Documente Academic
Documente Profesional
Documente Cultură
Mayo 2011
Derechos Reservados
Avantare Consultores
Contenido detallado Da 3
DEFINE
MEASURE
ANALIZE
IMPROVE
CONTROL
Qu es Six Sigma?
DPMO
308,537
66,807
6,210
233
3.4
99% buenos vs 6
Manejo de
Equipaje
Sigma
Proc. De
Solicitudes
Tiempo de
Respuesta
Equipaje
extraviado
Errores en
Llamadas que
una solicitud exceden 2 min.
3,660 por
da
770 por
da
257 por da
340 por
da
72 por da
24 por da
12 por da
13 por
semana
5 por semana
6 por da
10 por ao 3 por ao
DPMO
%
Rendimiento
66,800
93.32%
6,210
99.349%
230
99.977%
3.4
99.99966%
Defectos
Defectos
Alrededor de 3 sigmas
Reduccin de defectos.
Reduccin de la variacin.
10
Sponsor
-
Master BlackBelt
- Dirige la iniciativa
- Asegura Recursos
- Participa en la estrategia 6
- Tiempo completo
- Profundo conocimiento y
experiencia
- Capacita a GB y BB
- Lidera y asesora los
proyectos complejos 6
- Participa en la estrategia 6
Coordinador
- Tiempo completo
- Trabaja con el
Champion en
despliegue e
implementacin 6
- Administra la
organizacin 6
Toda la Organizacin
- Entienden la visin y la
estrategia del negocio
- Apoyan y participan
Finanzas
- Valida y determina el
impacto $$ de los
proyectos
Black Belts
Green Belts
Tiempo completo
Profundo conocimiento
Capacita GB
Lidera y asesora
proyectos 6
DMAIC vs DFSS
DMAIC (Define-Measure-Analyse-Improve-Control):
Enfocado a mejorar/innovar algo ya existente (proceso, producto,
servicio, etc.)
Enfocado a mejoras de tiempos cortos (no mayor a 6 meses)
12
DMAIC
Definir
Seleccionar Proyecto
Formar Equipos
Identificar CTQs
Medir
Analizar
Establecer Objetivos
Identificar Xs (todas
posibles)
Mejorar
Controlar
Desplegar Solucin
Validar Resultados
Asegurar que la
solucin permanece
Encontrar y Confirmar Xs
(Vitales)
Identificar y definir Solucin
Pilotear Solucin
Y = F(X)
Definir especificaciones
Validar Sistema de
Medicin
Medir la Capacidad Actual
13
Fase Definir
Salidas:
CTQs
Organigrama del equipo del proyecto con propsito y metas
Un mapa de alto nivel del proceso
Definir
14
Fase Medir
Medir
15
Fase Analizar
Salidas:
Lista priorizada de fuentes potenciales de variacin
Estimado mas refinado de los beneficios que tienen el
potencial de realizarse debido a las mejoras del
proceso.
Analizar
16
Fase Mejorar
17
Mejorar
Fase Controlar
18
Controlar
Revisin de Fases
Definir
Medir
Analizar
Mejorar
Controlar
19
Contenido detallado Da 3
DEFINE
MEASURE
ANALIZE
IMPROVE
CONTROL
20
INTERRELACION DE SIXSIGMA Y
CMMI
21
Toolkit (comprimido)
DEFINE
MEASURE
ANALYZE
CTQ
GQIM
FMEA
Formatos de
Recoleccin de
Mtricas
Root Causal
Analysis
Proy. Charter
Model Kano
Quality
Function
Deployment
Validacin de
sistema de
Medicin
- R&R
- AR&R
Prueba de
Hiptesis
IMPROVE
Diseo de
Experimentos
Control
estadstico
Modelado
Grficos de
Control
Costo de la
Calidad
ANOVA
COPIS
Inferencia
estadstica
COPIS
22
CONTROL
No Resultados
C
Definir proyecto y
Seleccionar
Objetivos
OPP
Analizar
datos
Recolectar
Datos
MA
Identificar
Posibles Causas
Ejecutar Anlisis
Causal
CAR
GO NO GO ->
DAR
OPP
Priorizar
Causas
Planificar
Despliegue
(Piloto)
Implementar
Mejora
I
23
Priorizar
Problemas
OPM OPF
Identificar
Soluciones
Potenciales
Contenido detallado Da 3
DEFINE
MEASURE
ANALIZE
IMPROVE
CONTROL
24
25
DEFINIR
26
Conceptos - CTQ
CTQ o Critical to Quality
Corresponde a los requerimientos crticos del cliente
Los clientes por lo general buscan
1.
