Upload
rocio-vanessa-huaman
View
14
Download
0
Embed Size (px)
DESCRIPTION
Six sigma
Citation preview
Elaborado por:
MBA Alejandro Gallegos Chocce
MEJORA CONTINUA DE PROCESOS:
SIX SIGMA
AGENDA
1. Introduccin al Seis Sigma
2. Proyectos Seis Sigma
3. Metodologa Seis Sigma
4. Fase I: Definir y Medir
5. Fase II: Analizar
6. Fase III: Implementar mejoras
7. Fase IV: Controlar
1. Introduccin al Seis Sigma
1.1 Qu es Seis Sigma?
1.2 Calidad Seis Sigma
1.3 Desarrollo de Seis Sigma
1.4 Principios de Seis Sigma
1.5 Seis Sigma e ISO 9001
Qu es Seis Sigma ?
Es un sistema empresarial para lograr y mantener el xito por medio de la
orientacin al cliente, la gestin por procesos, as como la utilizacin de los
hechos y de los datos.
1.1
Mide el desempeo de un proceso
en cuanto a su nivel de productos o
servicios fuera de especificacinComo Mtrica
Como Filosofa
Como Meta
Mejoramiento continuo de procesos
Tener procesos de clase mundial,
no producir servicios o productos
defectuosos (3.4 pmo)
Calidad Seis Sigma 1.2
Ejemplo: El tiempo que un cliente esta dispuesto esperar por una pizza
esta entre 23 y 32 minutos
Tiempo (minutos)
LI
23 min.
LS
32 min.
LI
23 min.
LS
32 min.Distribucin
Alta
probabilidad
error
Alta
probabilidad
de error
Baja
probabilidad
de error
Baja
probabilidad
de error
1.3
La mayor cantidad de proyectos Seis Sigma se destinan a reas funcionales de
operaciones o manufactura, seguidas con bastantes menos proyectos en las
reas administrativas y de servicios al cliente, quedando en cuarto lugar el
sector de logstica y distribucin
Calidad Seis Sigma
La unidad de medida sern los metros de tela
de punto que produce la fbrica en un mes.
Las oportunidades por defectos son los
defectos que se pueden producir en un metro
de tela.
CALCULADORA SIGMA
Caracterstica en estudio: Metros de Tela Punto
# de unidades 404821
Oportunidades de defectos por unidad 4
Defectos 14109
DPU 0.034852441
DPMO 8,713
SIGMA 3.88
Cdigo Defecto
1 Mezcla de lotes de algodn (Barrado)
2 Irregularidad de hilo
3 Contaminacin de polipropileno (polys)
4 Contaminacin de cascarilla
5 Contaminacin fibra muerta
7 Rotura de lycra
8 Agujeros menores a 1 cm
9 Cadas de tejido
10 Fugas de punto
11 Falta de aguja (desagujado)
12 Flotantes sueltos
13 Pata de gallo ( aguja forzada)
14 Manchas lineales de aceite
15 Manchas en gotas de aceite
16 Barras verticales de agujas o platinas
17 Anillos por diferencia tensin
18 Tramos o anillos de hilo roto
19 Anillado por mezcla de lotes de hilo (UV)
20 Anillado por mezcla de ttulos
21 Diseo o rapport equivocado
22 LM fuera de Std
23 Hilo veteado
24 Contaminacin de pelusa hilo color
25 Escape de lycra
26 Marca de doblez
27 Manchas de grasa
28 Cordones hilo doble
30 Fuera de Tono
32 Mancha de Suciedad
33 Oxido Metlico
1.3 Calidad Seis Sigma
Autentica orientacin al cliente, satisfacer al
cliente es la prioridad nmero uno.
Principios de Seis Sigma1.4
Primer
principio
Todo debe y puede ser mejorado alineado
con los objetivos de la organizacin.
Segundo
principio
Objetivos
Las decisiones deben basarse en hechos, datos
estadsticos, pues lo nico constante en los procesos es
la variacin.
Se debe evitar el ...Yo creo que... o ...Yo piensoque...
1.4
Tercero
principio
Principios de Seis Sigma
Al mejorar se debe mirar el proceso
completo (Pensamiento Sistemtico),
pues optimizar un subproceso nos puede
llevar a suboptimizar el proceso global.
1.4
Cuarto
principio
C
L
I
E
N
T
E
C
L
I
E
N
T
E
Proceso A Proceso CProceso B
Sub
proceso a
Sub
proceso c
Sub
proceso b
Procesos de la Organizacin
Principios de Seis Sigma
Las causas de los problemas deben ser
eliminadas en su raz para prevenir que
vuelvan a aparecer y as poder hacer bien
las cosas desde la primera vez.
1.4
Quinto
principio
Causa 1
PROBLEMA
Sntoma 1
Sntoma 2
Sntoma n
Causa 2
Causa n
Principios de Seis Sigma
Cada vez que un proceso es mejorado
debe garantizarse que los resultados se
mantengan en el tiempo.
1.4
Sexto
principio
Principios de Seis Sigma
El recurso humano es el capital
fundamental de la empresa.
1.4
Stimo
principio
Todos los miembros de la empresa deben ser lderes, maestros
y modelos en la prctica de los principios.
