Seis Sigma

SIX SIGMA

MBA Juan Villagomez

22

AGENDA

1. Introducción al Seis Sigma

2. Proyectos Seis Sigma

3. Metodología Seis Sigma

4. Fase I: Definir y Medir

5. Fase II: Analizar

6. Fase III: Implementar mejoras

7. Fase IV: Controlar

33

1. Introducción al Seis Sigma1.1 ¿Qué es Seis Sigma?1.2 Calidad Seis Sigma1.3 Historias de éxito de Seis Sigma1.4 Principios de Seis Sigma1.5 Seis Sigma e ISO 9001

44

¿Qué es Seis Sigma ?

Es un sistema empresarial para lograr y mantener el éxito por medio de la orientación al cliente, la gestión por procesos, así como la utilización de los hechos y de los datos.

1.1

Mide el desempeño de un proceso en cuanto a su nivel de productos o servicios fuera de especificación

Como Métrica

Como Filosofía

Como Meta

Mejoramiento continuo de procesos

Tener procesos de clase mundial, no producir servicios o productos defectuosos (3.4 pmo)

55

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.Distribución

Alta probabilidad

error

Alta probabilidad

de error

Baja probabilidad

de error

Baja probabilidad

de error

66

3.4 defectos por millón

de oportunidades

305 537 defectos por millón

de oportunidades

697 700 defectos por millón

de oportunidades

77

Calidad Seis Sigma

3 SIGMA 6 SIGMA

Malas Recetas médicas 54, 000 / año 3 / año

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

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

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

Mala Operación médica 1, 350 / semana 1 / año

Devolución Sacos de Azúcar 44.000 / año 5 / año

1.1

88

“Estamos en el quinto año de trabajos con Seis Sigma, y estos han generado más de $2,000 millones en beneficios en 1999, con proyecciones aún mayores para esta década”.

“Estamos en el quinto año de trabajos con Seis Sigma, y estos han generado más de $2,000 millones en beneficios en 1999, con proyecciones aún mayores para esta década”.

“Comenzamos a implementar Seis Sigma a principios de 1998. De los 250 proyectos implementados, 31 fueron finalizados a fines de 1999.Estos 31 proyectos han generado ahorros anuales de $10.4 millones, o $334,000 por proyecto.”

“Comenzamos a implementar Seis Sigma a principios de 1998. De los 250 proyectos implementados, 31 fueron finalizados a fines de 1999.Estos 31 proyectos han generado ahorros anuales de $10.4 millones, o $334,000 por proyecto.”

“Seis Sigma se ha consolidado después de 3 años de funcionamiento. Este modelo de mejora de procesos y actividades ha conseguido un ahorro para Telefónica de España de más de 93 millones de euros, a través de la implementación de 178 proyectos.”

“Seis Sigma se ha consolidado después de 3 años de funcionamiento. Este modelo de mejora de procesos y actividades ha conseguido un ahorro para Telefónica de España de más de 93 millones de euros, a través de la implementación de 178 proyectos.”

Historias de éxito de Seis Sigma

C. Alierta CEO Grupo Telefonica

Kenneth I. Chenault, President American Express

J. WelchPast CEO, General Electric

Du Pont Ford Dow Química Sherwin Williams Toshiba Texas Instruments Coca Cola Allied Signal Nokia

1.3

99

Autentica orientación al cliente, satisfacer al cliente es la prioridad número uno.

Principios de Seis Sigma1.4

Primer principio

Todo debe y puede ser mejorado alineado con los objetivos de la organización.

Segundo principio

Objetivos

1010

Las decisiones deben basarse en hechos, datos estadísticos, pues lo único constante en los procesos es la variación. Se debe evitar el “...Yo creo que...” o “...Yo pienso que...”


Tercero

principio

1111

Al mejorar se debe mirar el proceso completo (Pensamiento Sistemático), pues optimizar un subproceso nos puede llevar a suboptimizar el proceso global.


Cuarto

principio

CLIENTE

CLIENTE

Proceso A Proceso CProceso B

Sub proceso a

Sub proceso c

Sub proceso b

Procesos de la Organización

1212

Las causas de los problemas deben ser eliminadas en su raíz para prevenir que vuelvan a aparecer y así poder hacer bien las cosas desde la primera vez.


Quinto

principio

Causa 1

PROBLEMAPROBLEMA

Síntoma 1

Síntoma 2

Síntoma n

Causa 2

Causa n

1313

Cada vez que un proceso es mejorado debe garantizarse que los resultados se mantengan en el tiempo.


Sexto

principio

1414

El recurso humano es el capital fundamental de la empresa.


Sétimo

principio

Todos los miembros de la empresa deben ser líderes, maestros y modelos en la práctica de los principios.

1515

Seis Sigma e ISO 90011.5

Seis Sigma como Sistema de Gestión de Calidad

Sistema de Gestión de Calidad según la Norma ISO 9001

Equivalentes

Seis Sigma como proyecto de mejora

Sistema de Gestión de Calidad según la

Norma ISO 9001

Complemento

Mejora continua Mejora continua

CLICO DE DEMING

1616

2. Proyectos Seis Sigma

2.1 Requisitos para un Proyecto Seis Sigma2.2 Criterios de selección2.3 Equipo Seis Sigma2.4 Selección del Equipo

1717

Alineado con la estrategia del negocio. Tiene una meta clara.

Existen datos históricos, o pueden ser obtenidos.

Mide el rendimiento del proceso, mediciones financieras para el negocio e impacto en el cliente.

Puede ser hecha por un equipo de Trabajo.

Cumple con las expectativas de tiempo establecidas por la gerencia.

Beneficia Negocio

Apoyo de Administración

Cuantificable

Alineado con la Visión del

Negocio

Requisitos para un proyecto SS

2.1

ESFUERZO FOCALIZADO

1818

Criterios de selección2.2

1919

CTQ

CTQs son los parámetros de calidad interna crítica que se refieren a los deseos y necesidades de los clientes.

2020

Equipo Seis Sigma2.3

Controler

Onwer

2121

CHAMPIONS: Conformado generalmente por la alta gerencia. Son quienes seleccionan los proyectos y supervisa su funcionamiento. Participan en la elección de BB y GB.

