INGENIERÍA ESTADÍSTICA

IN2026

Introducción

Agosto-Diciembre 2017

Dra. Ivonne Abud Urbiola 1

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

Historia e Introducción a Six
Sigma

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 HISTORIA DE LA METODOLOGÍA SIX
SIGMA

¿Qué es Six Sigma?

De acuerdo con GE, es una metodología de mejora de

procesos que, mediante datos y análisis estadísticos,
Define, Mide, Analiza, Mejora y Controla la calidad en los
procesos, productos y servicios de una compañía, para
“eliminar” virtualmente todos los defectos.

También es un objetivo de calidad que se enfoca en la

variabilidad requerida por un proceso de acuerdo a su
especificación, para que su calidad y confianza alcancen
y/o excedan las demandas o requerimientos de los clientes.
3

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 TRES PROCESOS UNIVERSALES
(Trilogía de Juran)
Planificación Control de la Calidad
Mejora de la Calidad
de la calidad (durante la operación)

Picos Esporádicos
40
COSTOS DE POBRE CALIDAD

Zona Original de
Control de la Calidad

20
Nueva zona de
Inicio de la
operación

Control de Calidad
Desperdicio Crónico

0 Tiempo

MEJORA CONTINUA
(Six Sigma & Beyond)
4

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ¿QUÉ ES SIX SIGMA?

Metodología
de Mejora de
Procesos

Análisis y
Medidas
Estadísticas

Objetivos
Organizacionales

Satisfacción Beneficio
del Cliente económico

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 SIX SIGMA
Traduce la
. . . a datos…
información de 260

los procesos. . . 0

Moving
250 1

Sales
2

Range
LCL=0
3

R=1.097 4
240
1
Subgrou
0 p
23.5
UCL=3.5 10

Individ
83 24.5
20 25.5
30 26.5

ual Va
230 27.5

nAdvertisment
28.5
60 70 80 90 100 110 120 130 140 LCL=24 150

 i

lue
.17 29.5


30.5

2
(X X )
Mean=2
7.09

UCL=30 I and M
.00 R Char
t for W al
t

i =1
260

250
n -1 Ma
ch
1
s le: t
ic riab
tist
Tes

s
Va
ity 9
m al
Sta

Sale
N or 0.88 0
g 0.02
ive n- D
ar lin

s c ript And
er so
quar
ed: 799
10.0 32
0.94 97
De A-S alue:
P-V 95
0.88 1741
0.51 4078
240 n
M ea ev -1.1 25
StD nce
ia
Var wness 21
Ske sis 8.98 71
to 9.35 73
Kur
N 9.78 0
44
im um ile 10.8 670
M in Quart 12.0
1st ian Mu
ile for
M ed Quart 693
230 12.0 3r d im um Inte
rval
10.4
M ax ence ma
11.5 Con
fid Sig
for 21
11.0 95% 06 terval 1.31
In
9.69 ence edia
n
10.5 fid rM
Con al fo 151
60 10.0 95%
0.73
65
ce
Interv 10.6
9.5 fiden
70 for
M u C on
9.0 rval 95% 55
80 ence
Inte
10.5
9.38

onfid
90 95%
C

1
Adv 00 1 10.0
ian
e rt i 1 M ed
sme 0 120 9.5 Inte
rval
for

nts 130 C onfid

ence

95%
140
150

Problema Real Problema Estadístico

6

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 SIX SIGMA
…y de datos . . . a procesos…
Process Name
Business Unit

Process Step
Business Unit

Process Step Decision Yes Process Step End

No
Business Unit

Process Step

Machine Methods Envron. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Machine Methods Envron.

The Machine Methods Envron.

