i · web viewpractica 9. diagrama de flujo de un proceso pequeño o subproceso matriz de causa...
Post on 25-Dec-2019
3 Views
Preview:
TRANSCRIPT
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
SEIS SIGMA - CHAMPIONS
Dr. Primitivo Reyes Aguilar
mayo 2008
Página 1 de 99
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 99
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
DefinicionesSeis 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 99
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? (s) 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 s tiene rendimiento del 99.9997%
Página 4 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
10
LAS MEDICIONES VARÍAN DE UNA A OTRA:
Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal
LAS DISTRIBUCIONES PUEDEN DIFERIR EN:Número Número Número
Número Número Número Número
Número Número Número
UBICACIÓN DISPERSIÓN FORMA
. . . O TODA COMBINACIÓN DE ÉSTAS
Distribución gráfica de la variación –Curva normal
P1
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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Seleccionar con doble click o Select
6
Colocarse sobre una gráfica y acceder a Editor > Layout tool y pasar a lasVentanas las gráficas para cada conjunto de datos
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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
_Xxi
sZ
LIEEspecificación inferior
LSEEspecificación superior
p = porcentaje de mediciones fuera de Especificaciones
La desviación estándarsigma s representa la distancia de la media alpunto de inflexión de la curva normal
Interpretación de Sigma y Zs
P2
Desviación estándar
+4s+5s+6s+1s+2s+3s-2s -1s-4s -3s-6s -5s 0
Definición estadística de Seis Sigma Con 4.5 sigmas
se tienen 3.4 ppm
Media del procesoCorto plazo Largo Plazo
LSE - LímiteSuperior deespecificación
LIE - Límiteinferior deespecificación
4.5 sigmas
El proceso se puede recorrer 1.5 sigma en el largo plazo
La capacidadDel procesoEs la distanciaEn Sigmas deLa media al LSE
Página 7 de 99
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 99
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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Página 10 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Proceso DMAIC
1. Definir
2. Medir
3. Analizar
4. Mejorar
5. Controlar
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 99
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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Metodología Lean SigmaTópico Seis Sigma Lean
Mejora Reducir variación Reducir mudaJ ustificación 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 DemandaComplejidad Alta Moderada
Problemas resueltos con Leano Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanoso Enfoque a mejora de la productividad
Problemas resueltos con Seis Sigmao Minimizar variación en los procesoso 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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Capacitación en Seis Sigma
Pirámide de Capacitaciónen Seis Sigma
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 deintroducción 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 99
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. ProcesosB. BenchmarkingC. Medidas de desempeño del negocio
Proceso
Página 15 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
SalidaPRODUCTO
Entradas
(Incluyendo recursos)
PROCESO
Conjunto de actividades
interrelacionadas o que interactúan Eficiencia
Resultados contra recursos empleados
ISO 9004:2000
EficaciaCapacidad para alcanzar resultados deseados
ISO 9001:2000
Procedimiento
Especificación de la forma en que se realiza alguna actividad
Actividades de medición y seguimiento
Benchmarking
BenchmarkingCompara 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 actualeso Seleccionar el área problemao Identificar los factores clave de desempeñoo Comprender los procesos propios y los del competidoro Seleccionar criterios de desempeño en base a necesidades y prioridades
Identificar las mejores prácticaso Medir el desempeño dentro de la empresao Determinar los líderes para las áreas a evaluaro 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 lídero Evaluar y comparar prácticas actuales con benchmark o Identificar áreas de mejora potenciales
Modelar las mejores prácticas
Página 16 de 99
Ventas yMktg. Ingeniería Admón.
