i · web viewes una estrategia de mejora de negocios que busca encontrar y eliminar causas de...

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008

SEIS SIGMA - CHAMPIONS

Dr. Primitivo Reyes Aguilar

mayo 2008

Página 1 de 99


CONTENIDO

I. Panorama de Seis Sigma en la organización

II. Seis Sigma – Fase de definición

III. Seis Sigma – Fase de medición

IV. Seis Sigma – Fase de Análisis

V. Seis Sigma – Fase de mejora

VI. Seis Sigma – Fase de control

VII. Diseño para Seis Sigma

Página 2 de 99


I. Despliegue de Seis Sigma en la organización

Metodología Seis Sigma Metodología Lean Metodología Lean Sigma Diseño para Seis Sigma Liderazgo y roles en Seis Sigma Gestión de Procesos Benchmarking Gestión de equipos de trabajo

Metodología Seis Sigma

DefinicionesSeis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente – 3-4 ppm.

Seis Sigma como estrategia Es una estrategia de gestión que usa herramientas estadísticas y métodos de gestión de

proyectos para lograr mejoras en calidad y utilidades significativas

Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocándose a los resultados que son de importancia crítica para el cliente.

Antecedentes de Seis Sigma Bajo la dirección del CEO de Motorola1 Bob Gavin, se usaron herramientas

estadísticas para identificar y eliminar la variación. En 1981 Bob Gavin director de Motorola, estableció el objetivo de mejorar 10

veces el desempeño en un periodo de 5 años. En 1985 Bill Smith en Motorola concluyó que si un producto se reparaba

durante la producción, otros defectos quedarían escondidos y saldrían con el uso del cliente.

Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo

En 1987 Motorola desarrolla Seis Sigma como una iniciativa clave del negocio. En 1988 Motorola ganó el premio Malcolm Baldrige, y las empresas se

interesaron en analizarla.

1 Motorola es una marca registrada por Motorola, Inc,

Página 3 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 El Dr. Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de

Motorola e inicia el “Six Sigma Research Institute” con la participación de IBM, TI, ASEA y Kodak.

La metodología se expandió a Allied Signal, ASEA, GE, Sony, Dupont, Texas Instruments, Bombardier, Lockheed Martin, ABB, Polaroid, Kodak, Sony, Toshiba, Black and Decker, Dow Chemical, Federal Express, American Express, John and Johnson, Navistar y otras.

Razones por las que funciona Seis Sigma Involucramiento de la dirección Resultados en la rentabilidad Un método disciplinado utilizado (DMAIC) Conclusión de proyectos en 3 a 6 meses Medición clara del éxito Infraestructura de personal entrenado (black belts, green belts) Enfoque al proceso y al cliente Métodos estadísticos utilizados adecuadamente

Resultados esperados de Seis Sigma Reducciones de costos Mejoras en el nivel de servicio al cliente Reducción de fallas y errores Mejoras en la productividad Mejora en la satisfacción del cliente Reducciones de tiempos de ciclo Cambios culturales

¿Qué es Sigma? (s) Sigma es un concepto estadístico que representa la variación que tiene un proceso

respecto a los requisitos del cliente 0 – 2 sigmas, no cumple requisitos 2 – 4.5 sigmas, cumple marginalmente 4.5 – 6 sigmas, cumplimiento de requisitos. Un proceso 6 s tiene rendimiento del 99.9997%

Página 4 de 99


10

LAS MEDICIONES VARÍAN DE UNA A OTRA:

Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal

LAS DISTRIBUCIONES PUEDEN DIFERIR EN:Número Número Número

Número Número Número Número

Número Número Número

UBICACIÓN DISPERSIÓN FORMA

. . . O TODA COMBINACIÓN DE ÉSTAS

Distribución gráfica de la variación –Curva normal

P1

PRACTICA 1: Ejemplo con edades.a) Generar diferentes conjuntos de datos normales con media = 100 y desviación estándar = 5, variando el número de datos generados n con Datos1 en 5, Datos2 en 30, Datos3 en 100 y Datos4 en 8000.

b) Obtener el histograma correspondiente:

Página 5 de 99


Seleccionar con doble click o Select

6

Colocarse sobre una gráfica y acceder a Editor > Layout tool y pasar a lasVentanas las gráficas para cada conjunto de datos

Prueba de normalidad Stat > Basic statistics > Normality Test Variable Datos1 Seleccionar la prueba (menos de 15 datos Kolmogorov, más de 15 Anderson Darling) OK El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente

Página 6 de 99


_Xxi

sZ

LIEEspecificación inferior

LSEEspecificación superior

p = porcentaje de mediciones fuera de Especificaciones

La desviación estándarsigma s representa la distancia de la media alpunto de inflexión de la curva normal

Interpretación de Sigma y Zs

P2

Desviación estándar

+4s+5s+6s+1s+2s+3s-2s -1s-4s -3s-6s -5s 0

Definición estadística de Seis Sigma Con 4.5 sigmas

se tienen 3.4 ppm

Media del procesoCorto plazo Largo Plazo

LSE - LímiteSuperior deespecificación

LIE - Límiteinferior deespecificación

4.5 sigmas

El proceso se puede recorrer 1.5 sigma en el largo plazo

La capacidadDel procesoEs la distanciaEn Sigmas deLa media al LSE

Página 7 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 2. Efecto de variar la desviación estándar en la dispersión de los datos

9

¿Por qué es importante lograr niveles de calidad Seis Sigma? Un 99% de rendimiento equivale a tener un nivel de 3.86 sigmas y 100 minutos sin

energía eléctrica por semana (10,080 minutos) Un 99.9% de rendimiento equivale a un nivel de calidad de 4.6 sigmas, representa 10

minutos sin energía eléctrica en una semana. Con 6 sigma se tiene un nivel de 99.99966% o 3.4 ppm, 2 segundos /semana sin luz

Interpretación estadística de Seis Sigma

Página 8 de 99


PRACTICA 3. Obtener los niveles Sigma con base en rendimiento (tiempo en que se tiene el servicio disponible / tiempo total) y las partes por millón o partes por millón de oportunidades de deficiencias, fallas o errores:

a) Eficiencia del 98% Nivel sigma = 3.6

b) 8,000 ppm o 0.8% Nivel sigma =

c) Rendimiento del 75% Nivel sigma =

Utilizar la tabla de la página siguiente:

Página 9 de 99


Página 10 de 99


Proceso DMAIC

1. Definir

2. Medir

3. Analizar

4. Mejorar

5. Controlar

Las fases de Seis Sigma (DMAIC) Definir: seleccionar la “Y” del proyecto a ser mejorada y enfocar el problema a resolver

“y”. Medir: Recolección de datos de la variable de respuesta “y” y factores de influencia

“Xs” para establecer línea base Analizar: Generar causas potenciales e identificar las causas raíz del problema

(variables independientes X`s) Mejorar: Generar alternativas de solución por causa raíz, seleccionar las mejores,

implementarlas y verificar su efectividad Control: Acciones para mantener la mejora

Página 11 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 La ruta de la calidad y su relación con Seis Sigma

FASE DE DEFINICIÓN: o 1. Equipo de trabajo, 2. Selección del problema o área a mejorar

FASE DE MEDICIÓN o 3. Diagnóstico de la situación actual, 4. Establecer la meta.

FASE DE ANÁLISIS o 5. Análisis de las causas del problema (potenciales y reales)

FASE DE MEJORA o 6. Generación, evaluación y selección de alternativas de solución. o 7. Implementación de soluciones, 8. Verificación de resultados.

FASE DE CONTROL o 9. Prevenir reincidencia, 10. Reconocimiento al equipo de trabajo o Paso 11. Lecciones aprendidas y cierre del proyecto

Metodología Lean

Conjunto de métodos enfocados a minimizar el Muda (desperdicios en tiempo, combustibles, energía, espacio, talento, etc.) para tener flexibilidad y maximizar el aprovechamiento de los recursos en la empresa, para lograr la satisfacción y lealtad del cliente.

Su propósito es reducir el tiempo de ciclo y aumentar la productividad en la empresa.

Muda Sobreproducción Fallas / errores Inventarios Movimientos excesivos Procesos que no agregan valor Esperas Transportes innecesarios

Métodos Lean:

Mapa de cadena de valor, Kaizen, 5S’s, SMED, Poka Yokes, TPM, Admón. Visual, reducción tiempo de ciclo, etc.

Típicamente el 70% de las actividades no agregan valor

Página 12 de 99


Metodología Lean SigmaTópico Seis Sigma Lean

Mejora Reducir variación Reducir mudaJ ustificación Seis sigma (3.4

ppm)Rapidez (velocidad)

Ahorros principales Costos de calidad

Costos de operación

Curva de aprendizaje

Larga Corta

Selección de proyectos

Varios enfoques Mapeo de la cadena de valor (VSM)

Duración de proyectos

2 – 6 meses 1 semana a 3 meses

Impulsor Datos DemandaComplejidad Alta Moderada

Problemas resueltos con Leano Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanoso Enfoque a mejora de la productividad

Problemas resueltos con Seis Sigmao Minimizar variación en los procesoso Reducir las fallas y errores hasta 3.4 ppm o Solución científica de problemas o Enfoque a problemas y mejoras de calidad

Liderazgo Los programas Seis Sigma no suceden accidentalmente, deben contar con el

compromiso y soporte de la administración en aspectos de recursos y herramientas Organización para Seis Sigma

Green Belts

Green Belts

Página 13 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Capacitación en Seis Sigma

Pirámide de Capacitaciónen Seis Sigma

Directores - Entrenamiento de promotores

Candidatos a Master Black Belts - Capacitación MBB

Gerencias - Capacitación ejecutiva

Candidatos a Black Belts - Capacitación BB(a tiempo completo o parcial)

Supervisores - Capacitación panorámica

Candidatos a Green Belt - Capacitación GB

Todos los empleados - Capacitación deintroducción a Seis Sigma

Papeles/roles en Seis Sigma

Comité directivo de Seis Sigma / Consejo de calidad Fijan metas, identifican proyectos, seleccionan equipos

Apoyan a los equipos: Capacitación de Black Belts y Green Belts Capacitación a miembros de los equipos Líder de proyecto Aprobar el proyecto y sus cambios Apoyar al equipo en la solución de problemas Apoyar con logística para las reuniones Proporcionar expertos como Black Belts Comunicar los resultados a toda la organización Monitorear los avances

Champions Son representantes de la alta dirección que controlan y asignan recursos para

promover mejoras, se involucran en todas las revisiones de proyectos en su área de influencia. Reciben entrenamiento general en Seis sigma

Promotores ejecutivos (sponsors) Son líderes que comunican, guían y dirigen el despliegue exitoso de Seis Sigma Reciben capacitación en panorama de Seis Sigma, sus herramientas y métodos

Dueños de procesos (Process owners):

Página 14 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Coordinan actividades de mejora de procesos y monitorea los avances, trabaja con

Black Belts para mejorar los procesos bajo su responsabilidad, a veces actúan como Champions

Master Black Belts Tienen puestos enfocados a la mejora, con habilidades demostradas como Black Belt y

habilidades de asesoría, instrucción, educación y promoción Papeles en Seis Sigma