2.3 Equipo Seis Sigma

MASTER BLACK BELT: Son los responsables del entrenamiento de BB. Son especialistas en la Metodología y certifican BB. Lideran proyectos de mucha complejidad organizacional. Remueven las barreras que impiden avances de proyectos.

2222

BLACK BELT:

Son los especialistas en la aplicación metodología. Lideran proyectos Seis Sigma. Su rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y esfuerzos de los miembros del equipo. Dan soporte a los GB. La interacción con el dueño del proceso continua después de terminado el proyecto.


GREEN BELT:Son miembros del equipo de proyecto que conocen las herramientas básicas de la metodología. Son interdisciplinarios y multifuncionales. Están preparados para participar o liderar proyectos Seis Sigma.

2323

OWNER:

Son los líderes de las áreas en las que se van a desarrollar proyectos Seis Sigma.

Es el socio estratégico del BB, para alcanzar la meta. Es el responsable de mantener y superar los estándares alcanzados después de finalizados los proyectos.


CONTROLLER:Es el responsable de dar el visto bueno cada vez que haya algún tipo de evaluación financiera y cuantifica los beneficios obtenidos.

2424


2525

2.4 Selección de equipo Seis Sigma

TEST: Inventario de Utilización de Energías

Se utiliza para indicar que atributos emplea una persona en su relación con los demás bajo dos tipos de condiciones: Cuando todo marcha bien y cuando se enfrenta con un conflicto.

2626

3. Metodología Seis Sigma

3.1 DMAMC3.2 DMAMC y el PHVA3.3 Diagrama Metodológico

2727

1.- Definir el Problema, definir objetivos

2.- Definir y Describir el proceso3.- Evaluar Sistema de medición4.- Evaluar Capacidad del proceso

5.- Determinar las causas del problema6.- Determinar variables significativas

7.- Optimizar y robustecer8.- Validar Mejora

9- Controlar y dar seguimiento al proceso10.- Mejorar continuamente

3.1 DMAMC (o DMAIC)

2828

D

M

A

I

C

Definición

del

proyecto

Medición del desempeño del proceso

Análisis del

proceso

Implementación de

mejoras o

transformación del

proceso

Control y aseguramiento

del desempeño alcanzado

Managemt

Team

Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor

y la guía del Master Black Belt / Black Belt

Dueño de

Proceso

Ruta Metodológica

2929

3.2 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 medición

7.- Optimizar y robustecer

10.- Mejorar continuamente

Planear

Hacer

Verificar

Actuar

6.- Determinar variables significativas

3030

Diagrama Metodológico3.3

Definir el Problema, definir

objetivos

Definir y Describir el proceso

Determinar variables

significativas

Validar Mejora

Controlar proceso

¿Proceso

Estable?

¿Medición

Capaz y

estable?

Optimizar y robustecer

Mejorar continuamente

¿Proceso

Capaz?

MejorarNO

SI

SI

Eliminar causas

especiales

NO

NO

Si

Determinar las causas del problema

3131

4. Fase I: Definir y Medir

4.1 Definir el problema4.2 Definir y describir el proceso4.3 Evaluar Capacidad del proceso

3232

Definir Problema4.1

IdeasInformaciónIncompleta

Creencias

Situación problemática inespecífica

Identificación de los clientes, CTQ, VOCDiagrama de Pareto

Histogramas, etc.

PROBLEMA DEFINIDOObjetivos definidos

Alcance del proyecto definido

3333

Definir Problema4.1

CTQ

VOC

CTQ (Critical to Quality). Son los atributos a factores críticos para la calidad de un producto o servicio que influyen en la decisión 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 telefónicas, devoluciones de productos, etc.Sistemas Reactivos: Observación del cliente, encuestas, entrevistas, etc.

3434

Definir Problema4.1

IDENTIFICAR CLIENTES Y CTQ

1. Definir Clientes Internos y Externos2. Definir el tipo de cliente y el canal de comunicación

para obtener la VOC3. Identificar preguntas claves para cada uno de ellos4. Elaborar un plan de contacto con el cliente (quien,

como, cuando, donde, etc)5. Identificar los CTQ

3535

(8, 83%)

0

75

100

10Importancia para el cliente

CTQValoración

(Escala: 1-10)

Tiempo de entrega 8

Sabor de la Pizza 7

Cantidad de Ingredientes 7

Ingredientes correctos 10

Cortesía del repartidor 5

Factor de queja Quejas%

relativo

Tiempo de entrega inaceptable 764 83

Tipo de masa incorrecta 56 6.1

Cantidad de ingredientes reducidos 50 5.4

Ingredientes incorrectos 30 3.3

Descortesía del repartidor 20 2.2

Definir Problema4.1

Ins

ati

sfa

cc

ión

de

l c

lie

nte

Muy Importante y poca satisfacción

3636

Definir Problema: Voz del ciudadano

4.1DEFENSORIA DEL PUEBLO

1.- Nunca recibió tantas quejas como en el 2007. En total 32.9K.2.- El 50% de ellas se concentra en cinco instituciones.3.- Concluidas 74.2% de las cuales fundadas fueron el 61%.4.- La demora en la atención de reclamos es una de las principales causas.5.- Maltrato y falta de información motivaron las principales quejas en el sector salud.

Fuente: Defensoría del pueblo – 11 Informe anual

3737

Definir Problema: Enfoque CAD 2008

4.1

Establece que el sector público puede establecer mejoras continuas de la gestión orientándolas a la ciudadanía. Este enfoque supone pasar de una visión basada en la ley y en el poder monopólico del estado, para centrar la atención en los atributos de servició brindado al ciudadano, independiente del servicio que brinda y el nivel del gobierno

3838


4.1

3939


4.1

Se identifican 6 atributos, con sus respectivas clases y la importancia (peso) que le da el ciudadano. Las principales dificultades observadas son: Lentitud en resolver tramites, falta de comprensión del problema por parte del personal, falta de interés, descoordinación entre oficinas, excesivos tramites, información poco clara.

