Herramientas de Gestin Seis Sigma

Expositor: MBA. Alejandro Gallegos Chocce

AGENDA

1. 2. 3. 4. 5. 6.

Que es Seis Sigma? Adopcin del Seis Sigma Requisitos: Proyectos Seis Sigma Estructura: Responsabilidades y roles Caso practico: Empresa de Servicios Herramientas Lean Seis Sigma

22

1.

Que es Seis Sigma

1.1 Qu es Seis Sigma? 1.2 Principios de Seis Sigma 1.3 Ciclo DMAMC

33

1.1

Qu es Seis Sigma ?

Es un sistema empresarial para lograr y mantener el xito por medio de la orientacin al cliente, la gestin por procesos, as como la utilizacin de los hechos y de los datos.
Y = f (X1, X2, X3, X4,)

Como Mtrica

Mide el desempeo de un proceso en cuanto a su nivel de productos o servicios fuera de especificacin Mejoramiento continuo de procesos a travs de la reduccin de las variaciones. Tener procesos de clase mundial (3.4 dpmo) no producir servicios o productos defectuosos
44

Como Filosofa

Como Meta

1.1

Calidad Seis Sigma

LI 23 min.

LS

LI 23 min.

LS 32 min.

Distribucin

32 min.

Alta probabilidad error

Tiempo (minutos)

Alta probabilidad de error

Baja probabilidad de error

Baja probabilidad de error

Ejemplo: El tiempo que un cliente esta dispuesto esperar por una pizza esta entre 23 y 32 minutos

55

1.1

Calidad Seis Sigma

3 SIGMA
Malas Recetas mdicas Bebes que se caen Tomar agua contaminada Corte de seal de TV Mala Operacin mdica Devolucin Sacos de Azcar

6 SIGMA 3 / ao 3 / ao 1 / 16 aos

54, 000 / ao 40, 500 / ao 4 h. / mes

27 min. / semana 6 / 50 aos 1, 350 / semana 44.000 / ao 1 / ao 5 / ao

66

1.1

Calidad Seis Sigma

Cdigo 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 30 32 33 Defecto Mezcla de lotes de algodn (Barrado) Irregularidad de hilo Contaminacin de polipropileno (polys) Contaminacin de cascarilla Contaminacin fibra muerta Rotura de lycra Agujeros menores a 1 cm Cadas de tejido Fugas de punto Falta de aguja (desagujado) Flotantes sueltos Pata de gallo ( aguja forzada) Manchas lineales de aceite Manchas en gotas de aceite Barras verticales de agujas o platinas Anillos por diferencia tensin Tramos o anillos de hilo roto Anillado por mezcla de lotes de hilo (UV) Anillado por mezcla de ttulos Diseo o rapport equivocado LM fuera de Std Hilo veteado Contaminacin de pelusa hilo color Escape de lycra Marca de doblez Manchas de grasa Cordones hilo doble Fuera de Tono Mancha de Suciedad Oxido Metlico 77

CALCULADORA SIGMA
Caracterstica en estudio: Metros de Tela Punto

# de unidades Oportunidades de defectos por unidad Defectos DPU DPMO SIGMA

404821 4 14109 0.034852441 8,713 3.88

La unidad de medida sern los metros de tela de punto que produce la fbrica en un mes. Las oportunidades por defectos son los defectos que se pueden producir en un metro de tela.

1.2

Principios de Seis Sigma

Primer principio

Autentica orientacin al cliente, satisfacer al cliente es la prioridad nmero uno.

Segundo principio

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

Objetivos

88

1.2

Principios de Seis Sigma

Las decisiones deben basarse en hechos, datos estadsticos, pues lo nico constante en los procesos es la variacin. Se debe evitar el ...Yo creo que... o ...Yo pienso que...

Tercero principio

99

1.2

Principios de Seis Sigma

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

Cuarto principio

C L I E N T E

Procesos de la Organizacin

Proceso A

Proceso B

Proceso C

C L I E N T E

Sub proceso a

Sub proceso b

Sub proceso c

10 10

1.2

Principios de Seis Sigma

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

Quinto principio

Causa 1
Sntoma 1

Causa 2
Sntoma 2

PROBLEMA

Causa n

Sntoma n

11 11

1.2

Principios de Seis Sigma

Sexto principio

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

12 12

1.2

Principios de Seis Sigma

Stimo principio

El recurso humano es fundamental de la empresa.

el

capital

Todos los miembros de la empresa deben ser lderes, maestros y modelos en la prctica de los principios.

