SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 SEIS SIGMA - CHAMPIONS Dr. Primitivo Reyes Aguilar mayo 2008 Página 1 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 CONTENIDO I. Panorama de Seis Sigma en la organización II. Seis Sigma – Fase de definición III. Seis Sigma – Fase de medición IV. Seis Sigma – Fase de Análisis V. Seis Sigma – Fase de mejora VI. Seis Sigma – Fase de control VII. Diseño para Seis Sigma Página 2 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 I. Despliegue de Seis Sigma en la organización Metodología Seis Sigma Metodología Lean Metodología Lean Sigma Diseño para Seis Sigma Liderazgo y roles en Seis Sigma Gestión de Procesos Benchmarking Gestión de equipos de trabajo Metodología Seis Sigma Definiciones Seis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente – 3-4 ppm. Seis Sigma como estrategia Es una estrategia de gestión que usa herramientas estadísticas y métodos de gestión de proyectos para lograr mejoras en calidad y utilidades significativas Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocándose a los resultados que son de importancia crítica para el cliente. Antecedentes de Seis Sigma Bajo la dirección del CEO de Motorola1 Bob Gavin, se usaron herramientas estadísticas para identificar y eliminar la variación. En 1981 Bob Gavin director de Motorola, estableció el objetivo de mejorar 10 veces el desempeño en un periodo de 5 años. En 1985 Bill Smith en Motorola concluyó que si un producto se reparaba durante la producción, otros defectos quedarían escondidos y saldrían con el uso del cliente. Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo En 1987 Motorola desarrolla Seis Sigma como una iniciativa clave del negocio. En 1988 Motorola ganó el premio Malcolm Baldrige, y las empresas se interesaron en analizarla. 1 Motorola es una marca registrada por Motorola, Inc, Página 3 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 El Dr. Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de Motorola e inicia el “Six Sigma Research Institute” con la participación de IBM, TI, ASEA y Kodak. La metodología se expandió a Allied Signal, ASEA, GE, Sony, Dupont, Texas Instruments, Bombardier, Lockheed Martin, ABB, Polaroid, Kodak, Sony, Toshiba, Black and Decker, Dow Chemical, Federal Express, American Express, John and Johnson, Navistar y otras. Razones por las que funciona Seis Sigma Involucramiento de la dirección Resultados en la rentabilidad Un método disciplinado utilizado (DMAIC) Conclusión de proyectos en 3 a 6 meses Medición clara del éxito Infraestructura de personal entrenado (black belts, green belts) Enfoque al proceso y al cliente Métodos estadísticos utilizados adecuadamente Resultados esperados de Seis Sigma Reducciones de costos Mejoras en el nivel de servicio al cliente Reducción de fallas y errores Mejoras en la productividad Mejora en la satisfacción del cliente Reducciones de tiempos de ciclo Cambios culturales ¿Qué es Sigma? () Sigma es un concepto estadístico que representa la variación que tiene un proceso respecto a los requisitos del cliente 0 – 2 sigmas, no cumple requisitos 2 – 4.5 sigmas, cumple marginalmente 4.5 – 6 sigmas, cumplimiento de requisitos. Un proceso 6 tiene rendimiento del 99.9997% Página 4 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Distribución gráfica de la variación – Curva normal LAS MEDICIONES VARÍAN DE UNA A OTRA: Número Número Número Número Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal Número Número Número LAS DISTRIBUCIONES PUEDEN DIFERIR EN: UBICACIÓN Número DISPERSIÓN Número FORMA Número . . . O TODA COMBINACIÓN DE ÉSTAS P1 10 PRACTICA 1: Ejemplo con edades. a) Generar diferentes conjuntos de datos normales con media = 100 y desviación estándar = 5, variando el número de datos generados n con Datos1 en 5, Datos2 en 30, Datos3 en 100 y Datos4 en 8000. b) Obtener el histograma correspondiente: Página 5 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Seleccionar con doble click o Select Colocarse sobre una gráfica y acceder a Editor > Layout tool y pasar a las Ventanas las gráficas para cada conjunto de datos 6 Prueba de normalidad Stat > Basic statistics > Normality Test Variable Datos1 Seleccionar la prueba (menos de 15 datos Kolmogorov, más de 15 Anderson Darling) OK El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente Página 6 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Interpretación de Sigma y Zs LIE Especificación inferior LSE Especificación superior s Z La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal _ X p = porcentaje de mediciones fuera de Especificaciones xi P2 Desviación estándar Definición estadística de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm Media del proceso Corto plazo Largo Plazo 4.5 sigmas La capacidad Del proceso Es la distancia En Sigmas de La media al LSE -6 -5 -4 -3 -2 -1 0 +1+2+3 +4+5+6 LIE - Límite inferior de especificación El proceso se puede recorrer 1.5 sigma en el largo plazo LSE - Límite Superior de especificación Página 7 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 2. Efecto de variar la desviación estándar en la dispersión de los datos 9 ¿Por qué es importante lograr niveles de calidad Seis Sigma? Un 99% de rendimiento equivale a tener un nivel de 3.86 sigmas y 100 minutos sin energía eléctrica por semana (10,080 minutos) Un 99.9% de rendimiento equivale a un nivel de calidad de 4.6 sigmas, representa 10 minutos sin energía eléctrica en una semana. Con 6 sigma se tiene un nivel de 99.99966% o 3.4 ppm, 2 segundos /semana sin luz Interpretación estadística de Seis Sigma Página 8 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 3. Obtener los niveles Sigma con base en rendimiento (tiempo en que se tiene el servicio disponible / tiempo total) y las partes por millón o partes por millón de oportunidades de deficiencias, fallas o errores: a) Eficiencia del 98% Nivel sigma = 3.6 b) 8,000 ppm o 0.8% Nivel sigma = c) Rendimiento del 75% Nivel sigma = Utilizar la tabla de la página siguiente: Página 9 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Página 10 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Proceso DMAIC 1. Definir 5. Controlar 4. Mejorar 2. Medir 3. Analizar Las fases de Seis Sigma (DMAIC) Definir: seleccionar la “Y” del proyecto a ser mejorada y enfocar el problema a resolver “y”. Medir: Recolección de datos de la variable de respuesta “y” y factores de influencia “Xs” para establecer línea base Analizar: Generar causas potenciales e identificar las causas raíz del problema (variables independientes X`s) Mejorar: Generar alternativas de solución por causa raíz, seleccionar las mejores, implementarlas y verificar su efectividad Control: Acciones para mantener la mejora Página 11 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 La ruta de la calidad y su relación con Seis Sigma FASE DE DEFINICIÓN: o 1. Equipo de trabajo, 2. Selección del problema o área a mejorar FASE DE MEDICIÓN o 3. Diagnóstico de la situación actual, 4. Establecer la meta. FASE DE ANÁLISIS o 5. Análisis de las causas del problema (potenciales y reales) FASE DE MEJORA o 6. Generación, evaluación y selección de alternativas de solución. o 7. Implementación de soluciones, 8. Verificación de resultados. FASE DE CONTROL o 9. Prevenir reincidencia, 10. Reconocimiento al equipo de trabajo o Paso 11. Lecciones aprendidas y cierre del proyecto Metodología Lean Conjunto de métodos enfocados a minimizar el Muda (desperdicios en tiempo, combustibles, energía, espacio, talento, etc.) para tener flexibilidad y maximizar el aprovechamiento de los recursos en la empresa, para lograr la satisfacción y lealtad del cliente. Su propósito es reducir el tiempo de ciclo y aumentar la productividad en la empresa. Muda Sobreproducción Fallas / errores Inventarios Movimientos excesivos Procesos que no agregan valor Esperas Transportes innecesarios Métodos Lean: Mapa de cadena de valor, Kaizen, 5S’s, SMED, Poka Yokes, TPM, Admón. Visual, reducción tiempo de ciclo, etc. Típicamente el 70% de las actividades no agregan valor Página 12 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Metodología Lean Sigma Tópico Seis Sigma Lean Mejora Reducir variación Reducir muda Justificación Seis sigma (3.4 ppm) Rapidez (velocidad) Ahorros principales Costos de calidad Costos de operación Curva de aprendizaje Larga Corta Selección de proyectos Varios enfoques Mapeo de la cadena de valor (VSM) Duración de proyectos 2 – 6 meses 1 semana a 3 meses Impulsor Datos Demanda Complejidad Alta Moderada Problemas resueltos con Lean o Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanos o Enfoque a mejora de la productividad Problemas resueltos con Seis Sigma o Minimizar variación en los procesos o Reducir las fallas y errores hasta 3.4 ppm o Solución científica de problemas o Enfoque a problemas y mejoras de calidad Liderazgo Los programas Seis Sigma no suceden accidentalmente, deben contar con el compromiso y soporte de la administración en aspectos de recursos y herramientas Organización para Seis Sigma Green Belts Green Belts Página 13 de 97 SEIS SIGMA – CHAMPIONS Capacitación en Seis Sigma Pirámide de Capacitación en Seis Sigma P. Reyes / mayo 2008 Directores - Entrenamiento de promotores Candidatos a Master Black Belts - Capacitación MBB Gerencias - Capacitación ejecutiva Candidatos a Black Belts - Capacitación BB (a tiempo completo o parcial) Supervisores - Capacitación panorámica Candidatos a Green Belt - Capacitación GB Todos los empleados - Capacitación de introducción a Seis Sigma Papeles/roles en Seis Sigma Comité directivo de Seis Sigma / Consejo de calidad Fijan metas, identifican proyectos, seleccionan equipos Apoyan a los equipos: Capacitación de Black Belts y Green Belts Capacitación a miembros de los equipos Líder de proyecto Aprobar el proyecto y sus cambios Apoyar al equipo en la solución de problemas Apoyar con logística para las reuniones Proporcionar expertos como Black Belts Comunicar los resultados a toda la organización Monitorear los avances Champions Son representantes de la alta dirección que controlan y asignan recursos para promover mejoras, se involucran en todas las revisiones de proyectos en su área de influencia. Reciben entrenamiento general en Seis sigma Promotores ejecutivos (sponsors) Son líderes que comunican, guían y dirigen el despliegue exitoso de Seis Sigma Reciben capacitación en panorama de Seis Sigma, sus herramientas y métodos Dueños de procesos (Process owners): Página 14 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Coordinan actividades de mejora de procesos y monitorea los avances, trabaja con Black Belts para mejorar los