregas con retraso, N
LEYENDA S
distancia a la tienda
¿Ayudarán esas N° de entregas con retraso N

con compensación
Por dólar N
salida?
Coste de las compensaciones
S
¿Existen datos sobre N
estas métricas?
Árbol de evaluación de medidas
Objetivo: Relacionar la recolección de Factores de
estratificación
Métricas
(variables X)
datos con los aspectos más importantes
del proyecto. Preguntas
sobre el proceso
Aplicación: Utilizado principalmente en la

etapa Medir de DMAMC para ayudar a
identificar las medidas (métricas) que
Salidas
permitirán obtener datos útiles y
significativos para el equipo.
LEYENDA
¿Ayudarán esas
salida?
¿Existen datos sobre

estas métricas?
Árbol de evaluación de medidas
Instrucciones:
Factores de Métricas
estratificación
1. Identifique un defecto que afecte al cliente en (variables X)
una de las salidas principales y escríbalo sobre Preguntas

sobre el proceso
la línea destinada para ello en el árbol.
2. Realice una tormenta de ideas para obtener una

lista de preguntas relacionadas con ese defecto.
3. Identifique los factores de estratificación. Salidas
4. Identifique tipos de datos (métricas) específicos

LEYENDA
5. Una vez que complete el diagrama, haga que su ¿Ayudarán esas
salida?
equipo revise cada una de las métricas y las ¿Existen datos sobre
estas métricas?
evalúe
Desarrolle definiciones operativas
Proponer a contar el número de defectos en un producto

o servicio es fácil. Pero ¿qué entiende exactamente por
«defecto», «producto» y «servicio»? Si no tiene
definiciones precisas para lo que intenta medir, cada
persona contará cosas diferentes y de diferentes
maneras, para evitar estas confusiones, necesita tener
definiciones operativas.
Hoja de trabajo para la definición operativa
Lo que se está midiendo:
Definición operativa Parte 1. Utilice la lista de comprobación • Cómo define la
(derecha) para escribir un borrador de medida.
la definición. • Qué incluye la medida
Una descripción clara y comprensible y qué no incluye.
• Cómo se toman las
de lo que se va a observar y medir medidas
(procedimientos).
Parte 2. Facilite esta definición a quien no haya estado
para que diferentes personas recojan involucrado en su redacción y pídales que hagan sugerencias.
(abajo).
los datos de una manera consistente. Parte 3. Definición revisada.
Parte 4. Pida a algunos voluntarios que utilicen esa definición

para tomar datos. Revise después esos datos y anote los
problemas que observe. Revise la definición y los
procedimientos como crea conveniente.
Hoja de trabajo para la definición
operativa
Hoja de trabajo para la definición operativa
Lo que se está midiendo:
Objetivo: Esta hoja de trabajo Parte 1. Utilice la lista de comprobación • Cómo define la
(derecha) para escribir un borrador de medida.
ayuda a asegurarse de que todos la definición. • Qué incluye la medida
y qué no incluye.
los implicados en la recolección de • Cómo se toman las
medidas
(procedimientos).
datos trabajen de la misma forma. Parte 2. Facilite esta definición a quien no haya estado
involucrado en su redacción y pídales que hagan sugerencias.
Aplicación: Debe utilizarse siempre (abajo).
Parte 3. Definición revisada.

que el equipo recoja datos.
Parte 4. Pida a algunos voluntarios que utilicen esa definición
para tomar datos. Revise después esos datos y anote los
problemas que observe. Revise la definición y los
procedimientos como crea conveniente.
Hay que concentrarse en
lo que verdaderamente se
Para asegurarse de que consigue una definición necesita observar y/o
medir.
robusta, céntrese en…
1. Las diferentes formas en las que diferentes

personas pueden interpretar las mismas
palabras.
2. La habilidad para concentrarse en lo que se

necesita observar y/o medir.
Para asegurarse de que consigue una definición Requieran una

robusta, céntrese en… interpretación especial.
3. Los cambios o las situaciones que puedan surgir y

requieran una interpretación especial.
4. Eventos u observaciones que puedan encajar en más

de un grupo o que puedan ser interpretados/medidos
de diferentes maneras.
Identifique las fuentes de datos
Los equipos disponen de dos fuentes de datos

principales:
• Datos que ya se están recogiendo en su

organización y que llevan tiempo disponibles
(conocidos como datos «históricos»).
Datos
• Nuevos datos que recoja su equipo.
Identifique las fuentes de datos
Los datos históricos tienen muchas ventajas cuando están

disponibles: necesitan menos recursos para ser recogidos, y puede
comenzar a utilizarlos inmediatamente, sin embargo, tenga cuidado:
es posible que los datos existentes no sean adecuados para usted si:
• Se recogieron utilizando métodos y definiciones diferentes a las que

su equipo ha desarrollado.
• Los datos están organizados de tal manera que se hace difícil

aplicarlos a sus necesidades.
Prepare el plan de muestreo
Un plan de muestreo de datos incluye tres tareas

principales:
• Identificar o confirmar los factores de estratificación.
• Desarrollar un plan de muestreo.
• Crear los formularios de toma de datos.