Process Step Total
Process
The Machine Methods1 Envron. 0
Process 2 0
The 3 0
4 0
Process 5 Methods 0
The Measure Material Machine
People Envron.
6 0
Process 7 0
Measure Material People
8 0
9 0
The 10 0
Measure Material
11 People 0
Process
12 0
13 0
Measure Material People
14 0
15 0
16 0
17 0
Measure 18 Material People 0
19 0
20 0
0
0

Total

Soluciones Soluciones en
estadísticas el mundo real
7

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 SIX SIGMA

Definir… EL PROBLEMA
¡Es el método
Medir… EL PROCESO científico aplicado
a la solución de
Analizar… EL PROCESO problemas en las
organizaciones!
Mejorar… EL PROCESO
“in God we trust, everyone
Controlar… EL PROCESO else bring data”

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ¿PORQUÉ ES IMPORTANTE SIX
SIGMA?
¡Porqué comúnmente la solución más
rápida no siempre es la correcta!

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ¿PORQUÉ ES IMPORTANTE SIX
SIGMA?
Porqué cuando saltamos a conclusiones
precipitadas, sin un análisis…

… se convierte en prueba y error …

… puede ser una

pérdida de tiempo …

… termina en desastre …
10

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 HISTORIA DE LA METODOLOGÍA SIX
SIGMA
Aunque no es un concepto nuevo o único, la “iniciativa” o
programa SIX SIGMA se le atribuye a Bill Smith, Ingeniero de
Calidad de Motorola.

El plantea que los problemas de calidad y de pobre desempeño

en los procesos se deben a su variabilidad.

Una pieza defectuosa no es más que el resultado de la variación.

Si se minimiza la variación hay más probabilidad de obtener
productos y servicios libres de defectos.

Robert Galvin, CEO de Motorola, inmediatamente solicitó una

medida de la variabilidad de los procesos de la compañía… la
respuesta fue sencilla:

La desviación estándar σ (“sigma”)

11

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ESTÁNDARES DE CALIDAD

LIE Objetivo LSE

(media nominal)

Desempeño 3σ
66,811 defectos/millón Desempeño 6σ
“Estándar Histórico” 3.4 defectos/millón
“Clase Mundial”
Desempeño 4σ
6,210 defectos/million Desempeño 2σ
“Estándar Actual” 308,770 defectos/millón
“Desperdicio de Ligas Mayores”

Todos los procesos de Manufactura o Administrativos tienen requerimientos y

especificaciones para la salida del proceso o desempeño.

La σ (desviación estándar de la distribución),

permite determinar la capacidad del proceso
12

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 HISTORIA DE LA METODOLOGÍA SIX
SIGMA

En aquella epoca, expertos de la calidad como Joseph M.

Juran, Dorian Shainin, Genichi Taguchi y Eliyahu
Goldratt, habían presentado programas de mejora a
Motorola.

Mikel Harry estuvo presente en varias de estas pláticas y

lanzó un programa de mejora para la división Electrónica
Gubernamental de Motorola.

Mikel Harry se une a Bill Smith y crean el Six Sigma

Institute de Motorola.

13

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 HISTORIA DE LA METODOLOGÍA SIX
SIGMA
Los creadores de la metodología SIX SIGMA, llevaron el objetivo
más allá, creando una estrategia que involucra LIDERAZGO,
ESTRUCTURA y HERRAMIENTAS para alcanzar este objetivo.

Para lograrlo siguieron el consejo de Joseph M. Juran y Peter

Senge de hacer de la calidad parte del plan estratégico de negocio.

Para acelerar la implantación de SIX SIGMA, enfocan el proceso

de mejora a lograr ahorros económicos tangibles, rápidos y
buscando la transformación de los negocios.

Además, asemejan los niveles de competencia y dominio de la

metodología SIX SIGMA a las cintas de Karate:
Green Belt
Black Belt
Master Black Belt 14

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 HISTORIA DE LA METODOLOGÍA SIX
SIGMA

Para mediados de los 90’s, el CEO de General Electric, Jack

Welch y Larry Bossidy de Allied Signal comienzan la implantación
de SIX SIGMA en sus organizaciones.