Principios de Seis Sigma
Seis Sigma e ISO 90011.5
Seis Sigma como
Sistema de Gestin
de Calidad
Sistema de Gestin de
Calidad segn la
Norma ISO 9001
Equivalentes
Seis Sigma como
proyecto de mejora
Sistema de Gestin
de Calidad segn la
Norma ISO 9001
Complemento
Mejora continua Mejora continua
CLICO DE DEMING
2. Proyectos Seis Sigma
2.1 Requisitos para un Proyecto Seis Sigma
2.2 Criterios de seleccin
2.3 Equipo Seis Sigma
2.4 Seleccin del Equipo
Alineado con la estrategiadel negocio. Tiene una
meta clara.
Existen datos histricos, opueden ser obtenidos.
Mide el rendimiento delproceso, mediciones
financieras para el
negocio e impacto en el
cliente.
Puede ser hecha por unequipo de Trabajo.
Cumple con lasexpectativas de tiempo
establecidas por la
gerencia.
Beneficia
Negocio
Apoyo de
Administracin
Cuantificable
Alineado con
la Visin del
Negocio
Requisitos para un proyecto2.1
ESFUERZO
FOCALIZADO
Criterios de seleccin2.2
Equipo Seis Sigma2.3
Controler
Onwer
CHAMPIONS:
Conformado generalmente por la alta gerencia. Son quienes seleccionan los
proyectos y supervisa su funcionamiento. Participan en la eleccin de BB y GB.
2.3 Equipo Seis Sigma
MASTER BLACK BELT:
Son los responsables del entrenamiento de BB. Son especialistas en la Metodologa y
certifican BB. Lideran proyectos de mucha complejidad organizacional. Remueven las
barreras que impiden avances de proyectos.
CONTROLLER:
Es el responsable de dar el visto bueno cada vez que haya algn tipo de evaluacin
financiera y cuantifica los beneficios obtenidos.
BLACK BELT:
Son los especialistas en la aplicacin metodologa. Lideran proyectos Seis Sigma. Su
rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y
esfuerzos de los miembros del equipo. Dan soporte a los GB. La interaccin con el
dueo del proceso continua despus de terminado el proyecto.
2.3 Equipo Seis Sigma
GREEN BELT:
Son miembros del equipo de proyecto que conocen las herramientas bsicas de la
metodologa. Son interdisciplinarios y multifuncionales. Estn preparados para
participar o liderar proyectos Seis Sigma.
OWNER:
Son los lderes de las reas en las que se van a desarrollar proyectos Seis Sigma.
Es el socio estratgico del BB, para alcanzar la meta. Es el responsable de mantener y
superar los estndares alcanzados despus de finalizados los proyectos.
2.4 Seleccin de equipo Seis Sigma
TEST: Inventario de Utilizacin de Energas
Se utiliza para indicar que atributos emplea una persona en su
relacin con los dems bajo dos tipos de condiciones: Cuando
todo marcha bien y cuando se enfrenta con un conflicto.
3. Metodologa Seis Sigma
3.1 DMAMC y el PHVA
3.2 Diagrama Metodolgico
3.1 DMAMC y el PHVA
1.- Definir el Problema, definir objetivos
2.- Definir y Describir el proceso
5.- Determinar las causas del problema
8.- Validar Mejora
9- Controlar y dar seguimiento al proceso
4.- Evaluar Capacidad del proceso
3.- Evaluar Sistema de medicin
7.- Optimizar y robustecer
10.- Mejorar continuamente
Planear
Hacer
Verificar
Actuar
6.- Determinar variables significativas
DM
A
I
C
Definicin
del
proyecto
Medicin del
desempeo
del proceso
Anlisis
del
proceso
Implementacin de
mejoras o
transformacin del
proceso
Control y aseguramiento
del desempeo alcanzado
Managemt
Team
Equipo Six Sigma + Dueo Proceso con el apoyo del Sponsor
y la gua del Master Black Belt / Black Belt
Dueo de
Proceso
Ruta Metodolgica3.2
Diagrama Metodolgico3.2
Definir el Problema,
definir objetivos
Definir y Describir el
proceso
Determinar variables
significativas
Validar Mejora
Controlar proceso
Proce
so
Estable
?
Optimizar y
robustecer
Mejorar
continuamente
Proce
so
Capaz?
SI
Eliminar
causas
especialesNO
NO
Si
Determinar las
causas del problema
4. Fase I: Definir y Medir
4.1 Definir el problema: CTQ y FQD
4.2 Definir y describir el proceso
4.3 Evaluar Capacidad del proceso
Y (KPOV)
X (KPIV)
CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hiptesis
Correlacin
Regresin
FMEA, Lean, Plan de
Mejoras
SPC
5 Ss
Poka Yoke
XKey Process Input Variables
(KPIV)Variable clave del proceso
YKey Process Ouptput Variables
(KPOV) Problema
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
Definir Problema4.1
IdeasInformacin
IncompletaCreencias
Situacin problemtica inespecfica
Identificacin de los clientes, CTQ, VOC
Diagrama de Pareto
Histogramas, etc.
PROBLEMA DEFINIDO
Objetivos definidos
Alcance del proyecto definido
Definir Problema4.1
CTQ
VOC
CTQ (Critical to Quality). Son los atributos a
factores crticos para la calidad de un producto o
servicio que influyen en la decisin de compra por
parte del cliente.
VOC (Voice of Client). Es la voz del cliente que se
obtiene por dos medios:
Sistemas proactivos: Quejas del consumidor,
llamadas telefnicas, devoluciones de productos,
etc.
Sistemas Reactivos: Observacin del cliente,
encuestas, entrevistas, etc.