Plan de muestreo:
Identificar o confirmar los factores de
estratificación
Si ya tiene identificada la
información sobre
La estratificación se presentó como un técnica para recoger información que estratificación, lo único que
pueda servir para seguir las pistas hasta las causas raíz del problema. Las tiene que hacer aquí es
confirmar esas decisiones.
decisiones que tome sobre qué aspectos de la estratificación le interesan en
cada caso, influirán en la forma en la que debe recoger y muestrear los
datos.
Si ya tiene identificada la información sobre estratificación, lo único que tiene

que hacer aquí es confirmar esas decisiones; Si no es así, asegúrese de que
no necesita esa información antes de comenzar a aplicar su estrategia de
muestreo.
Plan de muestreo:
Desarrollar un plan de muestreo
En la recolección de datos, muestrear quiere decir

medir las características de algunos elementos de
un grupo o proceso de tal forma que representen a
todos. Tanto si lo que está muestreando es una
población completa de datos como si es un proceso en
movimiento, necesitará una muestra válida, una que
represente a la totalidad de los datos.
Hoja de trabajo para el muestreo de poblaciones, datos
discretos
Hoja de trabajo para el muestreo de poblaciones, datos discretos
Desarrolle un perfil inicial de los datos
¿Qué se está contando («la unidad»)?
¿Cuál es el tamaño de la población? N =
Objetivo: Ayudar al equipo a decidir cuándo

(considere cada estratificación como una única población)
¿Cuál es la medida (por ejemplo, defectos)?
debe recoger datos de un proceso o de una ¿Qué proporción de la población estima que
contiene este defecto/característica?
(exprésela en decimales [porcentaje/100]) p =
población y cuántos datos serán suficientes ¿Con qué precisión porcentual?

(exprésela en decimales [porcentaje/100]) +/- d =
para obtener conclusiones válidas. Elija una estrategia de muestreo
Estrategia elegida: Aleatoria Sistemática
Aplicación: En cualquier situación en la que ¿Cómo se identifican las unidades muestreadas?

(por ejemplo, ¿están numeradas? ¿Cómo se generarán los números aleatorios?)
no sea práctico o necesario medir todas las Determinar el tamaño mínimo de la muestra
salidas que produce un proceso (en un n = ሺ2Τdሻ2 × ρሺ1 − ρሻ n=
determinado tiempo) o todos los elementos Realizar el ajuste para población finita
Compruebe la proporción de la muestra frente a la población. n/N =

de una población. Si n/N es mayor de 0,05, realice el ajuste utilizando la fórmula:
n
nfinita = =
ሺ1 + nΤNሻ
Ejemplo: Hoja de trabajo para el
muestreo de poblaciones, datos discretos
Hoja de trabajo para el muestreo de
Proceso:
poblaciones, datos discretos
Elaboración tazas de café Desarrolle un perfil inicial de los datos

Población:
¿Qué se está contando («la unidad»)? Defectos en tazas de café
1500 tazas.
¿Cuál es el tamaño de la población? N = 1500
Defecto: (considere cada estratificación como una única población)

Imperfecciones en el cristal o acabado.
¿Cuál es la medida (por ejemplo, Imperfecciones en el
defectos)? cristal o acabado.
Proporción de la población con este

defecto/característica: ¿Qué proporción de la población estima
que contiene este defecto/característica?
0.05
0.05 (exprésela en decimales [porcentaje/100])
p=
Precisión porcentual: (La decide el
investigador) ¿Con qué precisión porcentual?
(exprésela en decimales [porcentaje/100]) 0.02
+/- d =
0.02
Estrategia elegida:
Elija una estrategia de muestreo
El equipo decidió realizar un muestro

sistemático debido a que el muestro
Estrategia elegida: Aleatoria Sistemática
aleatorio resulta inviable en este proceso

productivo. ¿Cómo se identifican las
unidades muestreadas? Se examinarán 2 tazas
(por ejemplo, ¿están numeradas? cada 5 minutos
¿Cómo se identifican las unidades ¿Cómo se generarán los números
aleatorios?)
muestreadas?
Cada 5 minutos se le pedirá al trabajador en

turno obtener 2 tazas para su muestro.
Datos:
d = 0.02 Determinar el tamaño

mínimo de la muestra
p = 0.05
2
n=( 2/ d ) × ρ ( 1 − ρ ) n = 475
Sustituyendo:
2
n=( 2/0.02 ) × 0.05 (1 − 0.05 )
n=4 75
Realizar el ajuste para
Compruebe la proporción de la población finita

muestra frente a la población. n/N = Compruebe la proporción de la
muestra frente a la población. 0.316
0.316 n/N =