2.
3.
4.
5.
El desempeo deseado
Cuando ellos lo quieren
No daado
Notificado proactivamente
Facturado correctamente
27
Conceptos - Clientes
El cliente puede ser interno o externo dependiendo del proceso.
Quin es el cliente del proceso de RH?
Quin es el cliente del proceso de desarrollo de apps?
Todos los clientes tienen el mismo peso? NO
No todos los clientes son iguales y no todos crean el mismo
valor.
28
Conceptos - Clientes
Sistemas reactivos de informacin:
Los requerimientos llegan, los pidas o no.
Sistemas proactivos:
Necesitas esforzarte para obtener
la informacin.
29
Ejercicio:
Cules son los Requerimientos?
A quin le gusta tomar caf?
Como le gusta el caf a cada uno:
Caractersticas:
30
Conceptos - CTQ
31
rbol de CTQs
Producto o Servicio
Necesidad Terciaria
Requerimiento
del Cliente
Necesidad Secundaria
Requerimiento
del Cliente
Necesidad Primaria
Requerimiento
del Cliente
Requerimiento
del Cliente
32
Valores:
A=9
M=3
B=1
33
Qu es QFD?
QFD
9
Matriz de Correlacin
4
Requerimientos Tcnicos
Requerimientos del
Cliente
Prioridades
Actual/Benchmark
Direccin de Mejora
Matriz de Correlacin
5
Evaluacin de Ingeniera
QFD - Ejemplo
El modelo Kano
Deleite
Neutral
Insatisfaccin
Ausente
Completo
PRESENCIA DE LA CARACTERSTICA
37
Qu:
Champion:
Cunto:
Patrocinador:
Cundo:
Lder:
Co-lder:
Fechas Objetivo:
Equipo:
.
.
.
.
38
Real
Impacto en el Negocio:
39
40
las
Errores Comunes:
Clientes
(Customer)
Salidas
(Outputs)
Proceso
42
Entradas
(Inputs)
Proveedores
(Suppliers)
Proveedores
(Suppliers)
Entradas
(Inputs)
Proceso
Salidas
(Outputs)
Clientes
(Customer)
Proveedores
(Suppliers)
Entradas
(Inputs)
Mtricas de Entrada
Proceso
Mtricas de
Proceso
Salidas
(Outputs)
Clientes
(Customer)
Mtricas de Salida
- Exactitud de informacin de
entrada
Calidad
Velocidad
- Demora por Fase
- Costo por Factura
44
Costo
45
MEDIR
46
Establecer
Objetivos de
Colectar Datos
Aclare el
propsito de
colectar datos
Identifique
cules datos
colectar
Desarrollar
Definiciones
Operativas y
Procedimientos
Asegurar
Consistencia
Y Estabilidad
Colectar Datos
Monitorear
Consistencia
Entrene a los
colectores.
Pruebe el
proceso y haga
ajustes.
Colecte los datos.
Monitoree datos y
consistencia.
Establezca el plan
de muestreo.
47
Definicin de Mtricas
Objetivos
Preguntas
GQIM
Indicadores
Mtricas
YA LO VIMOS
NEXT!