FinanzasOperacio-
nesRecursosHumanos
TecnologíasInformación
Ejecutivos
Staff
Gerentes
Ingenieros
Superviso-res
Operadores
Proceso de negocio (---) vs Función organizacional (O)
Entrada Salida
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Realizar cambios para mejorar niveles de desempeñoo Extender los cambios en desempeño a toda la empresao Incorporar la nueva información en la toma de decisiones del negocioo 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
Figura 3.1.4.1 Análisis del régimen térmico CTVM 2007
2646
2376
25422466
2388
22002250230023502400245025002550260026502700
Promedio Unidad 1
Promedio 3 años CTVM
Promedio CFE
FPL USA P Deming
Nerc USA
Análisis del consumo específico de gas natural ó régimen térmico Kcal/KWh
Promedio Unidad 1
Promedio 3 años CTVM
Promedio CFE
FPL USA P Deming
Nerc USA
Página 17 de 99
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) Mes
Consumo de combustible-Sureste
Consumo de combustible -Planta A
Consumo de combustible -Planta B
P 1 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
a) Diagramas de caja en Minitab:Copiar tabla de datos.Instrucciones: Graph > Box Plot
Página 18 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
24Fuel Consumption-Plant BFuel Consumption-Plant AFuel Consumption-Southeast
19000
18500
18000
17500
17000
16500
16000
Dat
a
Boxplot of Fuel Consumption, Fuel Consumption, Fuel Consumption
Máximo, mediana, mínimo
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 PFactor 2 17916218 8958109 72.87 0.000 P< 0.05 Medias diferentesError 246 30240786 122930Total 248 48157004S = 350.6 R-Sq = 37.20% R-Sq(adj) = 36.69%
Level N Mean StDevFuel Consumption-Southea 83 17940 400Fuel Consumption-Plant A 83 17403 320Fuel Consumption-Plant B 83 17344 326Individual 95% CIs For Mean Based on
Individual 95% CIs For Mean Based on Pooled StDevLevel -------+---------+---------+---------+--Fuel Consumption-Southea (---*---)
Página 19 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Fuel Consumption-Plant A (---*---)Fuel Consumption-Plant B (---*---) -------+---------+---------+---------+-- 17400 17600 17800 18000
c) Gráficas de series de tiempo
Instrucciones: Stat > Time series > Time series plot
Página 20 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
80726456484032241681
19000
18500
18000
17500
17000
16500
16000
Index
Data
Fuel Consumption-SoutheastFuel Consumption-Plant AFuel Consumption-Plant B
Variable
Time Series Plot of Fuel Consump, Fuel Consump, Fuel Consump
Métricas de desempeño de negociosNivel 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 CardMide 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 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Proc
esos
Inte
rnos
Apre
ndiza
je y
Crec
imien
toCli
ente
s Ser la mejor opciónpara los clientes
Ser líder enServicios de generación
de energíaIncrementar valor en los
procesosde las plantas
C1C2 C3
Contar con RRHHadecuados
en puestos clave
Capital Humano Capital Organizacional
Fortalecer el clima organizacional
Asegurar la coordinación de
trabajos entre deptos.A1
A3 A4
Optimizar la aplicación einnovación detecnologías de información
y comunicaciones
Capital Tecnológico
A2A1
Asegurar cumplimiento del marco regulatorio
A5
Mejora de los procesos y calidad
P4
Impulsar la gestión delconocimientoy tecnologíaP3
Promover, impulsar y verificar la aplicación de
normasMejorar la oportunidad y
efectividad de los servicios
P1
P2
Ejemplo de Mapa estratégico de BSC
Visión de largo plazo
Conocimientodel negocio
SeguridadAlto nivel deespecialización
Sustentabilidad ConfiabilidadOportunidad Calidad Efectividad
Finan
ciera
F1 F2 F3
Rentabilidad de los servicios
Optimizar costos y gastos
de operación
P5
Desarrollo sustentable
Eficientar los procesos
administrativos
Mejora de la productividad
P6
P7
P8
Mantenimiento y optimización del uso de activos
Maximizar la rentabilidad sobre
activos
Impulsar la seguridad
P9
Gestión de equipo de trabajoFormación 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 99
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 99
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 Indicador Valor generado cadena
de valor usuarios finales 1. Precio competitivo
(Consumo gas natural ó control del régimen térmico)
$/MWh Kcal / Kwh (De acuerdo
a la Unidad)
Precio competitivo a los usuarios finales de CFE
2. Calidad de la regulación: Control de frecuencia y control de voltaje
Frecuencia: 60 Hz ± 0.2 Voltaje: 230,000 Volts ±
1000
No variaciones en el suministro de energía
eléctrica
3. Cantidad de energía entregada
100% Cumplimiento programa
Cero interrupciones en el suministro de EE
4. Confiabilidad
Conf = (100% - % Falla propia) = 97.69%
Cero interrupciones en el suministro de EE y
participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional
(SEN)
5. Disponibilidad
Disp= (100% - (%Falla + % Matto - % ajenos)) = 88.50%
Cero interrupciones en el suministro de EE y
participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional
(SEN) Figura 3.1.9.1 Tabla de Factores Críticos del Cliente
Página 24 de 99
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.