Si n/N es mayor de 0.05 realice el ajuste utilizando
la fórmula:
Debido a que 0.316 > 0.05 se realiza el
ajuste para población finita n f inita =

n
=¿
= 360
( 1+n /N )
𝑛
𝑛 𝑓𝑖𝑛𝑖𝑡𝑎 = =360
( 1+ 𝑛/ 𝑁 )
Hoja de trabajo para el muestreo de poblaciones, datos
continuos Hoja de trabajo para el muestreo de poblaciones,
datos continuos
DESARROLLE UN PERFIL INICIAL DE LOS DATOS
¿Qué se está contando («la unidad»)?
¿Cuál es el tamaño de la población? N =

(considere cada estratificación como una única población)
Objetivo: Ayudar al equipo a decidir cuándo ¿Cuál es la medida (por ejemplo,

defectos, número de veces, minutos)?
debe recoger datos de un proceso o de una Para esto población, ¿cuánto estima que valdría una
desviación estándar de la variable? (exprésela en las
mismas unidades que la pregunta anterior) s =
población y cuántos datos serán suficientes ¿Con qué precisión? (exprésela en

las mismas unidades que la
pregunta anterior) +/- d =
para obtener conclusiones válidas. ELIJA UNA ESTRATEGIA DE MUESTREO
Aplicación: En cualquier situación en la que Estrategia elegida: Aleatoria Sistemática
¿Cómo se identifican las unidades muestreadas?
no sea práctico o necesario medir todas las (por ejemplo, ¿están numeradas? ¿Cómo se generarán los números aleatorios?)
Determinar el tamaño mínimo de la muestra
salidas que produce un proceso (en un 2s 2

n=൬൰
d
N=
determinado tiempo) o todos los elementos REALIZAR EL AJUSTE PARA POBLACIÓN FINITA
Compruebe la proporción de la
muestra frente a la población. n/N =
de una población. Si n/N es mayor de 0,05, realice el ajuste utilizando la fórmula:
n
nfinita = =
ሺ
1 + nΤNሻ
Ejemplo: Hoja de trabajo para el muestreo de poblaciones,
datos continuos
Hoja de trabajo para el muestreo de poblaciones,
datos continuos
¿Qué se está contando («la unidad»)?: DESARROLLE UN PERFIL INICIAL DE LOS DATOS
Longitud barras de acero. ¿Qué se está contando («la

unidad»)? Longitud barras de acero.
Población:
¿Cuál es el tamaño de la población? N = 2000
2000 barras. (considere cada estratificación como una única población)
Medida: ¿Cuál es la medida (por ejemplo,

defectos, número de veces, milímetros
milímetros minutos)?

¿cuánto estima que valdría una desviación
Para esto población, ¿cuánto estima que
estándar de la variable?: valdría una desviación estándar de la
variable? (exprésela en las mismas
0.5 mm unidades que la pregunta anterior) s = 0.5 mm

Precisión porcentual: (La decide el investigador)
¿Con qué precisión?
0.1 mm (exprésela en las mismas
0.1 mm
unidades que la pregunta
anterior) +/- d =
Ejemplo: Hoja de trabajo para el muestreo de
poblaciones, datos continuos
ELIJA UNA ESTRATEGIA DE MUESTREO
Estrategia elegida: Estrategia elegida: Aleatoria Sistemática
El equipo decidió realizar un muestro

¿Cómo se identifican las unidades Cada cierto tiempo
sistemático debido a que el muestro aleatorio muestreadas? se examinará una
barra de acero
(por ejemplo, ¿están numeradas? ¿Cómo
resulta inviable en este proceso productivo. se generarán los números aleatorios?)
¿Cómo se identifican las unidades

muestreadas?
Cada cierto tiempo se le pedirá al trabajador N=

en turno obtener la medida de una barra de
acero.
ELIJA UNA ESTRATEGIA DE MUESTREO
Datos: Estrategia elegida: Aleatoria Sistemática
s = 0.5 mm ¿Cómo se identifican las unidades Cada cierto tiempo

muestreadas? se examinará una
d = 0.1 mm (por ejemplo, ¿están numeradas? ¿Cómo
barra de acero
se generarán los números aleatorios?)
Sustituyendo:
( )
2
2(0.5)
n= N= 100
0.1

n=100
REALIZAR EL AJUSTE PARA POBLACIÓN

Compruebe la proporción de la FINITA
Compruebe la proporción
muestra frente a la población. n/N = de la muestra frente a la 0.05

población. n/N =
0.05
Si n/N es mayor de 0,05, realice el ajuste utilizando
la fórmula:

Debido a que 0.05 = 0.05 no se realiza
el ajuste para población finita
Concepto de muestreo n.°1:
Sesgo
Los sesgos que no son
El sesgo es la diferencia entre los datos que se detectados pueden influir en su
interpretación de los datos.
recogen en una muestra y la verdadera naturaleza de
la población completa o del proceso del que
provienen. Los sesgos que no son detectados pueden
influir en su interpretación de los datos y en las
conclusiones que extraiga sobre el problema y el proceso.
Sesgos introducidos al muestrear:
Enjuiciamiento de la muestra
¿Qué elementos son
representativos del proceso? Intentar adivinar qué elementos son
representativos de su proceso.
Por ejemplo, hacer una encuesta sólo a

aquellos clientes que le puntuaron alto en la
última encuesta de satisfacción de clientes.
Sesgos introducidos al muestrear:
Muestreo por conveniencia
Recoger datos simplemente porque son fáciles de
conseguir.
Por ejemplo: recoger los datos cada noche veinte

minutos antes de cerrar porque «las cosas están más
tranquilas», ignorando así los datos que se podrían
obtener en los momentos de máxima carga de trabajo,
que pueden ser muy diferentes.
Algunas estrategias de muestreo mejores, o al
menos más recomendables para evitar los sesgos,
incluyen:
• Muestreo sistemático
• Muestreo aleatorio
• Muestreo estratificado
Muestreo aleatorio simple
En la mayoría de los casos, la mejor forma
de obtener una muestra representativa es
seleccionándola al azar (o
aleatoriamente) de la población. Una
muestra aleatoria es aquélla en la cual muestra
cada elemento de la población tiene

igual oportunidad de ser seleccionado
población
como parte de la muestra.
Población
Muestra
Muestra elegida al azar
Todos los elementos de la

población tienen la misma
probabilidad de ser elegidos
para conformar la muestra.
Puesto que un muestro aleatorio simple proporciona a

una muestra simple de un tamaño particular la misma
oportunidad de ser elegida, es probable proporcionar
una muestra representativa, siempre y cuando sea
suficientemente grande. Entre mayor sea la muestra
aleatoria simple, más probable es que sea
representativa de la población.
Muestreo sistemático
El muestreo aleatorio simple es efectivo, pero en muchos casos
podemos obtener resultados igualmente buenos con una
técnica más sencilla. Suponga que está probando la calidad de
los microprocesadores producidos por Intel. Conforme éstos salen
de la línea de ensamblado, podría decidir probar cada 50 circuitos.
Probado Probado
Muestreo sistemático
Esto podría dar una muestra
representativa ya que no existe razón
para creer que cada 50 circuitos tenga
una característica especial comparada
con los otros circuitos. Este tipo de
muestreo, en el que utilizamos un
sistema, tal como la elección de
cada 50 miembros de la población,
se denomina muestreo sistemático. Probado Probado
Ejemplo: Muestreo sistemático
Cuando el Museo Nacional del Aire y del
Espacio necesitó probar ideas posibles para
una nueva exhibición del sistema solar, un
miembro del equipo entrevistó a una muestra
de visitantes seleccionados por muestreo
sistemático. Ella entrevistó a un visitante
exactamente cada 15 minutos,
seleccionando a quienquiera que fuese a
entrevistada entrevistado entrevistada entrevistado entrar, en ese momento, a la exhibición

actual del sistema solar.
Ejemplo: Muestreo sistemático
El muestreo aleatorio simple, ocasionalmente, podría
elegir dos visitantes que lleguen uno atrás de otro que
el miembro del equipo no tendría tiempo de entrevistar
a cada uno de ellos. El proceso sistemático de
seleccionar un visitante cada 15 minutos, presentado en
este ejemplo, previene este problema. Puesto que no
existe razón para pensar que una persona que ingrese
en un momento particular sea diferente de los que
entran unos minutos antes o después, es probable que
este proceso proporcione una muestra representativa
de la población de visitantes durante el tiempo del
entrevistada entrevistado entrevistada entrevistado
muestreo.
Muestreo aleatorio estratificado
Cuando una población se divide en Población de estudiantes
grupos a partir de ciertas

características, se aplica el muestreo
aleatorio estratificado con el fin de
garantizar que cada grupo se encuentre
representado en la muestra. A los grupos
también se les denomina estratos.
Estrato 1 Estrato 2
Muestreo aleatorio estratificado
Población de estudiantes
Por ejemplo, los estudiantes universitarios

se pueden agrupar en estudiantes de por
sexo, masculino o femenino. Una vez
Estrato 1 Estrato 2 definidos los estratos, se aplica el
muestreo aleatorio simple en cada grupo
o estrato con el fin de formar la muestra.
Muestra Muestra
elegida al azar elegida al azar
Concepto de muestreo n.°2:
Nivel de confianza o intervalo de confianza
Refleja la confianza que tiene de que la muestra representa