(8, 90%)
0
75
100
10Importancia para el cliente
Ins
ati
sfa
cc
in
de
l c
lie
nte
Muy Importante y
poca satisfaccin
CTQInsatisfaccin
(Escala: 1-100)
Tiempo de entrega 90
Sabor de la Pizza 60
Cantidad de Ingredientes 65
Ingredientes correctos 50
Cortesa del repartidor 51
CTQImportancia
(Escala: 1-10)
Tiempo de entrega 8
Sabor de la Pizza 7
Cantidad de Ingredientes 7
Ingredientes correctos 10
Cortesa del repartidor 5
4.1 Definir Problema: Clasificar CTQ
Ejemplo Fastpizzas
Definir Problema4.1
Definir Problema4.1
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Maana Fines de Semana Feriados Noche
Ejemplo Fastpizzas
Definir Problema4.1
Hoja de Vida del Proyecto
ALCANCEQuejas de los clientes por tiempo de entrega
inaceptable.
OBJETIVODisminuir en 50% las quejas por tiempo de
entrega en el Turno de la maana.
AHORRO
-Disminucin de las llamadas en el
Call CenterS/.165,000
-Disminucin de las perdidas de
clientesUS$51,080
Definir Problema: Enfoque CAD 20104.1
Establece que el sector pblico puede establecer mejoras continuas de la
gestin orientndolas a la ciudadana. Este enfoque supone pasar de una
visin basada en la ley y en el poder monoplico del estado, para centrar
la atencin en los atributos de servici brindado al ciudadano,
independiente del servicio que brinda y el nivel del gobierno
Definir Problema: Enfoque CAD 20104.1
Definir Problema: Enfoque CAD 20104.1
Segn el estudio denominado
Ranking CAD 2010.
En el mbito de los organismos
pblicos con sede en Lima, destaca
en la lista el Banco de la Nacin,
donde el 100% de los encuestados
considera que siempre se les brinda
a los ciudadanos un trato que
respeta el principio de igualdad.
En el extremo inferior se encuentra
Promper con tan solo 13% de
ciudadanos que considera que recibe
un trato igualitario en esta entidad.
Definir Problema: Enfoque CAD 20104.1
Definir y describir el proceso4.2
Mapa de procesos de
la organizacin
Mapa de un conjunto
de procesos
Mapa del Proceso de
Anlisis para el
proyecto
Definir y describir el proceso4.2
40
4.2
Definir y describir el proceso4.2
Cada proceso principalest organizado por Sub
categoras de los
procesos.
Los atributos de losprocesos son listados por
cada rea y descrita,
sugiriendo un mnimo de
estndares de procesos y
una mejor practica
C, N y E son Entradas al
proceso
S son Salidas
E1
INICION1 C1
C2
E2 X3
E3
N2
E4C3
E5
FIN
S1
S2
Definir y describir el proceso
Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -
Clientes
4.2
Definir y describir el proceso
C ENTRADA CONTROLABLE Aquella que puede ser controlada
N ENTRADA RUIDOSAEs impredecibles, altera el proceso.No es controlable por el
momento.
E ENTRADA EXPERIMENTALAquella que puede ser estudiada bajo diversos parmetros
para ver su comportamiento en el proceso.
S SALIDA
Segn donde impactan se suelen clasificar en :
CTQ: Criticas para la calidad
CTD: Criticas para la Entrega
CTC: Criticas para el Costo.
Variables de Ruido o no
controlables (N)
Variables experimentales (E)
PROCESO Caractersticas de
calidad (Y)
Variables
Controlables
N1 N2 N3
S1 , S2C1
C2
E1 E2 E3 E4
Y = f ( X1,X2,....Xn)
Entiende las X (KPIV) ycontrolars las Y (KPOV)
X(KPIV)
Y(KPOV)
4.2
INICIO
FIN
VA
VA
VA
VA
VA
VANA
NA
VAOperacin con Valor
agregado
Valor agregado son las caractersticas dadas a aquella
operaciones indispensables por las cuales el cliente esta
dispuesto a pagar
NAOperacin de no Valor
agregadoNo generan valor (pero si generan costos)
Definir y describir el proceso4.2
Definir y describir el proceso
Eliminar la fabrica oculta
4.2
INICIO
FIN
INFO
INFO
INFO
INFO Etapas donde se registran datos del proceso
Definir y describir el proceso4.2
Definir y describir el proceso
Funcin
del
proceso
(paso)
Mtodos de falla
potenciales
(defectos de
proceso)
Efectos de falla
potenciales
(KPOVs)
Causas
potenciales
de falla
(KPIVs)
Controles de
proceso
actuales
S
E
V
O
C
C
D
E
T
N
P
R
1
2
3
4
5
6
7
8
9
10
Se hace una
Simple descripcin
Del proceso
Forma como el
proceso podra
no cumplir con
las especificaciones
Efecto que
puede tener
el defecto
en el cliente
Razn por la
cual ocurre la
falla
Controles
que detectan
o previenen
la falla si es
que ocurre
Severidad Ocurrencia Deteccin
NPR = SEV * OCC * DET
Nivel de prioridad de riesgo
Formato de Matriz FEMEA
4.2
NPR = SEV * OCC * DET
Donde:
NPR : Nmero de probabilidad de riesgo o de prioridad de riesgo.
EI NPR es la multiplicacin de la severidad de la falla, la ocurrencia de esta y
su posible deteccin. Este ser mejor en tanto sea menor.
