ESCUELA PROFESIONAL:

INGENIERIA INDUSTRIAL

SIX SIGMA
6 1. INTRODUCCION

Ing. Amrico Vergara

1.1. QUE ES SEIS SIGMA? 1.1. QUE ES SEIS SIGMA?

Seis Sigma (6) es una estrategia de mejora continua del Es una iniciativa estratgica y tctica para la gestin
negocio, que tiene diferentes significados para diferentes del negocio, que tiene la capacidad de enfocar la
grupos dentro de una organizacin.
empresa hacia las necesidades de los clientes y
alcanzar su satisfaccin.
Es una iniciativa estratgica que busca alcanzar
A nivel una mejora significativa en el crecimiento del En su nivel mas elemental la meta de 6, que la da
empresa negocio, su capacidad y en la satisfaccin de los
clientes el nombre, es lograr procesos con una calidad de
Seis Sigma, es decir como mximo generen 3.4
Seis sigma tiene una naturaleza tctica que se
A nivel enfoca a mejorar mtricas de eficiencia
defectos por milln de oportunidades de error
operacional operacional, como tiempos de entrega, costos de (DPMO).
no calidad y defectos por unidad
Esta se pretende alcanzar mediante un programa vigoroso
Seis sigma es utilizada para reducir la de mejora, diseado e impulsado por la alta direccin de una
variabilidad, y con ello es posible encontrar y organizacin.
A nivel
eliminar las causas de los errores, defectos y
proceso retrasos en los procesos del negocio, as como
disminuir los costos directos.
 1.2. Calidad Seis Sigma
697 700 defectos
por milln
de oportunidades
305 537 defectos
por milln
de oportunidades
3.4 defectos
por milln
de oportunidades
1.2. Calidad Seis Sigma
1.3. Historia de Seis Sigma
En 1987, Seis Sigma fue introducida por primera
vez en Motorola por un directivo encabezado
por Bob Galvin, presidente de la compaa, con
el propsito de reducir los defectos de productos
electrnicos. http://www.motorolasolutions.com/en_us.html
Allied Signal, inicio en 1994.
http://en.wikipedia.org/wiki/AlliedSignal
General Electric (GE), inicio en 1995.
http://www.ge.com/
En Latinoamrica, la empresa Mabe.
http://es.wikipedia.org/wiki/Mabe
 1.3. Historia de Seis Sigma
Motorola logro aproximadamente 1,000 millones
de dlares en ahorros durante tres aos y el
premio a la calidad Malcolm Baldrige en 1988.
Allied Signal, ahorro mas de 2,000 millones de
dlares entre 1994 y 1999.
General Electric (GE), alcanzo mas de 2,570
millones de dlares en ahorros en tres aos
(1997-1999).
1.4. Definiciones
Sigma:
Termino matemtico usado para designar la
dispersin o variacin de un proceso
alrededor de su promedio (media) en
Desviaciones estndar.
Para un proceso de negocio o manufactura el
valor sigma es una medicin que indica lo
bien que un proceso se desempea
1.3. Historia de Seis Sigma
1.4. Definiciones
Proceso six sigma
Metodologa disciplinada para Definir, Medir,
Analizar, Mejorar y Controlar la calidad de
productos, procesos y transacciones con la
eliminacin de todos los defectos como
objetivo.
DMAIC
Definir, Medir, Analizar, Mejorar y Controlar:
Metodologa disciplinada para manejar un
proyecto six sigma.
 2.1. Metodologa Seis Sigma:
El Proceso DMAIC

2. METODOLOGIA SEIS
SIGMA
http://videos.asq.org/episodio-18-de-asq-tv-seis-sigma
Seis Sigma ASQ

http://calidad.pucp.edu.pe/#sthash.LokHYsSX.dpbs
Instituto de la Calidad - UPCP

2.1. Metodologa Seis Sigma:

Las 5 etapas en la realizacin de un proyecto 6 2.1. DMAIC o DMAMC
Definir
Definir problemas y variables Qu, por
(mtricas), sealar como afecta qu, dnde,
al cliente y precisar los beneficios quines.
esperados del proyecto.

Medir 1.- Definir el Problema, definir objetivos

Mejor entendimiento del proceso,
validar mtricas, verificar que
pueden medir bien y determinar
situacin actual.
Controlar
Disear un sistema para
mantener mejoras logradas
(controlar X vitales). Cerrar
proyecto (lecciones aprendidas).
Mejorar
Evaluar e implementar
soluciones, asegurar que se
cumplen los objetivos.
2.- Definir y Describir el proceso
3.- Evaluar Sistema de medicin
4.- Evaluar Capacidad del proceso
Analizar
5.- Determinar las causas del problema
Identificar fuentes de variacin
(las X), como se genera el 6.- Determinar variables significativas
problema y confirmar las X
vitales con datos. 7.- Optimizar y robustecer
8.- Validar Mejora
9- Controlar y dar seguimiento al proceso
10.- Mejorar continuamente
 2.2. DMAMC y PHVA 2.3. Diagrama metodolgico

DEFINIR
1.- Definir el Problema, definir objetivos
Planear
2.- Definir y Describir el proceso
MEDIR
3.- Evaluar Sistema de medicin
4.- Evaluar Capacidad del proceso
ANALIZAR Redisear
Hacer 5.- Determinar las causas del problema
6.- Determinar variables significativas SI
Modificar
Diseo?
7.- Optimizar y robustecer
NO
Verificar 8.- Validar Mejora
MEJORAR
9- Controlar y dar seguimiento al proceso
Actuar
10.- Mejorar continuamente
CONTROLAR