En 1998 el Business Week publica que GE, había ahorrado $330

Millones de Dólares con Six Sigma, el doble de lo esperado.
Además Welch predice ahorros de $10 billones para los
siguientes 5 años. A partir de entonces, la metodología cobra
gran importancia en el mundo.

Motorola asegura haber ahorrado billones de Dólares desde la

implantación de SIX SIGMA y gracias al lanzamiento de Six
Sigma, Motorola gana el premio Malcolm Baldridge en 1988.

15

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ESTRATEGIA SIX SIGMA

Proyectos de mejora

Metodología 6σ
Voz del Cliente y

Fases y Herramientas
$
Liderazgo Apoyo directivo

Gente Equipos competentes

16

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ¿QUÉ SUPONE SIX SIGMA?

Cumplir con
A niveles 6σ
especificaciones Sólo 3.4 ppm
(lo que el cliente quiere)

Satisfacción del Cliente Eficientemente

17

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 SIX SIGMA DESDE EL ORIGEN
(ciclo virtuoso)
Mejorar Procesos

Características Menos
correctas defectos
Clientes
satisfechos y
leales
Bajo costo Bajo nivel de
Participación retrabajo y
de Mercado de garantía
desperdicio

Menos
Más
Ingreso $ Costo

Mejor
Precio
18

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ENFOQUE PRÁCTICO DE SIX SIGMA
6σ = 3.4 ppm

99% 99.99966%
Bueno Bueno

Hamburguesas en mal estado

vendidas por Mc Donalds al 680,000 231
día en el mundo

Problemas de seguridad en
280 por día 3 al mes
vuelos comerciales

IPhones vendidos en el 1700

mundo defectuosos
5,000,000

19

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ORIGEN DEL CONCEPTO DE SIX SIGMA

SIGMA (σ) es una letra del alfabeto griego y se emplea para

designar la distribución o la dispersión respecto de la media o promedio
de cualquier proceso.

En una serie de datos σ se utiliza para representar la desviación

estándar poblacional.

Un proceso con capacidad de 6σ significa tener un proceso con 6

desviaciones estándar entre la media del proceso y cualquier límite
de especificación, esto se traduce en tener un proceso con no más
de 3.4 partes por millón fuera de especificaciones.

¿POR QUÉ LA CALIDAD A NIVEL “SIX SIGMA” = 3.4 PPM?

20

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 PROCESO EN CONTROL Y ESTÁTICO
(sin cambios en la media del proceso)

6σ 6σ

< 0.001ppm
< 0.001ppm

µ
LIE 12σ LSE

Un proceso con CAPACIDAD DE CORTO PLAZO de

6s (12 entre ambos límites de especificación)
supone menos de 0.002 ppm …

NO OBSTANTE… 21

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 SIEMPRE HABRÁ CAMBIOS EN LA
MEDIA DEL PROCESO
Fuente: Measuring Process Capability, Davis R. Bothe

LSC
LSE

6sST 6sLT

LIE
LSC

Tiempo

Estos cambios en la media del proceso

pueden ser indetectables en los Gráficos de Control

22

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 CAPACIDAD DE PROCESO
Largo Plazo(LT) VS Corto Plazo(ST)
Variación dentro del
¡ La media de un
subgrupo
proceso es dinámica
(short term variation)
(cambia) por
naturaleza!
Tiempo 4
Variación
Tiempo 3
entre
Tiempo 2 subgrupos
Tiempo 1

Variación del proceso a

largo plazo
(long term variation)

LIC Nominal LSC

23

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 … LOS PROCESOS SON DINÁMICOS...
Se estima que la media del proceso puede moverse 1.5s por arriba (o
debajo) de la media nominal (µ0), lo que supone una pérdida de CAPACIDAD
EN EL LARGO PLAZO de 1.5σ

7.5s 4.5s

0.0000000319ppm 3.4ppm

1.5s m’
m0
6s 6s
LIE LSE
0.0000000319 ppm + 3.4 ppm = 3.4 ppm

24

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ¿POR QUÉ SIX SIGMA = 3.4 PPM?