SEV : Severidad.
Es el impacto de mayor o menor intensidad en que la falla de un proceso
puede repercutir en el cliente (interno o externo) y su comportamiento
respecto a nuestros servicios.
OCC : Ocurrencia
Frecuencia en la que puede ocurrir una falla.
DET : Deteccin
Posibilidad de identificar la falla en algn momento durante el proceso.
Definir y describir el proceso
Matriz FEMEA
4.2
Evaluar Capacidad del proceso4.3
Capacidad
Habilidad basada en
rendimiento demostrado,
de un proceso, en
satisfacer los
requerimientos del cliente.
Capacidad Medida
Capacidad del proceso
cuantificada, de datos que
son resultado de
mediciones de trabajo
realizado por el proceso.
Evaluar Capacidad del proceso
Para analizar si un indicador es capaz de cumplir con las especificaciones,
se suele utilizar el ndice de capacidad
Diremos que un indicador es capaz de cumplir con las especificaciones
cuando su dispersin es menor que la distancia entre especificaciones.
Cp < 1 INCAPAZ
1 < Cp < 1.33 APENAS CAPAZ
1.33 < Cp < 2 CAPAZ
Cp > 2 MUY CAPAZ
Cp = 2Cp = 1
Cp =LSE - LIE
6
4.3
CENTRAMIENTO (Cpk)
No solo interesa ver si el indicador puede cumplir con las
especificaciones, nos interesa saber si este centrado respecto a las
mismas.
Para analizar esto, existe el ndice de centramiento denominado Cpk que
mide la menor distancia del promedio de los datos a las especificaciones
comparada contra el ancho de media distribucin.
LSE - X X - LIECpk = Min
Especificacin
Promedio
de los datos
3 3,
3 3
Evaluar Capacidad del proceso4.3
ISHIKAWA
FEMEAENTRADAS DEL
PROCESO
PRUEBA DE
HIPOTESIS
VARIABLES SIGNIFICATIVAS
CAPACIDAD DEL
PROCESO
X
1
INICIO N1 C
1
C
2
X2X
3
X
3
N2
X
4C3
X5
FIN
Y
1
Y
2
Prximos pasos
5. Fase II: Analizar
5.1 Determinar las causas del problema
5.2 Variables Discretas y Continuas
5.3 Prueba hiptesis
5.4 Procedimiento de prueba hiptesis
5.5 Ejemplos
Y (KPOV)
X (KPIV)
CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hiptesis
Correlacin
Regresin
SPC
5 Ss
Poka Yoke
XKey Process Input Variables
(KPIV)variable claves del proceso
YKey Process Ouptput Variables
(KPOV)
variables clave de salida del
proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
FMEA, Lean, Plan de
Mejoras
% de
Pedidos
entregado
s fuera
plazo.
Falta de toma
de conciencia.
Personal in
suficiente
Falta de
supervisin
Falta de
medicin de
capacidad de
produccin.
Falta de materia
prima a tiempo.
Infraestructura
limitada. Falta de
mantenimiento
a maquinaria.
Medicin MaterialMano de
obra
Maquinaria
Falta de
recursos para
compra de
materiales.
Lneas de
informacin
deficientes.
Falta de
capacitacin
a personal.
Tiempo de entrega
de cotizacin
demasiado largo.
% Incumplimiento
de programacin
No hay
presupuestoCarga
de
Trabajo
No hay
turnos
No hay
Mantenimiento
Preventivo
No hay
presupuesto
No hay R%R
No hay
presupuesto
Tiempo de entrega
de planos a
produccin alto
Carga de
trabajo
Comercial
Carga de
trabajo
Produccin
Determinar las causas5.1
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro
poblewma (Y o KPOV), usaremos el Diagrama Causa Efecto, o Ishikawa. Si las causasvienen de los KPIV, se deben sealar si son E,C,N
Posteriormente se validaran cuales
causas son definitivamente las que
son las responsables del Problema
Se ha visto que la KPIV, puede impactar en las KPOV:
Matriz Causa-Efecto
Nmero de Contratos
Conocimientos norma de crditos
Numero de Analistas
Tiempo de entrega de Contratos
Tiempo de Calificacin
% de crditos rechazados
Costo Evaluacin.
X Yafecta
Ejemplos:
Para mejorar el proceso, se debe identificar cules son las X que ms
afectan a las Y para determinar cules deben ser atacadas.
Determinar las causas5.1
5.2 Variables Discretas y Continuas
tienen un nmero fijo de valores
Ejemplos: estado civil, tipo
sanguneo, nmero de nios
Datos
Discretos
tienen un nmero infinito de valores
Ejemplos: estatura, peso,
temperatura
Datos
Continuos
Para conocer si un factor ( X: KPIV ) influye sobre nuestro
indicador ( Y: KPOV ) del proceso; se suele variar este
factor de manera de ver si su variacin afecta al indicador.
La manera de ver esta variacin es a travs de las
pruebas de hiptesis que nos permitirn concluir si el factor
en estudio afecta significativamente al indicador.
PRUEBA DE HIPOTESIS
Prueba Hiptesis5.3
Errores posibles al evaluar una hiptesis
Verdad de H0
V
(no hay diferencia)
F
(si hay diferencia)
Decisin correcta
1 -
(nivel de significan
ca)
Error tipo 1
Error tipo 2
Decisin correcta
1
(poder la prueba)
F V
Aceptar H0
(no hay
diferencia)
Aceptar Ha
(si hay
diferencia)
P(Error Tipo) =
:Probabilidad de
encontrar una
diferencia cundo
esta no existe.