Frecuencia HertzEconomía PrecioVoltaje Volts
Calidad de la energía
Críticos para X (CTX) CTQ – Críticos para la calidad
o Cumplir con requerimientos del mercado y técnicoso Proporcionar productos y servicios excelentes
CTC – críticos para el costo o Consumo de combustible o Costos de operación
CTP – Críticos para el procesoo 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 claraso Proporcionar EPP adecuado
Precio Competitivo
Régimen Térmico
Calidad de regulación de Control de frecuencia Control de voltaje
Confiabilidad Disponibilidad Cantidad de energía
eléctrica entregada
Figura 3.1.9.2 Diagrama de Árbol CT´s Cliente
CTC CTD
CT’s
CTQ
Costos de calidad Los costos de calidad son un vehículo para identificar oportunidades de reducción de
costos por medio de mejoras al sistema
Página 25 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Las categorías de los costos de calidad son:
o Costos de prevención – capacitación, documentación o Costos de evaluación – pruebas e inspeccioneso Costos de falla interna – fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente
Bases de comparacióno 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 proyectoo Provee el impacto medible de las acciones correctivas
PRÁCTICA 5. Construcción de un diagrama de Pareto
Instrucciones de Minitab: File > Open worksheet > Exh_qc.mtwStat > Quality tools > Pareto chart Seleccionar Defects y Counts
Página 26 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Counts 274 59 43 19 10 18Percent 64.8 13.9 10.2 4.5 2.4 4.3Cum % 64.8 78.7 88.9 93.4 95.7 100.0
DefectsOth
er
Incom
plete P
art
Defect
ive Ho
usi
Leaky
Gasket
Missing
Clips
Missing
Screw
s
400
300
200
100
0
100
80
60
40
20
0
Coun
ts
Perc
ent
Pareto Chart of Defects
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)
Página 27 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Interrupciones de energía 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
Y = ƒ(X1, X2, X3, X4)
Y = ƒ(X1, X2)
Y = ƒ(X1)
Ejemplos de selección de problemas
Página 28 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Página 29 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Justificación económica de proyectos Seis SigmaAnálisis 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
Página 30 de 99
Interés 0.15Inversión -15,000Beneficios Año 1 5,000Año 2 5,000Año 3 5,000Año 4 5,000Año 5 9,000
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
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 1 100,000Año 2 100,000Año 3 100,000Año 4 100,000Año 5 100,000Año 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 VPN = -21,551TIR = 13% 15%
c) Con la inversión de $400,000 ¿cuál es la tasa interna de retorno? = -400000
Año 1 100,000Año 2 100,000Año 3 100,000Año 4 100,000Año 5 100,000Año 6 100,000
Página 31 de 99
Interés 0.15Inversión -15,000Año 1 5,000Año 2 5,000Año 3 5,000Año 4 5,000Año 5 9,000
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Justificación con base a costos de operaciónPara la CTVM, al disminuir el régimen térmico ó consumo de gas natural a niveles óptimos, se reduce el costo de generación, en pesos por unidad de energía eléctrica generada ($/KWh) fortaleciendo su competitividad.
78.78% 83.61% 83.75%
0%
20%
40%
60%
80%
100%
2005 2006 2007
Costo gas consumido / Costo total (%) CTVM
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 proyectoEs el compromiso formal del equipo y de la dirección, en la ejecución del proyecto
Caso de negocio
Descripción general del problema
Alcance
Meta medible
Sigmas
Impacto financiero Beneficios estimados Costos estimados
Recursos Nombre, Rol Otros participantes
Planes del proyecto 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 Rol de los miembros del equipo
Página 32 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Metas intermedias y productos finales Recursos requeridos
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 33 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
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.
Fecha de inicio: Febrero, 2008 Fecha de término: Junio , 2008.
Justificación: El incumplimiento con los horarios programados de libranza, además de impactar en el aspecto económico; en primerainstancia tiene un impacto muy fuerte en el grado de satisfacción de nuestro cliente interno. Este proyecto incrementará en 5% el nivel desatisfacción, a través de la optimización y la reducción en los tiempos de ejecución de las actividades de mantenimiento con laconsecuente disminución de costos.
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: Técnicos AuxiliaresCliente: SubáreaChampion: Jefe de la SubáreaGrupos Impactados: Zona de Distribución , Deptos. Técnicos y Dpto. de Administración.Equipo: Depto. De SubestacionesAsesor Black Belt: Jefe de Dpto. de Subestaciones
PROJECT CHARTER
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 34 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Provee-dores
Clientes
Banco de información
EntradasProcesos y sistemas Salidas
Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes)
Retroalimentación Retroalimentación
Ejemplo: Proceso de generación de energía en una termoeléctrica
Proveedores Entradas Proceso Salidas Clientes PEMEX
Comisión Nacional del Agua
Gas Agua
Generación Termoeléctrica
Entrega de energía eléctrica
CENACE Cliente final
Figura 3.1.10.1.1 Mapa de proceso de primer nivel
Insumos Gas y Agua
Planta de tratamiento
de agua
Generador de Vapor Turbogenerador Subestación Transmisión CENACE Usuario
Final
PRÁCTICA 8. Realizar un ejemplo de Diagrama SIPOC de un proceso pequeño o subproceso
Casa de la calidad
Página 35 de 99
Proveedores Entradas Pasos grales. del proceso
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 Clienteo 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 Importanciao 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 36 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
III. Seis Sigma – Fase de MediciónPropósitos:
Página 37 de 99
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 flujoEn 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
pasoo ¿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
00
0
0
Temperatura °C
Presión Kg/cm2
Flujo Ton/hr
Sílice PPM
Conductividad MicroMHOSo
Agua de proceso
Agua de atemperación VSC
Agua de atemperación VRF
Vapor de proceso
Vapor de extracciones
537
128.7
537
32.9
245
<0.3
CICLO AGUA-VAPOR
35535.11 449
465
410
2924 371
43.086 331
210.5 5.4
4615.5 401
11414.5 401
1484.4 480
148142 480
140.5 480
340140 428.9
148142 37
14840 19
34237 31
<0.02< 1
<0.002
< 5
Desmin.