efectivamente a la población o al proceso que se está
estudiando, suponiendo que los datos se escogieron de
manera aleatoria. En el mundo de los negocios, lo normal es
trabajar con intervalos de confianza del 95 por 100. Esto
significa que tiene 5 posibilidades sobre 100 de obtener
conclusiones equivocadas de sus datos.
Plan de muestreo:
Crear los formularios de toma de datos
Ahora que ya ha decidido qué datos y qué información de
estratificación quiere recoger, además del tamaño
adecuado de la muestra, necesita documentar estas
decisiones en un formulario de toma de datos. Aunque
pueden variar en función de los datos que necesite
recoger, las siguientes indicaciones le ayudarán a evitar
algunos de los errores más comunes en este tipo de
formularios:
Plan de muestreo:
• Que sea simple. Si el formulario es difícil de leer o tiene demasiado contenido, existe el
riesgo de que se cometan errores al rellenarlo.
• Etiquételo bien. Asegúrese de que no existe ninguna duda sobre dónde deben ir los
datos en el formulario.
• Deje espacio para el nombre de quien observa y cumplimenta los datos, la fecha y
la hora. Estos elementos obvios tienden a olvidarse, produciendo después dolores de
cabeza.
• Organice el formulario de toma de datos y la hoja resumen ( el formulario u hoja de

cálculo que utilizará para reunir todos los datos) de forma consistente.
• Incluya factores clave para estratificar los datos.

Plan de muestreo:
Algunos tipos comunes de hojas de comprobación son:
• Hoja de comprobación o verificación de defecto o causa.
• Hoja de datos.
• Hoja de comprobación de gráfico de frecuencia.
• Hoja de comprobación de diagrama de concentración.
• Hoja de comprobación de tipo «viajero» .

Plan de muestreo:
Hojas de verificación
La hoja de verificación es un formato construido
para colectar datos, de forma que su registro sea
sencillo, sistemático y que sea fácil analizarlos.
Una buena hoja de verificación debe reunir la
característica de que, visualmente, permita hacer
un primer análisis para apreciar las principales
características de la información buscada.
Plan de muestreo:
Algunas de las situaciones en las que resulta de utilidad obtener
datos a través de las hojas de verificación son las siguiente:
• Describir el desempeño o los resultados de un proceso.
• Clasificar las fallas, quejas o defectos detectados, con el

propósito de identificar sus magnitudes, razones, tipos de
fallas, áreas de donde proceden, etcétera.
• Confirmar posibles causas de problemas de calidad.
• Analizar o verificar operaciones y evaluar el efecto de los

planes de mejora.
Plan de muestreo:
Propósito de las hojas de verificación
La finalidad de la hoja de verificación es fortalecer el

análisis y la medición del desempeño de los
diferentes procesos de la empresa, a fin de contar con
información que permita orientar esfuerzos, actuar y
decidir objetivamente. Esto es de suma importancia,
ya que en ocasiones algunas áreas o empresas no
cuentan con datos ni información de nada.
Plan de muestreo:
Propósito de las hojas de verificación
En la tabla 6.3 se muestra un ejemplo de hoja

de verificación, donde al registrar el tipo de
defectos también se identifica en qué área,
modelo de producto, turno o máquina se generó
tal defecto. Con este tipo de hoja de verificación
se detecta si alguno de los defectos es
predominante y si está asociado con algún
factor en particular.
Ejemplo:
Hoja de verificación para
distribución de procesos
Una característica de calidad muy importante en
el tequila es el color, ya que eso le da identidad a
la marca, entre otros aspectos. En una empresa
en particular se tienen como especificaciones
para cierto producto que su color debe estar entre
61 y 65% de transmisión. Para analizar el color,
además de llevar una carta de control se diseñó la
hoja de verificación de la tabla 6.4, como una
forma de analizar la capacidad del proceso.
Ejemplo:
Hoja de verificación para
distribución de procesos
De esta forma, al medir el color se hace
una marca sobre la columna cuyo valor
esté más cercano al de la medición. En
particular, en la tabla 6.4 se observa que
el proceso cae justo dentro de
especificaciones, por lo que se debe
evaluar la posibilidad y prioridad de
generar un proyecto de mejora para
reducir la variabilidad del color.
Las hojas de verificación como la de la tabla 6.4 son una

especie de histograma “andante” que se obtiene en el momento
y lugar de los hechos por la gente que realiza la medición. En
esta hoja, que es utilizada para datos continuos, se hace
énfasis en el comportamiento del proceso más que en las
observaciones individuales. Además se pueden apreciar
comportamientos especiales, como datos raros, acantilados,
distribuciones bimodales, capacidad, entre otros aspectos.
Recomendaciones para el uso de
una hoja de verificación
• Determinar qué situación es necesario evaluar, sus objetivos y el propósito

que se persigue. A partir de lo anterior, definir qué tipo de datos o
información se requiere.
• Establecer el periodo durante el cual se obtendrán los datos.
• Diseñar el formato apropiado. Cada hoja de verificación debe llevar la

