Академический Документы
Профессиональный Документы
Культура Документы
Z5853
M2 FLUE
2004 ,17
1020146705
T E S I S
PARA OBTENER EL GRADO DE MAESTRA EN CIENCIAS DE LA INGENIERIA DE MANUFACTURA CON ESPECIALIDAD EN DISEO DEL PRODUCTO
T E S I S
PARA OBTENER EL GRADO DE MAESTRIA EN CIENCIAS DE LA INGENIERIA DE MANUFACTURA CON ESPECIALIDAD EN DISEO DEL PRODUCTO
>
FONDO TBSlf/;
Universidad Autnoma de Nuevo Len Facultad de Ingeniera Mecnica y Elctrica Divisin de Estudios de Postgrado
Los miembros del Comit de Tesis recomendamos que la Tesis "Proyecto Seis Sigma", realizada por el alumno Edgar Giovanni Trevio Orozco con nmero de matrcula 649930, sea aceptada para su defensa como opcin al grado de Maestro en Ciencias de la Ingeniera de Manufactura con especialidad en Diseo del Producto.
El Comit de Tesis
ndice
ndice 1 Sinopsis 2
1. Introduccin
1.1. 1.2. 1.3. 1.4. 1.5. 1.6. 1.7. Qu es Seis Sigma? Objetivo Justificacin Lmites de estudios Metodologa Planteamiento del Problema Hiptesis
3
4 6 7 8 9 13 14
2.
Marco Terico
2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. 2.8. 2.9. 2.10. Sumario Origen La historia de Seis Sigma Diferencias entre Calidad Tradicional Vs. Seis Sigma Algunos ejemplos Es 99,0 % de calidad { 4 sigma ), suficiente? El costo de la calidad Variacin: La raz de todos los males Est preparada su empresa? Cmo y por donde comenzar?
15
15 16 18 20 22 23 24 26 31 32
3.
Desarroilo
3.1. 3.2. 3.3. 3.4. 3.5. 3.6. 3.7. Sumario Definiciones 1er. Etapa - DEFINIR 2da. Etapa-MEDIR 3er. Etapa - ANALIZAR 4ta. Etapa - MEJORAR 5ta. Etapa - CONTROLAR
33
34 35 36 37 40 48 55
4.
Conclusiones
Bibliografa
60
62
Sinopsis
En este trabajo se inicia presentando una explicacin de los beneficios obtenidos por otras empresas, al aplicar la metodologa Seis Sigma; un poco de historia de la metodologa, as como de principios estadsticos para el entendimiento del funcionamiento de la metodologa y requerimientos para su implementacin.
En la etapa del desarrollo (etapa prctica) se muestra la forma en que se realiz la investigacin del problema en el rea de inspeccin de recibo de una empresa maquiladora de cinturones de seguridad, adems de la documentacin de como se increment la eficiencia, redujo el tiempo de inspeccin y se increment la capacidad del departamento de inspeccin de recibo para detectar el material no conforme, antes de que llegue a produccin, utilizando mtodos estadsticos de Seis Sigma.
1.
Introduccin
En este capitulo se presentan los alcances que se lograron al concluir el proyecto, la razn de haber escogido el tema proyecto Seis Sigma, puntos a cubrir del tema, la manera en que se trata la informacin para resolver un problema especifico, el cual concluye con la hiptesis a comprobar. Tambin se incluye una introduccin al tema describiendo las caractersticas principales, empresas que utilizan Seis Sigma y alcances obtenidos.
Seis Sigma, es una filosofa de trabajo y una estrategia de negocios, la cual se basa en el enfoque hacia el cliente, en un manejo eficiente de los datos y metodologas y diseos robustos, que permite eliminar la variabilidad en los procesos as como alcanzar un nivel de defectos menor o igual a 3,4 defectos por milln. Adicionalmente, otros efectos obtenidos son: reduccin de los tiempos de ciclo, reduccin de los costos, alta satisfaccin de los clientes y ms importante an, efectos organizacin. dramticos en el desempeo financiero de la
En general, las tcnicas tradicionales tienden a comportarse dentro del rango de tres Sigma, lo que equivale a un nmero de defectos de casi 67.000 por milln de oportunidades (DPMO), ocurre un desplazamiento de 1,5 Sigma; esto significa un nivel de calidad de apenas 93,32 %, en contraposicin con un nivel de 99,9997 % para un proceso de Seis Sigma. Comparativamente, un proceso de Tres Sigma es 19.645 veces ms malo (produce ms defectos) que uno de Seis Sigma.
Quines utilizan Seis Sigma? Empresas comprometidas con la satisfaccin del cliente en la entrega oportuna de productos y servicios, libres de defectos y a costos razonables. Algunos ejemplos: Motorola, Allied Signal, G.E., Polaroid, Sony, Lockheed, NASA, Black & Decker, Bombardier, Dupont, Toshiba, etc.
Por ejemplo, Motorola entre 1987 y 1994 redujo su nivel de defectos por un factor de 200. Redujo sus costos de manufactura en 1,4 billones de dlares. Increment la productividad de sus empleados en un 126,0 % y cuadruplic el valor de las ganancias de sus accionistas.
Los resultados para Motorola hoy en da son los siguientes: Incremento de la productividad de un 12,3 % anual; reduccin de los costos de mala calidad sobre un 84,0 %; eliminacin del 99,7 % de los defectos en sus procesos; ahorros en costos de manufactura sobre los Once Billones de dlares y un crecimiento anual del 17,0 % compuesto sobre ganancias, ingresos y valor de sus acciones.