= 0.01, 0.05
P(Error Tipo2) =
: Probabilidad de no
encontrar una
diferencia cuando
esta si existe.
Verdad de Ha
Prueba Hiptesis5.3
Ho : El factor no gener diferencias Antes Vs Despus (X no afecta Y)
Ha : El factor si gener diferencias Antes Vs Despus (X si afecta Y)
RECORDANDO
Si p val > 0.05 ( ) NO se rechaza H0
VOCABULARIO
Conclusin Robusta:
Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en
0.05)
Conclusin Dbil:
Aceptar H0 sin conocer el valor de . En estos casos se suele decir No puederechazarse H0
Potencia de una prueba estadstica:
Es la probabilidad de rechazar correctamente una H0
Potencia = 1 -
Prueba Hiptesis5.3
Prueba Hiptesis5.3
TIPO LOTE
HUEV
OS I
NCUBA
DO
S
VIEJOJOVENADULTO
16000
14000
12000
10000
8000
6000
4000
2000
0
Boxplot of HUEVOS INCUBADOS by TIPO LOTE
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --------+---------+---------+---------+-
ADULTO 52 6158 3863 (----*----)
JOVEN 17 9055 4226 (--------*--------)
VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
ANOVA
F- TEST
F es un ratio estadstico que compara la
variacin entre factores con la variacin dentro
de los factores.
Cuando las medidas de los grupos o factores
son similares F esta cerca de 1.
Prueba Hiptesis: Interpretar Siglas5.3
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --------+---------+---------+---------+-
ADULTO 52 6158 3863 (----*----)
JOVEN 17 9055 4226 (--------*--------)
VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
P-VALUE
Un p-value < 0.05 indica una diferencia
significativa entre niveles de factores.
Por lo menos un grupo es diferente. Se rechaza
la hiptesis de que todos los promedios son
iguales.
COEFICIENTE DETERMINACION
Una medida relativa de la variabilidad es el coeficiente R
: SS factor / SS total.
Se denomina coeficiente de determinacin, este estar
entre cero y uno.
Queda claro que cuanto ms prximo est de uno. Ms
variabilidad explica el modelo.
-1 r < 0
Correlacin Negativa
r = 0
No hay Correlacin
0 < r 1
Correlacin Positiva
Correlacin
Es la Fuerza de Asociacin entre 2 Variables. Se mide con el Coeficiente de Pearson (r)
-1 r 1
Cunto ms cercano est el coeficiente de Correlacin de Pearson
a 1 o 1; mayor probabilidad de Correlacin
Prueba Hiptesis5.3
Precauciones: Dado que no estamos modificando el proceso ( variando x) y midiendo su
efecto ( en Y) : encontrar que hay correlacin no siempre significa que al variar X, variarY (Causa Efecto). Solo debemos usar correlacin cuando hay una persuasin razonableque X podra afectar Y
PROCESOIndicador (Y)
Variables
Experimentales
Y1 , Y2
X1 X2 X3 X4Y = f ( X1,X2,....Xn)
Con la regresin se determina el Modelo Matemtico que relacione las
Variables X con Y.
Estas Xi, son la
que se han
obtenido
despus de:
Prueba de
Hiptesis.
Correlacin.
LOS MODELOS MATEMATICOS PUEDEN SER
Y = 0 + 1 X LINEAL
Y = 0 + 1X + 2X2 CUADRTICO
Y = 0 + 1X + 2X2 + 3X3 CBICO
Y = 0 + 1X1 + 2X2+... + nXn) LINEAL
MLTIPLE
Regresin
Prueba Hiptesis5.3
FLUJOGRAMA PRUEBA HIPTESIS
Inicio
Ubicar las variables importantes
( Fase 1 )
Seleccionar la
prueba de hiptesis
a usar
Variar el factor de
manera de tener 2
Situaciones :
AntesDespus
Recopilar data
Aplicar la prueba
de hiptesis
H0 no hay variacin antes vs despus
Ha si hay variacin antes vs despus
p val > 0.05
1Factor si afecta
Fin
Si
NoRechazo H0
1
Factor no afecta
Acepto H0
Procedimiento de pruebas5.4
X Y
cantidad pedido
devueltos semanal
Qu tipo de
prueba?
X1= Zona Geografica 2030
.
.
.
10
20
40
.
.
.
30
30
50
.
.
.
20
X1= Discreta, tiene 10
valores (menos de 30)
Y= continua
Por lo tanto se utiliza la
Prueba de Anova para
probar la significancia de
X en Y.
Nota: no se utiliza T1 ni
T2 porque son ms de 1
y 2 muestras
respectivamente.
48 datos (48 semanas)
48 datos (48 semanas)
48 datos (48 semanas)
Zona 1
Zona 2
.
.
.
.
.
Zona 10
Ejemplos: EMPRESA COURIER EL RAPIDO 5.5
X2= Repartidores
Repartidor 1
Repartidor 2
.
.
.
.
.
.
.
.
Repartidor 50
X2= inicialmente es
discreta, pero por tener
ms de 30 valores se
le considera continua.
Y= continua
Por lo tanto se utiliza la
Prueba de Regresion.
X Y
cantidad pedido
devueltos semanal
Qu tipo de
prueba?
20
30
.
.
.
10
20
40
.