Actividades en el Proceso DMAIC

I. FASE DEFINIR

SMART significa: Specific (Especfico), Measurable (Medible), Attainable (Alcanzable), Realistic (Realista) y Time-
sensitive (Sensible al tiempo)
 I.1. Fase Definir
Se identifican los posibles proyectos Seis Sigma que deben
ser evaluados por la direccin para evitar la inadecuada
utilizacin de recursos.
Una vez seleccionado el proyecto, se prepara y se
selecciona el equipo ms adecuado para ejecutarlo,
asignndole prioridad necesaria.
Las herramientas tpicas que se utilizan en esta fase son los
siguientes:
Diagrama de flujo de los procesos
Diagrama de causa-efecto o espina de pescado o Ishikawa.
Diagrama de Pareto.
Histogramas.
Grficos de tendencia.
I.1. Fase Definir
La adecuada seleccin de proyectos es un aspecto critico
para el xito de Seis Sigma.
Los proyectos deben estar alineados con los objetivos
estratgicos de la organizacin, con objetivo claro, conciso,
especifico, alcanzable, realista y medible con una alta
probabilidad de xito.
Que cuente con la aprobacin y apoyo de la alta direccin.
Establecer el Marco del Proyecto:
Se elabora en la etapa definir, y en l se resume de que se
trata el proyecto, los involucrados, los beneficios esperados,
las mtricas, etc.
Criterios para la seleccin y definicin de proyectos
Aborda reas de mejora de alto impacto:
Reducir defectos o desperdicios en las etapas mas criticas de un proceso.
Ligado directamente a la satisfaccin del cliente (quejas, reclamos, tiempos largos de atencin, burocracia).
Mejorar la capacidad de los procesos.
Incrementar el flujo del trabajo en los procesos (organizacin del proceso, reduccin del tiempo de ciclo, eliminar
actividades que no agregan valor).
Apoyo y comprensin de la alta direccin:
La importancia del proyecto es clara para la organizacin y se percibe como algo importante.
El proyecto tiene el apoyo y la aprobacin de la direccin (o gerencia) de la empresa.
Efectos fundamentales:
Se espera que el proyecto tenga beneficios monetarios importantes (medibles), que se reflejan en un tiempo
menor a un ao.
Factible de realizarse en 3 a 6 meses.
Para medir el xito del proyecto se tienen mtricas cuantitativas claras, por lo que es fcil medir el punto de partida
y los resultados.
Aspectos a evitar en el proyecto:
Objetivos vagos e imprecisos.
Pobres mtricas para medir impacto.
No ligado a lo financiero.
Alcance demasiado amplio.
No ligado a los planes estratgicos anuales.
Soluciones indefinidas.
Demasiados objetivos.
Elementos del Marco de un Proyecto Seis Sigma
Marco del Proyecto Seis Sigma: Fecha: Versin:
Titulo/propsito: es una declaracin breve de la intencin del proyecto (usar
mtricas: financieras, calidad, tiempo de ciclo)
Necesidades del negocio a ser atendidas: indicar los argumentos (desde la
ptica de la empresa) para llevar a cabo el proyecto. Por qu se debe apoyar el
proyecto?.
Declaracin del problema: resume los problemas que sern abordados. Debe
incluir condiciones actuales o histricas, tales como ndice de defectos y/o costos
por el pobre desempeo, en trminos de variables criticas para calidad (Y).
Objetivo: es una declaracin mas especifica del resultado deseado.
Alcance: establecer el aspecto especifico del problema que ser abordado.
Roles y responsabilidades: los que intervienen en el proyecto.
Propietarios: se refiere a los departamentos, clientes o proveedores que sern
afectados por las actividades del proyecto o por sus resultados.
Sigue .
 Elementos del Marco de un Proyecto Seis Sigma
I.2. Definir el Problema
Marco del Proyecto Seis Sigma: Fecha: Versin:
.
CTQ (Critical to Quality). Son los atributos a
Patrocinador o champion: directivo que apoya el proyecto y le da seguimiento. factores crticos para la calidad de un producto o
CTQ servicio que influyen en la decisin de compra por
Equipo: miembros especficos de los grupos de propietario que juegan un papel
parte del cliente.
activo en el proyecto.
Recursos: son los procesos, equipos, bancos de datos o gente que no es miembro
del equipo, y que se pueden requerir para la realizacin del proyecto.
Mtricas: variables a travs de las cuales se medir el xito del proyecto.
VOC (Voice of Customer). Es la voz del cliente que
Fecha de inicio del proyecto: VOC se obtiene por dos medios:
Fecha planeado para finalizar el proyecto: Sistemas proactivos: Quejas del consumidor,
llamadas telefnicas, devoluciones de productos,
Entregable del proyecto: incluye todo los beneficios medibles y tangibles que se etc.
espera tener si se concluye en forma exitosa el proyecto. Sistemas Reactivos: Observacin del cliente,
De manera adicional es necesario hacer un diagrama de proceso; puede encuestas, entrevistas, etc.
ser un diagrama PEPSU (SIPOC), de flujo o un mapa de procesos de un
nivel macro o intermedio.

I.2. Definir el Problema I.2. Definir el Problema

100
Insatisfaccin del cliente

(8, 83%) Muy Importante y Grafica de barras que representa en

poca satisfaccin
Diagrama de forma ordenada el grado de importancia
Pareto de las causas de un determinado
75 problema, considerando la frecuencia con
la que ocurren las causas.

0 10
Importancia para el cliente
O regla 80-20. Es el comportamiento que
Principio de sigue la grafica de PARETO: El 80% de
Pareto los problemas se encuentra en el 20% de
Valoracin %
Factor de queja Quejas
CTQ
(Escala: 1-10)
relativo las causas.
Tiempo de entrega inaceptable 764 83
Tiempo de entrega 8

Sabor de la Pizza 7 Tipo de masa incorrecta 56 6.1

Cantidad de Ingredientes 7 Cantidad de ingredientes reducidos 50 5.4

Ingredientes correctos 10 Ingredientes incorrectos 30 3.3

Cortesa del repartidor 5 Descortesa del repartidor 20 2.2
I.2. Definir el Problema I.2. Definir el Problema
Ejemplo: Lady pizzas Ejemplo: Lady pizzas

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Maana Fines de Semana Feriados Noche

I.2. Definir el Problema I.3. Definir y describir el proceso

Ejemplo: Lady pizzas
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Hoja de Vida del Proyecto
Prueba de Hiptesis
X (KPIV) significativas Correlacin