Black Belts: A veces están a tiempo completo, son personas capacitadas y con habilidades para

coordinar proyectos de mejora demostradas con ahorros y beneficios. Actúan como consultores y asesores

Green Belts: Pueden ser Black Belts en entrenamiento, manejan las herramientas estadísticas y de

solución de problemas para los proyectos con impacto financiero y a clientes Están bajo la tutela de los Black Belts y son líderes de equipos

Miembro del equipo: Participa en la capacitación para ser efectivo Atiende las reuniones del equipo conforme sea necesario Completa sus asignaciones entre las reuniones Participa activamente con ideas e información Alienta la participación de otros miembros Se beneficia de la experiencia, experiencia y perspectivas de los demás Aplica los pasos del proceso de mejora

Reconocimiento y refuerzo Se deben lograr reconocimientos tangibles e intangibles por las mejoras alcanzadas a

todos los miembros participantes El lograr ahorros y publicarlos ayuda a mejorar la moral de los miembros de los

equipos de proyectos

Gestión de procesos

A. ProcesosB. BenchmarkingC. Medidas de desempeño del negocio

Proceso

Página 15 de 99


SalidaPRODUCTO

Entradas

(Incluyendo recursos)

PROCESO

Conjunto de actividades

interrelacionadas o que interactúan Eficiencia

Resultados contra recursos empleados

ISO 9004:2000

EficaciaCapacidad para alcanzar resultados deseados

ISO 9001:2000

Procedimiento

Especificación de la forma en que se realiza alguna actividad

Actividades de medición y seguimiento

Benchmarking

BenchmarkingCompara el desempeño de una empresa con la competencia, o el mejor en su clase, identifica áreas de oportunidad de mejora a nivel negocio u operativo. Sigue los pasos siguientes:

Determinar las prácticas actualeso Seleccionar el área problemao Identificar los factores clave de desempeñoo Comprender los procesos propios y los del competidoro Seleccionar criterios de desempeño en base a necesidades y prioridades

Identificar las mejores prácticaso Medir el desempeño dentro de la empresao Determinar los líderes para las áreas a evaluaro Buscar una organización con la que se hará la comparación

Analizar las mejores prácticas o Visitar la organización como un socio benchmark o Colectar información y datos del benchmark lídero Evaluar y comparar prácticas actuales con benchmark o Identificar áreas de mejora potenciales

Modelar las mejores prácticas

Página 16 de 99

Ventas yMktg. Ingeniería Admón.

FinanzasOperacio-

nesRecursosHumanos

TecnologíasInformación

Ejecutivos

Staff

Gerentes

Ingenieros

Superviso-res

Operadores

Proceso de negocio (---) vs Función organizacional (O)

Entrada Salida

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Realizar cambios para mejorar niveles de desempeñoo Extender los cambios en desempeño a toda la empresao Incorporar la nueva información en la toma de decisiones del negocioo Compartir los resultados con el socio benchmark o Buscar otros lideres benchmark para mejoras futuras

Repetir el ciclo

Algunas empresas superan a su propio Benchmark

Figura 3.1.4.1 Análisis del régimen térmico CTVM 2007

2646

2376

25422466

2388

22002250230023502400245025002550260026502700

Promedio Unidad 1

Promedio 3 años CTVM

Promedio CFE

FPL USA P Deming

Nerc USA

Análisis del consumo específico de gas natural ó régimen térmico Kcal/KWh

Promedio Unidad 1

Promedio 3 años CTVM

Promedio CFE

FPL USA P Deming

Nerc USA

Página 17 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 4. Comparación del consumo de combustible de tres plantas termoeléctricas. Copiar las columnas marcadas en amarillo a Minitab.

Día-1999 (Antes) Mes

Consumo de combustible-Sureste

Consumo de combustible -Planta A

Consumo de combustible -Planta B

P 1 1 18162 17888 17758

2 1 18645 17572 17494

3 1 18260 17598 17408

4 1 18369 17799 17846

5 1 18342 17358 17189

6 1 18149 17604 17505

7 1 18644 17496 17475

8 1 18244 17672 17594

9 1 17862 17634 17458

10 1 18034 17765 17613

11 1 18092 17737 17561

12 1 18359 17324 17315

13 1 18109 16881 16846

14 1 18160 17588 17588

15 1 18277 17632 17447

16 1 18172 17525 17403

17 1 17990 17861 17774

18 1 18027 17869 17901

19 1 18884 17776 17675

20 1 18333 17858 17689

21 1 18621 17532 17451

22 1 18428 17567 17605

23 1 18640 17500 17568

24 1 18084 17945 17850

25 1 18214 17427 17396

26 1 17746 17505 17524

27 1 18538 17749 17575

28 1 18167 17491 17588

29 1 18466 17904 17813

30 1 18256 18112 18190

31 1 18688 17094 17054

1 2 17858 17186 17057

2 2 17325 17040 17093

3 2 17535 16839 16648

4 2 17637 16994 17043

5 2 17192 17642 17486

6 2 17532 16526 16342

7 2 17444 17071 17090

8 2 17529 16936 16886

9 2 17508 17141 16945

10 2 17737 17068 17143

11 2 17674 16997 17088

12 2 17394 16929 16998

13 2 17401 16960 17049

14 2 17524 17215 17106

15 2 17225 17120 16993

16 2 17367 16892 16839

17 2 17484 17051 17015

18 2 17401 17212 17036

19 2 17295 17159 16979

20 2 17696 17083 17069

21 2 17180 17387 17486

22 2 17679 17482 17494

23 2 17990 17167 17004

24 2 17599 16841 16648

25 2 17470 17385 17398

26 2 17429 17218 17118

27 2 17787 17055 16974

28 2 17445 17367 17325

1 3 18040 17502 17563

2 3 18023 17285 17201

3 3 17802 17297 17223

4 3 18256 17584 17559

5 3 17845 17187 17128

6 3 17993 17651 17750

7 3 18007 17770 17734

8 3 18124 17103 16911

9 3 18409 17695 17666

10 3 18189 17755 17669

11 3 17856 17898 17712

12 3 17857 17429 17333

13 3 18182 17388 17363

14 3 18059 17320 17362

15 3 17604 17374 17328

16 3 17897 17298 17377

17 3 17855 17222 17204

18 3 18109 17586 17529

19 3 17776 17759 17621

20 3 17716 17456 17306

21 3 18306 17183 17217

22 3 17542 17663 17601

23 3 18085 17357 17333

31 3 18188 17468 17318

a) Diagramas de caja en Minitab:Copiar tabla de datos.Instrucciones: Graph > Box Plot

Página 18 de 99


24Fuel Consumption-Plant BFuel Consumption-Plant AFuel Consumption-Southeast

19000

18500

18000

17500

17000

16500

16000

Dat

a

Boxplot of Fuel Consumption, Fuel Consumption, Fuel Consumption

Máximo, mediana, mínimo

b) Prueba de hipótesis de igualdad de medias ANOVA

Instrucciones: Stat > ANOVA > One way (unstacked)

One-way ANOVA: Fuel Consumption, Fuel Consumption, Fuel Consumption Source DF SS MS F PFactor 2 17916218 8958109 72.87 0.000 P< 0.05 Medias diferentesError 246 30240786 122930Total 248 48157004S = 350.6 R-Sq = 37.20% R-Sq(adj) = 36.69%

Level N Mean StDevFuel Consumption-Southea 83 17940 400Fuel Consumption-Plant A 83 17403 320Fuel Consumption-Plant B 83 17344 326Individual 95% CIs For Mean Based on

Individual 95% CIs For Mean Based on Pooled StDevLevel -------+---------+---------+---------+--Fuel Consumption-Southea (---*---)

Página 19 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Fuel Consumption-Plant A (---*---)Fuel Consumption-Plant B (---*---) -------+---------+---------+---------+-- 17400 17600 17800 18000

c) Gráficas de series de tiempo

Instrucciones: Stat > Time series > Time series plot

Página 20 de 99


80726456484032241681

19000

18500

18000

17500

17000

16500

16000

Index

Data

Fuel Consumption-SoutheastFuel Consumption-Plant AFuel Consumption-Plant B

Variable

Time Series Plot of Fuel Consump, Fuel Consump, Fuel Consump

Métricas de desempeño de negociosNivel de operaciones:

Efectividad del negocio, mide que tan bien se satisfacen las necesidades de los clientes Eficiencia operativa, en función de costo y tiempo requerido para producir el producto

Nivel de procesos: Datos de procesos detallados

Nivel de producción: Datos de producción detallados

Balanced Score CardMide las siguientes perspectivas:

Financieras: retorno sobre la inversión, utilización de los activos, EVA, etc. Percepción del cliente: liderazgo en el servicio, costos competitivos, cercanía con

clientes Procesos internos del negocio (operaciones): excelencia operativa en procesos,

innovaciones y nivel de servicio Aprendizaje organizacional y crecimiento: desarrollo de las capacidades de los

empleados, motivación, delegación, mejora en los sistemas de información y aprendizajes

Página 21 de 99


Proc

esos

Inte

rnos

Apre

ndiza

je y

Crec

imien

toCli

ente

s Ser la mejor opciónpara los clientes

Ser líder enServicios de generación

de energíaIncrementar valor en los

procesosde las plantas

C1C2 C3

Contar con RRHHadecuados

en puestos clave

Capital Humano Capital Organizacional

Fortalecer el clima organizacional

Asegurar la coordinación de

trabajos entre deptos.A1

A3 A4

Optimizar la aplicación einnovación detecnologías de información

y comunicaciones

Capital Tecnológico

A2A1

Asegurar cumplimiento del marco regulatorio

A5

Mejora de los procesos y calidad

P4

Impulsar la gestión delconocimientoy tecnologíaP3

Promover, impulsar y verificar la aplicación de

normasMejorar la oportunidad y

efectividad de los servicios

P1

P2

Ejemplo de Mapa estratégico de BSC

Visión de largo plazo

Conocimientodel negocio

SeguridadAlto nivel deespecialización

Sustentabilidad ConfiabilidadOportunidad Calidad Efectividad

Finan

ciera

F1 F2 F3

Rentabilidad de los servicios

Optimizar costos y gastos

de operación

P5

Desarrollo sustentable

Eficientar los procesos

administrativos

Mejora de la productividad

P6

P7

P8

Mantenimiento y optimización del uso de activos

Maximizar la rentabilidad sobre

activos

Impulsar la seguridad

P9

Gestión de equipo de trabajoFormación de equipos de trabajo

Debe haber un líder o dueño del proceso Un secretario Tomador de tiempo Facilitador Miembros involucrados con el proceso, según Belbin: existe el formador,

implementador, coordinador, compañero, investigador, innovador, especialista

Etapas de desarrollo del equipo Formación Integración Normas Desempeño u operación

Las presentaciones dan la oportunidad de: Mostrar habilidades Mostrar logros Resumir proyectos Obtener aprobaciones necesarias de la dirección Mantener líneas de comunicación con la dirección Demostrar comprensión de las necesidades reales del cliente

Factores de proceso de equipo para evaluar su desempeño: Factores de relación: Identificación, manejo de conflictos, soporte, nivel de integración

Página 22 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Factores de proceso: Nivel de consenso, efectividad de reuniones, crecimiento y

aprendizaje, participación, comunicación, retroalimentación, escucha Factores de metas: Fijación de objetivos, claros, realistas y alcanzables Factores de ambientales: Proximidad física, habilidades y recursos, soporte de la

dirección Factores de rol: Efectividad del liderazgo, claridad de responsabilidades

Reconocimiento al equipo

Al finalizar el proyecto Seis Sigma es conveniente dar un reconocimiento a los participantes: Materiales: Tangibles, Intangibles, Satisfacción, amistad, aprendizaje, agradecimiento,

prestigio Ver ejemplos de aplicación en CFE

Página 23 de 99


II. Seis Sigma – Fase de Definición

Propósitos Selección inicial del proyecto Identificar a los clientes del proceso o producto afectados Definir las CTQs (características críticas para la calidad) desde la perspectiva del cliente Definir el alcance del proyecto en un nivel específico manejable (Project, Team Charter

o Contrato del proyecto) Desarrollar una Declaración Refinada del Problema Documentar las actividades en programa del Proyecto

Los clientes En términos simples, un cliente es el receptor de un producto o servicio Se puede escuchar su voz en forma reactiva: Quejas, garantías, demandas, etc. O en forma proactiva: Encuestas, grupos de enfoque, entrevistas, estudios de

mercado, etc.)