.
.
30
30
50
.
.
.
20
48 datos (48 semanas)
48 datos (48 semanas)
48 datos (48 semanas)
Ejemplos: EMPRESA COURIER EL RAPIDO 5.5
X3= El repartidor usa
Guia ?
Si
No
50
10
.
.
.
20
10
20
.
.
.
30
X3= Discreta
Y= Continua
Por lo tanto se utiliza la
Prueba T2 para probar
la significancia de X en
Y
Nota: no Anova porque
solo son 2 muestras.
X Y
cantidad pedido
devueltos semanal
Qu tipo de
prueba?
5.5Ejemplos: EMPRESA COURIER EL RAPIDO
6. Fase III: Implementar
6.1 Anlisis de riesgo: Matriz FMEA.
6.2 DOE: Diseo de Experimentos
6.3 Plan de Mejora
Y (KPOV)
X (KPIV)
CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hiptesis
Correlacin
Regresin
SPC
5 Ss
Poka Yoke
XKey Process Input Variables
(KPIV)variable claves del proceso
YKey Process Ouptput Variables
(KPOV)
variables clave de salida del
proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
FMEA, Lean, Plan de
Mejoras
PROCESO FMEA
Elabora FMEA preliminar.
Discusin para definir NPR.
Plan de Accin de mejora de los
NPR.
Ejecucin del Plan.
Evaluacin de Resultados.
Emisin del FMEA definitivo.
OK
NO
SI
F
A
S
E
I
F
A
S
E
II
Anlisis de riesgo: Matriz FMEA.6.1
Se vuelve usar la matriz FMEA mostrado
anteriormente.
En esta parte se establecen las posibles
soluciones para aquellas actividades que
tienen un NPR alto.
Acciones
Recomen
dadas
Persona
responsab
le & Fecha
Objeto
Acciones
Tomadas
S
E
V
O
C
C
D
E
T
N
P
R
Las acciones
recomendadas
que son llevadas
A cabo.
El responsable
de llevar acabo
la accin (es)
El NPR despus
de haber tomado
las accin (es). El
cual se supone
debe ser menorSon las acciones
orientadas a seguir
para las causas con
NPR alto, destinadas
mejorar la deteccin
de la causa o disminuir
la frecuencia de
ocurrencia de las fallas
Anlisis de riesgo: Matriz FMEA.6.1
Es una estrategia experimental estructurada que permite la
evaluacin de mltiples variables de proceso en cuanto a su
capacidad para influir sobre las caractersticas de un producto o
proceso.
Determinar que factores son importantes.
Establecer la estabilidad del proceso.
Encontrar el mejor conjunto de condiciones de operacin.
DOE6.2
Introduccin al DOE
DOE
Por Ejemplo: 3 factores cada uno con 2 niveles:
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8
Donde:
3 = Factor = K = variables (KPVI) X1, X2, X3
2 = Nivel = Es la cantidad de valores que toma cada factor
3
2
K
2
6.2
Diseo Factorial Completo con 2 niveles
DOE
Diseo Factoriales Fraccionados
Son diseos donde se elige adecuadamente una parte o fraccin de los
tratamientos de un factorial completo, con la intencin de poder
estudiar el efecto de los factores utilizando menos corridas
experimentales, debido a que es imposible en la practica correr todos
los tratamientos.
La teora de los diseos factoriales fraccionados se basa en la
jerarquizacin de los efectos: Son ms importantes los efectos
principales, seguidos por la interacciones dobles, luego las triples, las
cudruples , etc.
K - p
2Nmero de generadores
del diseo
Nmero de factores (K)
Nmero niveles (2)
6.2
Accin
1. Plantear el problema a
resolver y objetivo que se
requiere alcanzar
2. Identificar los factores y sus
niveles.
3. Cree la hoja de toma de datos
para el experimento
STAT / DOE / FACTORIALS /
CREATE FACTORIAL /
DESIGNS
El problema es aumentar/disminuir.....
Y = Nombre del indicador
Nivel Bajo
(-)
Nivel alto
(+)
X1 : Nombre del factor
X2 : Nombre del factor
X3 : Nombre del factor
Minitab
2 Level Factorial
Number Of. Factors
DESGNIS Full factorial
Center points=
# Replicates=
FACTORS En la columna Name ponerle el
nombre del factor
OPTIONS . Do not fold
Randomize Runs
Store Design on Worksh
Summary table, alias table
Default interactionsRESULTS
Procedimiento DOE6.2
4. Determine el tamao
apropiado de la muestra.
5. Realice el experimento
siguiendo la hoja de datos
obtenidas.
6. Analice los datos
obtenidos
Sta t/ DOE / ACTORIALS
Analyze Factorial Design
RESPONSES Poner el indicador
TERMS Seleccionar todos los factores
y pasarlos a Selected Terma
GRAPHS
Normal
Paretto
Alpha = 0.1
Residual for plots : Regular
Coefficients and ANOVA table
Fits (Desmarcar)
Residuals (Desmarcar)
RESULTS
STORAGE
Nota:
1. Si se ha usado 2 o mas replicas Minitab arroja p-vales asociados a
cada factor e interacciones; los cuales deben ser usados para
probar hiptesis:
H0: El efecto del factor no es importante sobre Y
Ha: El efecto del factor si es importante sobre Y
Si p-val>0.05
Acepto H0
Accin Minitab
Procedimiento DOE6.2
ID Acciones de MejoraTipo de
MejoraResponsable
Fecha de
Compromiso
% de
AvanceObservaciones
1
Desarrollo de una Base de Datos
donde se regist ra las altas por dslam
saturados
Corto plazo Veronica Avila 15 de Abril 50%
Problemas para ident if icar la
correspondencia de los nmeros
a los DSLAM por falta de
et iquetas y creacin de nuevos
perf iles
2
Desarrollo de la BD que controle la
capacidad disponible de Tx por
DSLAM's
Largo Plazo Ernesto Saravia Por def inir Por def inir
Se requiere la part icipacin de
la Subgerencia de Tx y el
conocimiento del Aplicat ivo
Asig2000.