1.2. Objetivo
Objetivo general: El aplicar la metodologa de Seis Sigma en un proyecto prctico. Dentro de este objetivo tenemos las siguientes metas:
Objetivo particular: Incrementar la eficiencia, utilizando mtodos estadsticos de Seis Sigma, en el departamento de inspeccin de recibo para detectar el material rechazado antes de que llegue a produccin. Dar ms valor agregado al trabajo mientras se eliminan actividades sin valor, incrementando la produccin con la misma fuerza de trabajo.
1.3. Justificacin
Actualmente cada da hay ms personas laborando en el rea de calidad y mejora continua, y en toda empresa de alto nivel se esta adoptando poco a poco la poltica de "La Calidad Primero", lo cual conlleva a la preferencia por el proveedor que da los mejores productos a tiempo y con un costo justo volvindose as lder en su rea, y maximizando las ganancias de este proveedor.
Para lograr lo anterior es necesario adoptar nuevos sistemas de calidad para figurar a nivel mundial. El Seis Sigma es uno de los ms exitosos sistemas de calidad que actualmente ha dado resultados reales en muchas empresas; de este sistema se tiene muy poca informacin disponible de manera gratuita y presentada de una forma aplicada a un proyecto para entender la metodologa en la prctica.
Por lo anterior y con un poco de experiencia en este tema se presenta esta tesis, esperando que sea un apoyo al lector de la misma.
Gran parte de la informacin presentada en esta tesis, tiene fundamentos de estadstica de un nivel avanzado para la mayora de los lectores no especializados en el tema; los datos estadsticos estn presentados y
solucionados en algunos programas computacionales para Seis Sigma (Minitab, IGraphix). En esta tesis no se muestra el uso de estos paquetes o la realizacin de las ecuaciones estadsticas o aritmticas, nicamente la manera en que se utiliz la herramienta para encontrar alguna solucin al problema planteado.
1.5. Metodologa
Seis Sigma es una metodologa rigurosa que utiliza herramientas y mtodos estadsticos y de calidad, para definir los problemas y situaciones a mejorar, medir para obtener la informacin y los datos, analizar la informacin recolectada, incorporar y emprender mejoras a los procesos y finalmente, controlar o redisear los procesos o productos existentes, con la finalidad de alcanzar etapas ptimas, lo que a su vez genera un ciclo de mejora continua.
La metodologa formal de aplicacin de Seis Sigma en general sigue este esquema: definir, medir, analizar, mejorar, controlar (DMAIC, por sus siglas en ingls) sin embargo, algunos practicantes prefieren incorporar otras etapas adicionales, como: reconocer la situacin o problema, estandarizar los nuevos procesos en toda la organizacin, y finalmente, Integrar los cambios o soluciones a toda la organizacin.
Definir
Medir
Analizar
M e j o r a i ^ ^ Controlar
rs
I
El problema COPQ Enunciado del problema/objetivo Indicador primario/secundario Programacin Mapas del proceso
Anlisis grfico de datos Anlisis Multi-Vari Estadstica infrencial Intervalos de confianza Tamafio de la muestra Verificaciones de hiptesis
Verificacin de hiptesis ANOVA Pruebas no paramtrcas Diseo de experimentos (DOE) Regresin avanzada Modelado y simulacin de procesos Piloto y prueba
Seleccin de soluciones implementacin de soluciones A prueba de equivocaciones Empresa visible Planes de control Recursos humanos/ capacitacin Documentacin
Matriz XY FMEA del proceso Diagrama de pescado Anlisis grfico de datos Grfico de Pareto Histograma Diagrama de dispersin Grfico Box Plot Grfico marginales Estudio MSA Evaluacin de la capacidad del proceso
Pruebas T Prueba de varianza equivalente Chi cuadrado Proporcin Correlacin Regresin Modelado y simulacin de procesos
Supervisin Respuesta Sistemas y estructuras Grficos de control Verificacin de hiptesis Evaluacin de la capacidad del proceso Compartir/Traducir las mejores prcticas
Fig. 1
Etapas de la metodologa
Seis Sigma
Los elementos clave que soportan la filosofa Seis Sigma y que aseguran una adecuada aplicacin de las herramientas, as como el xito de esta iniciativa como estrategia de negocios, son los siguientes: Identificacin de los elementos Crticos para la Calidad (CTQ), de los clientes Externos Identificacin de los elementos Crticos para la Calidad (CTQ), de los clientes Internos Realizacin de los anlisis de los modos y efectos de las fallas (FMEA). Utilizacin del Diseo de Experimentos (DoE), para la identificacin de las variables crticas Hacer Benchmarking permanente y establecer los objetivos a alcanzar, sin ambigedades
Esta filosofa promueve la utilizacin de herramientas y mtodos estadsticos de manera sistemtica y organizada, para el logro de mejoras dramticas y medibles por su impacto financiero. El ingrediente secreto que hace que funcione, reside en la infraestructura que se establece en la organizacin. Esta infraestructura, es la que motiva y produce una cultura "Seis Sigma" que junto con un "Proceso de Pensamiento" en toda la organizacin, genera un estilo de "Gerencia Basada en Conocimientos".