procesos bajo su responsabilidad, a veces actúan como Champions Master Black Belts Tienen puestos enfocados a la mejora, con habilidades demostradas como Black Belt y habilidades de asesoría, instrucción, educación y promoción Papeles en Seis Sigma Black Belts: A veces están a tiempo completo, son personas capacitadas y con habilidades para coordinar proyectos de mejora demostradas con ahorros y beneficios. Actúan como consultores y asesores Green Belts: Pueden ser Black Belts en entrenamiento, manejan las herramientas estadísticas y de solución de problemas para los proyectos con impacto financiero y a clientes Están bajo la tutela de los Black Belts y son líderes de equipos Miembro del equipo: Participa en la capacitación para ser efectivo Atiende las reuniones del equipo conforme sea necesario Completa sus asignaciones entre las reuniones Participa activamente con ideas e información Alienta la participación de otros miembros Se beneficia de la experiencia, experiencia y perspectivas de los demás Aplica los pasos del proceso de mejora Reconocimiento y refuerzo Se deben lograr reconocimientos tangibles e intangibles por las mejoras alcanzadas a todos los miembros participantes El lograr ahorros y publicarlos ayuda a mejorar la moral de los miembros de los equipos de proyectos Gestión de procesos A. Procesos B. Benchmarking C. Medidas de desempeño del negocio Proceso Página 15 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Procedimiento Especificación de la forma en que se realiza alguna actividad Eficacia Capacidad para alcanzar resultados deseados ISO 9001:2000 PROCESO Entradas Salida Conjunto de actividades interrelacionadas o que interactúan (Incluyendo recursos) PRODUCTO Eficiencia Resultados contra recursos empleados Actividades de medición y seguimiento ISO 9004:2000 Proceso de negocio (---) vs Función organizacional (O) Ventas y Mktg. Ingeniería Admón. Finanzas Operaciones Recursos Humanos Tecnologías Información Ejecutivos Staff Gerentes Ingenieros Supervisores Operadores Benchmarking Entrada Salida Benchmarking Compara el desempeño de una empresa con la competencia, o el mejor en su clase, identifica áreas de oportunidad de mejora a nivel negocio u operativo. Sigue los pasos siguientes: Determinar las prácticas actuales o Seleccionar el área problema o Identificar los factores clave de desempeño o Comprender los procesos propios y los del competidor o Seleccionar criterios de desempeño en base a necesidades y prioridades Identificar las mejores prácticas o Medir el desempeño dentro de la empresa o Determinar los líderes para las áreas a evaluar o Buscar una organización con la que se hará la comparación Analizar las mejores prácticas o Visitar la organización como un socio benchmark o Colectar información y datos del benchmark líder o Evaluar y comparar prácticas actuales con benchmark o Identificar áreas de mejora potenciales Modelar las mejores prácticas Página 16 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Realizar cambios para mejorar niveles de desempeño o Extender los cambios en desempeño a toda la empresa o Incorporar la nueva información en la toma de decisiones del negocio o Compartir los resultados con el socio benchmark o Buscar otros lideres benchmark para mejoras futuras Repetir el ciclo Algunas empresas superan a su propio Benchmark Análisis del consumo específico de gas natural ó régimen térmico Kcal/KWh 2700 2650 2600 2550 2500 2450 2400 2350 2300 2250 2200 2646 2542 Promedio Unidad 1 2466 2388 2376 Promedio 3 años CTVM Promedio CFE FPL USA P Deming Nerc USA Promedio Unidad 1 Promedio 3 años CTVM Promedio CFE FPL USA P Deming Nerc USA Figura 3.1.4.1 Análisis del régimen térmico CTVM 2007 Página 17 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 4. Comparación del consumo de combustible de tres plantas termoeléctricas. Copiar las columnas marcadas en amarillo a Minitab. Día-1999 (Antes) Consumo de combustibleSureste Mes Consumo de combustible Planta A Consumo de combustible Planta B P1 1 18162 17888 17758 2 1 18645 17572 17494 3 1 18260 17598 17408 4 1 18369 17799 17846 5 1 18342 17358 17189 6 1 18149 17604 17505 7 1 18644 17496 17475 8 1 18244 17672 17594 9 1 17862 17634 17458 10 1 18034 17765 17613 11 1 18092 17737 17561 12 1 18359 17324 17315 13 1 18109 16881 16846 14 1 18160 17588 17588 15 1 18277 17632 17447 16 1 18172 17525 17403 17 1 17990 17861 17774 18 1 18027 17869 17901 19 1 18884 17776 17675 20 1 18333 17858 17689 21 1 18621 17532 17451 22 1 18428 17567 17605 23 1 18640 17500 17568 24 1 18084 17945 17850 25 1 18214 17427 17396 26 1 17746 17505 17524 27 1 18538 17749 17575 28 1 18167 17491 17588 29 1 18466 17904 17813 30 1 18256 18112 18190 31 1 18688 17094 17054 1 2 17858 17186 17057 2 2 17325 17040 17093 3 2 17535 16839 16648 4 2 17637 16994 17043 5 2 17192 17642 17486 6 2 17532 16526 16342 7 2 17444 17071 17090 8 2 17529 16936 16886 9 2 17508 17141 16945 10 2 17737 17068 17143 11 2 17674 16997 17088 12 2 17394 16929 16998 13 2 17401 16960 17049 14 2 17524 17215 17106 15 2 17225 17120 16993 16 2 17367 16892 16839 17 2 17484 17051 17015 18 2 17401 17212 17036 19 2 17295 17159 16979 20 2 17696 17083 17069 21 2 17180 17387 17486 22 2 17679 17482 17494 23 2 17990 17167 17004 24 2 17599 16841 16648 25 2 17470 17385 17398 26 2 17429 17218 17118 27 2 17787 17055 16974 28 2 17445 17367 17325 1 3 18040 17502 17563 2 3 18023 17285 17201 3 3 17802 17297 17223 4 3 18256 17584 17559 5 3 17845 17187 17128 6 3 17993 17651 17750 7 3 18007 17770 17734 8 3 18124 17103 16911 9 3 18409 17695 17666 10 3 18189 17755 17669 11 3 17856 17898 17712 12 3 17857 17429 17333 13 3 18182 17388 17363 14 3 18059 17320 17362 15 3 17604 17374 17328 16 3 17897 17298 17377 17 3 17855 17222 17204 18 3 18109 17586 17529 19 3 17776 17759 17621 20 3 17716 17456 17306 21 3 18306 17183 17217 22 3 17542 17663 17601 23 3 18085 17357 17333 31 3 18188 17468 17318 Página 18 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 a) Diagramas de caja en Minitab: Copiar tabla de datos. Instrucciones: Graph > Box Plot Boxplot of Fuel Consumption, Fuel Consumption, Fuel Consumption 19000 Máximo, mediana, mínimo 18500 Data 18000 17500 17000 16500 16000 Fuel Consumption-Southeast Fuel Consumption-Plant A Fuel Consumption-Plant B 24 b) Prueba de hipótesis de igualdad de medias ANOVA Instrucciones: Stat > ANOVA > One way (unstacked) One-way ANOVA: Fuel Consumption, Fuel Consumption, Fuel Consumption Source DF SS MS F P Factor 2 17916218 8958109 72.87 0.000 P< 0.05 Medias diferentes Error 246 30240786 122930 Total 248 48157004 S = 350.6 R-Sq = 37.20% R-Sq(adj) = 36.69% Level N Mean StDev Fuel Consumption-Southea 83 17940 400 Fuel Consumption-Plant A 83 17403 320 Fuel Consumption-Plant B 83 17344 326 Individual 95% CIs For Mean Based on Página 19 de 97 SEIS SIGMA – CHAMPIONS Level Fuel Consumption-Southea Fuel Consumption-Plant A Fuel Consumption-Plant B P. Reyes / mayo 2008 Individual 95% CIs For Mean Based on Pooled StDev -------+---------+---------+---------+-(---*---) (---*---) (---*---) -------+---------+---------+---------+-17400 17600 17800 18000 c) Gráficas de series de tiempo Instrucciones: Stat > Time series > Time series plot Página 20 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Time Series Plot of Fuel Consump, Fuel Consump, Fuel Consump 19000 Variable Fuel Consumption-Southeast Fuel Consumption-Plant A Fuel Consumption-Plant B 18500 Data 18000 17500 17000 16500 16000 1 8 16 24 32 40 48 56 64 72 80 Index Métricas de desempeño de negocios Nivel de operaciones: Efectividad del negocio, mide que tan bien se satisfacen las necesidades de los clientes Eficiencia operativa, en función de costo y tiempo requerido para producir el producto Nivel de procesos: Datos de procesos detallados Nivel de producción: Datos de producción detallados Balanced Score Card Mide las siguientes perspectivas: Financieras: retorno sobre la inversión, utilización de los activos, EVA, etc. Percepción del cliente: liderazgo en el servicio, costos competitivos, cercanía con clientes Procesos internos del negocio (operaciones): excelencia operativa en procesos, innovaciones y nivel de servicio Aprendizaje organizacional y crecimiento: desarrollo de las capacidades de los empleados, motivación, delegación, mejora en los sistemas de información y aprendizajes Página 21 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Incrementar valor en los procesos de las plantas Conocimiento del negocio Procesos Internos Aprendizaje y Crecimiento Ser líder en Servicios de generación de energía C2 Alto nivel de especialización Financiera Clientes Ejemplo de Mapa estratégico de BSC Seguridad Oportunidad Optimizar costos y gastos de operación Visión de largo plazo Ser la mejor opción para los clientes C1 C3 Sustentabilidad Maximizar la rentabilidad sobre activos Rentabilidad de los servicios F1 F2 Impulsar la seguridad F3 Mantenimiento y optimización del uso de activos Mejora de la productividad P4 P1 Desarrollo sustentable Eficientar los procesos administrativos Mejora de los procesos y calidad P5 P2 Promover, impulsar y verificar la aplicación de normas Capital Humano Impulsar la gestión del conocimiento y tecnología P3 Capital Tecnológico Optimizar la aplicación e innovación de tecnologías de información A1 y comunicaciones Contar con RRHH adecuados en puestos clave A1 Efectividad Calidad Confiabilidad P7 P8 Mejorar la oportunidad y efectividad de los servicios P6 P9 Capital Organizacional Asegurar la coordinación de trabajos entre deptos. Fortalecer el clima organizacional A3 A2 Asegurar cumplimiento del marco regulatorio A4 A5 Gestión de equipo de trabajo Formación de equipos de trabajo Debe haber un líder o dueño del proceso Un secretario Tomador de tiempo Facilitador Miembros involucrados con el proceso, según Belbin: existe el formador, implementador, coordinador, compañero, investigador, innovador, especialista Etapas de desarrollo del equipo Formación Integración Normas Desempeño u operación Las presentaciones dan la oportunidad de: Mostrar habilidades Mostrar logros Resumir proyectos Obtener aprobaciones necesarias de la dirección Mantener líneas de comunicación con la dirección Demostrar comprensión de las necesidades reales del cliente Factores de proceso de equipo para evaluar su desempeño: Factores de relación: Identificación, manejo de conflictos, soporte, nivel de integración Página 22 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Factores de proceso: Nivel de consenso, efectividad de reuniones, crecimiento y aprendizaje, participación, comunicación, retroalimentación, escucha Factores de metas: Fijación de objetivos, claros, realistas y alcanzables