4040


4.1

4141

Según el estudio denominado Ranking CAD 2008 en Atención al Ciudadano de los Organismos Públicos Descentralizados, elaborado por CAD Ciudadanos al Día, luego de la SUNAT se encuentran ubicados en los primeros lugares


4.1

4242


4.1

4343


4.1

4444

Definir Problema4.1

Grafica de barras que representa en forma ordenada el grado de importancia de las causas de un determinado problema, considerando la frecuencia con la que ocurren las causas.

Diagrama de Pareto

O regla 80-20. Es el comportamiento que sigue la grafica de PARETO: “El 80% de los problemas se encuentra en el 20% de las causas”.

Principio de Pareto

4545

Ejemplo Fastpizza’s

Definir Problema4.1

4646

Definir Problema4.1


4747

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 mañana.

AHORRO

-Disminución de las llamadas en el Call Center

S/.165,000

-Disminución de las perdidas de clientes

US$51,080


4848

Definir y describir el proceso4.2

Y (KPOV)

X (KPIV)

CTQs

FMEA, Mapa de Procesos

Cp, Cpk

Prueba de Hipótesis

Correlación

Regresión

DOE Simulación

SPC

5 Ss

Poka Yoke

X Key Process Input Variables (KPIV) variable clave del proceso

Y Key Process Ouptput Variables (KPOV)

Problema

X (KPIV) significativas

X (KPIV) que afectan al proceso


Controladas

4949


Mapa de procesos de la organización

Mapa de un conjunto de procesos

Mapa del Proceso de Análisis para el proyecto

5050

C, N y E son Entradas al proceso

S son Salidas

E1

INICIO N1 C1

C2

E2 X3

E3

N2

E4C3

E5

FIN

S1

S2


Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -Clientes

5151

CODIGO

Proceso :

Objetivo :

Requisitos Requisitos

Revisado por: __________

¿Quién está pidiendo la salida del

proceso?

¿Quiénes son los que proveeran los

recursos necesarios?

Recursos necesarios para el proceso

Breve descripción del paso del procesoEntregables del proceso

ClientesProveedores Entradas Actividades Salidas

ResponsablesParámetros de Control / Medición /

SeguimientoDocumentos

Suployer Input Process Output Client


Formato de Matriz SIPOC

5252

OFICINA DE PROYECTOS

GCIA.COMPRAS

-Estudio de fact.-Ficha PAPS-Cronograma

Adquisiciones

IDEA

Comunicación a OSIPTEL

Publicidad

OSIPTEL

CLIENTE

EVALUACIÓN

ESPECIFICACIÓN

IMPLEMENTACIÓN

LANZAMIENTO

-Sist. Adec.-Punlicidad-Normativa-Contratos-Capacitación

RED COMERCIAL

CLIENTES INTERNOS

Procesos de Contingencia

Requisitos de las salidas:-Procesos de contingencia eficaces-Dif de normativa 3 días antes del inicio de la comercialización- Capacitación 3 días antes del inicio de la comercialización- Sistemas que garanticen el cumpl. del 100% de la casuística. -Facturas sin errores en los copnceptos o montos facturados.

Proveedores Entradas Proceso Salidas Clientes


5353


C ENTRADA CONTROLABLE Aquella que puede ser controlada

N ENTRADA RUIDOSA Es impredecibles, altera el proceso.No es controlable por el momento.

E ENTRADA EXPERIMENTAL Aquella que puede ser estudiada bajo diversos parámetros para ver su comportamiento en el proceso.

S SALIDA

Según 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 Características de calidad (Y)

Variables Controlables

N1 N2 N3

S1 , S2C1

C2

E1 E2 E3 E4

Y = f ( X1,X2,....Xn)

Entiende las “X” (KPIV) ycontrolarás las “Y” (KPOV)

“X” (KPIV)

“Y” (KPOV)

5454


Acciones a seguir

Tipo Características Acción

Controlable (C)

Se puede controlar fácilmente

Estandarizar el control

Experimental (E)

Variable sobre la que se tiene capacidad de acción pero no se conoce su valor optimo.

Verificar si impactan sobre el indicador (fase 2).

Establecer Nivel optimo (fase 3)

Ruido (N)Variable que se sabe afecta a las KPOV pero que por ahora no se puede controlar ------------------------

5555

INICIO

FIN

VA

VA

VA

VA

VA

VANA

NA

VAOperación con Valor agregado

Valor agregado son las características dadas a aquella operaciones indispensables por las cuales el cliente esta dispuesto a pagar

NAOperación de no Valor agregado

No generan valor (pero si generan costos)


5656


Eliminar la fabrica oculta

5757

INICIO

FIN

INFO

INFO

INFO

INFO Etapas donde se registran datos del proceso


5858


Función del

proceso (paso)

Métodos de falla potenciales (defectos de

proceso)

Efectos de falla potenciales

(KPOVs)

Causas potenciales

de falla (KPIVs)

Controles de proceso actuales

SEV

OCC

DET

NPR

1

2

3

4

5

6

7

8

9

10

Se hace una Simple descripción

Del proceso

Se hace una Simple descripción

Del proceso

Forma como elproceso podríano cumplir con

las especificaciones

Forma como elproceso podríano cumplir con

las especificaciones

Efecto quepuede tenerel defecto

en el cliente

Efecto quepuede tenerel defecto

en el cliente

Razón por la cual ocurre la

falla

Razón por la cual ocurre la

falla

Controles que detectano previenenla falla si es que ocurre

Controles que detectano previenenla falla si es que ocurre

Severidad Severidad Ocurrencia Ocurrencia Detección Detección

NPR = SEV * OCC * DETNivel de prioridad de riesgo

NPR = SEV * OCC * DETNivel de prioridad de riesgo

Formato de Matriz FEMEA

5959

NPR = SEV * OCC * DETNPR = SEV * OCC * DET

Donde:

NPR : Número de probabilidad de riesgo o de prioridad de riesgo.

EI NPR es la multiplicación de la severidad de la falla, la ocurrencia de esta y su posible detección. Este será mejor en tanto sea

menor.

SEV : Severidad.