Quejas de los clientes por tiempo de entrega Regresin

ALCANCE
inaceptable. DOE Simulacin
X (KPIV) que afectan al proceso

Disminuir en 50% las quejas por tiempo de entrega X (KPIV) que afectan al proceso
SPC
OBJETIVO 5 Ss
en el Turno de la maana. Controladas Poka Yoke

-Disminucin de las llamadas en el

S/.165,000 Y (KPOV)
Call Center
AHORRO
-Disminucin de las perdidas de
S/. 110,080 X Key Process Input Variables (KPIV) variable clave del proceso
clientes
Y Key Process Ouptput Variables (KPOV) Problema
 I.3. Definir y describir el proceso I.3. Definir y describir el proceso
El efecto embudo

Mapa de procesos de
la organizacin

Mapa de un conjunto
de procesos

Mapa del Proceso de

Anlisis para el
proyecto

I.3. Definir y describir el proceso I.3. Definir y describir el proceso

Identificar: Actividades del proceso, Entradas -Proveedores, Salidas - Formato de Matriz SIPOC
CODIGO CARACTERIZACION DE LOS PROCESOS
Clientes
Proceso :

INICIO N1 C1
Objetivo :

E1
E2 X3 Proveedores Entradas Actividades Salidas Clientes
Quines son los Quin est pidiendo la salida del
Breve descripcin del paso del proceso
que proveeran los Recursos necesarios proceso?
C2 Entregables del proceso
recursos para el proceso
S1 necesarios? Requisitos Requisitos

S2
FIN
Supplier Input Process Output Client
E3
E4
C3 Parmetros de Control / Medicin /
Responsables Documentos
N2 E5 Seguimiento

C, N y E son Entradas al
proceso Proceso de Soporte Recursos Requisitos a cumplir

S son Salidas

Revisado por: __________

 I.3. Definir y describir el proceso I.3. Definir y describir el proceso
Variables de Ruido o no
controlables (N)
Entiende las X (KPIV) y
INICIO
controlars las Y (KPOV) NA
N1 N2 N3

C1 VA
S1 , S2 VA VA
Variables VA
Controlables C2 PROCESO Caractersticas de
calidad (Y)

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

E1 E2 E3 E4 FIN

Variables experimentales (E)

NA VA

C ENTRADA CONTROLABLE Aquella que puede ser controlada

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

(KPIV) Valor agregado son las caractersticas dadas a aquella
Aquella que puede ser estudiada bajo diversos parmetros para ver su Operacin con Valor
E ENTRADA EXPERIMENTAL VA operaciones indispensables por las cuales el cliente esta
comportamiento en el proceso. agregado
dispuesto a pagar
Segn donde impactan se suelen clasificar en :
CTQ: Criticas para la calidad Y Operacin de no Valor
S SALIDA NA No generan valor (pero si generan costos)
CTD: Criticas para la Entrega (KPOV) agregado
CTC: Criticas para el Costo.

I.3. Definir y describir el proceso I.3. Definir y describir el proceso

Eliminar la fabrica oculta

INICIO

INFO
INFO

FIN

INFO

INFO Etapas donde se registran datos del proceso

 I.3. Definir y describir el proceso I.3. Definir y describir el proceso
Formato de Matriz FEMEA
Matriz FEMEA

Funcin Mtodos de falla Efectos de falla Causas Controles de

del potenciales potenciales
S potenciales O
proceso
D N NPR = SEV * OCC * DET
proceso (defectos de E de falla C E P
(KPOVs) actuales
(paso) proceso) V (KPIVs) C T R

1
Donde:
2
Se hace una
Simple
3 descripcin Deteccin NPR : Nmero de probabilidad de riesgo o de prioridad de riesgo.
Del proceso Severidad Ocurrencia EI NPR es la multiplicacin de la severidad de la falla, la ocurrencia de esta
4 y su posible deteccin. Este ser mejor en tanto sea menor.
Forma como el Efecto que SEV : Severidad.
5
proceso podra Razn por la Controles
puede tener Es el impacto de mayor o menor intensidad en que la falla de un
no cumplir con cual ocurre la que detectan
6 el defecto proceso puede repercutir en el cliente (interno o externo) y su
las especificaciones falla o previenen
en el cliente comportamiento respecto a nuestros servicios.
7 la falla si es
que ocurre OCC : Ocurrencia
8 Frecuencia en la que puede ocurrir una falla.
DET : Deteccin
9
NPR = SEV * OCC * DET Posibilidad de identificar la falla en algn momento durante el
proceso.
10 Nivel de prioridad de riesgo

Actividades en el Proceso DMAIC

II. FASE MEDIR

SMART significa: Specific (Especfico), Measurable (Medible), Attainable (Alcanzable), Realistic (Realista) y Time-
sensitive (Sensible al tiempo)
 II.1. Fase Medir II.1. Fase Medir
Se establecen con mayor detalle las mtricas (las Y) con las Consiste en la caracterizacin del proceso identificando:
que se evaluar el xito del proyecto. Los requisitos clave de los clientes.
Se analiza y valida el sistema de medicin para garantizar Las caractersticas clave del producto y los parmetros que afectan al
que las Y pueden medirse en forma constante. funcionamiento del proceso y a las caractersticas o variables clave.
Con el sistema de medicin validado se mide la situacin A partir de esta caracterizacin se define el sistema de
actual (o lnea base) para clarificar el punto de arranque del medida y se mide la capacidad de proceso.
proyecto con respecto a las Y.
Las herramientas de mayor utilidad en esta etapa son:
Mapeo de procesos a un nivel detallado.
Mtodos para realizar estudios de Repetibilidad y Reproducibilidad.
Otras Tcnicas estadsticas, como herramientas bsicas, capacidad
de proceso, AMFE y mtricas Seis Sigma, etc.