13 13

1.3

Ruta Metodolgica: DMAMC

C I A M
Qu capacidad tiene el proceso? Cundo y dnde ocurren los defectos? Como puede mejorar la capacidad del proceso? Como puede Controlar y asegurar el desempeo alcanzado?

D
Qu problema requiere solucin?

Managemt Team

Equipo Six Sigma + Dueo Proceso con el apoyo del Sponsor y la gua del Master Black Belt / Black Belt

Dueo de Proceso

14 14

1.3

DMAMC

1.- Definir el Problema, definir objetivos 2.- Definir y Describir el proceso 3.- Evaluar Sistema de medicin 4.- Evaluar Capacidad del proceso 5.- Determinar las causas del problema 6.- Determinar variables significativas 7.- Optimizar y robustecer 8.- Validar Mejora 9- Controlar y dar seguimiento al proceso 10.- Mejorar continuamente
15 15

1.3

Diagrama Metodolgico
Definir el Problema, definir objetivos Determinar las causas del problema Determinar variables significativas Optimizar y robustecer
SI

Definir y Describir el proceso

Proceso Estable?
NO

Eliminar causas especiales

Validar Mejora

SI

Controlar proceso
NO

Proceso Capaz?
Si

Mejorar continuamente

16 16

2. Adopcin del Seis Sigma en las empresas

2.1 Tipo de empresa 2.2 Sector de La empresa

17 17

2.1

Tipo de Empresas

De la encuesta realizada se desprende que slo el 33% de los encuestados utiliza en alguna medida Seis Sigma, de este grupo el 78% esta compuesto por grandes empresa
18 18

2.2

Sector de la Empresa

La mayor cantidad de proyectos Seis Sigma se destinan a reas funcionales de operaciones o manufactura, seguidas con bastantes menos proyectos en las reas administrativas y de servicios al cliente, quedando en cuarto lugar el sector de logstica y distribucin

19 19

3.

Proyectos Seis Sigma

3.1 Requisitos para un Proyecto Seis Sigma 3.2 Criterios de seleccin

20 20

3.1

Requisitos para un proyecto SS

Alineado con la estrategia del negocio. Tiene una meta clara. Existen datos histricos, 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.

ESFUERZO FOCALIZADO

Beneficia Negocio

Cuantificable

Apoyo de Administracin

Alineado con la Visin del Negocio

21 21

3.2

Criterios de seleccin

22 22

4.

Organizacin
4.1 Equipo Seis Sigma 4.2 Seleccin del Equipo

23 23

4.1

Equipo Seis Sigma

Controler Onwer

24 24

4.2

Equipo Seis Sigma

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

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

CONTROLLER: Es el responsable de dar el visto bueno cada vez que haya algn tipo de evaluacin financiera y cuantifica los beneficios obtenidos.
25 25

4.2

Equipo Seis Sigma

BLACK BELT: Son los especialistas en la aplicacin metodologa. Lideran proyectos Seis Sigma. Su rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y esfuerzos de los miembros del equipo. Dan soporte a los GB. La interaccin con el dueo del proceso continua despus de terminado el proyecto.

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

OWNER: Son los lderes de las reas en las que se van a desarrollar proyectos Seis Sigma. Es el socio estratgico del BB, para alcanzar la meta. Es el responsable de mantener y superar los estndares alcanzados despus de finalizados los proyectos.
26 26

5.

Caso Prctico

EMPRESA DE SERVICIOS

27 27

6.

Herramientas Lean Seis Sigma

6.1 CTQ: Definir el problema 6.2 Mapeo Corriente de Valor: Definir, describir y estandarizar el proceso 6.3 Evaluar Capacidad del proceso 6.4 Diagrama causa-efecto 6.5 Anlisis Causas significativas 6.6 DOE 6.7 Control Estadstico 6.8 Poka Yoke

28 28

6.1

CTQ: Definir Problema

CTQ (Critical to Quality). Son los atributos a factores crticos para la calidad de un producto o servicio que influyen en la decisin de compra por parte del cliente.