Definición de CTQs Son las características del producto/servicio que son importantes desde el punto de

vista del cliente

Requerimientos clave ACC/CENACE ó Factor Crítico

clientes y usuarios finales Indicador Valor generado cadena

de valor usuarios finales 1. Precio competitivo

(Consumo gas natural ó control del régimen térmico)

$/MWh Kcal / Kwh (De acuerdo

a la Unidad)

Precio competitivo a los usuarios finales de CFE

2. Calidad de la regulación: Control de frecuencia y control de voltaje

Frecuencia: 60 Hz ± 0.2 Voltaje: 230,000 Volts ±

1000

No variaciones en el suministro de energía

eléctrica

3. Cantidad de energía entregada

100% Cumplimiento programa

Cero interrupciones en el suministro de EE

4. Confiabilidad

Conf = (100% - % Falla propia) = 97.69%

Cero interrupciones en el suministro de EE y

participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional

(SEN)

5. Disponibilidad

Disp= (100% - (%Falla + % Matto - % ajenos)) = 88.50%

Cero interrupciones en el suministro de EE y

participación en la regulación de frecuencia y voltaje en el Sistema Eléctrico Nacional

(SEN) Figura 3.1.9.1 Tabla de Factores Críticos del Cliente

Página 24 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Árbol de Críticos para la calidad (CTQs) = Y`s:

o Avanzar con más niveles conforme se requieran (2,3)o Validar los requerimientos con el cliente. Revisar el árbol de CTQs con el

cliente.

Frecuencia HertzEconomía PrecioVoltaje Volts

Calidad de la energía

Críticos para X (CTX) CTQ – Críticos para la calidad

o Cumplir con requerimientos del mercado y técnicoso Proporcionar productos y servicios excelentes

CTC – críticos para el costo o Consumo de combustible o Costos de operación

CTP – Críticos para el procesoo Reducir los tiempos de ciclo y tiempos muertos por mantto.o Maximizar el régimen térmico

CTD – críticos para la entrega o Confiabilidad, disponibilidad, o Cantidad de energía eléctrica entregada

CTS – críticos para la seguridad o Proporcionar ayudas visuales e instrucciones claraso Proporcionar EPP adecuado

Precio Competitivo

Régimen Térmico

Calidad de regulación de Control de frecuencia Control de voltaje

Confiabilidad Disponibilidad Cantidad de energía

eléctrica entregada

Figura 3.1.9.2 Diagrama de Árbol CT´s Cliente

CTC CTD

CT’s

CTQ

Costos de calidad Los costos de calidad son un vehículo para identificar oportunidades de reducción de

costos por medio de mejoras al sistema

Página 25 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Las categorías de los costos de calidad son:

o Costos de prevención – capacitación, documentación o Costos de evaluación – pruebas e inspeccioneso Costos de falla interna – fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente

Bases de comparacióno Ingresos, costos de transformación, etc.

Diagrama de Pareto

En la fase de Definición, el diagrama de Pareto ayuda a seleccionar proyectos y manejar el alcance de este.

Diagrama de Pareto o Define la oportunidad del proyectoo Provee el impacto medible de las acciones correctivas

PRÁCTICA 5. Construcción de un diagrama de Pareto

Instrucciones de Minitab: File > Open worksheet > Exh_qc.mtwStat > Quality tools > Pareto chart Seleccionar Defects y Counts

Página 26 de 99


Counts 274 59 43 19 10 18Percent 64.8 13.9 10.2 4.5 2.4 4.3Cum % 64.8 78.7 88.9 93.4 95.7 100.0

DefectsOth

er

Incom

plete P

art

Defect

ive Ho

usi

Leaky

Gasket

Missing

Clips

Missing

Screw

s

400

300

200

100

0

100

80

60

40

20

0

Coun

ts

Perc

ent

Pareto Chart of Defects

Definición del proyecto Atacar al problema en general no funciona ya que es fácil equivocarse tratando de

hacer todo a la vez

En la práctica, es mas efectivo enfocarse en un componente específico del problema. Una definición del problema enfocado describe específicamente que ocurre, cuando o en qué circunstancias ocurre, y/o quien esta involucrado

Identificar CTQs del proceso o X’s para satisfacer CTQs del proyecto Y (Drill Down)

Página 27 de 99


Interrupciones de energía Fallas en los equipos de generación

Falta de suministro de gas

Fallas en el sistema de agua desmineral. Xs: Mantenimiento preventivo

Mantenimiento predictivo

El alcance del proyecto debe estar limitado a los factores que representan la principal diferencia:

Mantenimiento preventivo

Y = ƒ(X1, X2, X3, X4)

Y = ƒ(X1, X2)

Y = ƒ(X1)

Ejemplos de selección de problemas

Página 28 de 99


Página 29 de 99


Justificación económica de proyectos Seis SigmaAnálisis para obtener la aprobación del proyecto:

Identificar los beneficios del proyecto: monto, tiempo, duración Identificar los factores de costo del proyecto (personal, recursos) así como los gastos

del periodo Calcular la ganancia neta por periodo Calcular los índices financieros (TIR, VPN, etc.) Determinar si el proyecto se implementará (antes de iniciarlo) o si fue benéfico

(después de completarlo) Si no da beneficios, pero de todas formas se debe implementar, justificarlo (ambiente,

seguridad)

PRÁCTICA 6. Aplicación del método del valor presente neto y de la tasa interna de rendimiento en la justificación de proyectos

Asumiendo un interés del 15% y costo del equipo de $15,000

Página 30 de 99

Interés 0.15Inversión -15,000Beneficios Año 1 5,000Año 2 5,000Año 3 5,000Año 4 5,000Año 5 9,000


VNA = Valor presente en Excel Fx Financieras = VNA(0.15, rango)

VPN = Valor presente neto = VNA – costo del equipo = $3,749.48 - Costo del equipo

Conclusión: Si VPN es positivo si conviene la inversión

TIR = Tasa interna de rendimiento = TIR( rango)= 24%

Conclusión: Si el TIR es mayor que la TREMA de la empresa, el proyecto es viable

2. Si un proyecto Seis Sigma requiere una inversión inicial de $400,000 y proporciona rendimientos de $100,000 por año durante 6 años, considerando un interés del 15% anual:

Año 1 100,000Año 2 100,000Año 3 100,000Año 4 100,000Año 5 100,000Año 6 100,000

a) ¿cuál es el periodo de recuperación sin importar los intereses e impuestos? PR =Inversión inicial / Rendimiento Anual = 400,000 / 100,000 = 4 b) ¿Cuál es el valor presente neto de las inversiones? ¿Es adecuado?

VPN = VNA(0.15, C1:C6) - 400000

VNA = 378,448 VPN = -21,551TIR = 13% 15%

c) Con la inversión de $400,000 ¿cuál es la tasa interna de retorno? = -400000

Año 1 100,000Año 2 100,000Año 3 100,000Año 4 100,000Año 5 100,000Año 6 100,000

Página 31 de 99

Interés 0.15Inversión -15,000Año 1 5,000Año 2 5,000Año 3 5,000Año 4 5,000Año 5 9,000

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Justificación con base a costos de operaciónPara la CTVM, al disminuir el régimen térmico ó consumo de gas natural a niveles óptimos, se reduce el costo de generación, en pesos por unidad de energía eléctrica generada ($/KWh) fortaleciendo su competitividad.

78.78% 83.61% 83.75%

0%

20%

40%

60%

80%

100%

2005 2006 2007

Costo gas consumido / Costo total (%) CTVM

Análisis de riesgo en los proyectos

Evaluar áreas potenciales de riesgo de negocio como: Cambios en la tecnología Competencia Falta de materiales Reglamentaciones y problemas de seguridad e higiene Reglamentaciones y problemas ambientales Riesgos asegurables (propiedad, pérdidas, responsabilidad legal)

Contrato de proyectoEs el compromiso formal del equipo y de la dirección, en la ejecución del proyecto

Caso de negocio

Descripción general del problema

Alcance

Meta medible

Sigmas

Impacto financiero Beneficios estimados Costos estimados

Recursos Nombre, Rol Otros participantes

Planes del proyecto Fechas arranque y final por cada

fase DMAIC Eventos parciales a revisar

El contrato del proyecto (Project Charter) debe incluir: Caso de negocio (impacto financiero) Enunciado del problema Alcance del proyecto (límites) Establecimiento de metas Rol de los miembros del equipo

Página 32 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Metas intermedias y productos finales Recursos requeridos

Caso del negocio: Resumen de las razones estratégicas para el proyecto. Incluye aspectos de calidad, costo, producto final con justificación financiera Por qué hacer el proyecto Importancia de hacer el proyecto ahora Consecuencias de no hacer el proyecto Prioridades Importancia del proyecto en relación a las estrategias de la empresa - Aumentar el nivel de servicio de la planta del 95 al 98%

Enunciado del problema Detalla el tema que el equipo quiere mejorar, tan descriptivo como sea posible. “El

tiempo de mantenimiento correctivo planeado para la Unidad 1 es de un mes, lo que impacta en el nivel de servicio del 95% anual”

Alcance del proyecto Se refiere a los límites del proyecto o acotaciones. “El proyecto se desarrollará durante

el mes de diciembre”

Establecimiento de las metas Una regla común es la reducción del 50% en alguna de las métricas o su mejora en 50% “Reducir el tiempo de mantenimiento planeado para la Unidad 1 de un mes a 15 días”

Roles de los miembros de los equipos Los miembros deben ser gente calificada con la suficiente experiencia para realizar lo

establecido en la misión del equipo Definir sus roles, responsabilidades y expectativas

Página 33 de 99


Incremento de satisfacción del cliente mediante la mejora del proceso de mantto. a las subestaciones eléctricas.

Alcance: Se aplicará al proceso de mantenimiento de los equipos primarios en el Departamento de Subestaciones de la Subárea de

Meta: Reducir en un 50 % el incumplimiento de los horarios programados de libranza, de los equipos primarios.

Fecha de inicio: Febrero, 2008 Fecha de término: Junio , 2008.