Factores de ambientales: Proximidad física, habilidades y recursos, soporte de la dirección Factores de rol: Efectividad del liderazgo, claridad de responsabilidades Reconocimiento al equipo Al finalizar el proyecto Seis Sigma es conveniente dar un reconocimiento a los participantes: Materiales: Tangibles, Intangibles, Satisfacción, amistad, aprendizaje, agradecimiento, prestigio Ver ejemplos de aplicación en CFE Página 23 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 II. Seis Sigma – Fase de Definición Propósitos Selección inicial del proyecto Identificar a los clientes del proceso o producto afectados Definir las CTQs (características críticas para la calidad) desde la perspectiva del cliente Definir el alcance del proyecto en un nivel específico manejable (Project, Team Charter o Contrato del proyecto) Desarrollar una Declaración Refinada del Problema Documentar las actividades en programa del Proyecto Los clientes En términos simples, un cliente es el receptor de un producto o servicio Se puede escuchar su voz en forma reactiva: Quejas, garantías, demandas, etc. O en forma proactiva: Encuestas, grupos de enfoque, entrevistas, estudios de mercado, etc.) Definición de CTQs Son las características del producto/servicio que son importantes desde el punto de vista del cliente Requerimientos clave ACC/CENACE ó Factor Crítico clientes y usuarios finales 1. Precio competitivo (Consumo gas natural ó control del régimen térmico) 2. Calidad de la regulación: Control de frecuencia y control de voltaje 3. Cantidad de energía entregada 4. Confiabilidad 5. Disponibilidad Indicador $/MWh Kcal / Kwh (De acuerdo a la Unidad) Frecuencia: 60 Hz ± 0.2 Voltaje: 230,000 Volts ± 1000 100% Cumplimiento programa Conf = (100% - % Falla propia) = 97.69% Disp= (100% - (%Falla + % Matto - % ajenos)) = 88.50% Figura 3.1.9.1 Tabla de Factores Críticos del Cliente Página 24 de 97 Valor generado cadena de valor usuarios finales Precio competitivo a los usuarios finales de CFE No variaciones en el suministro de energía eléctrica Cero interrupciones en el suministro de EE Cero interrupciones en el suministro de EE y participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional (SEN) Cero interrupciones en el suministro de EE y participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional (SEN) SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Árbol de Críticos para la calidad (CTQs) = Y`s: o Avanzar con más niveles conforme se requieran (2,3) o Validar los requerimientos con el cliente. Revisar el árbol de CTQs con el cliente. Calidad de la energía Frecuencia Hertz Economía Precio Voltaje Volts Críticos para X (CTX) CTQ – Críticos para la calidad o Cumplir con requerimientos del mercado y técnicos o Proporcionar productos y servicios excelentes CTC – críticos para el costo o Consumo de combustible o Costos de operación CTP – Críticos para el proceso o Reducir los tiempos de ciclo y tiempos muertos por mantto. o Maximizar el régimen térmico CTD – críticos para la entrega o Confiabilidad, disponibilidad, o Cantidad de energía eléctrica entregada CTS – críticos para la seguridad o Proporcionar ayudas visuales e instrucciones claras o Proporcionar EPP adecuado CT’s CTC Precio Competitivo Régimen Térmico CTQ Calidad de regulación de Control de frecuencia Control de voltaje CTD Confiabilidad Disponibilidad Cantidad de energía eléctrica entregada Figura 3.1.9.2 Diagrama de Árbol CT´s Cliente Costos de calidad Los costos de calidad son un vehículo para identificar oportunidades de reducción de costos por medio de mejoras al sistema Las categorías de los costos de calidad son: Página 25 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Costos de prevención – capacitación, documentación o Costos de evaluación – pruebas e inspecciones o Costos de falla interna – fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente Bases de comparación o Ingresos, costos de transformación, etc. Diagrama de Pareto En la fase de Definición, el diagrama de Pareto ayuda a seleccionar proyectos y manejar el alcance de este. Diagrama de Pareto o Define la oportunidad del proyecto o Provee el impacto medible de las acciones correctivas PRÁCTICA 5. Construcción de un diagrama de Pareto Instrucciones de Minitab: File > Open worksheet > Exh_qc.mtw Stat > Quality tools > Pareto chart Seleccionar Defects y Counts Pareto Chart of Defects 100 400 80 60 200 40 100 Defects 20 0 g s in is M Counts Percent Cum % re Sc w s 274 64.8 64.8 Página 26 de 97 iss M g in s ip Cl a Le 59 13.9 78.7 ky et sk Ga c fe De 43 10.2 88.9 e ti v i us Ho m co In 19 4.5 93.4 e et pl rt Pa 10 2.4 95.7 r he Ot 18 4.3 100.0 0 Percent Counts 300 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Definición del proyecto Atacar al problema en general no funciona ya que es fácil equivocarse tratando de hacer todo a la vez En la práctica, es mas efectivo enfocarse en un componente específico del problema. Una definición del problema enfocado describe específicamente que ocurre, cuando o en qué circunstancias ocurre, y/o quien esta involucrado Identificar CTQs del proceso o X’s para satisfacer CTQs del proyecto Y (Drill Down) Interrupciones de energía Y = ƒ(X1, X2, X3, X4) Fallas en los equipos de generación Falta de suministro de gas Fallas en el sistema de agua desmineral. Xs: Mantenimiento preventivo Mantenimiento predictivo El alcance del proyecto debe estar limitado a los factores que representan la principal diferencia: Mantenimiento preventivo Página 27 de 97 Y = ƒ(X1, X2) Y = ƒ(X1) SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Ejemplos de selección de problemas Página 28 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Justificación económica de proyectos Seis Sigma Análisis para obtener la aprobación del proyecto: Identificar los beneficios del proyecto: monto, tiempo, duración Identificar los factores de costo del proyecto (personal, recursos) así como los gastos del periodo Calcular la ganancia neta por periodo Calcular los índices financieros (TIR, VPN, etc.) Determinar si el proyecto se implementará (antes de iniciarlo) o si fue benéfico (después de completarlo) Si no da beneficios, pero de todas formas se debe implementar, justificarlo (ambiente, seguridad) PRÁCTICA 6. Aplicación del método del valor presente neto y de la tasa interna de rendimiento en la justificación de proyectos Asumiendo un interés del 15% y costo del equipo de $15,000 Interés Inversión Beneficios Año 1 Año 2 Año 3 Año 4 Año 5 0.15 -15,000 5,000 5,000 5,000 5,000 9,000 Página 29 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 VNA = Valor presente en Excel Fx Financieras = VNA(0.15, rango) VPN = Valor presente neto = VNA – costo del equipo = $3,749.48 - Costo del equipo Conclusión: Si VPN es positivo si conviene la inversión Interés Inversión Año 1 Año 2 Año 3 Año 4 Año 5 0.15 -15,000 5,000 5,000 5,000 5,000 9,000 TIR = Tasa interna de rendimiento = TIR( rango)= 24% Conclusión: Si el TIR es mayor que la TREMA de la empresa, el proyecto es viable 2. Si un proyecto Seis Sigma requiere una inversión inicial de $400,000 y proporciona rendimientos de $100,000 por año durante 6 años, considerando un interés del 15% anual: Año 1 100,000 Año 2 100,000 Año 3 100,000 Año 4 100,000 Año 5 100,000 Año 6 100,000 a) ¿cuál es el periodo de recuperación sin importar los intereses e impuestos? PR =Inversión inicial / Rendimiento Anual = 400,000 / 100,000 = 4 b) ¿Cuál es el valor presente neto de las inversiones? ¿Es adecuado? VPN = VNA(0.15, C1:C6) - 400000 VNA = 378,448 TIR = 13% VPN = -21,551 15% c) Con la inversión de $400,000 ¿cuál es la tasa interna de retorno? = -400000 Año 1 100,000 Año 2 100,000 Año 3 100,000 Año 4 100,000 Año 5 100,000 Año 6 100,000 Página 30 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Justificación con base a costos de operación Para la CTVM, al disminuir el régimen térmico ó consumo de gas natural a niveles óptimos, se reduce el costo de generación, en pesos por unidad de energía eléctrica generada ($/KWh) fortaleciendo su competitividad. Costo gas consumido / Costo total (%) CTVM 100% 80% 60% 78.78% 83.61% 83.75% 2005 2006 2007 40% 20% 0% Análisis de riesgo en los proyectos Evaluar áreas potenciales de riesgo de negocio como: Cambios en la tecnología Competencia Falta de materiales Reglamentaciones y problemas de seguridad e higiene Reglamentaciones y problemas ambientales Riesgos asegurables (propiedad, pérdidas, responsabilidad legal) Contrato de proyecto Es el compromiso formal del equipo y de la dirección, en la ejecución del proyecto Caso de negocio Descripción general del problema Alcance Impacto financiero Beneficios estimados Costos estimados Recursos Nombre, Rol Otros participantes Meta medible Planes del proyecto Sigmas Fechas arranque y final por cada fase DMAIC Eventos parciales a revisar El contrato del proyecto (Project Charter) debe incluir: Caso de negocio (impacto financiero) Enunciado del problema Alcance del proyecto (límites) Establecimiento de metas Página 31 de 97 SEIS SIGMA – CHAMPIONS Rol de los miembros del equipo Metas intermedias y productos finales Recursos requeridos P. Reyes / mayo 2008 Caso del negocio: Resumen de las razones estratégicas para el proyecto. Incluye aspectos de calidad, costo, producto final con justificación financiera Por qué hacer el proyecto Importancia de hacer el proyecto ahora Consecuencias de no hacer el proyecto Prioridades Importancia del proyecto en relación a las estrategias de la empresa Aumentar el nivel de servicio de la planta del 95 al 98% Enunciado del problema Detalla el tema que el equipo quiere mejorar, tan descriptivo como sea posible. “El tiempo de mantenimiento correctivo planeado para la Unidad 1 es de un mes, lo que impacta en el nivel de servicio del 95% anual” Alcance del proyecto Se refiere a los límites del proyecto o acotaciones. “El proyecto se desarrollará durante el mes de diciembre” Establecimiento de las metas Una regla común es la reducción del 50% en alguna de las métricas o su mejora en 50% “Reducir el tiempo de mantenimiento planeado para la Unidad 1 de un mes a 15 días” Roles de los miembros de los equipos Los miembros deben ser gente calificada con la suficiente experiencia para realizar lo establecido en la misión del equipo Definir sus roles, responsabilidades y expectativas Página 32 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PROJECT CHARTER Incremento de satisfacción del cliente mediante la mejora del proceso de mantto. a las subestaciones eléctricas. Alcance: Se aplicará al proceso de mantenimiento de los equipos primarios en el Departamento de Subestaciones de la Subárea de Meta: Reducir