Sobrecalentador
Pozo
Tanque alm.
Domo superior
Economizador
CalentadoresAlta Presión
DeareadorCondensador.
Recalentador.
Turbina Alta Presión
Paredes deAgua
Tubos aguacaldera
Turbina PresiónIntermedia
Turbina Baja Presión
Calentadores baja presión
Bomba AguaAlimentación
4
6
5
Generador
Página 38 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
6.66
0
0
Temperatura °C
Presión Kg/cm2
Flujo Ton/hr
Flujo de aire
Flujo de gas
Flujo gases de combustión
FLUJO DE AIRE-GAS
CasetaMedición / reducción
PEMEX
Q Q Q Q
Q Q Q Q
Q Q Q Q
Q Q Q Q
50 8 3.5
229.7
0
289
277
32.2
32.2
149
352
Aire
Aire
508
Apertura0-100%
%O2CO CO2NOx
RPM300-1000
RPM300-1000
% E. O2:0.9 – 1.2
12,600 KCal/Kg
Compuertas auxiliares
N1
N2
N3
N4
Inclinación de
quemadores
Página 39 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
PRACTICA 9. Diagrama de flujo de un proceso pequeño o subproceso
DIAGRAMA DE FLUJO DE PROCESO Legenda:
Operación Transporte Inspección Espera/retraso Almacenaje
Operación o Evento Descripción de EvaluaciónOperación o evento y Métodos de análisisP
AS
O
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)
184232Ent 5100236Totales
92246Ent 4112515Ent 327633247Ent 23584632Ent 1
%Res410613Impor-tancia
EDCBASalidas
184232Ent 5100236Totales
92246Ent 4112515Ent 327633247Ent 23584632Ent 1
%Res410613Impor-tancia
EDCBASalidas
Página 40 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Página 41 de 99
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
Datos Discretos Incluye
porcentajes, conteos, atributos y ordinales
Las ocurrencias deben ser independientes
87
Continuos Discretos
Datos TipoTemperatura de vapor ContinuoFallas de la bomba Discreto: Porcentaje o cuentaTiempo de mantenimiento ContinuoCantidad de contaminantes ContinuoFallas de Maquinaria Discreto: Porcentaje o cuentaTiempo del ciclo de arranque ContinuoPerdida de clientes Discreto: Porcentaje o cuentaErrores en reportes Discreto: cuentaCambios en la agenda o el plan Discreto: cuentaPorcentaje 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 Materialo Maquinariao Mano de obra o personalo Métodoo Naturalezao Medicioneso La variación es inherente a todos los procesos
Se tienen causas comunes y causas especiales
Página 42 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Ejemplos:
HistogramasMuestra 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 43 de 99
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)
0.4
0.3
0.2
0.1
0.0Z
Dens
ity
-2.4 2.80
Distribution PlotNormal, Mean=0, StDev=1
Excel Fx Estadísticas: = 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 44 de 99
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 0.5OK (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 45 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Posibles fuentes de variación
Variación del proceso, real Variación de la medición
Variación del proceso
Reproducibilidad
Repetibilidad Estabilidad Linealidad Sesgo
Variación originada
por el calibrador
Calibración
Variación del proceso, real
Reproducibilidad
Repetibilidad
Variación dentro de lamuestra
Estabilidad Linealidad Sesgo
Equipo demediciòn
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 46 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Diferencia entre operadoresReproducibilidad
Minitab:File > Open worksheet > gageaiag.mtwStat > 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 20OK
Estudio de R&R – Análisis de resultados
111
Gage R&R Study - XBar/R Method %Contribution Source VarComp (of VarComp) Total Gage R&R 0.0000001 41.00 Repeatability 0.0000001 40.52 Reproducibility 0.0000000 0.48 Part-To-Part 0.0000001 59.00 Total Variation 0.0000001 100.00 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
% Error R&R debe ser menor Al 10% ya sea para control delProceso o para producto final.Repetibilidad– InstrumentoReproducibilidad - Operador
Número mínimo 4
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 47 de 99
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.