Justificación: El incumplimiento con los horarios programados de libranza, además de impactar en el aspecto económico; en primerainstancia tiene un impacto muy fuerte en el grado de satisfacción de nuestro cliente interno. Este proyecto incrementará en 5% el nivel desatisfacción, a través de la optimización y la reducción en los tiempos de ejecución de las actividades de mantenimiento con laconsecuente disminución de costos.

Obstáculos: Posibles afectaciones por condiciones meteorológicas, falta de suficiencia presupuestal para modernización de equipos,materiales y situaciones sindicales con el personal no previstas.

Supuestos: Libranzas continuas para poder tomar información.

Colaboradores y Relaciones Clave de Reporte:Green Belt: Técnicos AuxiliaresCliente: SubáreaChampion: Jefe de la SubáreaGrupos Impactados: Zona de Distribución , Deptos. Técnicos y Dpto. de Administración.Equipo: Depto. De SubestacionesAsesor Black Belt: Jefe de Dpto. de Subestaciones

PROJECT CHARTER

PRÁCTICA 7. Describir un caso de negocio de ejemplo

Diagrama SIPOC Identifica el flujo de las actividades y fuentes de variación en el proceso. Incluye

proveedores, entradas, procesos, resultados y clientes

Página 34 de 99


Provee-dores

Clientes

Banco de información

EntradasProcesos y sistemas Salidas

Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes)

Retroalimentación Retroalimentación

Ejemplo: Proceso de generación de energía en una termoeléctrica

Proveedores Entradas Proceso Salidas Clientes PEMEX

Comisión Nacional del Agua

Gas Agua

Generación Termoeléctrica

Entrega de energía eléctrica

CENACE Cliente final

Figura 3.1.10.1.1 Mapa de proceso de primer nivel

Insumos Gas y Agua

Planta de tratamiento

de agua

Generador de Vapor Turbogenerador Subestación Transmisión CENACE Usuario

Final

PRÁCTICA 8. Realizar un ejemplo de Diagrama SIPOC de un proceso pequeño o subproceso

Casa de la calidad

Página 35 de 99

Proveedores Entradas Pasos grales. del proceso

Salidas Clientes

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 QFD es un proceso que relaciona los requisitos de los clientes con los procesos o las

características del producto. QFD/Casa de la Calidad

o Representa la voz del Clienteo Alinea CTQ’s con CTP’S y comunica las necesidades del cliente

Para crear la Casa de Calidad se deben seguir 7 pasos:o Identificar a los clientes y sus demandas (¿Qué?), rango de Importanciao Identificar las características clave o procesos (¿Cómo?)o Identificar las relaciones de celdas entre Qué’s y Cómo’s o Calcular los totales de renglones (¿Qué?) o Calcular los totales de columnas (¿cómo?) o Identificar a que aspectos enfocarse (¿Qué?) y (¿Cómo?)

CTQ= característica crítica para la calidad, cualquier característica del producto es importante para los clientes.CTP= variable crítica para el proceso, cualquier variable de proceso que afecta significativamente la capacidad de cumplir el CTQ.

Programa de Trabajo

Se realiza para planear las actividades para la solución del problema, a continuación se muestran algunos ejemplos:

Página 36 de 99


III. Seis Sigma – Fase de MediciónPropósitos:

Página 37 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Determinar requerimientos de información para el proyecto Definir las Métricas de los indicadores del Proceso Identificar el objetivo de desempeño Desarrollar un Plan de Colección de Datos Realizar un Análisis del Sistema de Medición (MSA) Llevar a cabo la recolección de datos Determinar la capacidad del proceso, línea base y afinar la meta

Salidas Diagnóstico de la situación actual del problema

Mapas de proceso y diagramas de flujoEn la Fase de Medición, el mapa del estado actual debe de ser creado para:

Mostrar detalladamente los pasos del proceso específico o series de procesos Determinar las fuentes entrantes de variación y las características de salida para cada

pasoo ¿Cuáles son las entradas? ¿Cuanto pueden variar?o ¿Cuáles son las salidas? ¿Cuánto pueden variar?

Identifica cuales son los datos que necesitan ser recopilados

Ejemplos de diagramas de proceso

00

0

0

Temperatura °C

Presión Kg/cm2

Flujo Ton/hr

Sílice PPM

Conductividad MicroMHOSo

Agua de proceso

Agua de atemperación VSC

Agua de atemperación VRF

Vapor de proceso

Vapor de extracciones

537

128.7

537

32.9

245

<0.3

CICLO AGUA-VAPOR

35535.11 449

465

410

2924 371

43.086 331

210.5 5.4

4615.5 401

11414.5 401

1484.4 480

148142 480

140.5 480

340140 428.9

148142 37

14840 19

34237 31

<0.02< 1

<0.002

< 5

Desmin.

Sobrecalentador

Pozo

Tanque alm.

Domo superior

Economizador

CalentadoresAlta Presión

DeareadorCondensador.

Recalentador.

Turbina Alta Presión

Paredes deAgua

Tubos aguacaldera

Turbina PresiónIntermedia

Turbina Baja Presión

Calentadores baja presión

Bomba AguaAlimentación

4

6

5

Generador

Página 38 de 99


6.66

0

0

Temperatura °C

Presión Kg/cm2

Flujo Ton/hr

Flujo de aire

Flujo de gas

Flujo gases de combustión

FLUJO DE AIRE-GAS

CasetaMedición / reducción

PEMEX

Q Q Q Q

Q Q Q Q

Q Q Q Q

Q Q Q Q

50 8 3.5

229.7

0

289

277

32.2

32.2

149

352

Aire

Aire

508

Apertura0-100%

%O2CO CO2NOx

RPM300-1000

RPM300-1000

% E. O2:0.9 – 1.2

12,600 KCal/Kg

Compuertas auxiliares

N1

N2

N3

N4

Inclinación de

quemadores

Página 39 de 99


PRACTICA 9. Diagrama de flujo de un proceso pequeño o subproceso

DIAGRAMA DE FLUJO DE PROCESO Legenda:

Operación Transporte Inspección Espera/retraso Almacenaje

Operación o Evento Descripción de EvaluaciónOperación o evento y Métodos de análisisP

AS

O

Matriz de causa efecto Entradas y salidas del proceso

Antes de mejorar un proceso, primero debe medirse, identificando sus variables de entrada y de salida, y documentando su relación en diagramas de causa efecto, matrices de relación, diagramas de flujo, etc. (1-poca, 3-media, 9-alta relación)

184232Ent 5100236Totales

92246Ent 4112515Ent 327633247Ent 23584632Ent 1

%Res410613Impor-tancia

EDCBASalidas

184232Ent 5100236Totales

92246Ent 4112515Ent 327633247Ent 23584632Ent 1

%Res410613Impor-tancia

EDCBASalidas

Página 40 de 99


Página 41 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Recolección de datos

Tipos de información Datos Continuos

Se obtienen a través de un sistema de medición, su utilidad depende de la capacidad del sistema de medición.

Las ocurrencias consistentes se pueden manejar como datos continuos

Datos Discretos Incluye

porcentajes, conteos, atributos y ordinales

Las ocurrencias deben ser independientes

87

Continuos Discretos

Datos TipoTemperatura de vapor ContinuoFallas de la bomba Discreto: Porcentaje o cuentaTiempo de mantenimiento ContinuoCantidad de contaminantes ContinuoFallas de Maquinaria Discreto: Porcentaje o cuentaTiempo del ciclo de arranque ContinuoPerdida de clientes Discreto: Porcentaje o cuentaErrores en reportes Discreto: cuentaCambios en la agenda o el plan Discreto: cuentaPorcentaje de reportes que tienen que ser rectificados

Discreto: Porcentaje

Comprendiendo la variación

¿Qué es la variación? La diferencia entre las cosas La mayoría de las veces la variación es natural Factores que causan la variación

o Materialo Maquinariao Mano de obra o personalo Métodoo Naturalezao Medicioneso La variación es inherente a todos los procesos

Se tienen causas comunes y causas especiales

Página 42 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Ejemplos:

HistogramasMuestra la distribución de frecuencia de los valores o mediciones

Distribución normal La distribución normal puede ser descrita sólo por la media y la desviación estándar Media es el promedio de todos los datos El rango es la diferencia entre la cantidad mayor y menor La desviación estándar es aproximadamente igual a 1/6 del rango de los datos, y

puede ser calculada por Excel o Minitab

Áreas bajo la curva de distribución normal estándar

Página 43 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 La distribución normal estándar

La distribución normal estándar es una distribución de probabilidad que tiene una media de cero y una desviación estándar de uno.

El área bajo la curva desde menos infinito a más infinito vale uno. La distribución normal estándar es simétrica, cada lado tiene una probabilidad

o área bajo la curva de 0.5. La escala horizontal de la curva se mide en desviaciones estándar, su número se

describe con Z.

Para cada valor Z se asigna una probabilidad o área bajo la curva mostrada en la Tabla de distribución normal

PRÁCTICA 11. Áreas bajo la curva normal estándar

a) Área menor a Z1 = -3.1 más área mayor a Z2 = 2.9 representando una fracción defectiva, expresarla en decimal, ppm y porcentaje:

En Minitab: Calc> Probability Distributions > Normal Input constant (Z) OK (cumulative prob)

0.4

0.3

0.2

0.1

0.0Z

Dens

ity

-2.4 2.80

Distribution PlotNormal, Mean=0, StDev=1

Excel Fx Estadísticas: = distr.norm.estand(Z1) +[1 - distr.norm.estand(Z2) ]

b) Área entre Z1 = -1.4 y Z2= 1.9, expresarla en decimal y porcentaje: = distr.norm.estand(Z2) - distr.norm.estand(Z1)

Página 44 de 99


Un proceso tiene un límite de especificación inferior de 10 psi. Tiene un promedio de 10.50 psi una desviación estándar de 0.5 psi determinar lo siguiente:

a) Fracción defectiva por debajo de 9.50 psi.

En Minitab: Calc> Probability Distributions > Normal Input constant (Z) Mean 10.50 Standar deviation 0.5OK (cumulative prob)

En Excel = distr.norm(9.5, 10.5, 0.5, 1)

b) Área entre 10 y 11 psi, expresarla en decimal y porcentaje:Excel Fx Estadísticas. En Excel

= distr.norm(11, 10.5, 0.5, 1) - distr.norm(10, 10.5, 0.5, 1)

Análisis del sistema de medición

Variación del sistema de medición

Un error significante puede ser introducido en la medición de un proceso por medio del sistema de medición

El proceso puede estar en control estadístico pero no así el sistema de medición y puede introducir una variación inaceptable

Página 45 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Posibles fuentes de variación

Variación del proceso, real Variación de la medición

Variación del proceso

Reproducibilidad

Repetibilidad Estabilidad Linealidad Sesgo

Variación originada

por el calibrador

Calibración

Variación del proceso, real

Reproducibilidad

Repetibilidad

Variación dentro de lamuestra

Estabilidad Linealidad Sesgo

Equipo demediciòn

Calibración

Errores de medición

Repetibilidad o La variación en las mediciones obtenidas con un instrumento de medición

cuando es usado muchas veces por un evaluador mientras mide una característica idéntica de la misma parte

Patrón

Valores medidos

Reproducibilidad o La variación en la medición obtenida con un instrumento de medición

cuando es usado por varios evaluadores mientras miden una característica idéntica de la misma parte.