3Desarrollo de un sistema que realice
la previsin de t raf ico por DSLAMsMediano Plazo Veronica Avila Por def inir Por def inir
Se requiere la part icipacin de
GSI
4
Solicitar a GSI, el desarrollo de una
rut ina que permita que los campos :
In Real y Fin. Real se han obligatorios
cuando se cambia el status del
proyecto
Corto plazo Walter la Matta Por def inir Por def inir
Se requiere establecer un
requerimiento, y el posible
costeo de esta nueva rut ina
5
Elaboracin de un procedimiento para
la ampliacin de los enlaces en la Red
Speedy que abarca desde la
deteccin de su sobrecarga hasta su
ampliacin.
Largo Plazo Ernesto Saravia Por def inir 15%
Se requiere la part icipacin de
las Gerencia de Desarrollo y
Planif icacin
6
Desarrollo de una Base de Datos que
regist ra las fechas de denuncias de
los sobrecargas hasta su ampliacin,
con la f inalidad de realizar el
seguimiento de las ampliaciones en
planta
Corto Plazo Veronica Avila 15 de Abril 25%
Se t iene la informacin hay que
armar la data a part ir del
presente ao 2005
Falta de un procedimiento para
realizar la ampliacin de los
enlaces en los DSLAM'S
Oportunidad de Mejora
Falta de un control de las altas en
DSLAM que presentan saturacin
Falta de un sistema que controle
las denuncias de sobrecarga hasta
su ampliacin en la Red
Falta de un sistema que controle
la capacidad disponible de Tx por
DSLAM's
Falta de previsin en el crecimiento
de t raf ico por cliente
No se regist ras las fechas de inicio
y culminacin de las Obras en el
Aplicat ivo SAP-Modulo Gest in de
Proyectos
Plan de Mejora6.3
7. Fase IV: Controlar
7.1 Objetivo
7.2 Mantenimiento de Resultados.
7.3 Control estadstico de procesos
7.4 POKA YOKE
7.5 Las 5 S
7.6 Fabrica visual
7.7 Acciones Finales
Y (KPOV)
X (KPIV)
CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hiptesis
Correlacin
Regresin
SPC
5 Ss
Poka Yoke
XKey Process Input Variables
(KPIV)variable claves del proceso
YKey Process Ouptput Variables
(KPOV)
variables clave de salida del
proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
FMEA, Lean, Plan de
Mejoras
Concluida las mejoras en las Y, se debe controlar la variable en el
tiempo para que no retorne a la situacin anterior.
Fin de
Proyecto
CONTROL
Antes de
la Mejora
MEJORAR
FASE POST
PROYECTO
Situacin No
Deseada
Y
Objetivo7.1
Es el listado con las acciones generales que cada proceso debe
seguir para garantizar, mantener el resultado del indicador.
Ejemplo:
PLAN DE CONTROL
Proceso:_______ Fecha:____
Responsable:_____
Accin Responsable Periodicidad
1Analizar indicador
2.Gage R & R
Normas y
procedimientos
4.Revisin
FMEA
5.Charla de Six
Sigma en 5 minutos
Supervisor 1
Supervisor 2
Gerente
Todos
Jefe
Diario
Mensual
Quincenal
Anual
Mensual
PLAN DEL CONTROL DEL PROCESO
Mantenimiento resultados7.2
Se debe elaborar un plan de Mantenimiento de Resultados este plan debe contener:
El mapa de proceso actualizado, con indicadores crticos en la entrada y salida (Yaestuvieron definidos en la primera etapa).
El tipo de control para cada indicador y las acciones de reaccin ante el descontrol.
Mantenimiento resultados7.2
Existen diferentes maneras de hacer el Control para los indicadores. Entre los
ms importantes, se menciona:
Control Estadstico de Procesos.
Sistema a Prueba de Errores (Poka Yoke).
Filosofa de 5 Ss y Gerenciamiento Visual.
Muestra el desempeo del Proceso.
Provee de un Lenguaje Comn para discutir el Proceso.
Permitir diferenciar Causas Comunes de Especiales.
Los componentes del CEP, son:
Cartas de Control.
Causas Especiales y Comunes.
LSC : Lmite Superior de Control
LIC : Lmite Inferior de Control
ZONA EN
CONTROL (BIEN)
ZONA PRUEBA
DE CONTROL
(MAL)
Control Estadstico de Procesos7.3
Controla la proporcin de piezas no conformes.No controla la cantidad
de no conformidades encontradas en la pieza.
CARTA P
n
dp
k
nnnn k
21
k
pppp k
21
pq 1
n
qppLIC
p3
n
qppLSC
p3
Control Estadstico de Procesos7.3
kcccc k
21
ccLICp
3
ccLSCp
3kccc 21
CARTA CControla el numero de no conformidades por unidad y slo es aplicada
cuando el nmero de elementos de las muestras recolectadas es
constante.