Perc
ent
Part-to-PartReprodRepeatGage R&R
80
40
0
% Contribution% Study Var% Tolerance
Sam
ple R
ange 0.0010
0.0005
0.0000
_R=0.000417
UCL=0.001073
LCL=0
1 2 3
Sam
ple M
ean 0.0050
0.0045
0.0040
__X=0.004717
UCL=0.005143
LCL=0.004290
1 2 3
Partes10987654321
0.006
0.005
0.004
Operadores321
0.006
0.005
0.004
Partes
Aver
age
10 9 8 7 6 5 4 3 2 1
0.0050
0.0045
0.0040
Operadores123
Gage name:Date of study:
Reported by:Tolerance:Misc:
Components of Variation
R Chart by Operadores
Xbar Chart by Operadores
Datos by Partes
Datos by Operadores
Operadores * Partes Interaction
Gage R&R (Xbar/ R) for Datos
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 de control, debería ser al menos el 50%, indicando que el equipo no discrimina las diferentes partes.
P10
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 48 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
106
Variable dependiente del tiempo
El “corrimiento” en las medicionesIndica que están presentes variables
dependientes del tiempo
2644.71
2640.00
2651.41
2641.10
2645.77
2647.22
2649.29
2646.69
2634
2636
2638
2640
2642
2644
2646
2648
2650
2652
2654
Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08
Régimen térmico U-1 CTVM Kcal/KWh
Régimen Térmico
Un histograma también sirve para identificar si el comportamiento de una variable es normal (P value < 0.05):
2660265026402630
Median
Mean
265026482646264426422640
Anderson-Darling Normality Test
Variance 87.3Skewness -0.171999Kurtosis -0.607477N 31Minimum 2623.8
A-Squared
1st Quartile 2638.6Median 2643.13rd Quartile 2651.8Maximum 2661.1
95% Confidence Interval for Mean2640.9
0.25
2647.795% Confidence I nterval for Median
2640.2 2649.995% Confidence Interval for StDev
7.5 12.5
P-Value 0.720Mean 2644.3StDev 9.3
95% Confidence Intervals
Summary for Julio
PRACTICA 12. Gráficas de series de tiempo
Página 49 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
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.
YearQuarter
200220012000Q4Q3Q2Q1Q4Q3Q2Q1Q4Q3Q2Q1
240
220
200
180
160
140
120
100
Sales
B
Time Series Plot of SalesB
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 númeroso Proceso: …Medimos y controlamos las
característica críticas (CTQs) del proceso identificadas por los clientes
Tipos de variación:
Página 50 de 99
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 51 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
94
Tipos de Variación
100
Variación – Causas especialesLímiteinf. deespecs.
Límitesup. deespecs.
Objetivo
Variación – Causas comunes
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
102
7.5
8.5
9.5
10.5
11.5
12.5
0 10 20 30
Límite Superior de Control
Límite Inferior de Control
Línea Central
“Escuche la Voz del Proceso” Región de control, captura la variaciónnatural del proceso
original
Causa Especialidentifcada
Corrida del Proceso (7P)
TIEMPO
Tendencia del proceso (7P)
LSC
LIC
Patrones de anormalidad en la carta de control
MEDIDAS
CALIDAD
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 52 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Ejemplo del consumo de Gas
Observation
Indi
vidu
al V
alue
30272421181512963
2670
2655
2640
2625
2610
_X=2644.28
UCL=2671.69
LCL=2616.87
Observation
Mov
ing
Rang
e
30272421181512963
30
20
10
0
__MR=10.31
UCL=33.68
LCL=0
I-MR Chart of Julio
2500252025402560258026002620264026602680270027202740
Régi
men
térm
icoK
cal/
KWh
Gráfica de Control Régimen Térmico Kcal/KWh U-1 CTVM (Jul-07 a Feb-08)
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 53 de 99
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.
454137332925211713951
1050
1000
950
900
850
Observation
Indi
vidu
al V
alue
_X=936.9
UCL=1010.9
LCL=862.8
454137332925211713951
100
75
50
25
0
Observation
Mov
ing
Rang
e
__MR=27.8
UCL=91.0
LCL=0
111
1
11
1
I-MR Chart of Weight
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 54 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Identifica oportunidades de mejora para eliminar Muda Establece la línea base
Nigel´s Trucking Co.
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 mayorque la especificación.