Página 46 de 99


Diferencia entre operadoresReproducibilidad

Minitab:File > Open worksheet > gageaiag.mtwStat > quality tools > Gage study > Gage R&R study (crossed)Seleccionar Part_numbers Operator Response – mediciones Options: Study variation 5.15 (99% de area bajo la curva) Process tolerance: Upper – lower 20OK

Estudio de R&R – Análisis de resultados

111

Gage R&R Study - XBar/R Method %Contribution Source VarComp (of VarComp) Total Gage R&R 0.0000001 41.00 Repeatability 0.0000001 40.52 Reproducibility 0.0000000 0.48 Part-To-Part 0.0000001 59.00 Total Variation 0.0000001 100.00 Study Var %Study Var %Tolerance Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler) Total Gage R&R 0.0002476 0.0012750 64.03 21.25 Repeatability 0.0002461 0.0012675 63.65 21.12 Reproducibility 0.0000269 0.0001384 6.95 2.31 Part-To-Part 0.0002970 0.0015295 76.81 25.49 Total Variation 0.0003867 0.0019913 100.00 33.19 Number of Distinct Categories = 1

% Error R&R debe ser menor Al 10% ya sea para control delProceso o para producto final.Repetibilidad– InstrumentoReproducibilidad - Operador

Número mínimo 4

El error de R&R vs tolerancia es 64.03% y vs variación total del proceso es 21.25% lo que hace que el equipo de medición no sea adecuado para la medición.

Página 47 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Por otro lado el número de categorías es sólo de 1 cuando debe ser al menos 4

indicando que el instrumento discrimina las diversas partes diferentes.

Perc

ent

Part-to-PartReprodRepeatGage R&R

80

40

0

% Contribution% Study Var% Tolerance

Sam

ple R

ange 0.0010

0.0005

0.0000

_R=0.000417

UCL=0.001073

LCL=0

1 2 3

Sam

ple M

ean 0.0050

0.0045

0.0040

__X=0.004717

UCL=0.005143

LCL=0.004290

1 2 3

Partes10987654321

0.006

0.005

0.004

Operadores321

0.006

0.005

0.004

Partes

Aver

age

10 9 8 7 6 5 4 3 2 1

0.0050

0.0045

0.0040

Operadores123

Gage name:Date of study:

Reported by:Tolerance:Misc:

Components of Variation

R Chart by Operadores

Xbar Chart by Operadores

Datos by Partes

Datos by Operadores

Operadores * Partes Interaction

Gage R&R (Xbar/ R) for Datos

La gráfica R se mantiene en control indicando que las mediciones se realizaron en forma adecuada.La gráfica X barra sólo presenta 5 de 30 puntos fuera de control, debería ser al menos el 50%, indicando que el equipo no discrimina las diferentes partes.

P10

Gráficas y cartas de datos

Las gráficas de barras pueden ser usados para mostrar una variable vs el “Tiempo”

Las gráficas de series de tiempo pueden ser usadas para mostrar la variación vs el “Tiempo” e identificar si se presenta cierta tendencia o estacionalidad

Página 48 de 99


106

Variable dependiente del tiempo

El “corrimiento” en las medicionesIndica que están presentes variables

dependientes del tiempo

2644.71

2640.00

2651.41

2641.10

2645.77

2647.22

2649.29

2646.69

2634

2636

2638

2640

2642

2644

2646

2648

2650

2652

2654

Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08

Régimen térmico U-1 CTVM Kcal/KWh

Régimen Térmico

Un histograma también sirve para identificar si el comportamiento de una variable es normal (P value < 0.05):

2660265026402630

Median

Mean

265026482646264426422640

Anderson-Darling Normality Test

Variance 87.3Skewness -0.171999Kurtosis -0.607477N 31Minimum 2623.8

A-Squared

1st Quartile 2638.6Median 2643.13rd Quartile 2651.8Maximum 2661.1

95% Confidence Interval for Mean2640.9

0.25

2647.795% Confidence I nterval for Median

2640.2 2649.995% Confidence Interval for StDev

7.5 12.5

P-Value 0.720Mean 2644.3StDev 9.3

95% Confidence Intervals

Summary for Julio

PRACTICA 12. Gráficas de series de tiempo

Página 49 de 99


Minitab: 1 File > Open worksheet > NEWMARKET.MTW.2 Graph > Time Series Plot or Stat > Time Series > Time Series Plot. 3 Simple, click OK.4 En Series, SalesB.5 Click Time/Scale.6 En Time Scale, seleccionar Calendar. Y seleccionar Quarter Year.7 Para valores iniciales en Quarter, 1. En Year, 2000.8 Click OK en cada cuadro de diálogo.

YearQuarter

200220012000Q4Q3Q2Q1Q4Q3Q2Q1Q4Q3Q2Q1

240

220

200

180

160

140

120

100

Sales

B

Time Series Plot of SalesB

Cartas de control

¿Qué es el CEP? Control Estadístico del Proceso

o Control: Hacer que un proceso se comporte como queramos que se comporte.

o Estadístico: …Con la ayuda de númeroso Proceso: …Medimos y controlamos las

característica críticas (CTQs) del proceso identificadas por los clientes

Tipos de variación:

Página 50 de 99


Causas comunes: El resultado de causas naturales,

diferencias esperadas entre productos o servicios

Una vez que las causas especiales o asignables están en control, se pueden observar las causas “comunes”

Causas especiales de variación: El resultados de causas no

naturales o asignables: Si es una causa asignable o

especial puede ser controlada

Se pueden identificar causas asignables aisladas

Es más influyente que una causa de variación común

Página 51 de 99


94

Tipos de Variación

100

Variación – Causas especialesLímiteinf. deespecs.

Límitesup. deespecs.

Objetivo

Variación – Causas comunes

Límiteinf. deespecs.

Límitesup. deespecs.

Objetivo

102

7.5

8.5

9.5

10.5

11.5

12.5

0 10 20 30

Límite Superior de Control

Límite Inferior de Control

Línea Central

“Escuche la Voz del Proceso” Región de control, captura la variaciónnatural del proceso

original

Causa Especialidentifcada

Corrida del Proceso (7P)

TIEMPO

Tendencia del proceso (7P)

LSC

LIC

Patrones de anormalidad en la carta de control

MEDIDAS

CALIDAD

Propósito de la carta de control Monitorea la característica clave de calidad del producto (CTQ’s) Permite la detección de las causas inusuales de variación entes de que se salga

de la especificación del producto Provee el historial y estabilidad del proceso así como la operación esta

trabajando ahora. Cuando no hay causas especiales presentes, el proceso esta trabajando

apropiadamente, es predecible, el proceso puede estar “en control”

Página 52 de 99


Ejemplo del consumo de Gas

Observation

Indi

vidu

al V

alue

30272421181512963

2670

2655

2640

2625

2610

_X=2644.28

UCL=2671.69

LCL=2616.87

Observation

Mov

ing

Rang

e

30272421181512963

30

20

10

0

__MR=10.31

UCL=33.68

LCL=0

I-MR Chart of Julio

2500252025402560258026002620264026602680270027202740

Régi

men

térm

icoK

cal/

KWh

Gráfica de Control Régimen Térmico Kcal/KWh U-1 CTVM (Jul-07 a Feb-08)

LCS

Promedio

LCI

Diseño de la Unidad 50% carga

En este caso: Para el régimen térmico el proceso es normal y está en control estadístico La Unidad 1 de la Central Termoeléctrica Valle de México, en el período

observado (50% de carga), no está cumpliendo con las especificaciones de diseño del Régimen Térmico de 2,560 Kcal/KWh.

Se comprueba la definición del proyecto ó área de oportunidad de mejorar la eficiencia térmica de la Unidad 1 de la CTVM buscando alcanzar los niveles de diseño.

Página 53 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 13. Carta de control de lecturas individuales para parámetros del proceso I-MR:

Minitab: 1 File > Open worksheet > Exh_qc.MTW.2 Stat > Control charts > variable chart for Individuals > I-MR. 3 Variable Weight, click OK.

454137332925211713951

1050

1000

950

900

850

Observation

Indi

vidu

al V

alue

_X=936.9

UCL=1010.9

LCL=862.8

454137332925211713951

100

75

50

25

0

Observation

Mov

ing

Rang

e

__MR=27.8

UCL=91.0

LCL=0

111

1

11

1

I-MR Chart of Weight

Capacidad del proceso Mide y cuantifica el desempeño del proceso y productos para cumplir con las

especificaciones (tanto Cp y Cpk) Identifica áreas que requieren atención y mejora Ayuda a construir un plan de acción soportado por datos Proporciona una métrica común para comparar procesos o desempeño del

producto entre departamentos y plantas

Página 54 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Identifica oportunidades de mejora para eliminar Muda Establece la línea base

Nigel´s Trucking Co.

Teoría del camión y el túnel•El túnel tiene 9' de ancho (especificación). El camión tiene 10’ y el chofer es perfecto(variación del proceso). ¿Pasaría el camión? NO, la variabilidad del proceso es mayorque la especificación.

•Centrar es hacer que el promedio del proceso sea igual al centro de laespecificación. Si el camión tiene 8 pies de ancho ¿pasará el camión?, Si. Siel chofer puede mantener el centro del camión en el centro del túnel. De otra forma chocará con las paredes del túnel y no pasará a pesar de ser más angosto.

Ancho 9´

El proceso debe estar en control, tener capacidad y estar centrado

¿Qué es la capacidad del proceso?La capacidad del proceso indica que tan bien una métrica se esta desempeñando vs los estándares establecidos. Se asume que el proceso de la métrica o parámetro es estable, permite predecir la probabilidad de que el valor de la métrica esté fuera de los estándares establecidos.

120

Especificaciones superior e inferior Sólo especificación superior

LIE LSE LSE

Dentro de especs.

Dentro de especs.

Fuera de especs.

Dentro de especs.

Fuera de especs.

Fuera de especs.

La capacidad potencial (Cp) es función de que tan disperso esté el proceso, independientemente del centrado

Página 55 de 99


La capacidad real (Cpk) es una función de que tanto está centrada el proceso y de su dispersión

Ahorros al reducir la variación y centrar el proceso, eliminando desperdicio

Ahorros simplemente centrando el proceso, sin cambiar la variabilidad

Página 56 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRACTICA 14. Capacidad del proceso con base en carta de control de Medias Rangos X-R para variables del proceso:

Minitab: 1 File > Open worksheet > Exh_qc.MTW.2 Stat > Quality tools > Capability analysis > Normal 3 Single column > Weight, Subgroup size 5, 4 Lower Spec 800 Upper Spec 11005 Estimate seleccionar Rbar OK.