Es el impacto de mayor o menor intensidad en que la falla de un proceso puede repercutir en el cliente (interno o externo) y su comportamiento

respecto a nuestros servicios.

OCC : Ocurrencia

Frecuencia en la que puede ocurrir una falla.

DET : Detección

Posibilidad de identificar la falla en algún momento durante el proceso.


Matriz FEMEA

6060

Evaluar Capacidad del proceso

4.3

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.

6161

Grupos

Perc

ent

200-20

99.9

90

50

10

1

0.1

Grupos

Perc

ent

3020100

99.9

99

90

50

10

1

0.1

Grupos

Perc

ent

40200

99.9

99

90

50

10

1

0.1

Correlation CoefficientSmallest Extreme Value

0.957Normal0.985

Logistic0.975

Probability Plot for GruposLSXY Estimates-Complete Data

Smallest Extreme Value Normal

Logistic

Variación de los datos

Análisis de Normalidad

Prueba de Normalidad

Si los datos son normales, se podrá hacer el análisis de la Capacidad del Proceso.


4.3

6262


4.3

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

Diremos que un indicador es capaz de cumplir con las especificaciones cuando su dispersión es menor que la distancia entre especificaciones.

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

6363

CENTRAMIENTO (Cpk)

No solo interesa ver si el indicador puede cumplir con las especificaciones, nos interesa saber si este centrado respecto a las mismas.

Para analizar esto, existe el índice de centramiento denominado Cpk que mide la menor distancia del promedio de los datos a las especificaciones comparada contra el ancho de media distribución.

LSE - X X - LIECpk = Min

Especificación Promedio de los datos

3 3,

3 3


4.3

6464

Cpk Superior < Cpk inferior, u tiende hacia el LSECpk Inferior < Cpk Superior, u Tiende hacia el LIE

Primer Ejemplo problema Variación y Centrado


4.3

6565

0.600.450.300.150.00-0.15

LSL Target USLProcess Data

Sample N 106StDev(Within) 0.107208StDev(Overall) 0.107447

LSL 0Target 0.1USL 0.2Sample Mean 0.0626415

Potential (Within) Capability

CCpk 0.31

Overall Capability

Pp 0.31PPL 0.19PPU 0.43Ppk

Cp

0.19Cpm 0.29

0.31CPL 0.19CPU 0.43Cpk 0.19

Observed PerformancePPM < LSL 0.00PPM > USL 103773.58PPM Total 103773.58

Exp. Within PerformancePPM < LSL 279509.11PPM > USL 100055.21PPM Total 379564.32

Exp. Overall PerformancePPM < LSL 279947.66PPM > USL 100557.92PPM Total 380505.59

WithinOverall

Process Capability of % de Saturación

Segundo Ejemplo problema Variación y Centrado


4.3

6666

5. Fase II: Analizar

5.1 Determinar las causas del problema5.2 Variables Discretas y Continuas5.3 Prueba hipótesis5.4 Procedimiento de prueba hipótesis5.5 Ejemplos

6767

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk


Correlación

Regresión

DOE Simulación

SPC

5 Ss

Poka Yoke

X Key Process Input Variables (KPIV) variable claves del proceso


variables clave de salida del proceso para el cliente




Controladas

6868

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.

Listar por tormenta de ideas las causas generales que afectan al indicador.

Agrupar las causas en 4 o 6 grupos. Se suele usar: Por 4M Por 6M Mano O. Mano O Material Material Maquinaria Maquinaria Método Método Medición Medio amb.

CONSTRUCCION

causa

causa

causa

causacausa

causa

causa

causa

causa

causa

causa causa

causa

causa

causa

causa

causa

causa

Criterio de agrupación 3






causa

causa

PROBLEMA

Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N

Diagrama de Causa-Efecto (Ishikawa)

6969

Posteriormente se validaran cualescausas son definitivamente las queson las responsables del Problema

Se ha visto que la KPIV, puede impactar en las KPOV:

Matriz Causa-Efecto

Número de Contratos

Conocimientos norma de créditos

Numero de Analistas

Tiempo de entrega de Contratos

Tiempo de Calificación

% de créditos rechazados

Costo Evaluación.

X Yafecta

Ejemplos:

Para mejorar el proceso, se debe identificar cuáles son las X que más afectan a las Y para determinar cuáles deben ser atacadas.


7070

ISHIKAWA

FEMEAENTRADAS DEL PROCESO

PRUEBA DE HIPOTESIS

VARIABLES SIGNIFICATIVAS

CAPACIDAD DEL PROCESO

X1

INICIO N1 C

1

C2

X2X3

X3

N2

X4

C3

X5

FIN

Y1

Y2


7171

5.2 Variables Discretas y Continuas

tienen un número fijo de valores

Ejemplos: estado civil, tipo sanguíneo, número de niños

Datos Discretos

tienen un número infinito de valores

Ejemplos: estatura, peso, temperatura

Datos Continuos

7272

Para conocer si un factor ( X: KPIV ) influye sobre nuestro indicador ( Y: KPOV ) del proceso; se suele variar este factor de manera de ver si su variación afecta al indicador.

La manera de ver esta variación es a través de las pruebas de hipótesis que nos permitirán concluir si el factor en estudio afecta significativamente al indicador.

PRUEBA DE HIPOTESIS

Prueba Hipótesis5.3

7373

Errores posibles al evaluar una hipótesis

Verdad de H0

V

(no hay diferencia)

F

(si hay diferencia)

Decisión correcta 1 -

(nivel de significan cía)

Error tipo 1

α

Error tipo 2

β

Decisión correcta

1 –

(poder la prueba)

F V

Aceptar H0

(no hay diferencia)

Aceptar Ha (si hay diferencia)

Dec

isió

n

P(Error Tipo) = :Probabilidad de encontrar una diferencia cuándo esta no existe. = 0.01, 0.05P(Error Tipo2) = : Probabilidad de no encontrar una diferencia cuando esta si existe.