•Centrar es hacer que el promedio del proceso sea igual al centro de laespecificación. Si el camión tiene 8 pies de ancho ¿pasará el camión?, Si. Siel 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.
Ancho 9´
El proceso debe estar en control, tener capacidad y estar centrado
¿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.
120
Especificaciones superior e inferior Sólo especificación superior
LIE LSE LSE
Dentro de especs.
Dentro de especs.
Fuera de especs.
Dentro de especs.
Fuera de especs.
Fuera de especs.
La capacidad potencial (Cp) es función de que tan disperso esté el proceso, independientemente del centrado
Página 55 de 99
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 al reducir la variación y centrar el proceso, eliminando desperdicio
Ahorros simplemente centrando el proceso, sin cambiar la variabilidad
Página 56 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 14. Capacidad del proceso con base en carta de control de Medias Rangos X-R 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 11005 Estimate seleccionar Rbar OK.
49
110010501000950900850800
LSL USL
LSL 800Target *USL 1100Sample Mean 936.889Sample N 45StDev(Within) 31.5277StDev(Overall) 45.8045
Process Data
Cp 1.59CPL 1.45CPU 1.72Cpk 1.45
Pp 1.09PPL 1.00PPU 1.19Ppk 1.00Cpm *
Overall Capability
Potential (Within) Capability
PPM < LSL 0.00PPM > USL 0.00PPM Total 0.00
Observed PerformancePPM < LSL 7.06PPM > USL 0.11PPM Total 7.18
Exp. Within PerformancePPM < LSL 1401.55PPM > USL 184.70PPM Total 1586.25
Exp. Overall Performance
WithinOverall
Process Capability of Weight
El proceso es capazde cumplir especificacionesSu Cpk es mayor a 1.33Con 7 ppm
Métricas Seis Sigma
Motorola notó que muchas operaciones en productos complejos tendían a desplazarse ±1.5 s sobre el tiempo, por tanto un proceso de ± 6 s a la larga tendrá 4.5 s hacia uno de los límites de especificación, generando 3.4 DPMOs (defectos por millón de oportunidades)
Página 57 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Corrimiento de 1.5 sigmas
Página 58 de 99
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 59 de 99
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 rápidaso Fomenta la creatividado Involucra a todoso Genera energíao 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 posibleso Una vista organizada de todas las posibles causaso Entendimiento de las relaciones entre las posibles causaso 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 60 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Calidad de mantenimientoPresión diferencial filtros
Huelgos de alabes
Turbina, API, PI y BP
Calidad de vapor, temperatura,
presión
Eficiencia
Huelgos
Apertura de alabes
Vacio del condensador
Temp. Agua fría
Entrada de aire Suciedad
Cargas Térmica
Presión diferencial
Temperatura ambiente Suciedad
Turbina
Bombas circulación agua
Torre de enfriamiento
Presión de descarga
Gasto y presión de agua
Nivel de pileta
Amperaje y número de ventiladores
Auxiliares principales
Factor de planta
Volumen de energía eléctrica entregada
Precio competitivo Régimen Térmico
Kcal/Kw h
Calidad de agua
Agua de enfriamiento
Productos químicos
Tratamiento de agua
Calidad de agua
ConductividadSílice
PHGas
Agua Poder Calorífico
Azufre Humedad
Agua negra tratada
Agua de pozo
Insumos
Temp. gases salidaTemp. de agua entrada
Gas a quemadores
Recalentador
Inclinación de quemadores
EconomizadorPrecalentador
Generador de vapor
% fuga de aire
TemperaturaSobrecalentador
Flujo, presión, temp. Atemp.
Exceso O2Compuertas auxiliares
Flujo, presión
Flujo, presión, temp. atemp
Suciedad
Comprobación de causas con DOE
# Exp
% O2
C.A. N1
C.A. N2
C.A. N3
C.A. N4
Inclinación Quemadores
Temperatura Vapor Orden de
Experimentación1 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 61 de 99
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 62 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Comprobación de causas reales:
Página 63 de 99
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 64 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Presión Temp1.2 1010.8 921.0 1101.3 1200.7 900.8 821.0 930.6 750.7 851.1 960.9 91
120110100908070
1.4
1.3
1.2
1.1
1.0
0.9
0.8
0.7
0.6
Temp
Pres
ión
S 0.122070R-Sq 73.0%R-Sq(adj) 70.0%
Fitted Line PlotPresión = - 0.4972 + 0.01504 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 65 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Tratar de extrapolar más allá de los datos es riesgoso:
Correlations: Presión, Temp
Pearson correlation of Presión and Temp = 0.854P-Value = 0.001
Página 66 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
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 67 de 99
Diagrama deIshikawa
Diagrama derelaciones
Diagramade Árbol
Análisis del Modo y Efecto deFalla (AMEF)
QFD
DiagramaCausa Efecto
CTQs = YsOperatividad
X's vitales
Diagramade Flujo
delproceso
Pruebasde
hipótesis
Causas raízvalidadas
¿CausaRaíz?