49

110010501000950900850800

LSL USL

LSL 800Target *USL 1100Sample Mean 936.889Sample N 45StDev(Within) 31.5277StDev(Overall) 45.8045

Process Data

Cp 1.59CPL 1.45CPU 1.72Cpk 1.45

Pp 1.09PPL 1.00PPU 1.19Ppk 1.00Cpm *

Overall Capability

Potential (Within) Capability

PPM < LSL 0.00PPM > USL 0.00PPM Total 0.00

Observed PerformancePPM < LSL 7.06PPM > USL 0.11PPM Total 7.18

Exp. Within PerformancePPM < LSL 1401.55PPM > USL 184.70PPM Total 1586.25

Exp. Overall Performance

WithinOverall

Process Capability of Weight

El proceso es capazde cumplir especificacionesSu Cpk es mayor a 1.33Con 7 ppm

Métricas Seis Sigma

Motorola notó que muchas operaciones en productos complejos tendían a desplazarse ±1.5 s sobre el tiempo, por tanto un proceso de ± 6 s a la larga tendrá 4.5 s hacia uno de los límites de especificación, generando 3.4 DPMOs (defectos por millón de oportunidades)

Página 57 de 99


Corrimiento de 1.5 sigmas

Página 58 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 ¿Por qué usar una métrica Sigma del proceso?

Indicador más sensible que el porcentaje Se enfoca a los defectos

o Siempre que un defecto refleje una falla a los ojos de los clientes Las métricas comunes hacen las comparaciones más fáciles

o Por ejemplo, ¿cuál de los siguientes procesos se comporta mejor?

Página 59 de 99


IV. Seis Sigma - Fase de Análisis Propósitos:

Establecer hipótesis sobre las posibles Causas Raíz (X’s que afectan a Y) Refinar, rechazar, o confirmar la Causa Raíz Seleccionar las Causas Raíz más importantes (Las pocas Xs vitals)

Salidas: Causas raíz validadas Factores de variabilidad identificados

Generación de Causas potenciales

Tormenta de ideas

Tormenta de ideas es un método de generación de muchas ideas rápidaso Fomenta la creatividado Involucra a todoso Genera energíao Separa personas de las

Ideas que sugieren Usos en la fase de análisis

o Use la tormenta de ideas para generar muchas causas potenciales del problema definido en la fase de medición

Use “5 W’s” para encontrar las causas raíz Pregunta clave

Los 5 Por qués

Para sacar las causas raíz, empieza con el enfoque del problema y empieza a preguntar ¿Por qué? Cinco veces

Diagrama de causa efecto

El diagrama Causa – y – efecto es usado cando se tienen el problema enfocado para identificar todas las causas potenciales del problema.

Un diagrama causa – y – efecto proveerá:o Un camino fácil para identificar todas las causas posibleso Una vista organizada de todas las posibles causaso Entendimiento de las relaciones entre las posibles causaso Diferenciar entre las causas raíz y las causas percibidas

A continuación se muestran algunos ejemplos de diagramas de causa efecto con su comprobación de causas raíz:

Página 60 de 99


Calidad de mantenimientoPresión diferencial filtros

Huelgos de alabes

Turbina, API, PI y BP

Calidad de vapor, temperatura,

presión

Eficiencia

Huelgos

Apertura de alabes

Vacio del condensador

Temp. Agua fría

Entrada de aire Suciedad

Cargas Térmica

Presión diferencial

Temperatura ambiente Suciedad

Turbina

Bombas circulación agua

Torre de enfriamiento

Presión de descarga

Gasto y presión de agua

Nivel de pileta

Amperaje y número de ventiladores

Auxiliares principales

Factor de planta

Volumen de energía eléctrica entregada

Precio competitivo Régimen Térmico

Kcal/Kw h

Calidad de agua

Agua de enfriamiento

Productos químicos

Tratamiento de agua

Calidad de agua

ConductividadSílice

PHGas

Agua Poder Calorífico

Azufre Humedad

Agua negra tratada

Agua de pozo

Insumos

Temp. gases salidaTemp. de agua entrada

Gas a quemadores

Recalentador

Inclinación de quemadores

EconomizadorPrecalentador

Generador de vapor

% fuga de aire

TemperaturaSobrecalentador

Flujo, presión, temp. Atemp.

Exceso O2Compuertas auxiliares

Flujo, presión

Flujo, presión, temp. atemp

Suciedad

Comprobación de causas con DOE

# Exp

% O2

C.A. N1

C.A. N2

C.A. N3

C.A. N4

Inclinación Quemadores

Temperatura Vapor Orden de

Experimentación1 2 3 4 5 6 7

1 0.8 20 20 20 20 -30 537 2

2 0.8 20 20 40 40 0 542 5

3 0.8 40 40 20 20 0 542 6

4 0.8 40 40 40 40 -30 537 8

5 1.2 20 40 20 40 -30 542 1

6 1.2 20 40 40 20 0 537 4

7 1.2 40 20 20 40 0 537 3

8 1.2 40 20 40 20 -30 542 7

Página 61 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Los niveles de operación recomendados son:

Considerando los resultados anteriores y la recomendación obtenida por el ANOVA y ANOM, se encontraron los niveles de operación que reducen el régimen térmico.

Los niveles de operación recomendados se muestran en la siguiente tabla.

Factor Condición

Inclinación de quemadores 0

Porcentaje de exceso de O2 1.2

Compuertas auxiliares N2 40




Temperatura de vapor 542

Otro Ejemplo:

Se elabora un diagrama de relación para identificar relaciones entres causas potenciales e identificar la causa raíz:

Página 62 de 99


Comprobación de causas reales:

Página 63 de 99


Análisis de regresión

Tu piensas ¿que hay relación entre dos variables? ¿Qué tan fuerte es la relación? ¿Una puede ser usada para predecir la otra?

Correlación: es una medida de que tanto están dos variables correlacionadas

Regresión: Es la ecuación matemática que describe la relación

La regresión puede tomar varias formas

Con Minitab se puede obtener una regresión lineal como la siguiente:

PRÁCTICA 15. Correlación y regresión en Minitab

La presión vs la temperatura se muestra continuación para un día en especial:o Seleccionar Stat > Regression > Fitted line plot o Response (Y) presión Predictor (X) Temp Linear OK

Página 64 de 99


Presión Temp1.2 1010.8 921.0 1101.3 1200.7 900.8 821.0 930.6 750.7 851.1 960.9 91

120110100908070

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

Temp

Pres

ión

S 0.122070R-Sq 73.0%R-Sq(adj) 70.0%

Fitted Line PlotPresión = - 0.4972 + 0.01504 Temp

La R-sq (R cuadrada) indica si la correlación es lo suficientemente fuerte para predecir al relación entre dos variables R-sq de 80% o más es una buena correlación

Página 65 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Tratar de extrapolar más allá de los datos es riesgoso:

Correlations: Presión, Temp

Pearson correlation of Presión and Temp = 0.854P-Value = 0.001

Página 66 de 99


Análisis del modo y efecto de falla (FMEA)

El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o

servicio y máquinas, las posibles maneras en las que pueda fallar, los problemas, errores,

fallas, riesgos que puedan ocurrir.

El AMEF o FMEA ( Failure Mode and Effect Analisis) es una técnica de prevención, utilizada para detectar por anticipado los posibles modos de falla, con el fin de establecer los controles adecuados que eviten la ocurrencia de defectos.

Identificar los modos de falla potenciales, y calificar la severidad de su efecto. Evaluar objetivamente la ocurrencia de causas y la habilidad de los controles para

detectar la causa cuando ocurre. Clasifica el orden potencial de deficiencias de producto y proceso. Se enfoca hacia la prevención y eliminación de problemas del producto y proceso

Existen tres componentes que ayudas a priorizar las fallas o problemas:

Ocurrencia (O): Frecuencia de la falla.

Severidad (S): Los efectos de la falla.

Página 67 de 99

Diagrama deIshikawa

Diagrama derelaciones

Diagramade Árbol

Análisis del Modo y Efecto deFalla (AMEF)

QFD

DiagramaCausa Efecto

CTQs = YsOperatividad

X's vitales

Diagramade Flujo

delproceso

Pruebasde

hipótesis

Causas raízvalidadas

¿CausaRaíz?

DefiniciónY=X1 + X2+. .Xn

X'sCausas

potenciales

Medición Y,X1, X2, Xn

FASE DE ANÁLISIS

SiNo

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Detención (D: Es la habilidad para detectar la falla antes de que llegue al cliente.

El resultado de un AMEF es:

Una lista de modos de falla potencial calificados por un RPN.

Una lista de características críticas y/o significativas potenciales.

Una lista de acciones recomendadas dirigidas a las características críticas o

significativas potenciales.

Una lista de eliminación de causas de modo de falla potenciales, reducción de la

ocurrencia, mejora de la detección de defectos.

Ejemplo del uso del AMEF en Mantenimiento:

Ejemplo del uso del AMEF en Mantenimiento:

Página 68 de 99


PRÁCTICA 16. Llenado de AMEF de maquinaria

M FMEA LISTASESCALA DE SEVERIDAD 10 Peligroso sin aviso 9 Peligroso con aviso 8 Muy alto (Tiempo muerto - 8 hrs, Defectos - 4 hrs) 7 Alto (Tiempo muerto - 4-8 hrs, Defectos - 2-4 hrs) 6 Moderado (Tiempo muerto - 1-4 hrs, Defectos - 1-2 hrs) 5 Bajo (Tiempo muerto - 0.5-1 hrs, Defectos - 0-1 hrs) 4 Muy bajo (Tiempo muerto- 10-30 min., 0 Defects) 3 Menor (Tiempo muerto - 0-10 min., 0 Defectos) 2 Muy Menor (0 Tiempo muerto, 0 Defects) 1 Ninguno OCCURENCE SCALE 10 1 en 1 hora, 1 en 90 ciclos 9 1 en 8 horas, 1 en 900 ciclos 8 1 en 24 horas, 1 en 36,000 ciclos 7 1 en 80 horas, 1 en 90,000 ciclos 6 1 en 350 horas, 1 en 180,000 ciclos 5 1 en 1,000 horas, 1 en 270,000 ciclos 4 1 en 2,500 horas, 1 en 360,000 ciclos 3 1 en 5,000 horas, 1 en 540,000 ciclos 2 1 en 10,000 horas, 1 en 900,000 ciclos 1 1 en 25,000 horas, 1 en >900,000 ciclos DETECTION SCALE 10 Absolutamente Imposible 9 Muy remoto 8 Remoto 7 Muy bajo 6 Bajo 5 Moderado 4 Moderadamente Alto 3 Alto 2 Casi seguro 1 Seguro

Página 69 de 99


Página 70 de 99


Página 71 de 99


Pruebas de Hipótesis

¿Por qué usar la Prueba de Hipótesis? Se usa para probar si dos grupos son realmente diferentes (estadísticamente

significativo) o si la diferencia es debida a la variación naturalo ¿El primer turno se desarrolla mejor que el segundo turno?

Para realizar la prueba se deben comprender las hipótesis:

La hipótesis nulao H0= No hay diferencia entre los grupos

La hipótesis alternativao Ha= los grupos son diferentes

La hipótesis nula, o por omisión, establece siempre que no hay diferencia entre los grupos.