Es la cantidad de no conformidades
encontradas en cada muestra.
Control Estadstico de Procesos7.3
kXXXX k
21
kkXXXXXXXXR
1212121,,,,
R
RDLSCR 4
RDLICR 3
REXLSCX 2
REXLICX 2
CARTA X-R
Se utiliza cuando se trabaja con valores individuales del proceso.
La amplitud (R), en este caso, es la calculada para cada par sucesivo
de datos registrados en la carta entre el Xmax-Xmin.
Es la media de los R individuales calculados.
c
Control Estadstico de Procesos7.3
Los defectos tienes su causa raz en errores
La manera tradicional de evitar que lleguen defectos al cliente es
inspeccionar al 100% todo o parte de los servicios brindados. Pero esto es
muy costoso e ineficiente.
Se debe construir Calidad desde la fuente incorporada mecanismos que
prevengan los errores desde el principio
Mecanismos a Prueba De Errores : POKA YOKE
POKA YOKE7.4
Defecto
Olvido
Desconocimiento
De identificacin
Inexperiencia
Voluntarios
Inadvertidos
Lentitud
Falta de estndares
Errores Sorpresa
Intencionales
1
2
3
4
5
6
7
8
9
10
Errores
POKA YOKE7.4
Casi todos los
defectos estn
causados por
errores humanos.
Sin embargo hay
como mnimo 10
clases de errores
Los errores Humanos usualmente lo son por inadvertencia.
POKA YOKE7.4
Los errores inadvertidos incrementan
el trabajo
Yokeru Evitar
Poka Errores Inadvertidos
Los mecanismos Poka-Yoke nos ayudan a
evitar los defectos aunque inadvertidamente
se cometan errores. Los Poka-Yoke ayudan
a fabricar la calidad en el proceso.
Un dispositivo Pokayoke es cualquier
mecanismo que ayuda a prevenir los errores
antes de que sucedan, o los hace que sean
muy obvios para que el trabajador se de
cuenta y lo corrija a tiempo.
Equipo: Camin 785C
Operacin: Cambio de llantas delanteras
Fecha: 15/12/03
Personal Requerido Cantidad Conformidad
Tcnico en Llantas 2
Ayudante 1
Herramientas Cantidad Conformidad
Equipo Manipulador de llantas TAYLOR (1) 1
Barreta (1). 2
Gata 150 TN ( 1 2 ). 2
Gata Hidrulica-Neumtica. 2
Extractor de vlvulas de aire. 1
Vlvulas de aire. 2
Herramientas de impacto 3
Extensin 5. 2
Encastre 2
Vlvulas de aire 1
Destalonador 2
Dado . 2
Material o insumos Cantidad Conformidad
Grasa vegetal 1 balde
Trapo Industrial 1 kilo
Sello O-Ring 2
Tacos de Madera 2
Llanta 2
Procedimientos estndares a seguir
Lista de Comprobacin
EMATL001: Cambio de llantas delanteras 1 y 2
Camiones 785C
Lista de
Chequeo
SEIRI
(Clasificar)
Separar los materiales necesarios y
desalojar lo innecesario.
a.- Mas espacio.
b.- Eliminacin del desperdicio.
SEISO
(Organizar)
Cada cosa en su lugar y un lugar para cada cosa.
a.- Elimina el tiempo de
bsqueda.
b.- Prevenir desabastecimiento
SEITON
(Limpiar)
Eliminar las fuentes de suciedad y
reparar las averas.
a.- Aumento de vida til de
equipos e instalaciones.
.b.-Menos accidentes.
SEIKETSU
(Prevenir)
Evitar que se vuelva a ensuciar y
desordenar, estableciendo
procedimientos y controles
a.- Asegura criterios iguales de
aplicacin.
b.- Mejora la comunicacin.
SHITSUKE
(Disciplinar)
Estandarizar, cumplir con los
estndares, Formar buenos hbitos.
a.- Se evita queja y
amonestaciones.
b.- Mejora nuestra eficacia e
imagen.
Las operaciones de Organizacin, Orden y Limpieza fueron organizadas por empresas
japonesas, entre ellas TOYOTA, con el nombre de 5S, Las 5S son las iniciales de cinco palabras
japonesas que nombran a cada una de las cinco fases de la metodologa
Las 5 S7.5
Las 5 S7.5
Observation
Indiv
idual V
alu
e
81736557494133251791
80
60
40
20
0
_X=31.32
UCL=67.16
LCL=-4.52
Observation
Movin
g R
ange
81736557494133251791
40
30
20
10
0
__MR=13.48
UCL=44.03
LCL=0
1
1
I-MR Chart of RESUL
Se debe tener de manera visible un Panel que permita ver:
Evolucin del Indicador. (Con Control Estadstico).
Acciones Correctivas tomadas ante Ocurrencia de Fallas.
Estado del Cumplimiento de Estndares y Procedimientos.
Plan de Control del Proceso.
Fabrica visual7.6
Para la implementacin de las Acciones Finales, deben estar
previamente definidos:
El desarrollo y la documentacin de prcticas estndares.
El entrenamiento del personal involucrado en las Actividades.
Acciones Finales
Despus de ello se podr hacer los cierres de los proyectos.
Se debe reconocer el esfuerzo y aporte de cada participante por el
trabajo y sus resultados asociados.
7.7
Bibliografa