DefiniciónY=X1 + X2+. .Xn
X'sCausas
potenciales
Medición Y,X1, X2, Xn
FASE DE ANÁLISIS
SiNo
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 68 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
PRÁCTICA 16. Llenado de AMEF de maquinaria
M FMEA LISTASESCALA 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 69 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Página 70 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Página 71 de 99
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 naturalo ¿El primer turno se desarrolla mejor que el segundo turno?
Para realizar la prueba se deben comprender las hipótesis:
La hipótesis nulao H0= No hay diferencia entre los grupos
La hipótesis alternativao 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 PropósitoPrueba t – 1 muestra Compara una media muestral a la
media histórica u objetivoPrueba t – dos muestras Compara las medias de dos
grupos independientesPrueba Z – 1 muestra Compara una media muestral a la
media poblacional u objetivoANOVA (Prueba F) Compara dos o más medias de
gruposPrueba de igualdad de varianzas Compara dos o más varianzasde
gruposANOM 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 72 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 17. Prueba de HipótesisSe 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 73 de 99
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 apagadao 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 actividadeso Repetir el proceso
Página 74 de 99
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
Diseño de Experimentos
El cambiar un factor a un tiempo presenta las desventajas siguientes:o Se requieren demasiados experimentos para el estudioo No se puede encontrar la combinación óptima de variableso No se puede determinar la interaccióno Se puede llegar a conclusiones erróneas o Se puede perder tiempo en analizar las variables equivocadas
Página 75 de 99
Tormenta deideas
Técnicas decreatividad
MetodologíaTRIZ
Generación de soluciones
Diseño deexperimentos
Optimización
No
Implementación desoluciones y verificación
de su efectivdad
Evaluación de soluciones(Fact., ventajas, desventajas)
Solucionesverificadas
¿Soluciónfactible?
Si
Causasraíz
FASE DE MEJORA
Efecto de X'sen las Y =
CTQs
Ideas
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).
Proceso
Entradas Salidas (Y)
147
Diseño de experimentos
PROCESO
Factores conocidos no controlados
Factores desconocidos
w1 w2 w3 w4 ws. . .
z1 z2 z3 z4 zn. . .
x1
x2
xa
...
y1
y2
ym
...
Factores de control con niveles(x’s)
Variables de respuesta (y’s)(CTQ’s)
ENTRADAS
SALIDAS
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
Página 76 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Son fáciles de seguir por su patrón repetitivoo Producen información de los efectos factoriales de 4 o más veces la que
produce un factor a la vezo Pueden identificar y ayudar a comprender las interacciones entre factoreso Son fáciles de analizaro 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
Página 77 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
BA
90
88
86
84
82
Res
Main Effects Plot (data means) for Res
Efecto significativo Efecto NO significativo
DOE gráficas de interacciones
-1 1
1 1-1-1
90
85
80
B
A
Mea
n
Interaction Plot (data means) for Res
Interacción significativaNota: No es significativoCuando 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 filtrajeo 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 respuestao Usado para determinar los ajustes óptimos para factores principales
Operación Evolutiva (EVOP)
Página 78 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 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 Mezclaso Se usa para optimizar los porcentaje de ingredientes en una mezcla química
Diseños de experimentos de TaguchiObjetivo: 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.