Verdad de Ha


7474

Ho : El factor no generó diferencias Antes Vs Después (X no afecta Y)

Ha : El factor si generó diferencias Antes Vs Después (X si afecta Y)

RECORDANDO

Si p – val > 0.05 () NO se rechaza H0

VOCABULARIO

Conclusión Robusta:

Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en 0.05)

Conclusión Débil:

Aceptar H0 sin conocer el valor de . En estos casos se suele decir “No puede rechazarse H0”

Potencia de una prueba estadística:

Es la probabilidad de rechazar correctamente una H0

Potencia = 1 -


7575

Prueba Anova

ONE SAMPLE t – TAMAÑO DE MUESTRA (Si la Población es Normal)

Prueba t (One Sample t)

Estadístico t = X- s / n

Hipótesis Nula H0: = 0

Hipótesis Alterna

Ha: <0 ; t < t , n-1

> 0; t > t , n-1

0 ; | t | > t /2 , n-1

MinitabStat-Basic Statisc- 1sample t


7676


TIPO LOTE

HUEV

OS I

NCUBA

DOS

VIEJOJOVENADULTO

16000

14000

12000

10000

8000

6000

4000

2000

0

Boxplot of HUEVOS INCUBADOS by TIPO LOTE

Source DF SS MS F PTIPO LOTE 2 177886860 88943430 6.46 0.002Error 118 1625812015 13778068Total 120 1803698874S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33% Individual 95% CIs For Mean Based on Pooled StDevLevel N Mean StDev --------+---------+---------+---------+-ADULTO 52 6158 3863 (----*----)JOVEN 17 9055 4226 (--------*--------)VIEJO 52 5331 3369 (----*----)

6000 8000 10000 12000

7777

Correlación y Regresión

INTRODUCCIÓN:

Al interior de un proceso, usualmente existe una relación entre 2 variables.

Si una Y (KPOV) se correlaciona con una X; podremos decir que X es una KPIV.

De esta manera diremos que existe una ecuación que liga a ambas Y = f (x). Esta ecuación se denomina “Modelo matemático”.

Esta ecuación se calcula usando técnicas de regresión.

Usualmente la correlación para determinar la fuerza que liga a 2 variables sin necesidad de alterar el proceso como se hizo en las Pruebas de hipótesis o como hará en los DOE (Fase 3).


7878

-1 r < 0

Correlación Negativa

r = 0

No hay Correlación

0 < r 1

Correlación Positiva

Correlación

Es la Fuerza de Asociación entre 2 Variables.Se mide con el Coeficiente de Pearson (r)

-1 r 1

Cuánto más cercano esté el coeficiente de Correlación de Pearson

a –1 o 1; mayor probabilidad de Correlación


7979

Precauciones:

Dado que no estamos modificando el proceso ( variando x) y midiendo su efecto ( en Y) : encontrar que “hay correlación” no siempre significa que al variar X, variará Y (Causa – Efecto)

Solo debemos usar correlación cuando hay una persuasión razonable que X podría afectar Y

Correlación


8080

PROCESOIndicador (Y)

Variables Experimentales

Y1 , Y2

X1 X2 X3 X4

Y = f ( X1,X2,....Xn)

Con la regresión se determina el Modelo Matemático que relacione las Variables X con Y.

Estas Xi, son la que se han obtenido después de:Prueba de Hipótesis.Correlación.

LOS MODELOS MATEMATICOS PUEDEN SERY = 0 + 1 X LINEALY = 0 + 1X + 2X2 CUADRÁTICOY = 0 + 1X + 2X2 + 3X3 CÚBICOY = 0 + 1X1 + 2X2+... +nXn) LINEAL

MÚLTIPLE

Regresión


8181

Procedimiento para la Prueba Hipótesis

1. Identificar de acuerdo al tipo de variable discreta o continua tanto para KPIV como KPOV el tipo de Prueba Estadística a utilizar.

2. Establecer la Hipótesis Nula Ho.

3. Especificar una hipótesis alternativa apropiada Ha.

4. Elegir un nivel de significación (Usualmente: 0.05).

5. Establecer un estadístico de prueba apropiado.

6. Establecer la región de rechazo del estadístico.

7. Calcular las cantidades muestrales necesarias, sustituirlas en la ecuación del estadístico de la prueba y calcular es valor.

8. Decidir si deberá rechazarse o no Ho.

9. Traducir la decisión en términos de proceso.

Acción

Procedimiento de pruebas5.4

8282

FLUJOGRAMA PRUEBA HIPÓTESIS

Inicio

Ubicar las variables importantes ( Fase 1 )

Seleccionar laprueba de hipótesis

a usar

Variar el factor de manera de tener 2

Situaciones :“Antes”

“Después”

Recopilar data

Aplicar la pruebade hipótesis

H0 no hay variación antes vs despuésHa si hay variación antes vs después

p –val > 0.05

1Factor si afecta

Fin

Si

NoRechazo H0

1

Factor no afecta

Acepto H0


8383

Y Continua Y Discreta

X Continu

aCorrelacion-Regresion Correlacion-Regresion

X

Discreta

Para distribucion normal de YPrueba T1Prueba T2Prueba Anova

Para distribucion no normal de YPrueba WPrueba xxxxPrueba kk

Chi cuadrado


Selección de la Prueba Hipótesis

8484

5.4

¿Es normal?

Prueba F para Y agrupada según las X

SI

Agrupar prueba Normalidad para"Y"

¿Es normal?

NO

SI

¿P>α ?

Transformar Datos prueba Normalidad para"Y"

NO

NO

¿Es normal?

SI

NO


¿P>α ?

SI

NOPrueba KW

Prueba de Anova

Prueba de Normalidad para "Y"

SI

Y continua /

X discreta

Con más de 2 muestras

Procedimiento de Pruebas

8585

5.4

Y continua /

X discreta

Con 2 muestras

¿Es normal?


SI


¿Es normal?

NO

SI

¿P>α ?


NONO

¿Es normal?

SI

NO


¿P>α ?

SI

NOPrueba KW

Prueba T2


SI


8686

5.4

Y continua /

X discreta

Con 1 muestra

¿Es normal?

SI


¿Es normal?

NO

SI


NO

¿Es normal?SI

NO


Prueba T 1

Prueba One Sample Sign


8787

5.4

Y continua o discreta /

X Continua

Probar la correlacion de todos los x con y

¿r = 0?