Cambios esperados pero indetectables en la media del proceso entre +1.5s

ó -1.5s.

La media del proceso puede cambiar sólo en una dirección en cualquier

momento.
El peor caso estimado: Sólo 4.5s (6s - 1.5s) entre el promedio del proceso y
un límite de especificación. Esto corresponde a 3.4 PPM
Hay que notar que, entre la media del proceso y el otro límite de
especificación hay 7.5s que supone prácticamente 0ppm.

4.5s + 1.5s de “colchón” forman las 6s que plantea la metodología

Por ello, el nivel de calidad 6s es 3.4 PPM

25

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 CAPACIDAD DE PROCESO Y PPM
DEFECTUOSA

CPk (ST) PPM LT ZST

(Nivel Sigma)

1.00 66,811 3.0

1.33 6,210 4.0
1.50 1,350 4.5
1.67 233 5.0
1.83 32 5.5
2.00 3.4 6.0

Las ppm consideran el ajuste de ±1.5σ por los cambios en la

media del proceso en el tiempo
26

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 METODOLOGÍA BÁSICA SIX SIGMA

DEFINIR Identificar, priorizar y seleccionar el proyecto correcto (definir al

cliente, sus requerimientos, el equipo de proyecto y los
procesos clave que afectan al cliente).

MEDIR Identificar características clave de productos y parámetros de

procesos (variables críticas POTENCIALES), recolectar datos,
entender los procesos, validar los sistemas de medición y medir
el desempeño del proceso.

ANALIZAR Identificar las causas raíz por las que el desempeño no es el

deseado (variable críticas SIGNIFICATIVAS).

MEJORAR Generar, determinar y validar soluciones potenciales (establecer

un modelo de predicción del proceso para optimizar su
desempeño).

CONTROLAR Desarrollar, documentar e implementar un plan para asegurar y

mantener el desempeño en el nivel deseado.

27

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 ENFOQUE DE PROYECTO SIX SIGMA
• El proyecto correcto
Definir
• El equipo correcto
Caracterizar
el proceso

• Proceso
Y’s • Entradas (X) y salidas (Y) del
Medir
X’s proceso
• Capacidad de proceso

Analizar
• Variables Independientes: Xi
Optimizar el

• Los “pocos vitales” determinantes

proceso

Mejorar X’s • Causas raíz

• Relación matemática

Controlar Y = f(X)
• Rangos óptimos de operación de Xi
28

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 • Tormenta de ideas
• Diagrama de Flujo de Proceso
• AMEF (Análisis del Modo y Efecto del Fallo)
SIX SIGMA • Diagrama de Pareto
• Diagrama y Matriz Causa-Efecto
Tool Box • Lista de Verificación (checklist)
• Histogramas y Box Plots
• Diagrama de Dispersión
• Correlación y Regresión
• Gráficas diversas
• Gráficos de Control
• Capacidad de Proceso (Cp, Cpk, Zlevel, dpu, dpo,
dpmo)
• Análisis R&R (sistemas de medición)
• Pruebas de Hipótesis
• Análisis de Varianza (ANOVA)
• Diseño de Experimentos (DOE)
• Plan de Control de Procesos
• Herramientas Lean Manufacturing (SMED, 5S, TPM,
etc.)
• Software Estadístico (Minitab) 29

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®

 Bibliografía
Las Claves Prácticas de Seis Sigma. Una guía dirigida a los equipos de mejora
Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh
Mc Graw Hill

Control Estadístico de Calidad y Seis Sigma

Humberto Gutiérrez Pulido, Roman de la Vara Salazar
Mc Graw Hill

Fundamentals of Quality Control and Improvement

Mitra, Amitava
Wiley

Administración y Control de la Calidad

James R. Evans; William M. Lindsay
CENGAGE Learning

30

Ingeniería Estadística-IN2026; Ivonne Abud Urbiola®