información completa sobre el origen de los datos: fecha, turno, máquina,
proceso, quién toma los datos.
• Una vez obtenidos, se analizan e investigan las causas de su

comportamiento. Para ello se deben utilizar gráficas.
Medidas de defectos de la situación
inicial y las oportunidades de mejora
En esta etapa de Seis Sigma, el equipo debe

establecer la situación inicial del proceso que se está
investigando, es decir, qué rendimiento tiene el
proceso del producto o servicio hoy día, antes de que
comience a introducir cambios. Posteriormente,
comparará la mejora que consiga en el proceso con
este valor.
Medidas del rendimiento de las
salidas
Las medidas de rendimiento Seis Sigma suelen
basarse en los defectos producidos por el
proceso. Esto tiene varias ventajas incluyendo:
1. Simplicidad: Cualquiera que pueda comprender

«bueno» y «malo» será capaz de trabajar con
«correcto» y «defectuoso».
Medidas del rendimiento de las
salidas
Las medidas de rendimiento Seis Sigma suelen
basarse en los defectos producidos por el
proceso. Esto tiene varias ventajas incluyendo:
2. Consistencia: Las medidas de defectos pueden aplicarse
a cualquier proceso en el que existan requisitos de cliente,
independientemente del entorno y del tipo de datos.
3. Posibilidad de comparación: Empresas Seis Sigma

utilizan los defectos para monitorizar y comparar el
rendimiento de áreas muy diferentes de la empresa.
Medidas de defectos de la situación
inicial y las oportunidades de mejora
Los siguientes pasos ayudarán a trasladar los conceptos
sobre capacidad Sigma a cifras concretas que sean de
utilidad en su proyecto:
1. Calcule los niveles Sigma iniciales para el proceso

completo.
2. Calcule el rendimiento final y el rendimiento a la primera.
3. Determine los «costes de mala calidad».

Definiciones clave:
Unidades, defectos y oportunidades de defecto
Un equipo Seis Sigma necesita entender una serie de

conceptos clave para recoger y analizar los datos que le
permitirán determinar la capacidad de su proceso:
1. Unidad: Es un elemento que se procesa o el

producto final o servicio que se entrega al cliente
interno (otros empleados que trabajan para la misma
empresa) o externo (el que paga). Ejemplos: un
coche, una computadora, un celular etc.
Definiciones clave:

2. Defecto: Es un fallo en el cumplimiento de los requisitos

de cliente o los estándares de rendimiento. Ejemplos: un
coche mal pintado, un celular defectuoso, etc.
Definiciones clave:

3. Oportunidad de defecto: Cualquier posibilidad de

que un producto o servicio falle al cumplir los
requisitos de cliente o los estándares de rendimiento.
Contar defectos y calcular Sigma
Las siguientes herramientas son las que distinguen a Seis

Sigma del resto de las filosofías de gestión y mejora. Una
de las principales razones por la que cada vez más
organizaciones utilizan Seis Sigma es la posibilidad de
desarrollar medidas comparables del rendimiento de
procesos, productos y servicios, dando valores
concretos a lo que se creía que era demasiado
abstracto como para resistir un análisis riguroso.
Contar defectos y calcular Sigma
La capacidad Sigma al
final del proceso se
centra en la capacidad
Esa «medida comparable» de la que hablamos de su proceso de
cumplir con los
es el nivel Sigma, que se basa en la definición requisitos de los clientes
externos.
de los defectos y en la determinación de su
número, precisamente las tareas en las que le
ayudarán las siguientes herramientas.
Hoja de trabajo para el cálculo de
Sigma
Objetivo: Ayudar al equipo a determinar la

capacidad Sigma de un proceso.
Aplicaciones:
• Determinar la capacidad inicial del

proceso.
• Evaluar si los cambios realizados en el

proceso han mejorado su capacidad.
Sigma
Instrucciones:
1. Seleccione el proceso.
2. Defina el «defecto» y el «número de

oportunidades» (es decir, las
«oportunidades de defecto» de su
producto, proceso o servicio)
Sigma
Instrucciones:
3. Reúna los datos y calcule los DPMO.
Comience por dividir el número de defectos

observados entre todas las oportunidades de
defecto de todas las unidades (productos/servicios)
sobre los que se realizó la observación.
D = Defectos.
D N = Número de
unidades producidas.
N ×O O = Oportunidades de
defecto.
Sigma
Instrucciones:
Multiplique el número anterior por un

millón. Eso le dará los DPMO de forma
directa.
D
DMPO= ∗ 1,000,000
N ×O
Ejemplo:
Cálculo de defectos por millón de oportunidades
(DPMO)
Formula:
Proceso:
Elaboración tazas de café D
DMPO= ∗1,000,000
Oportunidades de defecto: N ×0
1. Imperfecciones en el cristal o acabado.
2. Taza con una forma defectuosa Sustituyendo:
3. Está rota.
Número de unidades producidas: 458
DMPO= ∗1,000,000
1500 unidades 1500 ×3
Número de defectos encontrados:
458 defectos
DMPO=101,777.77
Sigma
Instrucciones:
4. Convierta DPMO en Sigma.
Utilice la tabla de conversión Sigma para

determinar el nivel Sigma de su proceso.
Ejemplo:
Conversión de DPMO en Sigma.
Búsqueda:
DMPO=101,777.77
SIGMA =2.75 aprox .