¿es lineal o curva?

No Si

¿Y es continua

?

SiNo

¿Hay mas de una x?

No Si

curva

¿es lineal o curva?

lineal

curva

lineal

No hay correlacion

Prueba RegresionMultiple

Prueba Regresion Superficie de Respuesta

Prueba de Regresion curva lineal

Prueba de Regresion lineal

Prueba Regresion Logistica


8888

X Ycantidad pedido

devueltos semanal ¿Qué tipo de

prueba?

X1= Zona Geografica

2030..

. 10

2040..

. 30

3050 ..

. 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 más de 1 y 2 muestras respectivamente.

48 datos (48 semanas)



Zona 1

Zona 2

.

.

.

.

.Zona 10

Ejemplos: EMPRESA COURIER “EL RAPIDO”

5.5

8989

X2= Repartidores

Repartidor 1

Repartidor 2 ........

Repartidor 50

X2= inicialmente es discreta, pero por tener más de 30 valores se le considera continua.

Y= continua

Por lo tanto se utiliza la Prueba de Regresion.

X Ycantidad pedido


prueba?

2030..

. 10

2040..

. 30

3050 ..

. 20





5.5

9090

X3= ¿El repartidor usa Guia ?

Si

No

5010..

.

20

1020...

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 Ycantidad pedido


prueba?


5.5

9191

X1= Presion en el cabezal (Bar)

X Ycantidad de

pasta quemada¿Qué tipo de

prueba?

Ejemplos: FABRICA DE PASTAS “NAPOLITANO”

5.5

40 bar65 bar50 bar

30 bar .....

. 60 bar

100 datos

10 kg15 kg12 kg 8 kg

.

.

.

.

..

14kg

X1= es continua Tiene mas de 30 datos

Y= continua

Por lo tanto se utiiliza la Prueba de Regresion

9292


5.5

X2= Temperatura de cocido (ºC)

X Ycantidad de


prueba?

45 ºC35 ºC55 ºC

32 ºC .....

. 50 ºC

105 datos


.

.

.

.

..

25kg


Y= continua


9393


5.5

X3= Humedad relativa (%)

X Ycantidad de


prueba?

60%55%70%

45% .....

. 72%

103 datos


.

.

.

.

..

25kg


Y= continua


9494

6. Fase III: Implementar

6.1 Análisis de riesgo: Matriz FMEA.6.2 DOE6.3 Procedimiento DOE6.4 Plan de Mejora

9595

PROCESO FMEA

Elabora FMEA preliminar.

Discusión para definir NPR.

Plan de Acción de mejora de los NPR.

Ejecución del Plan.

Evaluación de Resultados.

Emisión del FMEA definitivo.

OKNO

SI

FASE I

FASE II

Análisis de riesgo: Matriz FMEA.6.1

9696

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 Recomendadas

Persona responsable & Fecha Objeto

Acciones Tomadas

SEV

OCC

DET

NPR

Las acciones recomendadas

que son llevadasA cabo.

Las acciones recomendadas

que son llevadasA cabo.

El responsable de llevar acabola acción (es)

El responsable de llevar acabola acción (es)

El NPR despuésde haber tomadolas acción (es). El

cual se suponedebe ser menorSon las acciones

orientadas a seguir para las causas con NPR alto, destinadasmejorar la detección

de la causa o disminuirla frecuencia de

ocurrencia de las fallas

Son las acciones orientadas a seguir para las causas con NPR alto, destinadasmejorar la detección

de la causa o disminuirla frecuencia de

ocurrencia de las fallas

Análisis de riesgo: Matriz FMEA.6.1

9797

Es una estrategia experimental estructurada que permite la evaluación de múltiples variables de proceso en cuanto a su capacidad para influir sobre las características de un producto o proceso.

• Determinar que factores son importantes.

• Establecer la estabilidad del proceso.

• Encontrar el mejor conjunto de condiciones de operación.

DOE6.2

Introducción al DOE

9898

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk


Correlación

Regresión

DOE Simulación

SPC

5 Ss

Poka Yoke







Controladas

DOE6.2

9999

DOE6.2

Diseño Factorial Completo

El Factorial Completo estudiará cada combinación posible en los niveles escogidos. Estos diseños proveerán una gran información que nos permitirá determinar el efecto de los factores principales sobre la respuesta seleccionada.

Cantidad de pruebas que se necesitan =

(niveles factor 1) x (niveles factor 2) x (niveles factor 3) x …. (niveles factor n)

Donde:

Factor = Son las variables (KPVI) X1, X2, X3 … XnNivel = Es la cantidad de valores que toma cada factor

100100

Limitaciones para el Diseño Factorial Completo

•La limitación del Factorial completo no es teórica sino practica. Los recursos (ej. Tiempo, costos) necesarios para correr un factorial completo pueden ser significantes.

• Factorial completo puede ser usado en investigaciones donde el numero de variables es pequeño (2-4), pero no son recomendables cuando el numero de variables a investigar es mayor (5 o más).

•Factorial Completo son efectivo cuando son usados de la manera adecuada, en el momento propicio dentro del proceso de mejora del estudio.

DOE6.2

101101

DOE6.2

Diseño Factorial Completo con 2 niveles

Por Ejemplo 3 factores cada uno con 2 niveles:

Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8

Donde:

3 = Factor = K = variables (KPVI) X1, X2, X3

2 = Nivel = Es la cantidad de valores que toma cada factor

32

K2

102102

DOE6.2

Diseño Factoriales Fraccionados

Son diseños donde se elige adecuadamente una parte o fracción de los tratamientos de un factorial completo, con la intención de poder estudiar el efecto de los factores utilizando menos corridas experimentales, debido a que es imposible en la practica correr todos los tratamientos.

La teoría de los diseños factoriales fraccionados se basa en la jerarquización de los efectos: Son más importantes los efectos principales, seguidos por la interacciones dobles, luego las triples, las cuádruples , etc.

K - p2

Número de generadores del diseño

Número de factores (K)

Número niveles (2)

103103

DOE6.2

Aclaraciones para el Diseño Factoriales fraccionados:

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

•Se utiliza sobre todo para probar un gran número de x potenciales con un mínimo de corridas y lograr la selección de las pocas X vitales.