El soporte y compromiso por parte de la Alta Gerencia es vital y fundamental, para lo cual se entrenan y definen los rangos de la metodologa Seis Sigma, mostrados a continuacin:
a
Champion Responsable de la coordinacin bsica del negocio para lograr Seis Sigmaseleccin de proyectos para los Black Belts de Seis Sigma en su rea de responsabilidad
Black Belt Lder de equipos que mplementan la metodologa de Seis Sigma en proyectos; introduce la metodologa y herramientas a los miembros del equipo y la organizacin en general
Green Belt Aprende la metodologa de Seis Sigma, en lo que se aplica al proyecto en particular. Contina aprendiendo y practicando la
metodologa y las herramientas de Seis Sigma despus de completar el proyecto puede evolucionar a un nivel de conocimientos y prcticas de Black Belt Yellow Belt Participa en los equipos de proyectos; apoya las metas del proyecto (tpicamente en el contexto de sus responsabilidades existentes) Sigue utilizando la metodologa y herramientas aprendidas de Seis Sigma como parte de su trabajo normal
Una capacitacin de certificacin (Seis Sigma) es de un costo elevado para el personal interesado en reas de mejora a travs del uso de estadstica, la informacin disponible es escasa y su demanda es creciente, con este documento se ejemplifica el desarrollo de un proyecto Seis Sigma, dando una herramienta disponible para su entendimiento.
Dentro del proyecto el problema particular: En el 2002 se encontraron en piso, 617 lotes con material defectuoso, de los cuales se intenta optimizar la confianza de la inspeccin de este material.
1.7. Hiptesis
La satisfaccin del cliente y el ahorro monetario para el usuario se optimizan con la aplicacin de la metodologa Seis Sigma a un problema dado.
2. Marco Terico
2.1. Sumario
utilizan, y una explicacin de su aplicacin: los ahorros y beneficios obtenidos por otras empresas.
Se menciona un comparativo de la manera de trabajo tradicional contra la manera de trabajo Seis Sigma.
Se presenta el costo que tiene aplicar la calidad y la remuneracin que se obtiene a su vez de esta aplicacin.
2.2. Origen
La filosofa Seis Sigma se inicia en los aos 80's como una estrategia de negocios y de mejoramiento de la calidad, introducida por Motorola, esta filosofa ha sido ampliamente difundida y adoptada por otras empresas de clase mundial, tales como: G.E., Allied Signal, Sony, Polaroid, Dow Chemical, FeDex, Dupont, NASA, Lockheed, Bombardier, Toshiba, J&J, Ford, ABB, Black & Decker, etc.
Su aplicacin requiere del uso intensivo de herramientas y metodologas estadsticas y de calidad para reducir la variabilidad de los procesos y producir los resultados esperados, con el mnimo posible de defectos, bajos costos y mxima satisfaccin del cliente. Esto contrasta con la forma tradicional de asegurar la calidad, al inspeccionar post-mortem y tratar de corregir los defectos, una vez producidos. C A P A C I D A D A" T R E S SiGMA
4o
-io
+ 3 0
Fig. 3 Capacidad Seis Sigma
Un proceso con una curva de capacidad afinada para seis (6) sigma, es capaz de producir con un mnimo de hasta 3,4 defectos por milln de oportunidades (DPMO), lo que equivale a un nivel de calidad del 99.9997 % Fig. 3. Este nivel de calidad se aproxima al ideal del cero-defectos y puede ser
aplicado no slo a procesos industriales de manufactura, sino tambin en procesos transaccionales y comerciales de cualquier tipo, como por ejemplo: en servicios financieros, logsticos, mercantiles, etc.
Quiz la contribucin ms importante para el auge y desarrollo actual de Seis Sigma, haya sido el inters y esfuerzo dedicado para su implantacin en G.E., desde sus divisiones financieras, hasta sus divisiones de equipos mdicos y de manufactura. La fuerza impulsora que apuntal y apoy esta iniciativa: Jack Welch, CEO de G E. "Miren, Solamente tengo tres cosas que hacer: tengo que seleccionar a las personas correctas, asignar la cantidad adecuada de dlares y transmitir ideas de una divisin a otra a la velocidad de la luz. As que realmente estoy en el negocio de promover y transmitir ideas".
La historia de Seis Sigma se inicia en Motorola cuando un ingeniero (Mikel Harry) comienza a influenciar a la organizacin para que se estudie la variacin en los procesos (enfocado en los conceptos de Deming), como una manera de mejorar los mismos. Estas variaciones son io que estadsticamente se conoce como desviacin estndar (alrededor de la media), la cual se representa por la letra griega sigma (o ). Esta iniciativa se convirti en el punto focal del esfuerzo para mejorar la calidad en Motorola, capturando la atencin del entonces CEO de Motorola: Bob Galvin. Con el apoyo de Galvin, se hizo nfasis no slo en el anlisis de la variacin sino tambin en la mejora continua, estableciendo como meta obtener 3,4 defectos (por milln de oportunidades) en los procesos; algo casi cercano a la perfeccin.
Esta iniciativa lleg a odos de Lawrence Bossidy, quin en 1991 y luego de una exitosa carrera en General Electric, toma las riendas de Allied Signal para transformarla de una empresa con problemas en una mquina exitosa. Durante la implantacin de Seis Sigma en los aos 90 (con el empuje de Bossidy), Allied Signal multiplic sus ventas y sus ganancias de manera dramtica. Este ejemplo fue seguido por Texas Instruments, logrando el mismo xito. Durante el verano de 1995 el CEO de GE, Jack Welch, se entera del xito de esta nueva estrategia de boca del mismo Lawrence Bossidy, dando lugar a la mayor transformacin iniciada en esta enorme organizacin.
El empuje y respaldo de Jack Welch transformaron a GE en una "organizacin Seis Sigma", con resultados impactantes en todas sus divisiones. Por ejemplo: GE Medical Systems recientemente introdujo al mercado un nuevo scanner para diagnstico (con un valor de 1,25 millones de dlares) desarrollado enteramente bajo los principios de Seis Sigma y con un tiempo de sean de slo 17 segundos (lo normal eran 180 segundos). En otra de las divisiones: GE
Plastics, se mejor dramticamente uno de los procesos para incrementar la produccin en casi 500 mil toneladas, logrando no slo un beneficio mayor, si no obteniendo tambin el contrato para la fabricacin de las cubiertas de la nueva computadora Mac de Apple.