en un 50 % el incumplimiento de los horarios programados de libranza, de los equipos primarios. Justificación: El incumplimiento con los horarios programados de libranza, además de impactar en el aspecto económico; en primera instancia tiene un impacto muy fuerte en el grado de satisfacción de nuestro cliente interno. Este proyecto incrementará en 5% el nivel de satisfacción, a través de la optimización y la reducción en los tiempos de ejecución de las actividades de mantenimiento con la consecuente disminución de costos. Fecha de inicio: Febrero, 2008 Fecha de término: Junio , 2008. Obstáculos: Posibles afectaciones por condiciones meteorológicas, falta de suficiencia presupuestal para modernización de equipos, materiales y situaciones sindicales con el personal no previstas. Supuestos: Libranzas continuas para poder tomar información. Colaboradores y Relaciones Clave de Reporte: Green Belt: Cliente: Champion: Grupos Impactados: Equipo: Asesor Black Belt: Técnicos Auxiliares Subárea Jefe de la Subárea Zona de Distribución , Deptos. Técnicos y Dpto. de Administración. Depto. De Subestaciones Jefe de Dpto. de Subestaciones PRÁCTICA 7. Describir un caso de negocio de ejemplo Diagrama SIPOC Identifica el flujo de las actividades y fuentes de variación en el proceso. Incluye proveedores, entradas, procesos, resultados y clientes Página 33 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes) Procesos y sistemas Entradas Salidas Proveedores Clientes Retroalimentación Retroalimentación Banco de información Ejemplo: Proceso de generación de energía en una termoeléctrica Proveedores PEMEX Comisión Nacional del Agua Insumos Gas y Agua Planta de tratamiento de agua Entradas Proceso Gas Agua Generación Termoeléctrica Generador de Vapor Turbogenerador Subestación Salidas Entrega de energía eléctrica Transmisión CENACE Clientes CENACE Cliente final Usuario Final Figura 3.1.10.1.1 Mapa de proceso de primer nivel PRÁCTICA 8. Realizar un ejemplo de Diagrama SIPOC de un proceso pequeño o subproceso Proveedores Entradas Pasos grales. del proceso Casa de la calidad Página 34 de 97 Salidas Clientes SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 QFD es un proceso que relaciona los requisitos de los clientes con los procesos o las características del producto. QFD/Casa de la Calidad o Representa la voz del Cliente o Alinea CTQ’s con CTP’S y comunica las necesidades del cliente Para crear la Casa de Calidad se deben seguir 7 pasos: o Identificar a los clientes y sus demandas (¿Qué?), rango de Importancia o Identificar las características clave o procesos (¿Cómo?) o Identificar las relaciones de celdas entre Qué’s y Cómo’s o Calcular los totales de renglones (¿Qué?) o Calcular los totales de columnas (¿cómo?) o Identificar a que aspectos enfocarse (¿Qué?) y (¿Cómo?) CTQ= característica crítica para la calidad, cualquier característica del producto es importante para los clientes. CTP= variable crítica para el proceso, cualquier variable de proceso que afecta significativamente la capacidad de cumplir el CTQ. Programa de Trabajo Se realiza para planear las actividades para la solución del problema, a continuación se muestran algunos ejemplos: Página 35 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 III. Seis Sigma – Fase de Medición Propósitos: Página 36 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Determinar requerimientos de información para el proyecto Definir las Métricas de los indicadores del Proceso Identificar el objetivo de desempeño Desarrollar un Plan de Colección de Datos Realizar un Análisis del Sistema de Medición (MSA) Llevar a cabo la recolección de datos Determinar la capacidad del proceso, línea base y afinar la meta Salidas Diagnóstico de la situación actual del problema Mapas de proceso y diagramas de flujo En la Fase de Medición, el mapa del estado actual debe de ser creado para: Mostrar detalladamente los pasos del proceso específico o series de procesos Determinar las fuentes entrantes de variación y las características de salida para cada paso o ¿Cuáles son las entradas? ¿Cuanto pueden variar? o ¿Cuáles son las salidas? ¿Cuánto pueden variar? Identifica cuales son los datos que necesitan ser recopilados Ejemplos de diagramas de proceso CICLO AGUA-VAPOR Tanque alm. 0.5 15.5 5.4 21 Desmin. 480 148 Bomba Agua Alimentación Deareador <5 <0.02 4.4 401 114 Calentadores baja presión Condensador. <1 14.5 401 46 142 480 148 Pozo 4 5 6 .086 331 43 140.5 480 142 37 245 37 342 4 292 Calentadores Alta Presión Economizador 31 148 128.7 371 465 537 <0.3 <0.002 Generador Turbina Baja Presión 32.9 Sobre calentador Turbina Alta Presión Turbina Presión Intermedia 410 355 35.11 140 449 340 537 40 148 Recalentador. Domo superior 19 428.9 Tubos agua caldera Agua de proceso Agua de atemperación VSC Agua de atemperación VRF Vapor de proceso Vapor de extracciones 0 Temperatura °C 0 Presión Kg/cm2 0 Flujo Ton/hr 0 o Sílice PPM Conductividad MicroMHOS Página 37 de 97 Paredes de Agua SEIS SIGMA – CHAMPIONS FLUJO DE AIRE-GAS P. Reyes / mayo 2008 149 %O2 CO CO2 NOx % E. O2: 0.9 – 1.2 Q Q 352 Q Inclinación de quemadores Q Q Q Q Q Q Q Q Q Q Q Q Q N4 N3 RPM 300-1000 32.2 289 N2 Aire Aire N1 508 32.2 Apertura 0-100% RPM 300-1000 277 50 8 3.5 Compuertas auxiliares Caseta PEMEX Medición / reducción 2 12,600 KCal/Kg Flujo de aire 0 Temperatura °C Flujo de gas 0 Presión Kg/cm 2 Flujo gases de combustión 0 Flujo Ton/hr Página 38 de 97 6.66 29.7 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 9. Diagrama de flujo de un proceso pequeño o subproceso DIAGRAMA DE FLUJO DE PROCESO Legenda: PASO Operación Transporte Inspección Operación o Evento Espera/retraso Descripción de Operación o evento Almacenaje Evaluación y Métodos de análisis Matriz de causa efecto Entradas y salidas del proceso Antes de mejorar un proceso, primero debe medirse, identificando sus variables de entrada y de salida, y documentando su relación en diagramas de causa efecto, matrices de relación, diagramas de flujo, etc. (1-poca, 3-media, 9-alta relación) Salidas A B C D E Importancia 3 1 6 10 4 Ent 1 2 3 6 4 2 Ent 2 Ent 3 Ent 4 Ent 5 7 5 3 1 6 4 2 3 Totales Res % 84 35 63 27 25 11 22 9 42 18 236 100 Página 39 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Página 40 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Recolección de datos Tipos de información Datos Continuos Se obtienen a través de un sistema de medición, su utilidad depende de la capacidad del sistema de medición. Las ocurrencias consistentes se pueden manejar como datos continuos Continuos Datos Discretos Incluye porcentajes, conteos, atrib utos y ordinales Las ocurrencias deben ser independientes Discretos 87 Datos Tipo Temperatura de vapor Continuo Fallas de la bomba Discreto: Porcentaje o cuenta Tiempo de mantenimiento Continuo Cantidad de contaminantes Continuo Fallas de Maquinaria Discreto: Porcentaje o cuenta Tiempo del ciclo de arranque Continuo Perdida de clientes Discreto: Porcentaje o cuenta Errores en reportes Discreto: cuenta Cambios en la agenda o el plan Discreto: cuenta Porcentaje de reportes que tienen que ser rectificados Discreto: Porcentaje Comprendiendo la variación ¿Qué es la variación? La diferencia entre las cosas La mayoría de las veces la variación es natural Factores que causan la variación o Material o Maquinaria o Mano de obra o personal o Método o Naturaleza o Mediciones o La variación es inherente a todos los procesos Se tienen causas comunes y causas especiales Página 41 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Ejemplos: Histogramas Muestra la distribución de frecuencia de los valores o mediciones Distribución normal La distribución normal puede ser descrita sólo por la media y la desviación estándar Media es el promedio de todos los datos El rango es la diferencia entre la cantidad mayor y menor La desviación estándar es aproximadamente igual a 1/6 del rango de los datos, y puede ser calculada por Excel o Minitab Áreas bajo la curva de distribución normal estándar Página 42 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 La distribución normal estándar La distribución normal estándar es una distribución de probabilidad que tiene una media de cero y una desviación estándar de uno. El área bajo la curva desde menos infinito a más infinito vale uno. La distribución normal estándar es simétrica, cada lado tiene una probabilidad o área bajo la curva de 0.5. La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z. Para cada valor Z se asigna una probabilidad o área bajo la curva mostrada en la Tabla de distribución normal PRÁCTICA 11. Áreas bajo la curva normal estándar a) Área menor a Z1 = -3.1 más área mayor a Z2 = 2.9 representando una fracción defectiva, expresarla en decimal, ppm y porcentaje: En Minitab: Calc> Probability Distributions > Normal Input constant (Z) OK (cumulative prob) Distribution Plot Normal, Mean=0, StDev=1 0.4 Density 0.3 0.2 0.1 0.0 -2.4 Excel Fx Estadísticas: 0 Z 2.8 = distr.norm.estand(Z1) +[1 - distr.norm.estand(Z2) ] b) Área entre Z1 = -1.4 y Z2= 1.9, expresarla en decimal y porcentaje: = distr.norm.estand(Z2) - distr.norm.estand(Z1) Página 43 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Un proceso tiene un límite de especificación inferior de 10 psi. Tiene un promedio de 10.50 psi una desviación estándar de 0.5 psi determinar lo siguiente: a) Fracción defectiva por debajo de 9.50 psi. En Minitab: Calc> Probability Distributions > Normal Input constant (Z) Mean 10.50 Standar deviation 0.5 OK (cumulative prob) En Excel = distr.norm(9.5, 10.5, 0.5, 1) b) Área entre 10 y 11 psi, expresarla en decimal y porcentaje: Excel Fx Estadísticas. En Excel = distr.norm(11, 10.5, 0.5, 1) - distr.norm(10, 10.5, 0.5, 1) Análisis del sistema de medición Variación del sistema de medición Un error significante puede ser introducido en la medición de un proceso por medio del sistema de medición El proceso puede estar en control estadístico pero no así el sistema de medición y puede introducir una variación inaceptable Página 44 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Posibles fuentes de variación Variación del proceso Variación proceso, real Variación deldel proceso, real Variación de la medición Variación originada Equipo de mediciòn por el calibrador Variación dentro de la muestra Repetibilidad Reproducibilidad Estabilidad Linealidad Sesgo Calibración Errores de medición Repetibilidad o La variación en las mediciones obtenidas con un instrumento de medición cuando es usado muchas veces por un evaluador mientras mide una característica idéntica de la misma parte Patrón Valores medidos Reproducibilidad o La variación en la medición