II.1. Fase Medir II.1. Fase Medir

La organizacin debe planificar e implementar
procedimientos de seguimiento con el propsito de validad la Mediciones de las diferentes actividades de la
informacin que toma el proceso como: organizacin:
La medicin y evaluacin del producto.
Mediciones y
La capacidad de proceso. Mediciones a la Mediciones a los
Mediciones del seguimiento de
materia prima e productos
Los indicadores de gestin del proyecto, y proceso la satisfaccin
insumos terminados
del cliente
La satisfaccin de los clientes externos e internos.
Eficacia de los Eficiencia de la Eficacia de la Eficacia y
La filosofa de SEIS SIGMA posee un enfoque basado en proveedores organizacin organizacin eficiencia de la
procesos. organizacin
Se define el sistema de medida y se mide la capacidad de Mediciones que Mediciones a las Mediciones de las Mediciones del
proceso. se le exige a los variables criticas no conformidades grado de
proveedores del proceso presentes en el satisfaccin del
producto cliente
II.2. Evaluar la capacidad de proceso II.2. Evaluar la capacidad de proceso
Anlisis de Normalidad
Prueba de Normalidad

Probability Plot for Grupos

LSXY Estimates-Complete Data
C orrelation C oefficient
Smallest Extreme Value Normal
Smallest Extreme V alue
99.9 99.9
0.957
90 99 Normal
50
90 0.985
Logistic

Percent

Percent
10 50 0.975

10
1
1
0.1 0.1
-20 0 20 0 10 20 30
Grupos Grupos

Logistic

Capacidad Capacidad Medida 99.9

99

90

Habilidad basada en Capacidad del proceso Variacin de los datos

Percent
50

10

rendimiento demostrado, cuantificada, de datos que 1

0.1
de un proceso, en son resultado de 0
Grupos
20 40

satisfacer los mediciones de trabajo

requerimientos del cliente. realizado por el proceso. Si los datos son normales, se podr hacer el anlisis de la Capacidad
del Proceso.

II.2. Evaluar la capacidad de proceso II.2. Evaluar la capacidad de proceso

CENTRAMIENTO (Cpk)
Para analizar si un indicador es capaz de cumplir con las No solo interesa ver si el indicador puede cumplir con las
especificaciones, se suele utilizar el ndice de capacidad especificaciones, nos interesa saber si este centrado respecto a las
mismas.

Diremos que un indicador es capaz de cumplir con las

especificaciones cuando su dispersin es menor que la distancia Para analizar esto, existe el ndice de centramiento denominado
entre especificaciones. Cpk que mide la menor distancia del promedio de los datos a las
especificaciones comparada contra el ancho de media distribucin.

LSE - LIE Promedio

Cp = Especificacin de los datos
6

Cp < 1 INCAPAZ LSE - X X - LIE

1< Cp < 1.33 APENAS CAPAZ
Cpk = Min ,
3 3

Cp = 1 Cp = 2 1.33 < Cp < 2 CAPAZ

Cp > 2 MUY CAPAZ

3 3
 II.2. Evaluar la capacidad de proceso
II.2. Evaluar la capacidad de proceso
Primer Ejemplo problema Variacin y Centrado Segundo Ejemplo problema Variacin y Centrado

Process Capability of % de Saturacin

LSL Target USL

P rocess Data Within
LS L 0 Ov erall
Target 0.1
USL 0.2 P otential (Within) C apability
S ample M ean 0.0626415 Cp 0.31
S ampleN 106 C PL 0.19
S tDev (Within) 0.107208 C PU 0.43
S tDev (O v erall) 0.107447 C pk 0.19
C C pk 0.31
O v erall C apability
Pp 0.31
PPL 0.19
PPU 0.43
P pk 0.19
C pm 0.29

-0.15 0.00 0.15 0.30 0.45 0.60

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M <LS L 0.00 P P M <LS L 279509.11 P P M <LS L 279947.66
Cpk Superior < Cpk inferior, u tiende hacia el LSE P P M >U S L 103773.58 P P M >U S L 100055.21 P P M >U S L 100557.92
P P M Total 103773.58 P P M Total 379564.32 P P M Total 380505.59

Cpk Inferior < Cpk Superior, u Tiende hacia el LIE

II.3. Fase Medir: II.3. Fase Medir:

Calculo del nivel sigma Calculo del nivel sigma

Clculo de los defectos por oportunidad (DPO) Con los datos anteriores se calcula el DPO:
#
( ) ( , )
#
DPO = DPO = = 0.00175
#
El calculo por milln de oportunidad (DPMO) es:
# DPMO = DPO x 1,000,000
DPO =
# #
Luego:
Ejemplo:
DPMO = 0.00175x1,000,000
La empresa Frutos del Per, se dedica a la produccin de
duraznos en frascos. Para el proceso de produccin de DPMO = 1.750
envase de los frascos se considera critico su peso. El
proceso de produccin esta presentando 35 defectos de los
frascos en un lote de produccin de 4,000 unidades con un
numero de oportunidades por frasco de 5; con los anteriores
datos, la empresa desea calcular el nivel sigma
 III.1. Fase Analizar
La meta de esta fase es identificar la(s) causa(s) raz del
problema (identificar las X vitales), entender cmo es que
estas generan el problema y confirmar las causas con datos.
Se trata de entender COMO y POR QUE se genera el
problema, buscando llegar hasta las causas mas profundas
III. FASE ANALIZAR y confirmarlas con datos.
Primero es identificar todas las variables de entrada y/o
posibles causas del problema.
Las herramientas de utilidad son muy variadas:
Lluvia de ideas, Cartas de control
Diagrama de Ishikawa Mapeo de procesos
Pareto de segundo nivel Los 5 porqu
Estratificacin Diseo de experimentos (DOE)
DFD Prueba de hiptesis, etc.