En la Fig. 4, se resumen algunas de las diferencias ms notables entre la forma tradicional de enfocar la Calidad en las organizaciones y la forma de enfocarla a travs de la estrategia de Seis Sigma.
SEIS SIGMA Est descentralizada en una estructura constituida para la deteccin y solucin de los problemas. Su enfoque es proactivo.
no de
hay las
una
aplicacin de
Se
hace
uso
estructurado
de
las
herramientas
herramientas de mejora y de las tcnicas estadsticas para la solucin de problemas. Se provee toda una estructura de apoyo y capacitacin al personal, para el empleo de las herramientas de mejora. La toma de decisiones se basa en datos precisos y objetivos: "Slo en Dios creo, los dems traigan datos".
No se tiene soporte en la aplicacin de las herramientas de mejora. Generalmente su uso es localizado y aislado. i La toma de decisiones se efecta sobre la base de presentimientos y datos vagos. I Se aplican remedios provisionales o parches. Slo se corrige en vez de prevenir.
Se va a la causa raz para implementar soluciones slidas y efectivas y as prevenir la recurrencia de los problemas.
' No se establecen planes estructurados de formacin y capacitacin para la aplicacin de las tcnicas estadsticas requeridas. ' Se enfoca solamente en la inspeccin para la deteccin de los defectos (variables clave de salida del proceso). Post-Mortem.
Se establecen planes de entrenamiento estructurados para la aplicacin de las tcnicas estadsticas requeridas. Se enfoca hacia el control de las variables clave de entrada al proceso, las cuales generan la salida o producto deseado del proceso
de calidad
Esta es una pregunta que muchas organizaciones an no encuentran como responder. La mayora piensa que muy poco y otros que demasiado, al punto de considerar como aceptables las siguientes expresiones: "no podemos regalar calidad" o "mejorar nuestra calidad le costar demasiado al cliente". En muchas organizaciones promedio (tres sigma) el costo de entregar productos y servicios puede alcanzar hasta el 40,0 % de las ventas.
En general y de manera ideal, el costo de la calidad puede ser definido en cuatro categoras: fallas internas, fallas externas, aseguramiento y prevencin. Cada una de estas categoras puede incluir los siguientes elementos:
Fallas Internas:
retrabajo de los proveedores. Aqu se puede apreciar su efecto en mayores niveles de inventario y largos tiempos de ciclo. Fallas Extemas: Costo para el cliente (debido a los defectos), costos de garanta y servicio, ajustes por reclamos y material retornado o devuelto. Aseguramiento: Inspeccin, pruebas y ensayos, auditorias de calidad,
costo inicial y de mantenimiento de los equipos de pruebas y ensayo. Prevencin: Planeacin de calidad, planeacin de procesos, control de procesos y entrenamiento.
Adicionalmente, se deben considerar los costos asociados a los esfuerzos y programas para mejorar la calidad y especialmente ios costos de oportunidad de producir ms con los mismos activos y menos recursos dedicados a corregir defectos y apagar incendios. Quiz el ms difcil de estimar sera el costo de prdida de la lealtad de los clientes y prdida de ventas, por mala calidad.
Normalmente, las organizaciones slo miden y toman en consideracin para sus costos de calidad los siguientes elementos: desperdicio (scrap), gastos de garanta, costos de inspeccin y sobretiempo Fig. 5 casi siempre quedan por fuera elementos importantes que no se toman en cuenta o que los sistemas contables tradicionales no son capaces de manejar, como los siguientes: incremento en los gastos de mantenimiento, prdida de Ventas, Insatisfaccin de los clientes, prdida de tiempo (downtime), errores en ingeniera y desarrollo de productos, errores en listas de materiales y materiales e insumos rechazados.
DPMO
Nivel Sigma
Costo Calidad
La variacin en los procesos constituye una de las fuentes principales de insatisfaccin en los clientes; s se encuentra su causa raz y se elimina, los clientes sentirn la diferencia. No siempre se obtiene el mismo producto o servicio con el mismo nivel de conformidad a lo especificado y de forma consistente y repetitiva; por ejemplo, cundo fue la ltima vez que Ud.: Fue de compras a una tienda y escogi la cola de pago ms lenta. Recibi un corte de cabello ms corto o ms largo que lo usual, distinto a como Ud. lo quera. Decide comprar unos zapatos y en la tienda se encuentra con el vendedor ms ignorante de todos.
Posiblemente en ms de una oportunidad fue atendido rpidamente en la cola de pago de la tienda, recibi el corte de cabello perfecto y se encontr con el vendedor de zapatos ms diligente y conocedor de todos. No sera ideal que siempre fuera as?
Considerando la compra de una pizza, la cual se ordena en alguna pizzeria que este de camino a casa. Se dispone de dos pizzerias de las cuales se tiene la siguiente informacin en cuanto a tiempos de preparacin (en minutos), para 10 pizzas:
Pizzeria ABC: 6,5 - 6,6 - 6,7 - 6,8 - 7,1 - 7,3 - 7,4 - 7,7 - 7,7 - 7,7 min. Pizzeria XYZ: 4,2 - 5,4 - 5,8 - 6,2 - 6,7 - 7,7 - 7,7 - 8,5 - 9,3 -10,0 min.
Utilizando herramientas estadsticas comunes, tales como la media, mediana y moda, se obtienen los siguientes resultados:
Pizzeria ABC: Media = 7,15 - Mediana = 7,20 - Moda = 7,7 min. Pizzeria XYZ: Media = 7,15 - Mediana = 7,20 - Moda = 7,7 min.
