Post on 02-Jun-2015
description
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...”
Principios de Seis Sigma1.4
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.
Principios de Seis Sigma1.4
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.
Principios de Seis Sigma1.4
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.
Principios de Seis Sigma1.4
Sexto
principio
1414
El recurso humano es el capital fundamental de la empresa.
Principios de Seis Sigma1.4
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.
2.3 Equipo Seis Sigma
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.
2.3 Equipo Seis Sigma
CONTROLLER:Es el responsable de dar el visto bueno cada vez que haya algún tipo de evaluación financiera y cuantifica los beneficios obtenidos.
2424
2.3 Equipo Seis Sigma
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
Definir Problema: Enfoque CAD 2008
4.1
3939
Definir Problema: Enfoque CAD 2008
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
Definir Problema: Enfoque CAD 2008
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
Definir Problema: Enfoque CAD 2008
4.1
4242
Definir Problema: Enfoque CAD 2008
4.1
4343
Definir Problema: Enfoque CAD 2008
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
Ejemplo Fastpizza’s
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
Ejemplo Fastpizza’s
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
X (KPIV) que afectan al proceso
Controladas
4949
Definir y describir el proceso4.2
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
Definir y describir el proceso4.2
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
Definir y describir el proceso4.2
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
Definir y describir el proceso4.2
5353
Definir y describir el proceso4.2
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
Definir y describir el proceso4.2
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)
Definir y describir el proceso4.2
5656
Definir y describir el proceso4.2
Eliminar la fabrica oculta
5757
INICIO
FIN
INFO
INFO
INFO
INFO Etapas donde se registran datos del proceso
Definir y describir el proceso4.2
5858
Definir y describir el proceso4.2
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.
Definir y describir el proceso4.2
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.
Evaluar Capacidad del proceso
4.3
6262
Evaluar Capacidad del proceso
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
Evaluar Capacidad del proceso
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
Evaluar Capacidad del proceso
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
Evaluar Capacidad del proceso
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
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 claves del proceso
Y Key Process Ouptput Variables (KPOV)
variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
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
Criterio de agrupación 4
Criterio de agrupación 6
Criterio de agrupación 5
Criterio de agrupación 1
Criterio de agrupación 2
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.
Determinar las causas5.1
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
Determinar las causas5.1
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
Prueba Hipótesis5.3
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 -
Prueba Hipótesis5.3
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
Prueba Hipótesis5.3
7676
Prueba Hipótesis5.3
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).
Prueba Hipótesis5.3
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
Prueba Hipótesis5.3
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
Prueba Hipótesis5.3
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
Prueba Hipótesis5.3
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
Procedimiento de pruebas5.4
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
Procedimiento de pruebas5.4
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
Prueba F para Y agrupada según las X
¿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?
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"
NONO
¿Es normal?
SI
NO
Prueba F para Y agrupada según las X
¿P>α ?
SI
NOPrueba KW
Prueba T2
Prueba de Normalidad para "Y"
SI
Procedimiento de Pruebas
8686
5.4
Y continua /
X discreta
Con 1 muestra
¿Es normal?
SI
Agrupar prueba Normalidad para"Y"
¿Es normal?
NO
SI
Transformar Datos prueba Normalidad para"Y"
NO
¿Es normal?SI
NO
Prueba de Normalidad para "Y"
Prueba T 1
Prueba One Sample Sign
Procedimiento de Pruebas
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
Procedimiento de Pruebas
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)
48 datos (48 semanas)
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
devueltos semanal ¿Qué tipo de
prueba?
2030..
. 10
2040..
. 30
3050 ..
. 20
48 datos (48 semanas)
48 datos (48 semanas)
48 datos (48 semanas)
Ejemplos: EMPRESA COURIER “EL RAPIDO”
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
devueltos semanal ¿Qué tipo de
prueba?
Ejemplos: EMPRESA COURIER “EL RAPIDO”
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
Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
5.5
X2= Temperatura de cocido (ºC)
X Ycantidad de
pasta quemada¿Qué tipo de
prueba?
45 ºC35 ºC55 ºC
32 ºC .....
. 50 ºC
105 datos
15 kg10 kg20 kg 8 kg
.
.
.
.
..
25kg
X2= es continua Tiene mas de 30 datos
Y= continua
Por lo tanto se utiiliza la Prueba de Regresion
9393
Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
5.5
X3= Humedad relativa (%)
X Ycantidad de
pasta quemada¿Qué tipo de
prueba?
60%55%70%
45% .....
. 72%
103 datos
15 kg10 kg20 kg 8 kg
.
.
.
.
..
25kg
X3= es continua Tiene mas de 30 datos
Y= continua
Por lo tanto se utiiliza la Prueba de Regresion
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
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 claves del proceso
Y Key Process Ouptput Variables (KPOV)
variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
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.........
Procedimiento DOE6.3
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
X2 : Nombre del factor
X3 : Nombre del factor
Minitab
• 2 Level Factorial
• Number Of. Factors
DESGNIS Full factorial
Center points=
# Replicates=
FACTORS En la columna “Name” ponerle el
nombre del factor
OPTIONS . Do not fold
Randomize Runs
Store Design on Worksh
Summary table, alias table
Default interactionsRESULTS
Procedimiento DOE6.3
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
Procedimiento DOE6.3
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
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 claves del proceso
Y Key Process Ouptput Variables (KPOV)
variables clave de salida del proceso para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
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
Mantenimiento resultados7.2
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.
Mantenimiento resultados7.2
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
Control Estadístico de Procesos7.3
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
Control Estadístico de Procesos7.3
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
Control Estadístico de Procesos7.3
122122
Gráfica X-R
Control Estadístico de Procesos7.3
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