obtenida con un instrumento de medición cuando es usado por varios evaluadores mientras miden una característica idéntica de la misma parte. Página 45 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Diferencia entre operadores Reproducibilidad Minitab: File > Open worksheet > gageaiag.mtw Stat > quality tools > Gage study > Gage R&R study (crossed) Seleccionar Part_numbers Operator Response – mediciones Options: Study variation 5.15 (99% de area bajo la curva) Process tolerance: Upper – lower 20 OK Estudio de R&R – Análisis de resultados Gage R&R Study - XBar/R Method Source Total Gage R&R Repeatability Reproducibility Part-To-Part Total Variation VarComp 0.0000001 0.0000001 0.0000000 0.0000001 0.0000001 %Contribution (of VarComp) 41.00 40.52 0.48 59.00 100.00 % Error R&R debe ser menor Al 10% ya sea para control del Proceso o para producto final. Repetibilidad – Instrumento Reproducibilidad - Operador Study Var %Study Var %Tolerance Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler) Total Gage R&R 0.0002476 0.0012750 64.03 21.25 Repeatability 0.0002461 0.0012675 63.65 21.12 Reproducibility 0.0000269 0.0001384 6.95 2.31 Part-To-Part 0.0002970 0.0015295 76.81 25.49 Total Variation 0.0003867 0.0019913 100.00 33.19 Number of Distinct Categories = 1 Número mínimo 4 111 El error de R&R vs tolerancia es 64.03% y vs variación total del proceso es 21.25% lo que hace que el equipo de medición no sea adecuado para la medición. Página 46 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Por otro lado el número de categorías es sólo de 1 cuando debe ser al menos 4 indicando que el instrumento discrimina las diversas partes diferentes. Gage R&R (Xbar/R) for Datos G age name: D ate of study : La gráfica R se mantiene en control indicando que las mediciones se realizaron en forma adecuada. La gráfica X barra sólo presenta 5 de 30 puntos fuera by : ser al menos el 50%, indicando de control, Reported debería T olerance: M isc: que el equipo no discrimina las diferentes partes. Components of Variation 80 Datos by Partes % Contribution 0.006 Percent % Study Va r % Tolerance 40 0 0.005 0.004 Gage R&R Repeat Reprod 1 Part-to-Part 2 3 R Chart by Operadores Sample Range 1 2 3 0.006 0.0005 _ R=0.000417 0.005 0.0000 LCL=0 1 0.0050 8 9 10 2 Operadores 3 Operadores * Partes Interaction 3 O pera dores UCL=0.005143 _ X=0.004717 0.0045 LCL=0.004290 Average Sample Mean 2 7 0.004 Xbar Chart by Operadores 1 5 6 Partes Datos by Operadores UCL=0.001073 0.0010 4 1 0.0050 2 3 0.0045 0.0040 0.0040 1 P10 2 3 4 5 6 Partes 7 8 9 10 Gráficas y cartas de datos Las gráficas de barras pueden ser usados para mostrar una variable vs el “Tiempo” Las gráficas de series de tiempo pueden ser usadas para mostrar la variación vs el “Tiempo” e identificar si se presenta cierta tendencia o estacionalidad Página 47 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Variable dependiente del tiempo El “corrimiento” en las mediciones Indica que están presentes variables dependientes del tiempo 106 Régimen térmico U-1 CTVM Kcal/KWh 2654 2651.41 2652 2649.29 2650 2647.22 2648 2646 2646.69 2645.77 2644.71 2644 Régimen Térmico 2642 2640 2640.00 2638 2641.10 2636 2634 Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08 Un histograma también sirve para identificar si el comportamiento de una variable es normal (P value < 0.05): Summary for Julio A nderson-Darling N ormality Test 2630 2640 2650 A -S quared P -V alue 0.25 0.720 M ean S tDev V ariance S kew ness Kurtosis N 2644.3 9.3 87.3 -0.171999 -0.607477 31 M inimum 1st Q uartile M edian 3rd Q uartile M aximum 2660 2623.8 2638.6 2643.1 2651.8 2661.1 95% C onfidence Interv al for M ean 2640.9 2647.7 95% C onfidence Interv al for M edian 2640.2 7.5 Mean Median 2640 2642 2644 2646 2649.9 95% C onfidence Interv al for S tDev 95% Confidence Intervals 2648 2650 Página 48 de 97 12.5 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 12. Gráficas de series de tiempo Minitab: 1 File > Open worksheet > NEWMARKET.MTW. 2 Graph > Time Series Plot or Stat > Time Series > Time Series Plot. 3 Simple, click OK. 4 En Series, SalesB. 5 Click Time/Scale. 6 En Time Scale, seleccionar Calendar. Y seleccionar Quarter Year. 7 Para valores iniciales en Quarter, 1. En Year, 2000. 8 Click OK en cada cuadro de diálogo. Time Series Plot of SalesB 240 220 SalesB 200 180 160 140 120 100 Quarter Year Q1 2000 Q2 Q3 Q4 Q1 2001 Q2 Q3 Q4 Q1 2002 Q2 Q3 Q4 Cartas de control ¿Qué es el CEP? Control Estadístico del Proceso o Control: Hacer que un proceso se comporte como queramos que se comporte. o Estadístico: …Con la ayuda de números o Proceso: …Medimos y controlamos las característica críticas (CTQs) del proceso identificadas por los clientes Tipos de variación: Página 49 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Causas comunes: El resultado de causas naturales, diferencias esperadas entre productos o servicios Una vez que las causas especiales o asignables están en control, se pueden observar las causas “comunes” Causas especiales de variación: El resultados de causas no naturales o asignables: Si es una causa asignable o especial puede ser controlada Se pueden identificar causas asignables aisladas Es más influyente que una causa de variación común Página 50 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Tipos de Variación 12.5 Límite Superior de Control 11.5 Variación – Causas comunes 10.5 Línea Central 9.5 8.5 Límite inf. de especs. Límite sup. de especs. Límite Inferior de Control 7.5 0 10 20 30 102 Variación – Causas especiales Objetivo Límite inf. de especs. Límite sup. de especs. Objetivo 100 94 Patrones de anormalidad en la carta de control “Escuche la Voz del Proceso” M E D I D A S C A L I D A D Región de control, captura la variación natural del proceso original LSC LIC Tendencia del proceso (7P) Causa Especial Corrida del Proceso (7P) identifcada TIEMPO Propósito de la carta de control Monitorea la característica clave de calidad del producto (CTQ’s) Permite la detección de las causas inusuales de variación entes de que se salga de la especificación del producto Provee el historial y estabilidad del proceso así como la operación esta trabajando ahora. Cuando no hay causas especiales presentes, el proceso esta trabajando apropiadamente, es predecible, el proceso puede estar “en control” Página 51 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Ejemplo del consumo de Gas I-MR Chart of Julio U C L=2671.69 Individual Value 2670 2655 _ X=2644.28 2640 2625 LC L=2616.87 2610 3 6 9 12 15 18 O bser vation 21 24 27 30 U C L=33.68 Moving Range 30 20 __ M R=10.31 10 0 LC L=0 3 6 9 12 15 18 O bser vation 21 Régimen térmico Kcal/KWh Gráfica de Control Régimen Térmico Kcal/KWh a Feb-08) 2740 2720 2700 2680 2660 2640 2620 2600 2580 2560 2540 2520 2500 24 27 30 U-1 CTVM (Jul-07 LCS Promedio LCI Diseño de la Unidad 50% carga En este caso: Para el régimen térmico el proceso es normal y está en control estadístico La Unidad 1 de la Central Termoeléctrica Valle de México, en el período observado (50% de carga), no está cumpliendo con las especificaciones de diseño del Régimen Térmico de 2,560 Kcal/KWh. Se comprueba la definición del proyecto ó área de oportunidad de mejorar la eficiencia térmica de la Unidad 1 de la CTVM buscando alcanzar los niveles de diseño. Página 52 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 13. Carta de control de lecturas individuales para parámetros del proceso I-MR: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Control charts > variable chart for Individuals > I-MR. 3 Variable Weight, click OK. I-MR Chart of Weight 1050 1 1 1 Individual Value 1 U C L=1010.9 1000 _ X=936.9 950 900 850 1 1 5 9 13 LC L=862.8 1 17 21 25 O bser vation 29 33 37 41 45 1 M oving Range 100 U C L=91.0 75 50 __ M R=27.8 25 0 LC L=0 1 5 9 13 17 21 25 O bser vation 29 33 37 41 45 Capacidad del proceso Mide y cuantifica el desempeño del proceso y productos para cumplir con las especificaciones (tanto Cp y Cpk) Identifica áreas que requieren atención y mejora Ayuda a construir un plan de acción soportado por datos Proporciona una métrica común para comparar procesos o desempeño del producto entre departamentos y plantas Página 53 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Identifica oportunidades de mejora para eliminar Muda Establece la línea base Teoría del camión y el túnel •El túnel tiene 9' de ancho (especificación). El camión tiene 10’ y el chofer es perfecto (variación del proceso). ¿Pasaría el camión? NO, la variabilidad del proceso es mayor que la especificación. •Centrar es hacer que el promedio del proceso sea igual al centro de la especificación. Si el camión tiene 8 pies de ancho ¿pasará el camión?, Si. Si el chofer puede mantener el centro del camión en el centro del túnel. De otra forma chocará con las paredes del túnel y no pasará a pesar de ser más angosto. El proceso debe estar en control, tener capacidad y estar centrado Ancho 9´ Nigel´s Trucking Co. ¿Qué es la capacidad del proceso? La capacidad del proceso indica que tan bien una métrica se esta desempeñando vs los estándares establecidos. Se asume que el proceso de la métrica o parámetro es estable, permite predecir la probabilidad de que el valor de la métrica esté fuera de los estándares establecidos. Especificaciones superior e inferior Fuera de especs. Sólo especificación superior LSE LSE LIE Dentro de especs. de especs. Fuera de especs. Fuera de especs. Dentro de especs. 