Descriptive Statistics
Variable ABC
Descriptive Statistics
Variable XTZ
Aftdmon-OatogNocmdtyTest
M o a P-V kfeai acw Varroce Stewiess ^ulosis N Mrwrwn 1st O a t t e MMran SttCkistte Kuiiuri 6 50900 0432 0241 ? 1 SOCO 017668 0227222 7 3E-02 -1 781W 10 6 50000 S67500 7 20000 7 700 7 70000 7 49100
A o O f l R o n O a i W t g * D < m a 8 y Te
/^Squared p-VMie kkai StOer Vanance Skswiess urnas N Mramm lst&tle i*aan 3QCU3tte litarmurr 0 128 0961 715000 1821 331833 3 316-02 -7 7E-01 10 4.20CC 5 7000 7 2000 8 7003 10 OOOO 84531 3 3256 8 773S
95%Ccnfidence t t v a for U i 95% Confidence Inerva tor S v i a 032789 95% Confidence Interna tor Medsn 668577 87023 lime 95% Confidence nterva for MMan
De estos resultados se puede observar que ambas pizzerias tienen las mismas medidas de tendencia central; es decir, en promedio, los clientes de ambas esperan por sus pizzas el mismo tiempo. Basado en estos resultados, es difcil distinguir diferencias en ambos procesos como para tomar alguna decisin
al respecto. En la Fig. 6, si se observan nuevamente los datos de tiempos de preparacin, se puede observar una mayor variacin (o dispersin) en los tiempos de la pizzera XYZ. Si todas las dems caractersticas de calidad de ambas pizzeras son iguales, es probable que los clientes prefieran comprar sus pizzas en la ABC, por sus tiempos de preparacin ms consistentes y menos variables. En el mundo de los negocios se requiere de algo ms preciso y confiable para medir y cuantificar la variacin de los procesos; para ello se dispone de las siguientes medidas: Rango y Desviacin Estndar.
2.8.2. Rango
Una forma sencilla de medir la variacin en los procesos es determinando el rango de las mediciones; es decir, la diferencia entre el valor ms alto y el valor ms bajo de la muestra. Si lo aplicamos a las dos pizzerias, se obtiene lo siguiente:
Pizzeria ABC: Rango = 1,2 minutos Pizzeria XYZ: Rango = 5,8 minutos
I
I
-1
>
T I
a.
ABC XVZ
1
3 4 5 6 7 8 9 10
de las pizzerias
ABC y XYZ
El Rango ms alto de la XYZ sugiere que sta posee la mayor cantidad de variacin asociada en el tiempo de preparacin de sus pizzas Fig. 7. Si bien el Rango es bastante fcil de calcular, algunas veces puede llevar a conclusiones errneas, dado que slo considera los valores extremos de la muestra. La mejor herramienta disponible es la Desviacin Estndar.
La desviacin estndar toma en consideracin la variacin de cada una de las mediciones alrededor de la media de la muestra. Si se comparan las dos pizzeras, se obtiene lo siguiente:
Pizzera ABC: Desviacin Estndar = 0,48 minutos Pizzera XYZ: Desviacin Estndar = 1,82 minutos
Definitivamente, la pizzera ABC exhibe la menor variacin en los tiempos de preparacin en comparacin con la XYZ, lo cual confirma la observacin inicial de los datos y el resultado previo del Rango. En conclusin, si se quiere un servicio ms rpido y consistente, se compra una pizza en la que presenta menos variacin en sus procesos: Pizzera ABC.
De la misma forma se desarrolla la calidad de los productos y servicios que trabajan con demasiada variacin, lo cual representa la posibilidad de prdida de clientes (menos ventas), ms quejas y reclamos (insatisfaccin), mayor
desperdicio y retrabajo (altos costos) y por supuesto resultados nada buenos para el negocio desde el punto de vista financiero y de permanencia en el tiempo, frente a sus competidores mejor preparados.
Primero que todo, se identifica y define el desempeo estratgico actual de su organizacin (en trminos de: Compaa, Unidad de Negocios,
1. Existe una necesidad u oportunidad de cambio crtica para el negocio que est basada o soportada en necesidades financieras, competitivas o culturales? 2. Es posible definir un razonamiento y justificacin suficientemente slido como para aplicar (de alguna manera) Seis Sigma al negocio? 3. Sern capaces los sistemas actuales gerenciales y de mejora de procesos de alcanzar el nivel de mejora esencial requerido para el xito continuo del negocio?
Dependiendo
de
las
respuestas
las
anteriores
interrogantes,
la
organizacin podra estar lista para explorar el camino de Seis Sigma. En general, se puede tener buenas oportunidades de adoptar esta filosofa y estrategia de negocios si sus respuestas fueron afirmativas a las preguntas 1 y 2 y especialmente si respondi negativamente a la pregunta 3.
Una vez reconocida la necesidad de cambio y la conveniencia de explorar acerca de la adopcin de esta filosofa y estrategia de negocios, es conveniente verificar la condicin de partida de su organizacin, tomando en consideracin la gran cantidad de actividades y prioridades que generalmente se tienen dentro de una organizacin. De las siguientes tres situaciones, se selecciona ia que mejor describe la actual situacin: La organizacin est lista y es capaz de enfocarse en un esfuerzo decidido y dirigido a crear una "Organizacin Seis Sigma". Existen algunas situaciones o procesos estratgicos de alta prioridad para el negocio que requieren y demandan recursos y esfuerzos enfocados para su mejora.
Nuestro sentido de urgencia es tal que se requiere atacar los problemas y proyectos de corto plazo antes de considerar la adopcin de un proceso Seis Sigma.