48
Recordando: Segmentacin
Factores Comunes de Segmentacin
Ejemplos de Categoras para Defectos
Factor
Ejemplo
What type
When
Where
Who
49
Sistema de Medicin
Entradas
Proceso
Salidas
Variacin del
Producto
Ejemplo
(Variacin
Actual)
Entradas Proceso de
Medicin
Variacin de
la Medicin
Salidas
Observaciones
Mediciones
Datos
Variacin
Total
(Variacin
Observada)
#1
Ejemplo
#2
Variabilidad del
Sistema de Medicin
Investigado a travs
del Estudio de R&R
50
Variacin
Parte a Parte (Actual)
Largo Plazo
Corto Plazo
Debida al
Operador
Debida al
Instrumento
Reproducibilidad
Repetibilidad
/ Precisin
Exactitud / Sesgo
Estabilidad
Linealidad
51
Repetibilidad
Variacin del equipo (VE).
Es la variacin en las mediciones atribuibles a un
instrumento de medicin cuando sea utilizado varias
veces por un operador para medir la misma
caracterstica en la misma parte.
P1
O1
Repetibilidad
m1 m2 m3
52
Reproducibilidad
Variacin del Operador.
Es la variacin en las mediciones atribuible a
diferentes operadores utilizando el mismo
instrumento de medicin para medir la misma
caracterstica en una misma parte.
P1
Operador A
Operador B
O1
Reproducibilidad
O2
m1 m2 m3 m1 m2 m3
53
P2
O1
O2
O1
O2
m1 m2 m3
m1 m2 m3
m1 m2 m3
m1 m2 m3
Medicin +
54
producto
Paso 2:
Realice el Estudio Minitab File: Gage R&R Datos Continuos.mtw
Recolecte y Capture los Datos.
Los choferes llamaron y los
despachadores
anotaron
la
diferencia en tiempo contra el
tiempo solicitado por el cliente.
Los datos fueron recolectados y
capturados en el formato en
Mintiab.
56
57
Graphical Summary
Two-Way ANOVA Table with Interaction (p-values)
% Comparisons Table (% Contribution)
% Comparisons Table (% Tolerance)
Discrimination Index
58
Reglas generales
Paso 4: Analizar los resultados del Gage R&R
% de la Tolerancia
1. R&R menor a 10% Sistema de Medicin aceptable
2. R&R 10% a 30% Puede ser aceptable tomar
decisiones soportndose en otras caractersticas
(retroalimentacin del cliente, etc.)
3. R&R arriba de 30% No aceptable. Encuentre el
problema, re-visite el Diagrama de Pescado, remueva las
Causas Races. Hay algn instrumento de medicin
mejor, justifica el costo-beneficio?
59
Reglas generales
% de Contribucin (o Varianza del Gage R&R):
La Varianza del GR&R debe ser pequea comparada
a la Varianza Parte-a-Parte aplica en los casos en los
que la Ventana de Tolerancia no es significativa, y el % de
Tolerancia no est disponible.
1. % de Contribucin < 2% Sistema de Medicin es
aceptable
2. % de Contribucin 2%-8% Sistema de Medicin es
marginal
3. % de Contribucin > 8% Sistema de Medicin es
inaceptable
60
Reglas generales
Nmero de Categoras Distintivas
Proporcin de la Seal-de-Ruido=
61
Oper*Part/Truck Interaction
3
3.0SL=87.96
X=80.75
-3.0SL=73.54
Average
Sample Mean
1
2
3
Part/Truck
R Chart by Oper
Sample Range
15
3.0SL=12.52
10
5
R=3.833
-3.0SL=0.00E+00
Oper
Percent
500
400
300
200
100
0
Reprod
10
5
1
Part-to-Part
By Part/Truck
%Total Var
%Study Var
%Toler
Repeat
110
100
90
80
70
60
50
40
Components of Variation
Gage R&R
By Oper
Oper
110
100
90
80
70
60
50
40
110
100
90
80
70
60
50
40
Part/Truck
6
1
10
Oper*Part/Truck Interaction
3
3.0SL=87.96
X=80.75
-3.0SL=73.54
Average
1
2
3
Part/Truck
R Chart by Oper
1
3.0SL=12.52
10
5
R=3.833
-3.0SL=0.00E+00
0
Oper
500
10
300
200
100
0
Part-to-Part
110
100
90
80
70
60
50
40
Part/Truck
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
10
Oper*Part/Truck Interaction
3
3.0SL=87.96
X=80.75
-3.0SL=73.54
Average
Promedio de 2
mediciones tomadas
por el operador 1.