P-Value: Si P£ 0.05, se rechaza la H0 y se acepta la Ha ( los grupos son diferentes)

Tipos de pruebas de hipótesis

Prueba de hipótesis PropósitoPrueba t – 1 muestra Compara una media muestral a la

media histórica u objetivoPrueba t – dos muestras Compara las medias de dos

grupos independientesPrueba Z – 1 muestra Compara una media muestral a la

media poblacional u objetivoANOVA (Prueba F) Compara dos o más medias de

gruposPrueba de igualdad de varianzas Compara dos o más varianzasde

gruposANOM Compara dos o más medias de

grupos a la media general de todos los grupos

Prueba Chi Cuadrada Compara dos o más proporciones de grupos

Página 72 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 PRÁCTICA 17. Prueba de HipótesisSe evalúan los tiempos de acción para dos formulaciones desincrustantes químicas, interesa

la comparación de las medias de los tiempos para tomar decisiones, probar a un 95% de nivel

de confianza si una formulación tarda menos que la otra (en caso de que P value <= 0):

Form_1 Form_2

650 540

810 610

570 730

660 490

820 550

820 460

670 590

590 640

750 720

700 690

A un 95% de nivel de confianza (alfa es 5% o 0.05),

Realizar una prueba de igualdad de medias y sacar conclusiones

Minitab: Ho: Media form_1 = Media form_2 Ha: son diferentes

Stat > Basic statistics >2- Samples t

Seleccionar Samples in different columns First Form_1 Second Form_2

Seleccionar Assume equal variances

Options: Conf. Level 95 Test Difference 0.0 Alternative Not equal

Grpahs: Individual value plots OK OK

Como el valor P 0.025 es menor que 0.05, o el cero NO está en el IC (14.5, 189.5)

Se concluye que Las medias de las formulaciones son diferentes ( La form_1 es mayor)

Página 73 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 SMED

Reducción de los tiempos de preparación y ajuste

Operaciones internas vs externas Internas

o Puede ser hecha cuando la máquina está apagadao Ejemplo: las mangueras solo pueden ser cambiadas cuando la máquina

este parada Externas

o Pueden ser hechas cuando la máquina está trabajando o Ejemplo: el material y refacciones pueden ser preparados mientras la

máquina está trabajando

Pasos para reducir los tiempos de preparación Estudiar el proceso

o Estudio de tiempos y movimientos, videotape, entrevistas Identificar actividades internas y externas

o Listar cada actividad, clasificarlas en internas y externas Convertir actividades internas a externas

o Pensar fuera de la caja Alinear las actividades de preparación y ajuste

o Eliminar / combinar actividadeso Repetir el proceso

Página 74 de 99


V. Seis Sigma - Fase de Mejora Propósito:

o Desarrollar, probar e implementar soluciones que atiendan a las causas raíz Salidas

o Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raíz identificadas

o Comparaciones de la situación antes y después para identificar la dimensión de la mejora, comparar los resultados planeados (meta) contra lo alcanzado

Diseño de Experimentos

El cambiar un factor a un tiempo presenta las desventajas siguientes:o Se requieren demasiados experimentos para el estudioo No se puede encontrar la combinación óptima de variableso No se puede determinar la interaccióno Se puede llegar a conclusiones erróneas o Se puede perder tiempo en analizar las variables equivocadas

Página 75 de 99

Tormenta deideas

Técnicas decreatividad

MetodologíaTRIZ

Generación de soluciones

Diseño deexperimentos

Optimización

No

Implementación desoluciones y verificación

de su efectivdad

Evaluación de soluciones(Fact., ventajas, desventajas)

Solucionesverificadas

¿Soluciónfactible?

Si

Causasraíz

FASE DE MEJORA

Efecto de X'sen las Y =

CTQs

Ideas


¿Qué es un diseño de experimentos? Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta).

Proceso

Entradas Salidas (Y)

147

Diseño de experimentos

PROCESO

Factores conocidos no controlados

Factores desconocidos

w1 w2 w3 w4 ws. . .

z1 z2 z3 z4 zn. . .

x1

x2

xa

...

y1

y2

ym

...

Factores de control con niveles(x’s)

Variables de respuesta (y’s)(CTQ’s)

ENTRADAS

SALIDAS

Pasos del DOE: Establecer objetivos Seleccionar variables del proceso Seleccionar un diseño experimental Ejecutar el diseño Verificar que los datos sean consistentes con los supuestos experimentales Analizar e interpretar los resultados Usar / presentar los resultados

Diseño factorial 2K Los diseños factoriales completos:

o Prueba todas las combinaciones de condiciones de los factores

Página 76 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Son fáciles de seguir por su patrón repetitivoo Producen información de los efectos factoriales de 4 o más veces la que

produce un factor a la vezo Pueden identificar y ayudar a comprender las interacciones entre factoreso Son fáciles de analizaro Pueden cuantificar las relaciones entre las X´s y las Y´s producen una ecuación

Factorial completo incluye todas las combinaciones posibles, para 3 factores con 2 niveles, hay 2x2x2 = 8 combinaciones. 2 x 2 x 2 es escrito 23. El 3 indica el número de 2s multiplicados juntos.

Para 3 factores hay 23 = 8 posibles combinaciones de factores Las interacciones son importantes el efecto del factor A depende del factor B y C

DOE Gráficas de efectos principales

La gráfica de efectos principales es una forma eficiente de ver los cambios en el promedio de La respuesta (Y) con cada factor

Página 77 de 99


BA

90

88

86

84

82

Res

Main Effects Plot (data means) for Res

Efecto significativo Efecto NO significativo

DOE gráficas de interacciones

-1 1

1 1-1-1

90

85

80

B

A

Mea

n

Interaction Plot (data means) for Res

Interacción significativaNota: No es significativoCuando las líneas son Casi paralelas

El factor A y el B indican interacción significativa, dadas las diferentes pendientes de las líneas rectas que unen sus niveles.

Tipos comunes de Diseño de experimentos

Diseño fraccional de dos niveles de filtrajeo Se usa para identificar las pocas X’s desde muchos factores potenciales

Diseños factoriales completos o fraccionales 2K de alta resolución :o Usado para ayudar a un equipo a entender cómo actúan los factores

principales juntos para influir en la respuesta Diseño robusto o Diseños de Taguchi

o Usado para estudiar el efecto de los factores no solo en el promedio sino en la variación de la respuesta Y

Metodología de superficie de respuestao Usado para determinar los ajustes óptimos para factores principales

Operación Evolutiva (EVOP)

Página 78 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 o Se usa para experimentar en un proceso mientras “esta en línea”. Si los

cambios en los niveles de factores se hacen dentro de los límites de especificación, siempre se cumple con los requerimientos de los clientes

Diseño de experimentos de Mezclaso Se usa para optimizar los porcentaje de ingredientes en una mezcla química

Diseños de experimentos de TaguchiObjetivo: obtener la mayor cantidad de información con un mínimo de corridas de experimentación industrial, cambiando los niveles de varios factores a la vez .

Dar prioridad a los factores principales, ya que las interacciones son difíciles de manejar y por eso deben de considerarse como factores de ruido.

Las interacciones a probar deben de ser conocidas ó altamente probables. Si las interacciones altamente significativas no son incluidas, se generará una confusión

Se deben de analizar los datos mediante la razón señal a ruido, detectando con ello las combinaciones de los factores de control que generan un proceso robusto.

PRACTICA 17. Diseño de experimentos de Taguchi

El experimento se diseñó utilizando Arreglos Ortogonales.Los factores seleccionados con sus niveles son:

FactoresNiveles

N1 N2

Porcentaje de exceso de O2 0.8 1.2

Compuertas auxiliares N1 20 40




Inclinación de quemadores -30 0

Temperatura Vapor SC. a Turbina 537 542

Figura 3.4.2 Tabla de factores de experimentación con sus niveles

El Arreglo Ortogonal seleccionado fue el L8 2^7

La asignación de los factores al arreglo y el orden (aleatorio) de experimentación es el

siguiente:

Página 79 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 1 1 1 1 1 1 11 1 1 2 2 2 21 2 2 1 1 2 21 2 2 2 2 1 12 1 2 1 2 1 22 1 2 2 1 2 12 2 1 1 2 2 12 2 1 2 1 1 2

Figura 3.3.1.4.2 Tabla del arreglo ortogonal

Sustituyendo niveles reales no codificados, el arreglo queda como:

# Exp

% O2

C.A. N1

C.A. N2

C.A. N3

C.A. N4

Inclinación Quemadore

sTemperatur

a VaporOrden de

Experimentación1 2 3 4 5 6 7

1 0.8

20 20 20 20 -30 537 2

2 0.8

20 20 40 40 0 542 5

3 0.8

40 40 20 20 0 542 6

4 0.8

40 40 40 40 -30 537 8

5 1.2

20 40 20 40 -30 542 1

6 1.2

20 40 40 20 0 537 4

7 1.2

40 20 20 40 0 537 3

8 1.2

40 20 40 20 -30 542 7

Figura 3.4.3 Arreglo ortogonal con orden de experimentación

Paso 1. Para darlo de alta en Minitab, se copia la tabla de los factores únicamente, o sea:

% O2 C.A. N1 C.A. N2 C.A. N3 C.A. N4

Inclinación Quemadores

Temperatura Vapor

0.8 20 20 20 20 -30 5370.8 20 20 40 40 0 5420.8 40 40 20 20 0 5420.8 40 40 40 40 -30 5371.2 20 40 20 40 -30 5421.2 20 40 40 20 0 5371.2 40 20 20 40 0 5371.2 40 20 40 20 -30 542

Paso 2. Se ejecuta la siguiente instrucción en Minitab:

Página 80 de 99


Paso 3. Posteriormente se corren los 8 experimentos en el orden aleatorio 2, 5, 6, 8, 1, 4, 3 y 7 para minimizar el error experimental y se obtienen los resultados. Esta columna de resultados se introduce a Minitab como sigue:

FACTORES PARA EXPERIMENTACION

% O2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 Inclinación Quemadores

Temperatura Vapor

Resultados

0.8 1

20 1

20 1

20 1

20 1

-30 1

537 1 2668.02

0.8 1

20 1

20 1

40 2

40 2

0 2

542 2 2600.72

0.8 1

40 2

40 2

20 1

20 1

0 2

542 2 2612.76

0.8 1

40 2

40 2

40 2

40 2

-30 1

537 1 2640.88

1.2 2

20 1

40 2

20 1

40 2

-30 1

542 2 2627.36

1.2 2

20 1

40 2

40 2

20 1

0 2

537 1 2583.98

1.2 2

40 2

20 1

20 1

40 2

0 2

537 2 2591.12

1.2 2

40 2

20 1

40 2

20 1

-30 1

542 1 2628.82

Media Global 2619.21

Paso 4. Ahora se analiza el diseño con:

Página 81 de 99

Resultados

2668.02

2600.72

2612.76

2640.88

2627.36

2583.98

2591.12

2628.82


Seleccionar la respuesta “Resultados”

En Analysis seleccionar en Fit linear model for Signal to noise ratios y means En Options seleccionar Smaller is Better ya que se busca minimizar la respuesta

Paso 5. Las gráficas obtenidas de Relación Señal a Ruido son las siguientes:

Página 82 de 99


1.20.8

-68.30

-68.35

-68.40

4020 4020

4020

-68.30

-68.35

-68.40

4020 0-30

542537

-68.30

-68.35

-68.40

% O2

Mea

n of

SN

ratio

sC.A. N1 C.A. N2

C.A. N3 C.A. N4 Inclinación Quemadores

Temperatura Vapor

Main Effects Plot for SN ratiosData Means

Signal-to-noise: Smaller is better

En esta se seleccionan los niveles que proporcionen la mayor S/N (%O2 = 1.2 y Inclinación quemador = 0).