En funcin de la respuesta seleccionada, el curso de accin a seguir ser diferente para la organizacin y de esa forma se podrn orientar y enfocar los recursos de manera ms efectiva y eficiente. De acuerdo a la situacin, se tienen las siguientes oportunidades: La organizacin parece estar lista para una transfomiacin total y
completa del negocio. Es mejor enfocar y dirigir los esfuerzos y recursos hacia alguna forma de mejora estratgica. El mejor punto de partida seguramente ser iniciar proyectos de mejora de los procesos de inmediato.
3.
Desarrollo
Contenido:
3.1. Sumario
En este proyecto se busca incrementar la eficiencia, reducir el tiempo de inspeccin e incrementar la capacidad del departamento de inspeccin de recibo para detectar el material rechazado antes de que llegue a produccin, utilizando mtodos estadsticos de Seis Sigma. Puntos a resolver: El entrenamiento Estandarizacin de criterios No inspeccin
Para cubrir la mayor cantidad de puntos de los problemas se propone un fixture para habilitar el uso de la mquina Quickvision misma ha estado inactiva durante ms de un ao, ya que no existen programas, ni mtodos de uso de dicha mquina, aplicados a la inspeccin de las piezas que se reciben en el departamento de inspeccin de recibo, se propone un mtodo el cual: Reducir tiempo en alineacin Aumentar la confiabilidad de inspeccin Incrementar la cantidad de inspeccin
Como
resultado,
el uso de la mquina
propuesta
(Quickvision)
es
notablemente mejor opcin que el mtodo de inspeccin tradicional (Microview), en cuanto a tiempo de inspeccin, sin opcin de error por el operario.
3.2. Definiciones
Inspeccin
caractersticas especificadas. Rechazo No conformidad en la calidad del material recibido Microview Mquina de medicin comparador ptico Quickvision Mquina de medicin por coordenadas - visual SQA Supplier Quality Assurance (Aseguramiento Proveedor) IR Reporte de incidencia de recibo de material fuera de especificacin, al proveedor Lean (Esbelto) Es un enfoque sistemtico de los procesos de negocio, que trata de organizar el sistema identificando y eliminando desperdicio Poka Yoke Termino japons que significa a prueba de errores; aparato que previene el mal ensamble de un producto. de Calidad del
Quickvision
Esta etapa de la metodologia Seis Sigma es un anlisis bsico del proceso en el cual se define el problema y cual es la caracterstica critica de calidad para el cliente (CTQ) (qu es crtico para el cliente?)
Problema En el 2002 se encontraron en piso, 617 lotes con material defectuoso, de los cuales se mejorar la confianza de la inspeccin de este material.
Objetivo Incrementar la eficiencia, reducir el tiempo de inspeccin e incrementar la capacidad del departamento de inspeccin de recibo para detectar el material rechazado antes de que llegue a produccin.
Defecto / Oportunidad El defecto del proyecto es la confiabilidad de los rechazos a tiempo, y la cantidad de partes no inspeccionadas por falta de recursos y la metodologa usada. La oportunidad es mejorar la cantidad de inspeccin.
Calendario del Proyecto El proyecto se inici el 27 de enero del 2003 y se termin el 31 de julio del 2003.
Miembros del equipo Chris Evans Oscar Garza Adrin Gonzlez Jorge Melndez Pedro Maciel Giovanni Trevio Champion Dueo del proceso Supervisor de inspeccin Asesor financiero Master black belt Black belt
En la etapa de medir se especifica cual es la caracterstica crtica de calidad interna (traducir lo que quiere el cliente al lenguaje de la organizacin) (Y), definir que es defecto para el proyecto y se valida el sistema de medida, entrada (X) -> proceso -> salida (Y) 3.4.1. Diagrama de flujo El diagrama de flujo Fig. 10, muestra las tareas que se realizan en el proceso de "recibir un nuevo lote de materiaV. En este se aprecian, marcadas en color verde las actividades que agregan valor (VA) al proceso como lo son el recibo de material, uso del material y la inspeccin del mismo, en esta ltima tarea encerrada en un circulo es mostrada el rea en la que se enfoca este proyecto; tambin en color rojo, aparecen las actividades que no agregan valor al proceso (NVA), para este proyecto tenemos todos los pasos de la disposicin del material rechazado.
de recibo
El propsito de este diagrama es presentar un listado de las X's o entradas del proyecto, las cuales despus de ser procesadas se convierten en Y's o salidas. Dependiendo de las entradas que tenga el proyecto ser el
resultado obtenido. La mejora en los resultados, consiste en cambiar algunas X's criticas; estas son posteriormente evaluadas en las siguientes etapas del proyecto. Del modelo de inspeccin que se tiene actualmente, el diagrama causa y efecto Fig. 11, muestra detalles elementales como lo es la falta de estndares, causa en forma directa o indirecta de varios problemas del departamento o X's. Estos datos fueron obtenidos de lluvia de deas en algunas entrevistas al personal del departamento SQA e inspeccin, para asegurar la veracidad de la informacin.
Mtodos
C \ Seleccin de estreo C\Nurrero de nuestras S O P \ Proced memos G \ Actitud C \ No inspeccin S O P \ Estandariza- QC P1-P2 SOP\ de datos Q \Dupliar medidores N C \ Equipo inadecuado C ^ FaltaEntrenamento
Personal
Medidas
E f i c i e n c i a de SQA
S O P / Buen porgrama de calibrarn C/Bloques no calibrados Q / Bloques dartados N /Transpone del producto N / Almacn Defiaente C/Cambo de revisin N/specon del proveedor C / Mal maneto de material
Mquinas
MedioAmbiente
Materiales
SQA
En dicho diagrama se marca tambin las caractersticas de las X's como pueden ser: C N Controlables Noise (Ruido)
3.4.3. Matriz XY
En base al diagrama de Causa y efecto, se introducen las X's identificadas en la columna correspondiente del formato de la matriz XY Fig. 12. Luego lo mismo con las Y's que el equipo del proyecto consider las ms importantes, ordenando estas en cuanto a importancia, dependiendo de la prioridad o impacto que tenga cada una, se obtiene alta ponderacin en el entrenamiento del personal.