R Chart by Oper
1
Oper 1
2
Oper 2
3.0SL=12.52
10
5
R=3.833
-3.0SL=0.00E+00
0
1
2
3
Rango de 2
mediciones tomadas
por el operador 1.
200
100
0
Gage R&R
Repeat
Reprod
Part-to-Part
10
By Part/Truck
%Total Var
%Study Var
%Toler
300
By Oper
Components of Variation
400
Oper 3
110
100
90
80
70
60
50
40
Oper
500
Oper
110
100
90
80
70
60
50
40
Part/Truck
15
Sample Range
Percent
400
Reprod
By Part/Truck
%Total Var
%Study Var
%Toler
Repeat
110
100
90
80
70
60
50
40
Components of Variation
Gage R&R
By Oper
Sample Mean
Sample Range
15
Oper
110
100
90
80
70
60
50
40
Percent
Sample Mean
110
100
90
80
70
60
50
40
Part/Truck
10
Oper*Part/Truck Interaction
3.0SL=87.96
X=80.75
-3.0SL=73.54
1
2
3
Part/Truck
R Chart by Oper
Sample Range
15
10
5
R=3.833
-3.0SL=0.00E+00
0
Oper
500
400
300
200
100
0
10
110
100
90
80
70
60
50
40
Part/Truck
Part-to-Part
10
Gage nam e:
Date of s t udy :
Report ed by :
Toleranc e:
Mis c :
S a m p le R a n g e
S a m p le M e a n
3.0SL=87. 96
X=80. 75
-3.0SL=73.54
Oper*Part/Truck Interaction
1
2
3
Part/Truck
15
R=3.833
-3.0SL=0.00E+00
Oper
10
By Part/Truck
500
110
100
90
80
70
60
50
40
%Tot al Var
%Study Var
%Toler
400
300
200
100
0
Components of Variation
Reprod
110
100
90
80
70
60
50
40
3.0SL=12. 52
R epeat
By Oper
10
Gage R&R
Oper
110
100
90
80
70
60
50
40
R Chart by Oper
P erc e nt
Percent
By Part/Truck
%Total Var
%Study Var
%Toler
Reprod
110
100
90
80
70
60
50
40
Components of Variation
Repeat
By Oper
3.0SL=12.52
Gage R&R
Oper
110
100
90
80
70
60
50
40
A v e ra g e
Average
Sample Mean
Part/Truck
Part-to-Part
10
Oper*Part/Truck Interaction
3
3.0SL=87.96
X=80.75
-3.0SL=73.54
1
2
3
Part/Truck
3.0SL=12.52
R=3.833
-3.0SL=0.00E+00
0
Oper
500
300
200
100
0
Part-to-Part
By Part/Truck
%Total Var
%Study Var
%Toler
400
Percent
10
110
100
90
80
70
60
50
40
Components of Variation
Reprod
110
100
90
80
70
60
50
40
Part/Truck
10
Sam
pleM
ean
Repeat
By Oper
10
Gage R&R
110
100
90
80
70
60
50
40
30
Oper*Part/Truck Interaction
3
3.0SL=87.96
X=80.75
-3.0SL=73.54
Oper
110
100
90
80
70
60
50
40
1
2
3
Part/Truck 1 2 3 4 5 6 7 8 9 10
R Chart by Oper
15
By Oper
3
3.0SL=12.52
10
Sam
pleRange
Sample Range
Average
R Chart by Oper
15
Gage name:
Date of study:
Reported by :
Tolerance:
Misc:
Oper
110
100
90
80
70
60
50
40
R=3.833
-3.0SL=0.00E+00
0
110
100
90
80
70
60
50
40
Oper
Components of Variation
500
300
200
100
0
Gage R&R Repeat
Reprod Part-to-Part
By Part/Truck
%Total Var
%Study Var
%Toler
400
Percent
Average
Sample Mean
110
100
90
80
70
60
50
40
Part/Truck
3 4
6 7
9 10
Fuentes de
Variabilidad
DF
Part/Truck
9
Oper
2
Oper*Part/Truck 18
Repeatability 30
Total
59
SS
MS
20587.1 2287.45
480.0 240.00
036.7
7.59
387.5
12.92
22491.2
39.7178
4.1672
4.4588
0.00000
0.03256
0.00016
% Tolerancia
Tasa
TasaP/T
P/T
(Tasa
(Tasade
dePrecisin-Tolerancia)
Precisin-Tolerancia)
R&R
R&Rcomo
como%%de
de
Tolerancia
Tolerancia
Source
10.67
3.10
7.56
2.19
5.37
89.33
100.00
32.66
17.62
27.50
14.81
23.17
94.52
100.00
Rangos de Aceptacin
del % Tolerancia
No Aceptable
30%
Cuestionable
Aceptable
67
10%
171.53
92.54
144.43
77.76
121.70
496.41
525.21
% Contribucin
%R&R
%R&RContribucin
Contribucin
(Variacin
(VariacinTotal)
Total)
R&R
R&Rcomo
como%
%de
delala
Variacin
VariacinTotal
Totaldel
del
Proceso
Proceso
Variacin debida
al Sist. De Med.