CTQ

VOC

VOC (Voice of Client). Es la voz del cliente que se obtiene por dos medios: Sistemas proactivos: Quejas del consumidor, llamadas telefnicas, devoluciones de productos, etc. Sistemas Reactivos: Observacin del cliente, encuestas, entrevistas, etc.

29 29

6.1
Insatisfaccin del cliente 100

CTQ: Definir Problema

(8, 83%)

Muy Importante y poca satisfaccin

75

0 Importancia para el cliente

10

CTQ

Valoracin (Escala: 1-10)

Factor de queja

Quejas

% relativo

Tiempo de entrega Sabor de la Pizza Cantidad de Ingredientes Ingredientes correctos Cortesa del repartidor

8 7 7 10 5

Tiempo de entrega inaceptable Tipo de masa incorrecta Cantidad de ingredientes reducidos Ingredientes incorrectos Descortesa del repartidor

764 56 50 30 20

83 6.1 5.4 3.3 2.2

30 30

6.1

Definir Problema

Hoja de Vida del Proyecto

ALCANCE Quejas de los clientes por tiempo de entrega inaceptable. Disminuir en 50% las quejas por tiempo de entrega en el Turno de la maana. -Disminucin de las llamadas en el Call Center -Disminucin de las perdidas de clientes S/.165,000 US$51,080

OBJETIVO

AHORRO

31 31

6.2

Definir y describir el proceso

Mapa de procesos de la organizacin

Mapa de un conjunto de procesos

Mapa del Proceso de Anlisis para el proyecto

32 32

6.2

Definir y describir el proceso

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

INICIO E1 E2 C2

N1

C1

X3

S1 S2
FIN E3 E4 N2

C3 E5

C, N y E son Entradas al proceso S son Salidas

33 33

6.2

Definir y describir el proceso

Variables de Ruido o no controlables (N)

Entiende las X (KPIV) y controlars las Y (KPOV)

N1 C1
Variables Controlables

N2

N3

S1 , S2 PROCESO
Caractersticas de calidad (Y)

C2

Y = f ( X1,X2,....Xn) E1 E2 E3 E4

Variables experimentales (E)

C N E

ENTRADA CONTROLABLE ENTRADA RUIDOSA ENTRADA EXPERIMENTAL

Aquella que puede ser controlada Es impredecibles, altera el proceso.No es controlable por el momento. Aquella que puede ser estudiada bajo diversos parmetros para ver su comportamiento en el proceso. Segn donde impactan se suelen clasificar en : CTQ: Criticas para la calidad CTD: Criticas para la Entrega CTC: Criticas para el Costo.

X (KPIV) Y (KPOV)
34 34

SALIDA

6.2

Definir y describir el proceso

Formato de Matriz FEMEA

Funcin del proceso (paso)

1

Mtodos de falla potenciales (defectos de proceso)

Efectos de falla potenciales (KPOVs)

S E V

Causas potenciales de falla (KPIVs)

O C C

Controles de proceso actuales

D E T

N P R

Se hace una Se hace una Simple descripcin 3 Simple descripcin Del proceso Del proceso
4 5 6 7 8 9 10

Severidad Severidad Efecto que Efecto que puede tener puede tener el defecto el defecto en el cliente en el cliente

Ocurrencia Ocurrencia

Deteccin Deteccin

Forma como el Forma como el proceso podra proceso podra no cumplir con no cumplir con las especificaciones las especificaciones

Razn por la Razn por la cual ocurre la cual ocurre la falla falla

Controles Controles que detectan que detectan oo previenen previenen la falla si es la falla si es que ocurre que ocurre

NPR NPR= =SEV SEV**OCC OCC**DET DET Nivel Nivelde deprioridad prioridadde deriesgo riesgo
35 35

6.2

Definir y describir el proceso

Matriz FEMEA
NPR NPR= =SEV SEV**OCC OCC**DET DET

Donde:

NPR :

SEV :

OCC : DET :

Nmero de probabilidad de riesgo o de prioridad de riesgo. EI NPR es la multiplicacin de la severidad de la falla, la ocurrencia de esta y su posible deteccin. Este ser mejor en tanto sea menor. 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. Ocurrencia Frecuencia en la que puede ocurrir una falla. Deteccin Posibilidad de identificar la falla en algn momento durante el proceso.