Esta herramienta muestra varias causas posibles. De estas causas nos concentramos en la ms grande, encerrada en rojo en la Fig. 13, mediante la evaluacin de los auditores de inspeccin en cuanto a criterios y capacidades al realizar su trabajo, verificando diferentes factores en la siguiente etapa de anlisis.
ICO
XY Matrix
11 "5 e o - i l 21 c "3 2 S 4
2000
8 0 e oO C
O
i o % >
_
8 3
2
E
o J
t | (T* 1 fSflaxxp ftrtf 2 I Mal iTa^o mawna 3 I t e v e s no cafantes 4 |CrKJft<yriCTtB 5 [T^isccrte <Tna 6 Wrraiffi C4JOU( fentxg
O
7 tfe K
1( 1 1 257 321 3 2D iW 99 IT 1S 9%
1CG0
4 0Q _
2D
10
1 C 5 9 '0
si 9
d s| lol
a 10
9i 10 104
5
9 9 9
8 a 10 9 |
9 io tol io
0
XVfer
Gut
2a
314 3 314 2734
un
11 1?* 11* i m
? saicat c*si
pto nsftKotr
F&cert Q m %
3 t ) 3 1 3 2 3 3 2 1 3 1 4 3 M 124 124 121 245 118 334 117 481 115 B6 115 711
Fig.
12
Matriz causa
XY
Obtenida
del
grfica
diagrama
y efecto
En la etapa de analizar, se mede la capacidad actual; a travs de cualquier herramienta estadstica que permita detectar la fuente de variacin se analizan los datos con detalle, e identifican las variables que causan variacin en el proceso (X1, X2, ,Xn)
3.5.1. Capacidad del proceso Del estudio de capacidad del proceso, de la cantidad de piezas inspeccionadas por el personal del departamento inspeccin de recibo Fig. 14, apreciamos el promedio de tiempos de inspeccin de auditores de inspeccin, as como las piezas que estn despus del USL (limite superior) representan un proceso fuera de control.
En la grfica P de la Fig. 15 indica algunos puntos fuera de control, debido a que es demasiado el tiempo que se toma en examinar las piezas, excediendo los limites establecidos. Posteriormente, de estas piezas se tom las que llegaban con mayor frecuencia a inspeccin, para iniciar a trabajar con ellas como primer objetivo Fig. 16.
LB
P r o c e s s Data USL Target LO*et&x"3 OoooOO 1 50000 Within
C S e rail
Un buen Cpk sera de >1.33 indicando la capacidad del proceso.
1 0 1 Cfcser! Pertamance S>PM LB 0 00 70175 4 4 70175 4 4 E */yWin' P a t n i unce PPM < LB P P M > USL PPMTctal 96671 4 9 9667149 E>p " O t e r a r P a l o m a r - c e PPM*LB P P M > USL P P M Total 96671 49 96671 43
Tiempo exced do
P<ien3l Wrtttn) C a p a t x i t y CP CPU CPl 0 43
\
43
en nspecci
es
p
Cnr pp O e r s l Capabilty
PPU
epi
pp
0 43
DPM>USL P P M TMBl
043
Fig. 14 Histograma
de la Capacidad
del
proceso
f 6 7 1
L = 0 90 TiempoMuerto 47
5 4 1 s, s jf s S 1
COsetved Defecares
S O T p e lN u m b e r
ifltretes 86*>CI>
U i t a
2 4 4 3 34)
J 862
4 27
binomial
Material - Tiempo
92 20.3 20.3
54 119 66 4
30 66 73.1
30 66 79 7
2.7 6.0 85 7
25 55 91.2
inspeccin
En la grfica de estadstica descriptiva, Fig. 17 se puede ver que el promedio de inspecciones por auditor de inspeccin, es de 0.8352 hr. por inspeccin con valores que van desde 0 hr. hasta 6 hr. en algunos casos extremos. Variable: Tiempo
Anderson-Darling Normality Test A-Squared: P-Vakje. 28.969
0 . 0 0 0
Mean
StDev Variance Skewness Kurtosis N
0.835252
0.759048 0.576154 3.55990 16.5682 278
Mrwnun
1 st Quartile Median 3rd Quartile Maximum
0.00000
0.50000 060000 0 90000 6.00000
95% Confidence I rterval for Sigma 0.70076 95% Confidente Interval for Median 0.82799
3.5.3. ANOVA
En la tabla mostrada en la Fig. 18, se muestran datos obtenidos en el mes de mayo del 2003 de las inspecciones por semana que realiz cada auditor, mismos que son usados para un estudio de variacin del promedio de inspecciones de un auditor a otro.
En este estudio se plantea una (Hiptesis nula) Ho = todas los promedios son iguales, contra una (Hiptesis alternativa) Ha = al menos uno de los promedios es diferente.