Y para las medias coinciden los mismos niveles que para S/N:

1.20.8

2640

2620

26004020 4020

4020

2640

2620

2600

4020 0-30

542537

2640

2620

2600

% O2

Mea

n of

Mea

ns

C.A. N1 C.A. N2

C.A. N3 C.A. N4 Inclinación Quemadores

Temperatura Vapor

Main Effects Plot for MeansData Means

Paso 6. En resumen se pueden sugerir los niveles siguientes para los factores, con objeto de minimizar el consumo de combustible:Los niveles de operación recomendados se muestran en la siguiente tabla:

Factor Condición Inclinación de quemadores 0 Porcentaje de exceso de O2 1.2 Compuertas auxiliares N2 40 Compuertas auxiliares N3 40 Compuertas auxiliares N1 40 Compuertas auxiliares N4 40 Temperatura de vapor 542 Figura 3.4.2.3 Tabla de los parámetros recomendados

Página 83 de 99

SEIS SIGMA – CHAMPIONS P. Reyes / mayo 2008 Paso8. Con los coeficientes de predicción anteriores se establece la predicción de la respuesta esperada:

Ecuación de predicción

Estimated Model Coefficients for MeansTerm CoefConstant 2619.21% O2 0.8 11.39C.A. N1 20 0.81C.A. N2 20 2.96C.A. N3 20 5.61C.A. N4 20 4.19Inclinac -30 22.06Temperat 537 1.79

μopt= y+( A2− y )+( B2− y )+( C2− y )+( D2− y )+( E2− y )+( F2− y )+(G2− y )

mopt = 2619.21 + (2607.82 - 2619.21) + (2618.4 - 2619.21) + (2616.25- 2619.21) + (2613.6 -2619.21) + (2615 - 2619.21) + (2597.15 - 2619.21) + (2617.42 - 2619.21) mopt = 2570.4

Paso 8. Usar lo siguiente para la Predicción de resultados:

Página 84 de 99


Se seleccionan UNCODED values todos en nivel alto (2)

Página 85 de 99


La predicción obtenida es la siguiente:

Predicted values

S/N Ratio Mean -68.2022 2570.40

Factor levels for predictions

C.A. C.A. C.A. C.A. Inclinación Temperatura% O2 N1 N2 N3 N4 Quemadores Vapor 1.2 40 40 40 40 0 542

Técnicas de creatividadSCAMPER

Sustituir, Combinar, Adaptar, Modificar o ampliar, Poner en otros usos, Eliminar, Revertir o re arreglar

Involucrar al cliente en el desarrollo del producto ¿qué procedimiento podemos sustituir por el actual? ¿cómo podemos combinar la entrada del cliente? ¿Qué podemos adaptar o copiar de alguien más? ¿Cómo podemos modificar nuestro proceso actual? ¿Qué podemos ampliar en nuestro proceso actual? ¿Cómo puede apoyarnos el cliente en otras áreas? ¿Qué podemos eliminar en la forma de inv. Del cliente? ¿qué arreglos podemos hacer al método actual?

Lista de atributosDividir el problema en partes. Por ejemplo para una linterna

Componente Atributo Ideas

Cuerpo Plástico Metal

Interruptor Encendido/Apagado Encendido/Apagado/luminosidad media

Batería Corriente RecargableBombillo de Vidrio PlásticoPeso Pesado Liviano

Análisis morfológicoConexiones morfológicas forzadas

Página 86 de 99


Ejemplo: Mejora de un bolígrafo

Cilindrico Material Tapa Fuente de Tinta

De múltiplescaras Metal Tapa pegada Sin repuesto

Cuadrado Vidrio SinTapa PermanenteEn forma decuentas Madera Retráctil Repuesto de

papelEn forma deescultura Papel Tapa

desechableRepuestohecho de tinta

162

Los Seis Sombreros de pensamiento Dejemos los argumentos y propuestas y miremos los

datos y las cifras. Exponer una intuición sin tener que justificarla

Juicio, lógica y cautela

Mirar adelante hacia los resultados de una acción propuesta

Interesante, estímulos y cambios

Visión global y del control del proceso

TRIZ Hay tres grupos de métodos para resolver problemas técnicos:

o Varios trucos (con referencia a una técnica)o Métodos basados en utilizar los fenómenos y efectos físicos (cambiando el

estado de las propiedades físicas de las substancias)o Métodos complejos (combinación de trucos y física)

Las 40 herramientas de TRIZ

Página 87 de 99


Evaluación de soluciones

Página 88 de 99


Implantación de soluciones

¡!!!! HACERLO ¡!!!!

Verificando mejorasUna vez que las mejoras han sido identificadas e implementadas, los resultados deben ser verificados usando datos del estado anterior y del estado posterior de la implementación.

Prueba de hipótesiso Prueba t 2 muestraso Prueba de igualdad de varianzaso Prueba de 2 proporciones

Cartas de control estratificadas Sigma de Proceso Capacidad del Proceso Diagrama de Pareto

Prueba de igualdad de varianzas

Página 89 de 99


Prueba de igualdad de medias

PRACTICA 19. Cartas de control estratificadas

Las cartas de control pueden ser estratificadas para mostrar procesos de control para diferentes “factores”

Página 90 de 99


Capacidad del proceso y sigmas del proceso

La capacidad del Proceso y las Sigmas del Proceso pueden ser recalculados para verificar mejoras:

Página 91 de 99


Diagrama de Pareto

Diagrama de Pareto del antes y después puede ser usada para mostrar las mejoras

Verificación de soluciones

Página 92 de 99


VII. Seis Sigma – Fase de controlObjetivos:

Mantener las mejoras por medio de control estadístico de procesos, Poka Yokes y trabajo estandarizado

Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo

Salidas: Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de resultados, lecciones aprendidas y

recomendaciones

Página 93 de 99


Prevención de la reincidencia

Controles automáticos Ayudas visuales / Poka Yokes Procedimientos de operación estándar Especificaciones Capacitación

Página 94 de 99


CONTROLES AUTOMATICOS

AYUDASVISUALESPOK A - YOKE

PROCEDIMIENTOSDE OPERACIÓN ESTANDAR

ESPECI FICACIONES

Las 5 S’s para ahorro de espacio y tiempo Serie, Seiton, Seiso, Seiketsu, Shitsuke

Seiri = Organizacióno Deshacerse de todo lo innecesario del área de trabajo, si hay duda usar

Tarjetas Rojas, ahorrar espacio Seiton = Orden

o Tener las cosas en el lugar o distribución correcta, visualmente bien distribuidas e identificadas, ahorrar tiempo de búsqueda. Contornos, pintura, colores.

Seiso = Limpiezao Crear un espacio de trabajo impecable, ahorrar espacio y elevar la moral y la

imagen Seiketsu = Estandarización

o Establecer los procedimientos para mantener las tres S’s anteriores. Administración visual, usar colores claros, plantas, etc.

o Shitsuke = Disciplina Crear disciplina (repetición de la práctica)

¿Qué es TPM?

Mantenimiento productivo total (Total Productive Maintenance) Para la mejora continua de la operación del equipo y sistemas a través de

las actividades de mantenimiento proactivo, incluye los mantenimientos: Preventivo, correctivo planeado, autónomo, predictivo, preventivo del

mantenimiento y orientado a la confiabilidad (RCM)

¿Es costoso?

Página 95 de 99


Controles visuales

Siempre que sea posible tratar de encontrar los sistemas visuales para mantener los cambios

Ejemplos de controles visualeso Pegar métricas (diagramas de Pareto, semáforos, cartas de tendencia)o Contenedores de colores con código o Poner niveles min / máx.o Ubicación de materiales/ herramientas (5S)

Los sistemas visuales hacen mucho más fácil determinar el camino correcto para hacer o identificar algo cuando algo está fuera de lugar.

Tipos de controles visuales Información de seguridad y salud Identificación de personas, lugares y cosas Procedimientos de trabajo y métodos Estándares de Calidad, instrucciones, resultados Visibilidad del status Visibilidad del problema Programación Comunicación

Ejemplos de controles visuales Pizarrones Luces de status Señales de inventario Contenedores Retornables Pizarrones con métricas

Página 96 de 99


Poka Yokes – Tipos

Poka – Yokes son dispositivos o métodos que hacen un proceso “A prueba de error” o “A prueba de equivocaciones”, principalmente ante errores humanos

DISPOSITIVOS DE PREVENCIÓN & DISPOSITIVOS DE DETECCIÓN

Ejemplo de horno de microondas

DETECCIÓNLa computadora suena cuando se introduce un comando no válido pero no evita que el usuario ejecute un comando erróneo

PREVENCIÓNLa computadora no permite que se introduzcan ciertos caracteres en campos específicos (v. gr. No números)

Procedimientos, documentación y capacitaciónProcedimientos

Los Procedimientos deben ser escrito para documentar los procesos cambiados y deben ser:

o Fáciles de entender Considere a la audiencia

o Visuales “Una imagen es mejor que mil palabras”

o Completo (No se salte pasos) No asuma o de por obvio nada

o Revisado por otros para su claridad ¿Es correcto reproducir el proceso ( repetido por varias personas)?

Página 97 de 99


Capacitación La capacitación debe ser siempre parte del proyecto Cuando vaya a capacitar considere:

o ¿los capacitados pueden demostrar el proceso correcto?o ¿No asuma que todo mundo entiende a la primera?

Monitoreo del proceso

Cartas de control Se usan frecuentemente como herramienta de control Muestran la historia de cómo se desempeña el proceso, es claro ver cuando algo

cambia Establece las expectativas de desempeño del proceso Herramienta útil para la toma de decisiones de los operadores

o Ajustes en el procesoo Problemas de Materialo Problemas de maquinaria

Guía para OLPC

Ejemplos de aplicación de DMAIC en CFE Reducción del TIUT (DMAIC) Reducción de tiempo de conexión (DMAIC) Mejora de la seguridad operativa (DFSS) Reducción del factor de potencia (DMAIC) Reducción de errores de facturación (DMAIC) Mejora de la compactación presas (DMAIC) Reducción de tiempo de mantenimiento en turbinas de gas (DMAIC) Reducción de inventarios en almacenes (DMAIC)

Lecciones aprendidas

Es uno de los últimos pasos en el análisis post mortem (también llamado lecciones aprendidas, evaluación post proyecto).

Es una revisión formal y crítica documentada realizada por un comité de personal calificado, se incluyen todas las fases del desarrollo del proyecto

Página 98 de 99


VII. Diseño para Seis SigmaMetodologías Seis Sigma

DMAIC para producción de productos y servicios DMAIC transaccional para servicios LEAN SIGMA para reducir tiempo de ciclo y variabilidad

DFSS (DMADV) – Diseño para Seis Sigma para innovaciones y nuevos productos

Diseño para Seis Sigma - modelo DFSS (DMADV) Definir: metas del proyecto y necesidades del cliente Medir: medir necesidades del cliente y especificaciones Analizar: Determinar las alternativas de diseño del producto o servicio Diseñar: Desarrollar el diseño detallado para cumplir con los requerimientos del

cliente Verificar: Validar y verificar el diseño

Página 99 de 99

i · web viewes una estrategia de mejora de negocios que busca encontrar y eliminar causas de...

Documents