36 36

6.3

Evaluar Capacidad del proceso

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.
37 37

6.3

Evaluar Capacidad del proceso

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

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

Cp =
Cp 1< < 1

LSE - LIE 6 INCAPAZ CAPAZ MUY CAPAZ

38 38

Cp < 1.33 APENAS CAPAZ Cp > 2

Cp = 1

Cp = 2

1.33 < Cp < 2

6.3

Evaluar Capacidad del proceso

CENTRAMIENTO (Cpk)

No solo interesa ver si el indicador puede cumplir con las especificaciones, nos interesa saber si este centrado respecto a las mismas. Para analizar esto, existe el ndice de centramiento denominado Cpk que mide la menor distancia del promedio de los datos a las especificaciones comparada contra el ancho de media distribucin.
Promedio de los datos

Especificacin

Cpk = Min

LSE - X 3

X - LIE 3

39 39

6.3

Evaluar Capacidad del proceso

Segundo Ejemplo problema Variacin y Centrado
Process Capability of % de Saturacin
LSL Target USL
P rocess D ata LS L 0 Target 0.1 U SL 0.2 S ample M ean 0.0626415 S ample N 106 S tD ev (Within) 0.107208 S tD ev (O v erall) 0.107447

Within Ov erall
P otential (Within) C apability Cp 0.31 C PL 0.19 C PU 0.43 C pk 0.19 C C pk 0.31 O v erall C apability Pp PPL PPU P pk C pm 0.31 0.19 0.43 0.19 0.29

-0.15
O bserv ed P erformance P P M < LS L 0.00 P P M > U SL 103773.58 P P M Total 103773.58 E xp. PPM PPM PPM

0.00

0.15

0.30

0.45

0.60

Within P erformance < LS L 279509.11 > U S L 100055.21 Total 379564.32

E xp. O v erall P erformance P P M < LS L 279947.66 P P M > U S L 100557.92 P P M Total 380505.59

40 40

6.4

Determinar las causas

Diagrama de Causa-Efecto (Ishikawa)

Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poblewma (Y o KPOV), usaremos el Diagrama Causa Efecto, o Ishikawa.
Criterio de agrupacin 1 Criterio de agrupacin 2 Criterio de agrupacin 3

CONSTRUCCION

causa causa

causa causa causa causa

causa causa causa

causa causa
PROBLEMA

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 Mano O. Material Maquinaria Mtodo Por 6M Mano O Material Maquinaria Mtodo Medicin Medio amb.

causa causa

causa causa causa

causa causa

causa causa

Criterio de Criterio de agrupacin 6 agrupacin 5

Criterio de agrupacin 4

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

41 41

6.4

Determinar las causas

ENTRADAS DEL PROCESO
INICIO N1 C 1 X 1 X2 X 3

CAPACIDAD DEL PROCESO

FEMEA

C 2 Y 1 Y 2 FIN

X 3

X 4 N2

C3 X5

ISHIKAWA

PRUEBA DE HIPOTESIS

VARIABLES SIGNIFICATIVAS
42 42

6.5
Source TIPO LOTE Error Total S = 3712

Prueba Hiptesis
DF SS MS F P 2 177886860 88943430 6.46 0.002 118 1625812015 13778068 120 1803698874 R-Sq = 9.86% R-Sq(adj) = 8.33% Individual 95% CIs For Mean Based on Pooled StDev --------+---------+---------+---------+(----*----) (--------*--------) (----*----) 6000 8000 10000 12000

ANOVA

Level ADULTO JOVEN VIEJO

N 52 17 52

Mean 6158 9055 5331

StDev 3863 4226 3369

Boxplot of HUEVOS INCUBADOS by TIPO LOTE

16000 14000 HUEVOS INCUBADOS 12000 10000 8000 6000 4000 2000 0 ADULTO JOVEN TIPO LOTE VIEJO

43 43

6.5

Prueba Hiptesis
Correlacin
Es la Fuerza de Asociacin entre 2 Variables. Se mide con el Coeficiente de Pearson (r) -1 r 1

-1 r < 0 Correlacin Negativa

r=0 No hay Correlacin

0<r 1 Correlacin Positiva

Cunto ms cercano est el coeficiente de Correlacin de Pearson a 1 o 1; mayor probabilidad de Correlacin

44 44

6.5

Prueba Hiptesis
Regresin

Con la regresin se determina el Modelo Matemtico que relacione las Variables X con Y.

