Seis Sigma Champions Gen

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