No Aceptable
Cuestionable
8.0%
Aceptable
2.0%
Variacin debida
a las partes
Source
10.67
3.10
7.56
2.19
5.37
89.33
100.00
32.66
17.62
27.50
14.81
23.17
94.52
100.00
100%
171.53
92.54
144.43
77.76
121.70
496.41
525.21
Mayor Explicacin:
Source
Rangos de Aceptacin
del % Contribucin
%Contribution
10.67
3.10
7.56
Oper
2.19
Oper*Part/Truck
5.37
Part-To-Part
89.33
Total Variation
100.00
2.19 + 5.37 = 7.56
ndice de Discriminacin
ndice
ndicede
de
Discriminacin
Discriminacin
Nmero
Nmerode
de
Categoras
Categoras
Distintivas
Distintivas
Valores Aceptables del
ndice de Discriminacin
ndice
ndicede
deDiscriminacin:
Discriminacin:
Provee
Proveeelelnmero
nmerode
dedivisiones
divisionesque
queelelSistema
Sistemade
de
Medicin
Medicinpuede
puedemedir
medircon
conexactitud
exactitudaatravs
travsde
delala
variacin
variacindel
delproceso.
proceso.
Indica
Indicaqu
qutan
tanbien
bienelelinstrumento
instrumentopuede
puededetectar
detectar
lalavariacin
variacinparte-a-parte
parte-a-partecambios
cambiosyymejoras
mejorasen
en
elelproceso
proceso
Menos de 2, inadecuado
Igual a 2, equivale a un instrumento
Esto indica que el instrumento ha alcanzado el
de pasa / no-pasa.
nivel mnimo aceptable.
Valor mnimo aceptable = 4.
Valor ptimo = 10 ms.
69
22
33
Tasa
TasaP/T
P/T
%
%Contribucin
Contribucin
ndice
ndicede
de
Discriminacin
Discriminacin
R&R
R&Rcomo
como%
%de
de
Tolerancia
Tolerancia
R&R
R&Rcomo
como%
%del
del
Total
Totalde
deVariacin
Variacinde
de
la
laMedicin
Medicin
Nmero
Nmerode
de
Categoras
Categoras
Distintivas
Distintivas
% Tolerancia =
171.53%
% Contribucin =
10.67%
ndice de
Discriminacin = 4
(Tasa
(Tasade
dePrecisin-Tolerancia)
Precisin-Tolerancia)
70
Mtodos de validacin
Datos de Atributos
1. R & R de Atributos
% Repetibilidad (>
90%)
% Reproducibilidad (>
90%)
% Exactitud (>90%)
% Confiabilidad
(>90%)
71
%
%
%
%
de
de
de
de
72
Recolectamos 30 facturas
73
Ejemplo de atributos
74
R&R de Atributos
Repetibilidad: 13/120
89.17% (pasa)
79
80
Diseo:
3 Operadores
3 Pruebas
40 Piezas
Evaluaciones estn en
la columna Respuesta
Los valores del
experto estn en la
columna Verdadera
82
Indica la columna
correcta
Incluye la evaluacin
experta
Assessment Agreement
Within Appraisers
100
Appraiser vs Standard
100
95.0% CI
Percent
90
Percent
Percent
90
95.0% CI
Percent
80
80
70
70
60
60
1
2
Appraiser
2
Appraiser
Within Appraisers
Appraiser # Inspected
1
40
2
40
3
40
# Matched
37
38
32
Percent
92.50
95.00
80.00
95 % CI