Un valor bajo de Sigma
refleja que algo no
funciona bien en el
«interior» de su proceso.
Ejemplo:
Conversión de DPMO en Sigma.
Búsqueda:
DMPO=101,777.77
SIGMA =2.75 aprox .

Una vez que haya
calculado su nivel
Sigma, manténgalo a
mano; tendrá que volver
a calcularlo después de
implantar las mejoras y
compararlo con el valor
inicial.
Rendimiento final y el rendimiento a
la primera
El rendimiento final, mide el número de unidades

sin defectos al final del proceso.
El rendimiento a la primera, mide el número de

unidades que se realizan a la primera, es decir,
sin necesidad de retrabajo.
Rendimiento final
En la imagen se muestra un proceso de

fabricación, los datos obtenidos a la
1500 Datos finales de salida: 1477
salida del proceso muestran un unidades unidades
de entrada de salida
rendimiento final de 0,985 (98,5 por 100)
y una Sigma de 3,7 (consultar tablas).
Defectuosas = 23 unidades YFINAL = 0.985 σ = 3.7
De 1.500 unidades (piezas), 1.477 se
entregaron al final del proceso «sin
defectos».
Rendimiento a la primera
Ahora miraremos el interior del mismo Rendimiento a la primera
proceso. Se compone de tres subprocesos
principales, cada uno de los cuales opera con 1500 Rendimiento Rendimiento Rendimiento 1411
Unidades 0.98 0.99 0.97 Unidades
un rendimiento superior al 90 por 100. La de entrada σ = 3.6 σ = 3.9 σ = 3.4 de salida
empresa detecta defectos y los repara, y 1470 1455 1411

unidades unidades unidades
durante el curso del proceso ha tenido que
rehacer 89 unidades antes de enviarlas al 30 unidades 15 unidades 44 unidades
reprocesadas reprocesadas reprocesadas
cliente que paga. Así, de 1.500 unidades, sólo
1.411 se han mantenido sin defectos durante
todo el proceso y 89 han necesitado algún
retrabajo.
Instrucciones para el cálculo de la proporción
de unidades defectuosas y del rendimiento
1. Calcule la proporción de unidades defectuosas Rendimiento a la primera
del proceso. Es la fracción o el porcentaje de
las unidades muestreadas que tienen uno o 1500
Unidades
Rendimiento
0.98
Rendimiento
0.99
Rendimiento
0.97
1411
Unidades
de entrada σ = 3.6 σ = 3.9 σ = 3.4 de salida
más defectos.
1470 1455 1411
2. Calcule el rendimiento a la primera. unidades unidades unidades
a) Dibuje un sencillo diagrama como el de la figura.

30 unidades 15 unidades 44 unidades
reprocesadas reprocesadas reprocesadas
b) Para cada etapa, determine el número de unidades
que pasan por ella sin necesidad de retrabajo.
c) Calcule el rendimiento a la primera (fórmula de
abajo) para el proceso completo.
Rendimiento final y el rendimiento a
la primera
En algunas empresas, los
costes asociados a bajos
La comparación entre estas dos medidas del rendimientos a la primera
rendimiento pone de manifiesto la diferencia pueden alcanzar más del 20
por 100 de los ingresos por
que existe entre centrarse sólo en los ventas.
resultados (rendimiento final) y mirar lo que

sucede dentro del proceso (rendimiento a la
primera). Si se mide el rendimiento basándose
sólo en los resultados, se esconden defectos y
costes asociados con ellos.
Costos de la mala calidad
Ni el recuento de defectos ni las medidas

de Sigma permiten calcular de manera
directa los costes asociados con la mala
calidad. Dos procesos pueden tener
capacidades parecidas, pero los dólares
perdidos a causa de estos defectos
pueden ser muy diferentes.
Costos de la mala calidad
Medir los costos de la mala calidad le ayudará

a encontrar apoyos para las mejoras que
proponga el equipo y le brindará la atención
de algunos directivos que, aunque encuentren
el lenguaje de las métricas Sigma algo
extraño, reconocerán un aumento de ingresos
o un ahorro de costes en cuanto lo vean.
Cálculo de los Costes de Mala Calidad (CMC):
Costes por mano de obra
Instrucciones: Para cada tipo de error, defecto o fallo.
1. Cuente el número de incidencias producidas en un período de tiempo (una sola vez, en un