120 La capacidad potencial (Cp) es función de que tan disperso esté el proceso, independientemente del centrado Página 54 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 La capacidad real (Cpk) es una función de que tanto está centrada el proceso y de su dispersión Ahorros simplemente centrando el proceso, sin cambiar la variabilidad Ahorros al reducir la variación y centrar el proceso, eliminando desperdicio Página 55 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 14. Capacidad del proceso con base en carta de control de Medias Rangos XR para variables del proceso: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Quality tools > Capability analysis > Normal 3 Single column > Weight, Subgroup size 5, 4 Lower Spec 800 Upper Spec 1100 5 Estimate seleccionar Rbar OK. 49 Process Capability of Weight LSL USL Process Data LSL 800 Target * USL 1100 Sample Mean 936.889 Sample N 45 StDev (Within) 31.5277 StDev (O v erall) 45.8045 Within Overall Potential (Within) C apability Cp 1.59 C PL 1.45 C PU 1.72 C pk 1.45 O v erall C apability El proceso es capaz de cumplir especificaciones Su Cpk es mayor a 1.33 Con 7 ppm Pp PPL PPU Ppk C pm 800 O bserv ed Performance PPM < LSL 0.00 PPM > USL 0.00 PPM Total 0.00 850 900 Exp. Within Performance PPM < LSL 7.06 PPM > USL 0.11 PPM Total 7.18 950 1000 1050 1.09 1.00 1.19 1.00 * 1100 Exp. O v erall Performance PPM < LSL 1401.55 PPM > USL 184.70 PPM Total 1586.25 Métricas Seis Sigma Motorola notó que muchas operaciones en productos complejos tendían a desplazarse ±1.5 sobre el tiempo, por tanto un proceso de ± 6 a la larga tendrá 4.5 hacia uno de los límites de especificación, generando 3.4 DPMOs (defectos por millón de oportunidades) Página 56 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Corrimiento de 1.5 sigmas Página 57 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 ¿Por qué usar una métrica Sigma del proceso? Indicador más sensible que el porcentaje Se enfoca a los defectos o Siempre que un defecto refleje una falla a los ojos de los clientes Las métricas comunes hacen las comparaciones más fáciles o Por ejemplo, ¿cuál de los siguientes procesos se comporta mejor? Página 58 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 IV. Seis Sigma - Fase de Análisis Propósitos: Establecer hipótesis sobre las posibles Causas Raíz (X’s que afectan a Y) Refinar, rechazar, o confirmar la Causa Raíz Seleccionar las Causas Raíz más importantes (Las pocas Xs vitals) Salidas: Causas raíz validadas Factores de variabilidad identificados Generación de Causas potenciales Tormenta de ideas Tormenta de ideas es un método de generación de muchas ideas rápidas o Fomenta la creatividad o Involucra a todos o Genera energía o Separa personas de las Ideas que sugieren Usos en la fase de análisis o Use la tormenta de ideas para generar muchas causas potenciales del problema definido en la fase de medición Use “5 W’s” para encontrar las causas raíz Pregunta clave Los 5 Por qués Para sacar las causas raíz, empieza con el enfoque del problema y empieza a preguntar ¿Por qué? Cinco veces Diagrama de causa efecto El diagrama Causa – y – efecto es usado cando se tienen el problema enfocado para identificar todas las causas potenciales del problema. Un diagrama causa – y – efecto proveerá: o Un camino fácil para identificar todas las causas posibles o Una vista organizada de todas las posibles causas o Entendimiento de las relaciones entre las posibles causas o Diferenciar entre las causas raíz y las causas percibidas A continuación se muestran algunos ejemplos de diagramas de causa efecto con su comprobación de causas raíz: Página 59 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Tratamiento de agua Generador de vapor Insumos % fuga de aire Productos químicos Economizador Temp. gases salida Temp. de agua entrada Temperatura Agua negra tratada Agua Poder Calorífico PH Calidad de agua Precalentador Gas Agua de pozo Flujo, presión, temp. atemp Sobrecalentador Flujo, presión, temp. Atemp. Calidad de agua Agua de enfriamiento Exceso O2 Compuertas auxiliares Azufre Humedad Conductividad Recalentador Gas a quemadores Suciedad Flujo, presión Inclinación de quemadores Sílice Entrada de aire Suciedad Amperaje y número de ventiladores Torre de enfriamiento Cargas Térmica Nivel de pileta Gasto y presión de agua Temp. Agua fría Turbina, API, PI y BP Vacio del condensador Presión diferencial filtros Presión de descarga Temperatura ambiente Eficiencia Huelgos de alabes Presión diferencial Bombas circulación agua Huelgos Factor de planta Calidad de mantenimiento Apertura de alabes Suciedad Volumen de energía eléctrica entregada Turbina Auxiliares principales Calidad de vapor, temperatura, presión Comprobación de causas con DOE # Exp % O2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 Inclinación Temperatura Quemadores Vapor 1 2 3 4 5 6 7 1 0.8 20 20 20 20 -30 537 2 2 0.8 20 20 40 40 0 542 5 3 0.8 40 40 20 20 0 542 6 4 0.8 40 40 40 40 -30 537 8 5 1.2 20 40 20 40 -30 542 1 6 1.2 20 40 40 20 0 537 4 7 1.2 40 20 20 40 0 537 3 8 1.2 40 20 40 20 -30 542 7 Página 60 de 97 Orden de Experimentación Precio competitivo Régimen Térmico Kcal/Kw h SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Los niveles de operación recomendados son: Considerando los resultados anteriores y la recomendación obtenida por el ANOVA y ANOM, se encontraron los niveles de operación que reducen el régimen térmico. Los niveles de operación recomendados se muestran en la siguiente tabla. Factor Condición Inclinación de quemadores 0 Porcentaje de exceso de O2 1.2 Compuertas auxiliares N2 40 Compuertas auxiliares N3 40 Compuertas auxiliares N1 40 Compuertas auxiliares N4 40 Temperatura de vapor 542 Otro Ejemplo: Se elabora un diagrama de relación para identificar relaciones entres causas potenciales e identificar la causa raíz: Página 61 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Comprobación de causas reales: Página 62 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Análisis de regresión Tu piensas ¿que hay relación entre dos variables? ¿Qué tan fuerte es la relación? ¿Una puede ser usada para predecir la otra? Correlación: es una medida de que tanto están dos variables correlacionadas Regresión: Es la ecuación matemática que describe la relación La regresión puede tomar varias formas Con Minitab se puede obtener una regresión lineal como la siguiente: PRÁCTICA 15. Correlación y regresión en Minitab La presión vs la temperatura se muestra continuación para un día en especial: o Seleccionar Stat > Regression > Fitted line plot o Response (Y) presión Predictor (X) Temp Linear OK Página 63 de 97 SEIS SIGMA – CHAMPIONS Presión Temp 1.2 101 0.8 92 1.0 110 1.3 0.7 120 90 0.8 82 1.0 93 0.6 75 0.7 85 1.1 96 0.9 91 P. Reyes / mayo 2008 Fitted Line Plot Presión = - 0.4972 + 0.01504 Temp 1.4 S R-Sq R-Sq(adj) 1.3 0.122070 73.0% 70.0% 1.2 Presión 1.1 1.0 0.9 0.8 0.7 0.6 70 80 90 100 110 120 Temp La R-sq (R cuadrada) indica si la correlación es lo suficientemente fuerte para predecir al relación entre dos variables R-sq de 80% o más es una buena correlación Página 64 de 97 SEIS SIGMA – CHAMPIONS Tratar de extrapolar más allá de los datos es riesgoso: P. Reyes / mayo 2008 Correlations: Presión, Temp Pearson correlation of Presión and Temp = 0.854 P-Value = 0.001 Página 65 de 97 SEIS SIGMA – CHAMPIONS QFD P. Reyes / mayo 2008 FASE DE ANÁLISIS Diagrama de relaciones Diagrama de Ishikawa Diagrama de Árbol Diagrama Causa Efecto Definición Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medición Y, X1, X2, Xn Análisis del Modo y Efecto de Falla (AMEF) X's Causas potenciales Pruebas de hipótesis Diagrama de Flujo del proceso X's vitales No ¿Causa Raíz? Si Causas raíz validadas Análisis del modo y efecto de falla (FMEA) El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o servicio y máquinas, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos que puedan ocurrir. El AMEF o FMEA ( Failure Mode and Effect Analisis) es una técnica de prevención, utilizada para detectar por anticipado los posibles modos de falla, con el fin de establecer los controles adecuados que eviten la ocurrencia de defectos. Identificar los modos de falla potenciales, y calificar la severidad de su efecto. Evaluar objetivamente la ocurrencia de causas y la habilidad de los controles para detectar la causa cuando ocurre. Clasifica el orden potencial de deficiencias de producto y proceso. Se enfoca hacia la prevención y eliminación de problemas del producto y proceso Existen tres componentes que ayudas a priorizar las fallas o problemas: Ocurrencia (O): Frecuencia de la falla. Severidad (S): Los efectos de la falla. Página 66 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Detención (D: Es la habilidad para detectar la falla antes de que llegue al cliente. El resultado de un AMEF es: Una lista de modos de falla potencial calificados por un RPN. Una lista de características críticas y/o significativas potenciales. Una lista de acciones recomendadas dirigidas a las características críticas o significativas potenciales. Una lista de eliminación de causas de modo de falla potenciales, reducción de la ocurrencia, mejora de la detección de defectos. Ejemplo del uso del AMEF en Mantenimiento: Ejemplo del uso del AMEF en Mantenimiento: Página 67 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 16. Llenado de AMEF de maquinaria M FMEA LISTAS ESCALA DE SEVERIDAD 10 Peligroso sin aviso 9 Peligroso con aviso 8 Muy alto (Tiempo muerto - 8 hrs, Defectos - 4 hrs) 7 Alto (Tiempo muerto - 4-8 hrs, Defectos - 2-4 hrs) 6 Moderado (Tiempo muerto - 1-4 hrs, Defectos - 1-2 hrs) 5 Bajo (Tiempo muerto - 0.5-1 hrs, Defectos 0-1 hrs) 4 Muy bajo (Tiempo muerto- 10-30 min., 0 Defects) 3 Menor (Tiempo muerto - 0-10 min., 0 Defectos) 2 Muy Menor (0 Tiempo muerto, 0 Defects) 1 Ninguno OCCURENCE SCALE 10 1 en 1 hora, 1 en 90 ciclos 9 1 en 8 horas, 1 en 900 ciclos 8 1 en 24 horas, 1 en 36,000 ciclos 7 1 en 80 horas, 1 en 90,000 ciclos 6 1 en 350 horas, 1 en 180,000 ciclos 5 1 en 1,000 horas, 1 en 270,000 ciclos 4 1 en 2,500 horas, 1 en 360,000 ciclos 3 1 en 5,000 horas, 1 en 540,000 ciclos 2 1 en 10,000 horas, 1 en 900,000 ciclos 1 1 en 25,000 horas, 1 en >900,000 ciclos DETECTION SCALE 10 Absolutamente Imposible 9 Muy remoto 8 Remoto 7 Muy bajo 6 Bajo 5 Moderado 4 Moderadamente Alto 3 Alto 2 Casi seguro 1 Seguro Página 68 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Página 69 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Página 70 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Pruebas de Hipótesis ¿Por qué usar la Prueba de Hipótesis? Se usa para probar si dos grupos son realmente diferentes (estadísticamente significativo) o si la diferencia es debida a la variación natural o ¿El primer turno se desarrolla mejor que el segundo turno? Para realizar la prueba se deben comprender las hipótesis: La hipótesis nula o H0= No hay diferencia entre los grupos La hipótesis alternativa o Ha= los grupos son diferentes La hipótesis nula, o por omisión, establece siempre que no hay diferencia entre los grupos. P-Value: Si P 0.05, se rechaza la H0 y se acepta la Ha ( los grupos son diferentes) Tipos de pruebas de hipótesis Prueba de hipótesis Propósito Prueba t – 1 muestra Compara una media muestral a la media histórica u objetivo Prueba t – dos muestras Compara las medias de dos grupos independientes Prueba Z – 1 muestra Compara una media muestral a la media poblacional u objetivo ANOVA (Prueba F) Compara dos o más medias de grupos Prueba de igualdad de varianzas Compara dos o más varianzas de grupos ANOM Compara dos o más medias de grupos a la media general de todos los grupos Prueba Chi Cuadrada Compara dos o más proporciones de grupos Página 71 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 17. Prueba de Hipótesis Se evalúan los tiempos de acción para dos