(79.61, 98.43)
(83.08, 99.39)
(64.35, 90.95)
# Matched
35
34
31
% EXACTITUD
(da la respuesta correcta)
Percent 95 % CI
87.50
(73.20, 95.81)
85.00
(70.16, 94.29)
77.50
(61.55, 89.16)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Between Appraisers
# Inspected
40
# Matched Percent 95 % CI
21
52.50
(36.13, 68.49)
# Matched
21
Percent
52.50
95 % CI
(36.13, 68.49)
Documentar Resultados
87
ANALIZAR
88
FMEA
Es un mtodo para:
89
90
91
Pruebas de Hiptesis
Permiten validar hiptesis sobre los datos bajo anlisis
En realidad es:
Correcto
Incorrecto
Se Acepta
Se Rechaza
Se piensa
Correcto
ok
Error
Incorrecto
Error
ok
92
Pruebas de Hiptesis
Ho: M1 = M2 = .. = Mn
Ha: al menos una es diferente
93
94
LSL
Centrado
USL
LSL
Ambos
LSL
95
USL
USL
Cp = USL LSL
6
Permite analizar la variacin del proceso contra la variacin de
los lmites de especificacin.
LSL
USL
Centrado
LSL
Movido
97
USL
Capacidad ST vs LT
ST = Short Term
LT = Long Term
98
Unidad (U):
Oportunidad (OP):
Defecto (D):
Zst
CP
Zlt
DPMO
3.0
1.00
1.5
66,810
4.0
1.33
2.5
6,209
4.5
1.50
3.0
1,350
5.0
1.67
3.5
233
6.0
2.00
4.5
3.4
100
Inferencia estadstica
YA LO VIMOS
NEXT!
101
Temas a Ver:
Qu es?
Cmo sustentarlo numricamente?
102
RCA - Qu es?
Mtodos
n-Causas
Material
n-Causas
Mquinas
n-Causas
1-Problema
n-Causas
n-Causas
n-Causas
RCA - Qu es?
PROBLEMA
1 - Porqu?
2 - Porqu?
3 - Porqu?
4 - Porqu?
5 - Porqu?
104
Validar 80%-20%
Establecer conclusiones.
105
Validar P-value
Establecer conclusiones.
CAUSA
ATRIBUTO
RECOLECTAR
ANOVA
107
MEJORAR
108
Qu mejorar? (1)
Xs Vitales
Xs Vitales
Propuesta de Solucin A
Propuesta de Solucin B
DAR
Propuesta de Solucin C
Seleccin
-
Xs Vitales
Propuesta de Solucin D
109
Costo
Beneficio
Mayor
mejora al
desempeo
Qu mejorar? (2)
110
Qu mejorar? (3)
111
Qu mejorar? (4)
Se documenta la mejora:
Descripcin y detalle de la mejora
Se actualizan los objetivos de mejora (de ser
necesario)
Se plasman los resultados de los anlisis previos
Analizar Resultados
GO!
112
CONTROLAR
113
Qu controlar?
Grficos de Control
PPBs
Objetivos
Tiempo
PPBs
Ms Tiempo
Almacenar TODO
115
Resumen
CMMI es un modelo
Six Sigma es una metodologa
Se complementa lo requerido para HM
No hay que olvidar los niveles inferiores
PP
PMC
IPM
RSKM
OPD, OPF
116
Felicidades!!!
Tal vez no eres un estadstico,
tal vez no eres un Black Belt
Pero puedes darte una idea general de qu hacer
Puedes definir tu proceso inicial e irlo mejorando.
Que Schrdinger te ayude.
117
Preguntas?