•Los experimentos altamente fraccionados son experimentos donde el número de corridas es solo un poco mayor que el número de factores y sirven para detectar solo efectos principales.

104104

DOE6.2

Recomendaciones para el Diseño Factoriales fraccionados:

•Los experimentos altamente fraccionados se usan a menudo para cernido, para encontrar las variables que merecen mayor estudio

•Los experimentos más útiles tiene 8, 16 0 32 corridas.

•Usted puede añadir niveles (use 3, 4 o 5 niveles) para un estudio más detallado de las variables importantes.

•Los experimentos de 2 niveles pueden usarse con variables X discretas o continuas.

•Recuerde además que usted puede correr la otra media fracción si los resultados del primer experimento no son claros.

105105

Procedimiento DOE6.3

1. Definir el problema.

2. Establecer el objetivo.

3. Seleccionar las variables de respuesta.

4. Seleccionar las variables independientes y su niveles.

5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de medición. Entender el espacio de inferencia.

6. Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de replicas.

7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.

8. Recolectar los datos.

9. Analizar los Datos.

10. Obtener las conclusiones estadisticas.

11. Replicar los resultados, si corresponde.

12. Establecer soluciones practicas y comunicar.

13. Implementar soluciones.

Pasos para la experimentación

106106

Selección de factores

Podemos utilizar las siguientes fuentes:

• FMEA (Puesta al día después de la Fase de Análisis)

• Lista de Calsificación de Entrada. Mapa de procesos.

• Factores de Estudio de Variación Múltiple

• Resultados de la Prueba de Hipótesis

• Conocimiento de los expertos, experiencia de los operadores

• Requerimientos de los clientes

• Opinión de los proveedores

• Literatura, tormenta de ideas.........


107107

Acción

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



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


108108

4. Determine el tamaño 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-valúes asociados a cada factor e interacciones; los cuales deben ser usados para probar hipótesis:

H0: El efecto del factor no es importante sobre Y

Ha: El efecto del factor si es importante sobre Y

Si p-val>0.05

Acepto H0

Acción Minitab


109109

Los planes de Implementación Final de soluciones debe contener:

•La solución (acción) recomendada.

•La causa verificada y el efecto esperado de la solución.

•Definir al responsable que llevara a la práctica la solución.

•Donde y cuando se realizara (fecha de inicio-fecha final).

•Como se realizara (descripción operativa).

•Recursos necesarios para la implementación.

•Retorno esperado (beneficio).

•El Plan de Gerenciamiento.

Plan de Mejora6.4

110110

Formato Plan de Implementación de Soluciones.

RESPONSABLE

OPERACIÓN

INICIO FIN

FECHACOMO

PROYECTO: FECHA:

MIEMBROS DEL EQUIPO:

NroACCION

RECOMENDADA

CAUSAEFECTO ESPERA

DO

QUIENDONDE CUANDO

TIEMPO S$ENTRENAM

IENTO SOPORTE OTROS S$ SATISFACCIÓN

OBSERVACIONESPORCENTAJE DE

AVANCE

RECURSOS NECESARIOS RETORNO ESPERADO STATUS

Plan de Mejora6.4

111111

ID Acciones de MejoraTipo de Mejora

ResponsableFecha de

Compromiso% de

AvanceObservaciones

1Desarrollo de una Base de Datos donde se registra las altas por dslam saturados

Corto plazo Veronica Avila 15 de Abril 50%

Problemas para identificar la correspondencia de los números a los DSLAM por falta de etiquetas y creación de nuevos perfiles

2Desarrollo de la BD que controle la capacidad disponible de Tx por DSLAM's

Largo Plazo Ernesto Saravia Por definir Por definir

Se requiere la participación de la Subgerencia de Tx y el conocimiento del Aplicativo Asig2000.

3Desarrollo de un sistema que realice la previsión de trafico por DSLAM s

Mediano Plazo Veronica Avila Por definir Por definirSe requiere la participación de GSI

4

Solicitar a GSI, el desarrollo de una rutina 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 definir Por definirSe requiere establecer un requerimiento, y el posible costeo de esta nueva rutina

5

Elaboración de un procedimiento para la ampliación de los enlaces en la Red Speedy que abarca desde la detección de su sobrecarga hasta su ampliación.

Largo Plazo Ernesto Saravia Por definir 15%Se requiere la participación de las Gerencia de Desarrollo y Planificación

6

Desarrollo de una Base de Datos que registra las fechas de denuncias de los sobrecargas hasta su ampliación, con la finalidad de realizar el seguimiento de las ampliaciones en planta

Corto Plazo Veronica Avila 15 de Abril 25%Se tiene la información hay que armar la data a partir del presente año 2005

Falta de un procedimiento para realizar la ampliación de los enlaces en los DSLAM'S

Oportunidad de Mejora

Falta de un control de las altas en DSLAM que presentan saturación

Falta de un sistema que controle las denuncias de sobrecarga hasta su ampliación en la Red

Falta de un sistema que controle la capacidad disponible de Tx por DSLAM's

Falta de previsión en el crecimiento de trafico por cliente

No se registras las fechas de inicio y culminación de las Obras en el Aplicativo SAP-Modulo Gestión de Proyectos

Plan de Mejora6.4

112112

7. Fase IV: Controlar

7.1 Objetivo7.2 Mantenimiento de Resultados.7.3 Control estadístico de procesos7.4 POKA YOKE7.5 Las 5 S7.6 Fabrica visual7.7 Acciones Finales

113113

Y (KPOV)

X (KPIV)

CTQs


Cp, Cpk


Correlación

Regresión

DOE Simulación

SPC

5 Ss

Poka Yoke







Controladas

114114

Concluida las mejoras en las Y, se debe controlar la variable en el tiempo para que no retorne a la situación anterior.

Fin de Proyecto

CONTROL

Antes de

la Mejora

MEJORAR

FASE POST PROYECTO

Situación No Deseada

Y

Objetivo7.1

115115

Se debe elaborar un plan de Mantenimiento de Resultados:

El plan debe contener:

•El mapa de proceso actualizado, con indicadores críticos en la entrada y salida (Ya estuvieron definidos en la primera etapa).