Herramienta de los 5 por qu en la bsqueda de la

causa raz de un problema
Problema: El mrmol en el monumento de
Jefferson en USA se estaba deteriorando.
CTQs
FMEA, Mapa de Procesos
Por qu? El deterioro se deba a las frecuentes
lavadas del monumento con detergente.
X (KPIV) Cp, Cpk

Prueba de Hiptesis

Por qu? El detergente era usado para limpiar X (KPIV) significativas Correlacin
el excremento de los gorriones del lugar. Regresin

X (KPIV) que afectan al proceso DOE Simulacin

Por qu? Los gorriones fueron atrados por

las araas. SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke

Por qu? Las araas fueron atradas por los

pequeos insectos que merodean el lugar. Y (KPOV)

Por qu? Los insectos fueron atrados por las
Verdadera causa raz
intensas luces que iluminan el lugar.
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente
 III.2. Determinar las causas III.2. Determinar las causas

Diagrama de Causa-Efecto (Ishikawa) Matriz Causa-Efecto

Se ha visto que la KPIV, puede impactar en las KPOV:
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 Criterio de Criterio de afecta Posteriormente se validaran cuales

agrupacin 1 agrupacin 2 agrupacin 3 CONSTRUCCION X Y causas son definitivamente las que
son las responsables del Problema
Listar por tormenta de ideas las
causa causa causa causas generales que afectan
causa causa causa
al indicador.
causa causa causa Ejemplos:
causa causa Agrupar las causas en 4 o 6
PROBLEMA grupos. Se suele usar:
Nmero de Contratos Tiempo de Calificacin
causa causa causa Por 4M Por 6M
causa Mano O. Mano O
Conocimientos norma de crditos % de crditos rechazados
causa causa Material Material Numero de Analistas
causa causa Maquinaria Maquinaria Costo Evaluacin.
causa Mtodo Mtodo Tiempo de entrega de Contratos
Criterio de Medicin
Criterio de Criterio de
agrupacin 4 Medio amb.
agrupacin 6 agrupacin 5
Para mejorar el proceso, se debe identificar cules son las X que ms
afectan a las Y para determinar cules deben ser atacadas.
Nota: Si las causas vienen de los KPIV, se deben sealar si son E,C,N

III.3 Prueba Hiptesis III.3 Prueba Hiptesis

Errores posibles al evaluar una hiptesis Prueba Anova

ONE SAMPLE t TAMAO DE MUESTRA

Verdad de H0 (Si la Poblacin es Normal)
V F
(no hay diferencia) (si hay diferencia) P(Error Tipo) = Prueba t (One Sample t)
:Probabilidad de
Decisin correcta encontrar una diferencia Estadstico t = X-
Aceptar H0 s / n
1- Error tipo 2
cundo esta no existe.
(no hay = 0.01, 0.05
diferencia)
(nivel de significan Hiptesis Nula H0: = 0
ca)
P(Error Tipo2) = :
Probabilidad de no Hiptesis Alterna

Aceptar Ha Decisin correcta

encontrar una diferencia Ha: <0 ; t < t , n-1
Error tipo 1 cuando esta si existe.
(si hay 1
diferencia) > 0; t > t , n-1
(poder la prueba)
0 ; | t | > t /2 , n-1
F V

Verdad de Ha Minitab
Stat-Basic Statisc- 1sample t
 III.3 Prueba Hiptesis III.3 Prueba Hiptesis
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874 Correlacin y Regresin
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%

Individual 95% CIs For Mean Based on

Pooled StDev
Level
ADULTO
N
52
Mean
6158
StDev
3863
--------+---------+---------+---------+-
(----*----)
INTRODUCCIN:
JOVEN 17 9055 4226 (--------*--------)
VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
Al interior de un proceso, usualmente existe una relacin entre 2
variables.
Boxplot of HUEVOS INCUBADOS by TIPO LOTE
16000
Si una Y (KPOV) se correlaciona con una X; podremos decir que X es
una KPIV.
14000

12000
HUEVOS INCUBADOS

De esta manera diremos que existe una ecuacin que liga a ambas Y
10000
= f (x). Esta ecuacin se denomina Modelo matemtico.
8000
Esta ecuacin se calcula usando tcnicas de regresin.
6000

4000
Usualmente la correlacin para determinar la fuerza que liga a 2
2000 variables sin necesidad de alterar el proceso como se hizo en las
0 Pruebas de hiptesis o como har en los DOE (Fase 3).
ADULTO JOVEN VIEJO
TIPO LOTE

III.3 Prueba Hiptesis III.3 Prueba Hiptesis

Correlacin
Correlacin
Es la Fuerza de Asociacin entre 2 Variables.
Se mide con el Coeficiente de Pearson (r) Precauciones:
-1 r 1
Dado que no estamos modificando el proceso
( variando x) y midiendo su efecto ( en Y) :
encontrar que hay correlacin no siempre
significa que al variar X, variar Y (Causa
Efecto)
-1 r < 0 r=0 0<r 1
Correlacin Negativa No hay Correlacin Correlacin Positiva Solo debemos usar correlacin cuando hay
una persuasin razonable que X podra
Cunto ms cercano est el coeficiente de Correlacin de Pearson a
1 1; mayor probabilidad de Correlacin
afectar Y
 III.3 Prueba Hiptesis III.4 Procedimiento de pruebas

Regresin FLUJOGRAMA PRUEBA HIPTESIS

Con la regresin se determina el Modelo Matemtico que relacione las 1 Inicio

Variables X con Y. Recopilar data

Estas Xi, son la Ubicar las variables importantes

PROCESO Y ,Y
1 2 Indicador (Y)
que se han
( Fase 1 )
Aplicar la prueba
obtenido de hiptesis
Y = f ( X1,X2,....Xn) despus de: H0 no hay variacin antes vs despus
Ha si hay variacin antes vs despus
X1 X2 X3 X4 Prueba de
Hiptesis.
Variables Seleccionar la
Correlacin. prueba de hiptesis
Experimentales a usar Si
p val > 0.05 Factor no afecta
LOS MODELOS MATEMATICOS PUEDEN SER Acepto H0
Y = 0 + 1 X LINEAL Rechazo H0
Y = 0 + 1X + 2X2 CUADRTICO Variar el factor de
No

Y = 0 + 1X + 2X2 + 3X3 CBICO manera de tener 2

Situaciones :
Factor si afecta
Y = 0 + 1X1 + 2X2+... +nXn) LINEAL MLTIPLE Antes
Despus
1