formulaciones desincrustantes químicas, interesa la comparación de las medias de los tiempos para tomar decisiones, probar a un 95% de nivel de confianza si una formulación tarda menos que la otra (en caso de que P value <= 0): Form_1 Form_2 650 540 810 610 570 730 660 490 820 550 820 460 670 590 590 640 750 720 700 690 A un 95% de nivel de confianza (alfa es 5% o 0.05), Realizar una prueba de igualdad de medias y sacar conclusiones Minitab: Ho: Media form_1 = Media form_2 Ha: son diferentes Stat > Basic statistics >2- Samples t Seleccionar Samples in different columns First Form_1 Second Form_2 Seleccionar Assume equal variances Options: Conf. Level 95 Test Difference 0.0 Alternative Not equal Grpahs: Individual value plots OK OK Como el valor P 0.025 es menor que 0.05, o el cero NO está en el IC (14.5, 189.5) Se concluye que Las medias de las formulaciones son diferentes ( La form_1 es mayor) Página 72 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 SMED Reducción de los tiempos de preparación y ajuste Operaciones internas vs externas Internas o Puede ser hecha cuando la máquina está apagada o Ejemplo: las mangueras solo pueden ser cambiadas cuando la máquina este parada Externas o Pueden ser hechas cuando la máquina está trabajando o Ejemplo: el material y refacciones pueden ser preparados mientras la máquina está trabajando Pasos para reducir los tiempos de preparación Estudiar el proceso o Estudio de tiempos y movimientos, videotape, entrevistas Identificar actividades internas y externas o Listar cada actividad, clasificarlas en internas y externas Convertir actividades internas a externas o Pensar fuera de la caja Alinear las actividades de preparación y ajuste o Eliminar / combinar actividades o Repetir el proceso Página 73 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 V. Seis Sigma - Fase de Mejora Propósito: o Desarrollar, probar e implementar soluciones que atiendan a las causas raíz Salidas o Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raíz identificadas o Comparaciones de la situación antes y después para identificar la dimensión de la mejora, comparar los resultados planeados (meta) contra lo alcanzado FASE DE MEJORA Causas raíz Diseño de experimentos Ideas Optimización Efecto de X's en las Y = CTQs Técnicas de creatividad Tormenta de ideas Metodología TRIZ Generación de soluciones Evaluación de soluciones (Fact., ventajas, desventajas) No ¿Solución factible? Si Implementación de soluciones y verificación de su efectivdad Soluciones verificadas Diseño de Experimentos El cambiar un factor a un tiempo presenta las desventajas siguientes: o Se requieren demasiados experimentos para el estudio o No se puede encontrar la combinación óptima de variables o No se puede determinar la interacción o Se puede llegar a conclusiones erróneas o Se puede perder tiempo en analizar las variables equivocadas Página 74 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 ¿Qué es un diseño de experimentos? Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta). Entradas Salidas (Y) Proceso Diseño de experimentos Factores conocidos no controlados w1 w2 w3 w4 E N T R A D A S ... ws y1 x1 x2 .. . PROCESO xa Factores de control con niveles (x’s) S A L I ym D A Variables de respuesta (y’s) S (CTQ’s) y2 .. . z1 z2 z3 z4 . . . zn Factores desconocidos 147 Pasos del DOE: Establecer objetivos Seleccionar variables del proceso Seleccionar un diseño experimental Ejecutar el diseño Verificar que los datos sean consistentes con los supuestos experimentales Analizar e interpretar los resultados Usar / presentar los resultados Diseño factorial 2K Los diseños factoriales completos: o Prueba todas las combinaciones de condiciones de los factores o Son fáciles de seguir por su patrón repetitivo Página 75 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Producen información de los efectos factoriales de 4 o más veces la que produce un factor a la vez o Pueden identificar y ayudar a comprender las interacciones entre factores o Son fáciles de analizar o Pueden cuantificar las relaciones entre las X´s y las Y´s producen una ecuación Factorial completo incluye todas las combinaciones posibles, para 3 factores con 2 niveles, hay 2x2x2 = 8 combinaciones. 2 x 2 x 2 es escrito 23. El 3 indica el número de 2s multiplicados juntos. Para 3 factores hay 23 = 8 posibles combinaciones de factores Las interacciones son importantes el efecto del factor A depende del factor B y C DOE Gráficas de efectos principales La gráfica de efectos principales es una forma eficiente de ver los cambios en el promedio de La respuesta (Y) con cada factor Main Effects Plot (data means) for Res -1 1 -1 1 90 Res 88 86 84 82 A Efecto significativo B Efecto NO significativo Página 76 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 DOE gráficas de interacciones Interaction Plot (data means) for Res A -1 1 Mean 90 85 80 -1 1 B Interacción significativa Nota: No es significativo Cuando las líneas son Casi paralelas El factor A y el B indican interacción significativa, dadas las diferentes pendientes de las líneas rectas que unen sus niveles. Tipos comunes de Diseño de experimentos Diseño fraccional de dos niveles de filtraje o Se usa para identificar las pocas X’s desde muchos factores potenciales Diseños factoriales completos o fraccionales 2K de alta resolución : o Usado para ayudar a un equipo a entender cómo actúan los factores principales juntos para influir en la respuesta Diseño robusto o Diseños de Taguchi o Usado para estudiar el efecto de los factores no solo en el promedio sino en la variación de la respuesta Y Metodología de superficie de respuesta o Usado para determinar los ajustes óptimos para factores principales Operación Evolutiva (EVOP) o Se usa para experimentar en un proceso mientras “esta en línea”. Si los cambios en los niveles de factores se hacen dentro de los límites de especificación, siempre se cumple con los requerimientos de los clientes Diseño de experimentos de Mezclas o Se usa para optimizar los porcentaje de ingredientes en una mezcla química Diseños de experimentos de Taguchi Objetivo: obtener la mayor cantidad de información con un mínimo de corridas de experimentación industrial, cambiando los niveles de varios factores a la vez . Dar prioridad a los factores principales, ya que las interacciones son difíciles de manejar y por eso deben de considerarse como factores de ruido. Página 77 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Las interacciones a probar deben de ser conocidas ó altamente probables. Si las interacciones altamente significativas no son incluidas, se generará una confusión Se deben de analizar los datos mediante la razón señal a ruido, detectando con ello las combinaciones de los factores de control que generan un proceso robusto. PRACTICA 17. Diseño de experimentos de Taguchi El experimento se diseñó utilizando Arreglos Ortogonales. Los factores seleccionados con sus niveles son: Niveles Factores N1 N2 Porcentaje de exceso de O2 0.8 1.2 Compuertas auxiliares N1 20 40 Compuertas auxiliares N2 20 40 Compuertas auxiliares N3 20 40 Compuertas auxiliares N4 20 40 Inclinación de quemadores -30 0 Temperatura Vapor SC. a Turbina 537 542 Figura 3.4.2 Tabla de factores de experimentación con sus niveles El Arreglo Ortogonal seleccionado fue el L8 2^7 La asignación de los factores al arreglo y el orden (aleatorio) de experimentación es el siguiente: 1 1 1 1 1 1 1 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 2 2 1 1 2 2 1 2 Figura 3.3.1.4.2 Tabla del arreglo ortogonal 1 2 1 2 2 1 2 1 Sustituyendo niveles reales no codificados, el arreglo queda como: Página 78 de 97 1 2 2 1 1 2 2 1 1 2 2 1 2 1 1 2 SEIS SIGMA – CHAMPIONS # Exp 1 2 3 4 5 6 7 8 % O2 1 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2 C.A. N1 2 20 20 40 40 20 20 40 40 C.A. N2 3 20 20 40 40 40 40 20 20 C.A. N3 4 20 40 20 40 20 40 20 40 P. Reyes / mayo 2008 C.A. N4 5 20 40 20 40 40 20 40 20 Inclinación Quemadores 6 -30 0 0 -30 -30 0 0 -30 Temperatura Vapor 7 537 542 542 537 542 537 537 542 Orden de Experimentación 2 5 6 8 1 4 3 7 Figura 3.4.3 Arreglo ortogonal con orden de experimentación Paso 1. Para darlo de alta en Minitab, se copia la tabla de los factores únicamente, o sea: % O2 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 20 20 20 20 20 20 40 40 40 40 20 20 40 40 40 40 20 40 20 40 20 40 40 20 40 20 20 40 40 20 40 20 Inclinación Temperatura Quemadores Vapor -30 537 0 542 0 542 -30 537 -30 542 0 537 0 537 -30 542 Paso 2. Se ejecuta la siguiente instrucción en Minitab: Página 79 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Paso 3. Posteriormente se corren los 8 experimentos en el orden aleatorio 2, 5, 6, 8, 1, 4, 3 y 7 para minimizar el error experimental y se obtienen los resultados. Esta columna de resultados se introduce a Minitab como sigue: FACTORES PARA EXPERIMENTACION % O2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 Inclinación Quemadores Temperatura Vapor Resultados 0.8 1 20 1 20 1 20 1 20 1 -30 1 537 1 2668.02 0.8 1 20 1 20 1 40 2 40 2 0 2 542 2 2600.72 0.8 1 40 2 40 2 20 1 20 1 0 2 542 2 2612.76 0.8 1 40 2 40 2 40 2 40 2 -30 1 537 1 2640.88 1.2 2 20 1 40 2 20 1 40 2 -30 1 542 2 2627.36 1.2 2 20 1 40 2 40 2 20 1 0 2 537 1 2583.98 1.2 2 40 2 20 1 20 1 40 2 0 2 537 2 2591.12 1.2 2 40 2 20 1 40 2 20 1 -30 1 542 1 2628.82 Media Global Resultados Seleccionar la respuesta “Resultados” Página 80 de 97 2600.72 2612.76 2640.88 2627.36 2583.98 2591.12 2619.21 Paso 4. Ahora se analiza el diseño con: 2668.02 2628.82 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 En Analysis seleccionar en Fit linear model for Signal to noise ratios y means En Options seleccionar Smaller is Better ya que se busca minimizar la respuesta Paso 5. Las gráficas obtenidas de Relación Señal a Ruido son las siguientes: Main Effects Plot for SN ratios Data Means % O2 C .A . N 1 C .A . N 2 -68.30 -68.35 Mean of SN ratios -68.40 0.8 1.2 20 C .A . N 3 40 C .A . N 4 20 40 Inclinación Q uemadores -68.30 -68.35 -68.40 20 40 20 40 -30 0 Temperatura V apor -68.30 -68.35 -68.40 537 542 Signal-to-noise: Smaller is better En esta se seleccionan los niveles que proporcionen la mayor S/N (%O2 = 1.2 y Inclinación quemador = 0). Y para las medias coinciden los mismos niveles que para S/N: Página 81 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Main Effects Plot for Means Data Means % O2 C .A . N 1 C .A . N 2 2640 2620 Mean of Means 2600 0.8 1.2 20 C .A . N 3 40 20 C .A . N 4 40 Inclinación Q uemadores 2640 2620 2600 20 40 20 40 -30 0 Temperatura V apor 2640 2620 2600 537 542 Paso 6. En resumen se pueden sugerir los niveles siguientes para los factores, con