•El tipo de control para cada indicador y las acciones de reacción ante el descontrol.

Mantenimiento resultados7.2

116116

Es el listado con las acciones generales que cada proceso debe seguir para garantizar, mantener el resultado del indicador.

Ejemplo:

PLAN DE CONTROL

Proceso:_______ Fecha:____ Responsable:_____

Acción Responsable Periodicidad

1Analizar indicador

2.Gage R & R

Normas y

procedimientos

4.Revisión

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


117117

TIPO DE CONTROL PARA CADA INDICADOR

Existen diferentes maneras de hacer el Control para los indicadores. Entre los más importantes, se menciona:

•Control Estadístico de Procesos.

•Sistema a Prueba de Errores (Poka Yoke).

•Filosofía de 5 Ss y Gerenciamiento Visual.


118118

Control Estadístico de Procesos (CEP)

•Muestra el desempeño del Proceso.

•Provee de un Lenguaje Común para discutir el Proceso.

•Permitirá diferenciar Causas Comunes de Especiales.

Los componentes del CEP, son:

•Cartas de Control.

•Causas Especiales y Comunes.

LSC : Límite Superior de Control

LIC : Límite Inferior de Control

ZONA EN CONTROL (BIEN)

ZONA PRUEBA DE CONTROL (MAL)

Control Estadístico de Procesos7.3

119119

Controla la proporción 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 p

3

n

qppLSC p

3

Cartas De Control


120120

kccc

c k 21ccLIC p 3

ccLSC p 3kccc 21

CARTA C

Controla el numero de no conformidades por unidad y sólo es aplicada cuando el número de elementos de las muestras recolectadas es constante.

Es la cantidad de no conformidades encontradas en cada muestra.

Cartas De Control


121121

k

XXXX k

21

kk XXXXXXXXR 1212121 ,,,, R

RDLSCR 4RDLICR 3

REXLSCX 2REXLICX 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

Cartas De Control


122122

Gráfica X-R


123123

Los defectos tienes su causa raíz 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

124124

OlvidoOlvido

DesconocimientoDesconocimiento

De identificaciónDe identificación

InexperienciaInexperiencia

VoluntariosVoluntarios

InadvertidosInadvertidos

LentitudLentitud

Falta de estándaresFalta de estándares

Errores SorpresaErrores Sorpresa

IntencionalesIntencionales

11

22

33

44

55

66

77

88

99

1010

ErroresErrores

POKA YOKE7.4

Casi todos los defectos están

causados por errores humanos.

Sin embargo hay como mínimo 10 clases de errores

125125

Olv

ido

Des

con

oci

mie

nto

No

id

enti

fica

do

Inex

per

ien

cia

Vo

lun

tari

o

Inad

vert

ido

Len

titu

d

Fal

ta d

e es

tán

dar

es

So

rpre

sa

Inte

nci

on

al

Proceso Omitido

Errores de Proceso

Piezas omitidas

Piezas equivocadas

Error de ajuste

Operación defectuosa

Procesamiento de Pieza equivocadaMontaje erróneo de piezas de máquinaEquipo montado inapropiadamenteUtiles y plantillas mal preparados

Errores Errores HumanosHumanos

Causa de Causa de defectosdefectos

Conexión Conexión fuertefuerte

Conexión Conexión

POKA YOKE7.4

126126

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 Poka−yoke es cualquier mecanismo que ayuda a prevenir los errores antes de que sucedan, o los hace que sean muy obvios para que el trabajador se de cuenta y lo corrija a tiempo.

127127

Equipo: Camión 785COperación: Cambio de llantas delanterasFecha: 15/12/03

Personal Requerido Cantidad Conformidad

Técnico en Llantas 2Ayudante 1

Herramientas Cantidad Conformidad

∙ Equipo Manipulador de llantas TAYLOR (1) 1∙ Barreta (1). 2∙ Gata 150 TN ( 1ó 2 ). 2∙ Gata Hidráulica-Neumática. 2∙ Extractor de válvulas de aire. 1∙ Válvulas de aire. 2∙ Herramientas de impacto ½” 3∙ Extensión 5”. 2∙ Encastre ½” 2∙ Válvulas de aire 1∙ Destalonador 2∙ Dado ¾”. 2Material o insumos Cantidad Conformidad

∙ Grasa vegetal 1 balde∙ Trapo Industrial 1 kilo∙ Sello O-Ring 2∙ Tacos de Madera 2∙ Llanta 2Procedimientos estándares a seguir

Lista de Comprobación

EMATL001: Cambio de llantas delanteras 1 y 2Camiones 785C

POKA YOKE7.4

Lista de Chequeo

128128

SEIRI(Clasificar)

Retirar, desalojar lo innecesario.

SEISO(Organizar)

“Cada cosa en su lugar y un lugar para cada cosa”.

SEITON(Limpiar)

Limpieza es inspección.

SEIKETSU(Prevenir)

Evitar que se vuelva a ensuciar, desordenar.

SHITSUKE(Disciplinar)

Estandarizar, cumplir con los estándares, Formar buenos hábitos.

Las 5 S7.5

129129

¿Cómo se pueden definir las 5S?

Las 5 S7.5

“Siempre se pueden evitar ineficiencias, evitar desplazamientos, y eliminar desperdicios de tiempo y

espacio”

130130

Las 5 S7.5

131131

Las 5 S7.5

132132

Observation

Indiv

idual Valu

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:

•Evolución del Indicador. (Con Control Estadístico).

•Acciones Correctivas tomadas ante Ocurrencia de Fallas.

•Estado del Cumplimiento de Estándares y Procedimientos.

•Plan de Control del Proceso.

Fabrica visual7.6

133133

Para la implementación de las Acciones Finales, deben estar previamente definidos:

•El desarrollo y la documentación de prácticas estándares.

•El entrenamiento del personal involucrado en las Actividades.

Acciones Finales

Después de ello se podrá hacer los cierres de los proyectos.

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

7.7

Education

Seis Sigma