Fin

III.4 Procedimiento de Pruebas III.4 Procedimiento de Pruebas

Prueba de Normalidad
Probar la correlacion
para "Y"
de todos los x con y

Y continua / NO SI
Es normal?
Y continua o No Si
X discreta Agrupar discreta /
r = 0?
Prueba F
Con ms de 2 prueba Normalidad para"Y"
para Y agrupada segn las X
X Continua No Y es Si No hay correlacion
muestras continua
?
SI Es
normal?
NO
NO P > ? No Hay Si es lineal
mas de lineal o
Transformar Datos
Prueba Regresion una x? curva?
prueba Normalidad para"Y"
SI Logistica
curva
NO Prueba Regresion
Es normal? Multiple

SI
lineal curva
es lineal
Prueba F o curva? Prueba Regresion
para Y agrupada segn las X
Superficie de Respuesta

NO
P> ? Prueba KW
Prueba de Regresion Prueba de Regresion
lineal curva lineal
SI
Prueba de Anova
 5.5 Ejemplos: FABRICA DE PASTAS NAPOLITANO 5.5 Ejemplos: FABRICA DE PASTAS NAPOLITANO

Y Y
X cantidad de Qu tipo de X cantidad de Qu tipo de
pasta quemada prueba? pasta quemada prueba?

X1= Presion en el X1= es continua X2= Temperatura de X2= es continua

cabezal (Bar) Tiene mas de 30 datos cocido (C) Tiene mas de 30 datos

40 bar 10 kg Y= continua 45 C 15 kg Y= continua

65 bar 15 kg 35 C 10 kg
50 bar 12 kg Por lo tanto se utiiliza la 55 C 20 kg Por lo tanto se utiiliza la
30 bar 8 kg Prueba de Regresion 32 C 8 kg Prueba de Regresion
. . . .
100 datos . . 105 datos . .
. . . .
. . . .
. . . .
. . . .
60 bar 14kg 50 C 25kg

5.5 Ejemplos: FABRICA DE PASTAS NAPOLITANO

Y
X cantidad de Qu tipo de
pasta quemada prueba?

X3= Humedad relativa X3= es continua

(%) Tiene mas de 30 datos

60% 15 kg
Y= continua IV. FASE MEJORAR
(Implementar)
55% 10 kg
70% Por lo tanto se utiiliza la
20 kg
45% Prueba de Regresion
8 kg
. .
103 datos . .
. .
. .
. .
. .
72% 25kg
 IV.1 Anlisis de riesgo: Matriz FMEA.
IV.1. Fase Mejorar
El objetivo de esta etapa es proponer e implementar PROCESO FMEA
soluciones que atiendan las causas raz, es decir F Elabora FMEA preliminar.
asegurarse de que se corrige o reduce el problema. A
S
Discusin para definir NPR.
Es recomendable generar diferentes alternativas de
E
I
solucin que atiendan las diversas causas. Plan de Accin de mejora de los
NPR.

Apoyarse de las siguientes herramientas: F

Ejecucin del Plan.

A
Lluvia de ideas. S Evaluacin de Resultados.
E
Tcnica de creatividad. II
NO
OK
Hojas de verificacin.
SI
Diseo de experimentos, Emisin del FMEA definitivo.

Poka-yoke, FMEA, etc.

IV.1 Anlisis de riesgo: Matriz FMEA.

IV.2 DOE
Introduccin al DOE
Se vuelve usar la matriz FMEA
Persona
mostrado anteriormente. Acciones
responsab Acciones
S O D N
Recomen E C E P
En esta parte se establecen las dadas
le & Fecha Tomadas
V C T R Es una estrategia experimental estructurada que permite la
Objeto
posibles soluciones para aquellas evaluacin de mltiples variables de proceso en cuanto a su
actividades que tienen un NPR capacidad para influir sobre las caractersticas de un
alto. Las acciones
recomendadas
producto o proceso.
que son llevadas El NPR despus
A cabo. de haber tomado
las accin (es). El
cual se supone
Son las acciones
orientadas a seguir
debe ser menor Determinar que factores son importantes.
para las causas con
El responsable
NPR alto, destinadas
de llevar acabo
Establecer la estabilidad del proceso.
mejorar la deteccin
de la causa o disminuir la accin (es)
la frecuencia de Encontrar el mejor conjunto de condiciones de operacin.
ocurrencia de las fallas
 IV.2 DOE
IV.2 DOE
Diseo Factorial Completo
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk El Factorial Completo estudiar cada combinacin posible en los
niveles escogidos. Estos diseos proveern una gran informacin
Prueba de Hiptesis
X (KPIV) significativas Correlacin
que nos permitir determinar el efecto de los factores principales
Regresin sobre la respuesta seleccionada.
X (KPIV) que afectan al proceso DOE Simulacin

SPC
Cantidad de pruebas que se necesitan =
X (KPIV) que afectan al proceso
5 Ss (niveles factor 1) x (niveles factor 2) x (niveles factor 3) x .
Controladas Poka Yoke (niveles factor n)

Y (KPOV)
X Key Process Input Variables (KPIV)
Y Key Process Ouptput Variables (KPOV)
Donde:
variable claves del proceso Factor = Son las variables (KPVI) X1, X2, X3 Xn
variables clave de salida del proceso Nivel = Es la cantidad de valores que toma cada factor
para el cliente

IV.2 DOE IV.2 DOE

Limitaciones para el Diseo Factorial Completo Diseo Factorial Completo con 2 niveles

La limitacin del Factorial completo no es terica sino Por Ejemplo 3 factores cada uno con 2 niveles:
practica. Los recursos (ej. Tiempo, costos) necesarios
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8
para correr un factorial completo pueden ser
3
significantes. 2
Factorial completo puede ser usado en investigaciones
donde el numero de variables es pequeo (2-4), pero no Donde:

son recomendables cuando el numero de variables a 3 = Factor = K = variables (KPVI) X1, X2, X3
investigar es mayor (5 o ms). 2 = Nivel = Es la cantidad de valores que toma cada factor