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:
FactoresNiveles
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:
Página 79 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 1 1 1 1 1 1 11 1 1 2 2 2 21 2 2 1 1 2 21 2 2 2 2 1 12 1 2 1 2 1 22 1 2 2 1 2 12 2 1 1 2 2 12 2 1 2 1 1 2
Figura 3.3.1.4.2 Tabla del arreglo ortogonal
Sustituyendo niveles reales no codificados, el arreglo queda como:
# Exp
% O2
C.A. N1
C.A. N2
C.A. N3
C.A. N4
Inclinación Quemadore
sTemperatur
a VaporOrden de
Experimentación1 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
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 C.A. N1 C.A. N2 C.A. N3 C.A. N4
Inclinación Quemadores
Temperatura Vapor
0.8 20 20 20 20 -30 5370.8 20 20 40 40 0 5420.8 40 40 20 20 0 5420.8 40 40 40 40 -30 5371.2 20 40 20 40 -30 5421.2 20 40 40 20 0 5371.2 40 20 20 40 0 5371.2 40 20 40 20 -30 542
Paso 2. Se ejecuta la siguiente instrucción en Minitab:
Página 80 de 99
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 2619.21
Paso 4. Ahora se analiza el diseño con:
Página 81 de 99
Resultados
2668.02
2600.72
2612.76
2640.88
2627.36
2583.98
2591.12
2628.82
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Seleccionar la respuesta “Resultados”
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:
Página 82 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
1.20.8
-68.30
-68.35
-68.40
4020 4020
4020
-68.30
-68.35
-68.40
4020 0-30
542537
-68.30
-68.35
-68.40
% O2
Mea
n of
SN
ratio
sC.A. N1 C.A. N2
C.A. N3 C.A. N4 Inclinación Quemadores
Temperatura Vapor
Main Effects Plot for SN ratiosData Means
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:
1.20.8
2640
2620
26004020 4020
4020
2640
2620
2600
4020 0-30
542537
2640
2620
2600
% O2
Mea
n of
Mea
ns
C.A. N1 C.A. N2
C.A. N3 C.A. N4 Inclinación Quemadores
Temperatura Vapor
Main Effects Plot for MeansData Means
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 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 Figura 3.4.2.3 Tabla de los parámetros recomendados
Página 83 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Paso8. Con los coeficientes de predicción anteriores se establece la predicción de la respuesta esperada:
Ecuación de predicción
Estimated Model Coefficients for MeansTerm CoefConstant 2619.21% O2 0.8 11.39C.A. N1 20 0.81C.A. N2 20 2.96C.A. N3 20 5.61C.A. N4 20 4.19Inclinac -30 22.06Temperat 537 1.79
μopt= 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) + (2616.25- 2619.21) + (2613.6 -2619.21) + (2615 - 2619.21) + (2597.15 - 2619.21) + (2617.42 - 2619.21) mopt = 2570.4
Paso 8. Usar lo siguiente para la Predicción de resultados:
Página 84 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Se seleccionan UNCODED values todos en nivel alto (2)
Página 85 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
La predicción obtenida es la siguiente:
Predicted values
S/N Ratio Mean -68.2022 2570.40
Factor levels for predictions
C.A. C.A. C.A. C.A. Inclinación Temperatura% O2 N1 N2 N3 N4 Quemadores Vapor 1.2 40 40 40 40 0 542
Técnicas de creatividadSCAMPER
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 atributosDividir el problema en partes. Por ejemplo para una linterna
Componente Atributo Ideas
Cuerpo Plástico Metal
Interruptor Encendido/Apagado Encendido/Apagado/luminosidad media
Batería Corriente RecargableBombillo de Vidrio PlásticoPeso Pesado Liviano
Análisis morfológicoConexiones morfológicas forzadas
Página 86 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Ejemplo: Mejora de un bolígrafo
Cilindrico Material Tapa Fuente de Tinta
De múltiplescaras Metal Tapa pegada Sin repuesto
Cuadrado Vidrio SinTapa PermanenteEn forma decuentas Madera Retráctil Repuesto de
papelEn forma deescultura Papel Tapa
desechableRepuestohecho de tinta
162
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
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 87 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Evaluación de soluciones
Página 88 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Implantación de soluciones
¡!!!! HACERLO ¡!!!!
Verificando mejorasUna 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 hipótesiso Prueba t 2 muestraso Prueba de igualdad de varianzaso Prueba de 2 proporciones
Cartas de control estratificadas Sigma de Proceso Capacidad del Proceso Diagrama de Pareto
Prueba de igualdad de varianzas
Página 89 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
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 90 de 99
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 91 de 99
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 92 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
VII. Seis Sigma – Fase de controlObjetivos:
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 93 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
Prevención de la reincidencia
Controles automáticos Ayudas visuales / Poka Yokes Procedimientos de operación estándar Especificaciones Capacitación
Página 94 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
CONTROLES AUTOMATICOS
AYUDASVISUALESPOK A - YOKE
PROCEDIMIENTOSDE OPERACIÓN ESTANDAR
ESPECI FICACIONES
Las 5 S’s para ahorro de espacio y tiempo Serie, Seiton, Seiso, Seiketsu, Shitsuke
Seiri = Organizacióno 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 = Limpiezao 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 95 de 99
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 visualeso 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 96 de 99
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
DETECCIÓNLa computadora suena cuando se introduce un comando no válido pero no evita que el usuario ejecute un comando erróneo
PREVENCIÓNLa computadora no permite que se introduzcan ciertos caracteres en campos específicos (v. gr. No números)
Procedimientos, documentación y capacitaciónProcedimientos
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 97 de 99
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 procesoo Problemas de Materialo 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 98 de 99
SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008
VII. Diseño para Seis SigmaMetodologías 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 99 de 99
top related