día, en una semana)
2. Determine los costes de mano de obra asociados a la reparación de todas esas incidencias.
( )( ×
Númeroscorrectosaldí a trabajaneneseárea )(
×
)(
Númerosdefectuososaldí a Númerodepersonasque Horasdetrabajo Sueldo porcada
×
aldí a horadetrabajo )=$¿
Cálculo de los Costes de Mala Calidad (CMC):
Costos de material
3. Determine los costes de material asociados a los defectos.
( Coste de cada
art í culo utilizado
×
) (
Cantidad de
defectos al d í a
= $¿
)
Cálculo de los Costes de Mala
Calidad (CMC)
4. Sume el resultado de los costos por mano de obra y los costos de

material.
( Cost o por
mano de obra ) (
+ Costo de = $ ¿
material )
Bibliografía
L. George, M., Rowlands, D., Price, M., & Maxey, J. (2005). The Lean Six Sigma Pocket
Toolbook Quick Reference Guide to Nearly 100 Tools for Improving Process Quality,
Speed, and Complexity. New York: McGraw Hill.
Pérez Gómez, L. V., & Reato, C. (2019). LEAN SIX SIGMA Sistema de gestión para liderar
empresas. Barcelona: Marge Books.
Pulido, H. G. (2009). Control estadístico de la calidad y seis sigma. México: McGraw-Hill.
The Six Sigma Handbook A Complete Guide for Green Belts, Black Belts, and Managers at
All Levels. (2010). New York: McGraw Hill.

14 - Seis Sigma - Fase MEDIR

Cargado por

Información del documento

Descripción 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

14 - Seis Sigma - Fase MEDIR

Cargado por

Copyright:

Formatos disponibles

Universidad Tecnológica de Tlaxcala

Medir es una etapa clave en el camino de Seis Sigma

El objetivo general de esta segunda fase es entender

Estas observaciones pueden ayudarle a decidir

Es importante comprender la diferencia entre los

diferencia influye de manera significativa en la forma

Las medidas continuas son sólo aquellas que se

Las medidas discretas son aquellas que le permiten

Muchos procesos de negocio están diseñados para recoger datos

Algunos factores intangibles que serían muy difíciles

Es más fácil calcular el nivel Sigma de 6 sigmas

Los datos continuos Los datos continuos ofrecen mayor

En resumen, siempre que sea posible, comience

1. Medir la eficiencia y/o la eficacia.

Pensar en las medidas en términos de eficiencia y eficacia

Esto se puede expresar también como el estudio de la relación

Al elegir las medidas para su proyecto Seis Sigma,

El siguiente plan de recolección de datos en cinco etapas le ayudará a evitar

En la etapa Definir, se definió el principal problema al

En general; se debe prestar atención a dos Enlaza con los requisitos de

estos criterios. Permite obtener medidas de Posible resistencia o «factor

Objetivo: Reflejar la planificación A. ¿Qué vamos a contar o a medir (la unidad)?

7. ¿Cómo va a asegurar la precisión, repetibilidad y reproducibilidad?

Añada las páginas adicionales que necesite, una por medida.

excepto que se centra en la definición Tiempo de

esta medida tenía dos componentes principales Resoluciones a

permitirían medir esos dos componentes. Tiempo de ciclo (en minutos)

La estratificación de la información puede

Por ejemplo, puede descubrir que los

No podrá estratificar los

N° de entregas con retraso/

¿Ayudarán esas N° de entregas con retraso N

como el «número de entregas con retraso por N° de entregas con retraso/

Las entregas con retraso?

¿Ayudarán esas N° de entregas con retraso N

Aplicación: Utilizado principalmente en la

¿Existen datos sobre

una de las salidas principales y escríbalo sobre Preguntas

2. Realice una tormenta de ideas para obtener una

3. Identifique los factores de estratificación. Salidas

4. Identifique tipos de datos (métricas) específicos

Proponer a contar el número de defectos en un producto

Parte 4. Pida a algunos voluntarios que utilicen esa definición

Parte 3. Definición revisada.

1. Las diferentes formas en las que diferentes

2. La habilidad para concentrarse en lo que se

Para asegurarse de que consigue una definición Requieran una

3. Los cambios o las situaciones que puedan surgir y

4. Eventos u observaciones que puedan encajar en más

Los equipos disponen de dos fuentes de datos

• Datos que ya se están recogiendo en su

Los datos históricos tienen muchas ventajas cuando están

• Se recogieron utilizando métodos y definiciones diferentes a las que

• Los datos están organizados de tal manera que se hace difícil

Un plan de muestreo de datos incluye tres tareas

• Identificar o confirmar los factores de estratificación.

• Desarrollar un plan de muestreo.

• Crear los formularios de toma de datos.

Si ya tiene identificada la información sobre estratificación, lo único que tiene

En la recolección de datos, muestrear quiere decir

¿Qué se está contando («la unidad»)?

¿Cuál es el tamaño de la población? N =

Objetivo: Ayudar al equipo a decidir cuándo