Factorial Completo son efectivo cuando son usados de

2k
la manera adecuada, en el momento propicio dentro del
proceso de mejora del estudio.
 IV.3 Procedimiento DOE
IV.2 DOE
Pasos para la experimentacin
Aclaraciones para el Diseo Factoriales fraccionados: 1. Definir el problema.
2. Establecer el objetivo.
Se pierde informacin, ya que habr efectos que no se podrn 3. Seleccionar las variables de respuesta.
estimarse y se tienen menos grados de libertad disponibles para la
4. Seleccionar las variables independientes y su niveles.
estimacin del error. Los efectos que se pierden se espera que
sean, en la medida de los posible, interacciones de alto orden, las 5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de
medicin. Entender el espacio de inferencia.
cuales se pueden ignorar de antemano con bajo riesgo.
6. Seleccionar el Diseo Experimental: tipo de diseo a utilizar y nmero de
replicas.
Se utiliza sobre todo para probar un gran nmero de x potenciales
con un mnimo de corridas y lograr la seleccin de las pocas X 7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.
vitales. 8. Recolectar los datos.
9. Analizar los Datos.
Los experimentos altamente fraccionados son experimentos donde 10. Obtener las conclusiones estadisticas.
el nmero de corridas es solo un poco mayor que el nmero de
11. Replicar los resultados, si corresponde.
factores y sirven para detectar solo efectos principales.
12. Establecer soluciones practicas y comunicar.
13. Implementar soluciones.

IV.3 Procedimiento DOE

IV.3 Procedimiento DOE
Accin Minitab
Seleccin de factores 1. Plantear el problema a
El problema es aumentar/disminuir.....
Y = Nombre del indicador
Podemos utilizar las siguientes fuentes: resolver y objetivo que se Nivel Bajo Nivel alto
requiere alcanzar (-) (+)

FMEA (Puesta al da despus de la Fase de Anlisis) X1 : Nombre del factor

X2 : Nombre del factor

Lista de Clasificacin de Entrada. Mapa de procesos. 2. Identificar los factores y sus X3 : Nombre del factor
niveles.
Factores de Estudio de Variacin Mltiple 2 Level Factorial
Number Of. Factors
Resultados de la Prueba de Hiptesis 3. Cree la hoja de toma de datos
para el experimento DESGNIS Full factorial
Conocimiento de los expertos, experiencia de los operadores Center points=
Stat / DOE / FACTORIALS / # Replicates=
Requerimientos de los clientes CREATE FACTORIAL / FACTORS En la columna Name ponerle el
DESIGNS nombre del factor
Opinin de los proveedores OPTIONS Do not fold
Randomize Runs
Literatura, tormenta de ideas......... Store Design on Worksh
Summary table, alias table
RESULTS Default interactions
 IV.4 Plan de Mejora IV.4 Plan de Mejora
Formato Plan de Implementacin de Soluciones.

Los planes de Implementacin Final de soluciones debe contener: PROYECTO: FECHA:

MIEMBROS DEL EQUIPO:

La solucin (accin) recomendada. ACCION EFECTO QUIEN FECHA
Nro RECOME CAUSA ESPERA RESPON OPERACI DONDE CUANDO COMO
La causa verificada y el efecto esperado de la solucin. NDADA DO SABLE N
INICIO FIN

Definir al responsable que llevara a la prctica la solucin.

Donde y cuando se realizara (fecha de inicio-fecha final).
Como se realizara (descripcin operativa).
Recursos necesarios para la implementacin. RECURSOS NECESARIOS
ENTRENAM
RETORNO ESPERADO PORCENTAJE DE STATUS OBSERVACIONES

TIEMPO S$ IENTO SOPORTE OTROS S$ SATISFACCIN AVANCE

Retorno esperado (beneficio).
El Plan de Gerenciamiento.

IV.4 Plan de Mejora

Tipo de Fecha de % de
ID Oportunidad de Mejora Acciones de Mejora Responsable Observaciones
Mejora Compromiso Avance
Problemas para identificar la
Desarrollo de una Base de Datos correspondencia de los nmeros
Falta de un control de las altas en
1 donde se registra las altas por dslam Corto plazo Veronica Avila 15 de Abril 50% a los DSLAM por falta de
DSLAM que presentan saturacin
saturados etiquetas y creacin de nuevos
perfiles
Se requiere la participacin de
Falta de un sistema que controle Desarrollo de la BD que controle la
la Subgerencia de Tx y el
2 la capacidad disponible de Tx por capacidad disponible de Tx por Largo Plazo Ernesto Saravia Por definir Por definir
conocimiento del Aplicativo
DSLAM's DSLAM's
Asig2000.

3
Falta de previsin en el crecimiento Desarrollo de un sistema que realice
de trafico por cliente la previsin de trafico por DSLAMs
Mediano Plazo Veronica Avila Por definir Por definir
Se requiere la participacin de
GSI V. FASE CONTROLAR
Solicitar a GSI, el desarrollo de una
No se registras las fechas de inicio
rutina que permita que los campos : Se requiere establecer un
y culminacin de las Obras en el
4 In Real y Fin. Real se han obligatorios Corto plazo Walter la Matta Por definir Por definir requerimiento, y el posible
Aplicativo SAP-Modulo Gestin de
cuando se cambia el status del costeo de esta nueva rutina
Proyectos
proyecto
Elaboracin de un procedimiento para
Falta de un procedimiento para la ampliacin de los enlaces en la Red Se requiere la participacin de
5 realizar la ampliacin de los Speedy que abarca desde la Largo Plazo Ernesto Saravia Por definir 15% las Gerencia de Desarrollo y
enlaces en los DSLAM'S deteccin de su sobrecarga hasta su Planificacin
ampliacin.
Desarrollo de una Base de Datos que
registra las fechas de denuncias de
Falta de un sistema que controle Se tiene la informacin hay que
los sobrecargas hasta su ampliacin,
6 las denuncias de sobrecarga hasta Corto Plazo Veronica Avila 15 de Abril 25% armar la data a partir del
con la finalidad de realizar el
su ampliacin en la Red presente ao 2005
seguimiento de las ampliaciones en
planta
 V.1. Fase Controlar
Se disea un sistema que mantenga las
mejoras logradas (controlar las X vitales) y se CTQs
FMEA, Mapa de Procesos

cierra el proyecto. X (KPIV) Cp, Cpk

Es necesario establecer un sistema de X (KPIV) significativas

Prueba de Hiptesis
Correlacin

control para: Regresin

X (KPIV) que afectan al proceso DOE Simulacin

Prevenir que los problemas que tenia el proceso no se
vuelvan a repetir (mantener las ganancias). X (KPIV) que afectan al proceso
SPC
5 Ss
Impedir que las mejoras y conocimiento obtenido se Controladas Poka Yoke

olviden.
Y (KPOV)
Mantener el desempeo del proceso.
Alentar la mejora continua. X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente

V.1 Objetivo V.2 Mantenimiento resultados

Concluida las mejoras en las Y, se debe controlar la
variable en el tiempo para que no retorne a la Se debe elaborar un plan de Mantenimiento de
situacin anterior. Resultados:

Y
El plan debe contener:
FASE POST
CONTROL PROYECTO El mapa de proceso actualizado, con
MEJORAR
indicadores crticos en la entrada y salida (Ya
estuvieron definidos en la primera etapa).
El tipo de control para cada indicador y las
acciones de reaccin ante el descontrol.
Antes de Fin de
Proyecto Situacin No
la Mejora Deseada
 V.2 Mantenimiento resultados V.2 Mantenimiento resultados
PLAN DEL CONTROL DEL PROCESO
TIPO DE CONTROL PARA CADA INDICADOR
Es el listado con las acciones generales que cada proceso debe
seguir para garantizar, mantener el resultado del indicador.
Ejemplo: Existen diferentes maneras de hacer el Control
PLAN DE CONTROL

Proceso:_______ Fecha:____ Responsable:_____

para los indicadores. Entre los ms importantes,
se menciona:
Accin Responsable Periodicidad
Control Estadstico de Procesos.
1. Analizar indicador Supervisor 1 Diario

2.Gage R & R
Supervisor 2 Mensual
Sistema a Prueba de Errores (Poka Yoke).
3. Normas y
Filosofa de 5 Ss y Gerenciamiento Visual.
Gerente Quincenal
procedimientos Todos Anual
4.Revisin
FMEA
Jefe Mensual
5.Charla de Six
Sigma en 5 minutos

V.3 Control Estadstico de Procesos V.3 Control Estadstico de Procesos

Control Estadstico de Procesos (CEP) Cartas De Control
Muestra el desempeo del Proceso.
CARTA P
Provee de un Lenguaje Comn para discutir el Proceso.
Controla la proporcin de piezas no conformes.
Permitir diferenciar Causas Comunes de Especiales.
No controla la cantidad de no conformidades encontradas en la pieza.
Los componentes del CEP, son:
Cartas de Control.
Causas Especiales y Comunes. d
p q 1 p
n
pq
ZONA PRUEBA
DE CONTROL LIC p p 3
(MAL)
n1 n2 nk n
LSC : Lmite Superior de Control n
k
pq
ZONA EN
p1 p2 pk LSC p p 3
CONTROL (BIEN)
p n
k
LIC : Lmite Inferior de Control
V.3 Control Estadstico de Procesos
Cartas De Control
CARTA C
Controla el numero de no conformidades por unidad y slo
es aplicada cuando el nmero de elementos de las
muestras recolectadas es constante.
V.3 Control Estadstico de Procesos
Cartas De Control
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.

c1 c2 ck X1 X 2 X k
c LIC p c 3 c X
k k
R X 1 X 2 , X 1 X 2 , X 1 X 2 , , X k 1 X k
c1 c2 ck
LSC p c 3 c R Es la media de los R individuales calculados.

Es la cantidad de no conformidades
LSCR D4 R LSC X X E2 R
encontradas en cada muestra. LICR D3 R LIC X X E2 R

V.3 Control Estadstico de Procesos V.4 POKA YOKE

Grfica X-R 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
 V.4 POKA YOKE
V.4 POKA YOKE
Errores

Falta de estndares
Errores

Desconocimiento

No identificado

Inexperiencia

Inadvertido

Intencional
Voluntario
Humanos

Sorpresa
Lentitud
1

Olvido
Olvido
2 Desconocimiento Causa de
Casi todos los
3 De identificacin defectos
defectos estn
Proceso Omitido
causados por 4
errores humanos.
Inexperiencia Errores de Proceso

Sin embargo hay 5 Voluntarios Piezas omitidas

Conexin
como mnimo 10 6 fuerte
clases de errores
Inadvertidos Piezas equivocadas

7 Lentitud Conexin Error de ajuste

Operacin defectuosa
8 Falta de estndares
Procesamiento de Pieza
equivocada
9 Errores Sorpresa Montaje errneo de piezas de
mquina
10 Intencionales Equipo montado
inapropiadamente
Utiles y plantillas mal
preparados

V.5 Las 5 S V.6 Fabrica visual

Se debe tener de manera visible un Panel que permita ver:

Evolucin del Indicador. (Con Control Estadstico).

Acciones Correctivas
I-MR Chart of R ES ULante Ocurrencia de
tomadas
80Fallas. 1
U C L= 67.16
60

I ndiv idua l V a lue

Estado del Cumplimiento
40
de Estndares y
_
Procedimientos. X= 31.32

SEIRI Retirar, desalojar lo innecesario. 20

(Clasificar) Plan de Control del Proceso.

0
LC L= -4.52
SEISO Cada cosa en su lugar y un lugar para cada cosa. 1 9 17 25 33 41 49 57 65 73 81
O b s e r v a tio n
(Organizar)
1
SEITON Limpieza es inspeccin. U C L= 44.03
40
(Limpiar)
M o v ing R a nge

30
SEIKETSU Evitar que se vuelva a ensuciar, desordenar.
20
__
(Prevenir) M R = 13.48
10
SHITSUKE Estandarizar, cumplir con los estndares, Formar
0 LC L= 0
(Disciplinar) buenos hbitos. 1 9 17 25 33 41 49 57 65 73 81
O b s e r v a tio n
GRACIAS