objeto de minimizar el consumo de combustible: Los niveles de operación recomendados se muestran en la siguiente tabla: Factor Condición Inclinación de quemadores Porcentaje de exceso de O2 Compuertas auxiliares N2 Compuertas auxiliares N3 Compuertas auxiliares N1 Compuertas auxiliares N4 Temperatura de vapor 0 1.2 40 40 40 40 542 Figura 3.4.2.3 Tabla de los parámetros recomendados Paso8. Con los coeficientes de predicción anteriores se establece la predicción de la respuesta esperada: Ecuación de predicción Estimated Model Coefficients for Means Term Coef Constant 2619.21 % O2 0.8 11.39 C.A. N1 20 0.81 C.A. N2 20 2.96 C.A. N3 20 5.61 C.A. N4 20 4.19 Inclinac -30 22.06 Temperat 537 1.79 opt y ( A2 y) (B2 y) (C2 y) (D2 y) (E2 y) (F2 y) (G2 y) mopt = 2619.21 + (2607.82 - 2619.21) + (2618.4 - 2619.21) + (2616.252619.21) + (2613.6 -2619.21) + (2615 - 2619.21) + (2597.15 - 2619.21) + (2617.42 - 2619.21) mopt = 2570.4 Página 82 de 97 SEIS SIGMA – CHAMPIONS Paso 8. Usar lo siguiente para la P. Reyes / mayo 2008 Predicción de resultados: Página 83 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Se seleccionan UNCODED values todos en nivel alto (2) La predicción obtenida es la siguiente: Predicted values S/N Ratio -68.2022 Mean 2570.40 Factor levels for predictions % O2 1.2 C.A. N1 40 C.A. N2 40 C.A. N3 40 C.A. N4 40 Inclinación Quemadores 0 Temperatura Vapor 542 Página 84 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Técnicas de creatividad SCAMPER Sustituir, Combinar, Adaptar, Modificar o ampliar, Poner en otros usos, Eliminar, Revertir o re arreglar Involucrar al cliente en el desarrollo del producto ¿qué procedimiento podemos sustituir por el actual? ¿cómo podemos combinar la entrada del cliente? ¿Qué podemos adaptar o copiar de alguien más? ¿Cómo podemos modificar nuestro proceso actual? ¿Qué podemos ampliar en nuestro proceso actual? ¿Cómo puede apoyarnos el cliente en otras áreas? ¿Qué podemos eliminar en la forma de inv. Del cliente? ¿qué arreglos podemos hacer al método actual? Lista de atributos Dividir el problema en partes. Por ejemplo para una linterna Componente Atributo Ideas Cuerpo Plástico Metal Interruptor Encendido/Apagado Encendido/Apagado /luminosidad media Batería Corriente Recargable Bombillo de Vidrio Plástico Peso Pesado Liviano Análisis morfológico Conexiones morfológicas forzadas Ejemplo: Mejora de un bolígrafo Tapa Fuente de Tinta De múltiples Metal caras Tapa pegada Sin repuesto Cuadrado Sin Tapa Permanente En forma de Madera cuentas Retráctil Repuesto papel En forma de Papel escultura Tapa desechable Repuesto hecho de tinta Cilindrico Material Vidrio Página 85 de 97 de SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Los Seis Sombreros de pensamiento Dejemos los argumentos y propuestas y miremos los datos y las cifras. Exponer una intuición sin tener que justificarla Juicio, lógica y cautela Mirar adelante hacia los resultados de una acción propuesta Interesante, estímulos y cambios Visión global y del control del proceso 162 TRIZ Hay tres grupos de métodos para resolver problemas técnicos: o Varios trucos (con referencia a una técnica) o Métodos basados en utilizar los fenómenos y efectos físicos (cambiando el estado de las propiedades físicas de las substancias) o Métodos complejos (combinación de trucos y física) Las 40 herramientas de TRIZ Página 86 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Evaluación de soluciones Implantación de soluciones ¡!!!! HACERLO ¡!!!! Página 87 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Verificando mejoras Una vez que las mejoras han sido identificadas e implementadas, los resultados deben ser verificados usando datos del estado anterior y del estado posterior de la implementación. Prueba de hipótesis o Prueba t 2 muestras o Prueba de igualdad de varianzas o Prueba de 2 proporciones Cartas de control estratificadas Sigma de Proceso Capacidad del Proceso Diagrama de Pareto Prueba de igualdad de varianzas Prueba de igualdad de medias PRACTICA 19. Cartas de control estratificadas Las cartas de control pueden ser estratificadas para mostrar procesos de control para diferentes “factores” Página 88 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Capacidad del proceso y sigmas del proceso La capacidad del Proceso y las Sigmas del Proceso pueden ser recalculados para verificar mejoras: Página 89 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Diagrama de Pareto Diagrama de Pareto del antes y después puede ser usada para mostrar las mejoras Verificación de soluciones Página 90 de 97 SEIS SIGMA – CHAMPIONS QFD P. Reyes / mayo 2008 FASE DE ANÁLISIS Diagrama de relaciones Diagrama de Ishikawa Diagrama de Árbol Diagrama Causa Efecto Definición Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medición Y, X1, X2, Xn Análisis del Modo y Efecto de Falla (AMEF) X's Causas potenciales Pruebas de hipótesis Diagrama de Flujo del proceso X's vitales No ¿Causa Raíz? Si Causas raíz validadas VII. Seis Sigma – Fase de control Objetivos: Mantener las mejoras por medio de control estadístico de procesos, Poka Yokes y trabajo estandarizado Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo Salidas: Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de resultados, lecciones aprendidas y recomendaciones Página 91 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Prevención de la reincidencia Controles automáticos Ayudas visuales / Poka Yokes Procedimientos de operación estándar Especificaciones Capacitación Página 92 de 97 SEIS SIGMA – CHAMPIONS CONTROLES AUTOMATICOS P. Reyes / mayo 2008 AYUDAS VISUALES POKA - YOKE PROCEDIMIENTOS DE OPERACIÓN ESTANDAR ESPECIFICACIONES Las 5 S’s para ahorro de espacio y tiempo Serie, Seiton, Seiso, Seiketsu, Shitsuke Seiri = Organización o Deshacerse de todo lo innecesario del área de trabajo, si hay duda usar Tarjetas Rojas, ahorrar espacio Seiton = Orden o Tener las cosas en el lugar o distribución correcta, visualmente bien distribuidas e identificadas, ahorrar tiempo de búsqueda. Contornos, pintura, colores. Seiso = Limpieza o Crear un espacio de trabajo impecable, ahorrar espacio y elevar la moral y la imagen Seiketsu = Estandarización o Establecer los procedimientos para mantener las tres S’s anteriores. Administración visual, usar colores claros, plantas, etc. o Shitsuke = Disciplina Crear disciplina (repetición de la práctica) ¿Qué es TPM? Mantenimiento productivo total (Total Productive Maintenance) Para la mejora continua de la operación del equipo y sistemas a través de las actividades de mantenimiento proactivo, incluye los mantenimientos: Preventivo, correctivo planeado, autónomo, predictivo, preventivo del mantenimiento y orientado a la confiabilidad (RCM) ¿Es costoso? Página 93 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Controles visuales Siempre que sea posible tratar de encontrar los sistemas visuales para mantener los cambios Ejemplos de controles visuales o Pegar métricas (diagramas de Pareto, semáforos, cartas de tendencia) o Contenedores de colores con código o Poner niveles min / máx. o Ubicación de materiales/ herramientas (5S) Los sistemas visuales hacen mucho más fácil determinar el camino correcto para hacer o identificar algo cuando algo está fuera de lugar. Tipos de controles visuales Información de seguridad y salud Identificación de personas, lugares y cosas Procedimientos de trabajo y métodos Estándares de Calidad, instrucciones, resultados Visibilidad del status Visibilidad del problema Programación Comunicación Ejemplos de controles visuales Pizarrones Luces de status Señales de inventario Contenedores Retornables Pizarrones con métricas Página 94 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Poka Yokes – Tipos Poka – Yokes son dispositivos o métodos que hacen un proceso “A prueba de error” o “A prueba de equivocaciones”, principalmente ante errores humanos DISPOSITIVOS DE PREVENCIÓN & DISPOSITIVOS DE DETECCIÓN Ejemplo de horno de microondas DETECCIÓN La computadora suena cuando se introduce un comando no válido pero no evita que el usuario ejecute un comando erróneo PREVENCIÓN La computadora no permite que se introduzcan ciertos caracteres en campos específicos (v. gr. No números) Procedimientos, documentación y capacitación Procedimientos Los Procedimientos deben ser escrito para documentar los procesos cambiados y deben ser: o Fáciles de entender Considere a la audiencia o Visuales “Una imagen es mejor que mil palabras” o Completo (No se salte pasos) No asuma o de por obvio nada o Revisado por otros para su claridad ¿Es correcto reproducir el proceso ( repetido por varias personas)? Página 95 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Capacitación La capacitación debe ser siempre parte del proyecto Cuando vaya a capacitar considere: o ¿los capacitados pueden demostrar el proceso correcto? o ¿No asuma que todo mundo entiende a la primera? Monitoreo del proceso Cartas de control Se usan frecuentemente como herramienta de control Muestran la historia de cómo se desempeña el proceso, es claro ver cuando algo cambia Establece las expectativas de desempeño del proceso Herramienta útil para la toma de decisiones de los operadores o Ajustes en el proceso o Problemas de Material o Problemas de maquinaria Guía para OLPC Ejemplos de aplicación de DMAIC en CFE Reducción del TIUT (DMAIC) Reducción de tiempo de conexión (DMAIC) Mejora de la seguridad operativa (DFSS) Reducción del factor de potencia (DMAIC) Reducción de errores de facturación (DMAIC) Mejora de la compactación presas (DMAIC) Reducción de tiempo de mantenimiento en turbinas de gas (DMAIC) Reducción de inventarios en almacenes (DMAIC) Lecciones aprendidas Es uno de los últimos pasos en el análisis post mortem (también llamado lecciones aprendidas, evaluación post proyecto). Es una revisión formal y crítica documentada realizada por un comité de personal calificado, se incluyen todas las fases del desarrollo del proyecto Página 96 de 97 SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 VII. Diseño para Seis Sigma Metodologías Seis Sigma DMAIC para producción de productos y servicios DMAIC transaccional para servicios LEAN SIGMA para reducir tiempo de ciclo y variabilidad DFSS (DMADV) – Diseño para Seis Sigma para innovaciones y nuevos productos Diseño para Seis Sigma - modelo DFSS (DMADV) Definir: metas del proyecto y necesidades del cliente Medir: medir necesidades del cliente y especificaciones Analizar: Determinar las alternativas de diseño del producto o servicio Diseñar: Desarrollar el diseño detallado para cumplir con los requerimientos del cliente Verificar: Validar y verificar el diseño Página 97 de 97