PROCESO

Y ,Y
1

Indicador (Y)

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

X1

X2

X3 X4

Variables Experimentales

Estas Xi, son la que se han obtenido despus de: Prueba de Hiptesis. Correlacin.

LOS MODELOS MATEMATICOS PUEDEN SER Y = 0 + 1 X LINEAL Y = 0 + 1X + 2X2 CUADRTICO CBICO Y = 0 + 1X + 2X2 + 3X3 LINEAL Y = 0 + 1X1 + 2X2+... +nXn) MLTIPLE
45 45

6.6

DOE
Introduccin al DOE

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

Determinar que factores son importantes. Establecer la estabilidad del proceso. Encontrar el mejor conjunto de condiciones de operacin.

46 46

6.6

DOE

Diseo 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

2
Donde:

3 = Factor = K = variables (KPVI) X1, X2, X3 2 = Nivel = Es la cantidad de valores que toma cada factor

47 47

6.6
ID Oportunidad de Mejora

Plan de Mejora
Acciones de Mejora Tipo de Mejora Responsable Fecha de Compromiso % de Avance Observaciones Problemas para ident if icar la correspondencia de los nmeros a los DSLAM por falta de etiquet as y creacin de nuevos perfiles Se requiere la part icipacin de la Subgerencia de Tx y el conocimient o del Aplicat ivo Asig2000. Se requiere la part icipacin de GSI

Desarrollo de una Base de Dat os Falt a de un cont rol de las alt as en donde se registra las alt as por dslam DSLAM que present an sat uracin sat urados Desarrollo de la BD que controle la capacidad disponible de Tx por DSLAM's

Corto plazo Veronica Avila

15 de Abril

50%

Falt a de un sist ema que controle 2 la capacidad disponible de Tx por DSLAM's

Largo Plazo Ernest o Saravia

Por def inir

Por def inir

Falt a de previsin en el crecimiento Desarrollo de un sist ema que realice Mediano Plazo Veronica Avila de t rafico por client e la previsin de t raf ico por DSLAMs Solicitar a GSI, el desarrollo de una No se regist ras las f echas de inicio rut ina que permita que los campos : y culminacin de las Obras en el In Real y Fin. Real se han obligat orios Aplicativo SAP-Modulo Gest in de cuando se cambia el st at us del Proyectos proyect o

Por def inir

Por def inir

Corto plazo Walter la Mat t a

Por def inir

Se requiere est ablecer un Por def inir requerimiento, y el posible costeo de est a nueva rut ina

Falt a de un procedimient o para 5 realizar la ampliacin de los enlaces en los DSLAM'S

Elaboracin de un procedimient o para la ampliacin de los enlaces en la Red Speedy que abarca desde la Largo Plazo Ernest o Saravia deteccin de su sobrecarga hasta su ampliacin.

Por def inir

15%

Se requiere la part icipacin de las Gerencia de Desarrollo y Planificacin

Desarrollo de una Base de Dat os que regist ra las fechas de denuncias de Falt a de un sistema que controle los sobrecargas hast a su ampliacin, 6 las denuncias de sobrecarga hasta con la f inalidad de realizar el su ampliacin en la Red seguimient o de las ampliaciones en plant a

Corto Plazo Veronica Avila

15 de Abril

25%

Se t iene la informacin hay que armar la data a part ir del present e ao 2005

48 48

6.7

Control Estadstico

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

Y CONTROL MEJORAR FASE POST PROYECTO

Antes de la Mejora

Fin de Proyecto

Situacin No Deseada

49 49

6.7 Mantenimiento resultados

TIPO DE CONTROL PARA CADA INDICADOR

Existen diferentes maneras de hacer el Control para los indicadores. Entre los ms importantes, se menciona: Control Estadstico de Procesos. Sistema a Prueba de Errores (Poka Yoke).

50 50

6.7 Control Estadstico de Procesos

Grfica X-R

51 51

6.8 POKA YOKE

Mecanismos a Prueba De Errores : POKA YOKE
Los defectos tienes su causa raz en errores

Defecto

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
52 52

Bibliografa

53 53