56 42 62 32
98 73 100 69
67 71 65 63
54 77 52 0
97 113 127 86
82 87 106 49
37 13 0 21
100 96 91 135
91 116 110 46
98 110 110 50
85 45 72 47
0 0 76 53
78 101 73 24
Fig. 18 Tiempo de inspeccin semanal por auditor del mes de mayo del 2003
1 5 0 i
1 0 0 -
5 0 -
'
0O < U 81
TD C
o C E
ra
Fig. 19 Grfica de cajas para el tiempo de inspeccin semanal por auditor obtenida de la Fig. 18, (las medias estn incluidas como un crculo rojo)
Rosy
o O ) (0 ^ ( O c o
En el estudio de ANOVA realizado a cada auditor se encontr que el PValue<0.05, Fig. 20 indica que los datos son significativamente diferentes por lo tanto se rechaza la hiptesis nula, en la cual se plantea que los promedios de tiempo de inspeccin de todos los auditores son iguales, por lo tanto la productividad de cada auditor con respecto a otro, no es una constante, o no hay estndares de inspeccin.
One-way ANOVA: Alicia, Claudia, German, Heriberto, Janeth, Laura, Lizeth, Nelly, Analysis of Variance Source Factor Error Total DF 13 42 55 SS 41053 31177 72230 Individual 95% CIS For Mean Based on Pooled StDev Level Alicia Claudia German Heribert Janeth Laura Lizeth Nelly Olga Paty Rogelio Rolando Rosy Santiago N 4 4 4 4 4 4 4 4 4 4 4 4 4 4 Mean 53. 00 85. 00 66. 50 45. 75 105. 75 81. .00 17 .75 . 105. . 50 90 .75 92 .00 62 .25 32 .25 108 .00 69 .00 StDev 21. 69 16. 27 3. 42 32. 54 17 .99 . .71 23. 15. .48 20 .01 31 . 68 28 .57 19 .52 38 . 40 48 .34 32 .38 MS 3158 742 F 4 .25 P
0.000
Fig. 20 Resultado del ANOVA de tiempo de inspeccin semanal por auditor del mes de mayo del 2003
Por otra parte, tambin se encontraron algunas diferencias en la cantidad de inspecciones realizadas por cada auditor Fig. 21. Estas diferencias fueron ms notorias en la cantidad de rechazos de material Fig. 22, que hace cada auditor al encontrar algn defecto en una inspeccin; esto hace suponer que no se tiene el mismo criterio entre auditores.
Defect
Count Percent Cum %
106 13 6 13 6 105 135 27 1 92
11 8
y
90 11 5 504 83 106 61 0
^
65 83 694
# y
61 78 77 2
^ p
45 58 903 38 38 49 49 95 1 1000
388
57 73 845
Fig. 21 Cantidad
de inspecciones
por
auditor
Defect
Court Percent Cun % 164 24 2 24 2 89 131 37 4
^
85 126 4S9 79 117 61 6 76 11 2 72 8 70 103 832 67 99 93 1
y
36 53 984
y 1 1 1 6 1000
Fig. 22 Cantidad
de rechazos por
auditor
Se realiz posteriormente la comparacin entre los tiempos de inspeccin del primer turno contra el segundo turno, para lo cual se utiliza la herramienta de igualdad de varianzas Fig. 25, con sus respectivas pruebas de normalidad Fig. 23 y Fig. 24; debido a que los datos de ambos turnos no son normales se toma el valor de la prueba de Levene.
os
.01 .001
.05 01 .001 -
o
A * r a g e 0 90:596 StDev 0 945528 1271
Tiempo 1
Afld&sorwDartng NormaMy T e d A c q u a r e 143 998 P-Vafce 0000 Aveiage 0 821761 StfJev 1 08733 N795
de dispersin normalidad
para el del
Fig. 24 Diagrama de dispersin para la prueba de normalidad para el tiempo de las inspecciones del tumo2
para
tiempo turnol
inspecciones
El P-Value = 0.707 Fig. 25, indica que no hay suficiente evidencia para rechazar que las poblaciones tienen variaciones diferentes en el proceso de inspeccin de material, dicho de otra manera el proceso esta controlado de igual forma en ambos turnos, aunque por el hecho de que se trabaje una hora ms en el primer turno haya un poco ms de produccin en este.
Factor Levels
0.90
0 95
1.00
1.05
1 10
1 15
P-Value
: 0.707
* *
m , UVV. W
U *
U *
WW W * * *
M *
U *
u U 1W W W
U 1 W TT
Tiempo
de
Para cubrir la mayor cantidad de puntos de las problemas del anterior diagrama de causa y efecto se propone un fixture Fig. 27 para habilitar el uso en serie de la mquina Quickvision en lugar de la mquina Microview, usada hasta ahora. Esta mquina no ha tenido uso en un ao que ha permanecido en el departamento de inspeccin; lo anterior debido a que no existen programas, ni mtodos de uso de la misma, aplicados a la inspeccin de las piezas que se reciben en el departamento de inspeccin de recibo. El uso de esta mquina propone: El reducir tiempo en alineacin El aumentar la contabilidad de inspeccin El incrementar la cantidad de inspeccin
Quickvision
3.6.1. Sistema de automatizacin de medicin Quickvision Este sistema trabaja a base de una luz que es proyectada desde el fondo de una pantalla de cristal Sobre esta pantalla se coloca la pieza a medir Esta pieza corta la luz proyectada quedando el contorno de la pieza a escala real
Este contorno se proyecta en una pantalla del software que controla la mquina En el cambio de luz a sombra de la imagen en pantalla se coloca un marcador en cada uno de los lmites de la distancia a medir, dando el resultado de esta misma distancia, con una tolerancia de +/-0.002 mm Este proceso se automatiza en cada una de las distancias a medir Mediante el fixture, se puede medir en un solo programa de 10 min. de proceso, hasta 15 piezas con todas sus respectivas dimensiones Fig. 28.
Un diseo de experimentos es (DOE), es un estructurado y organizado mtodo para terminar la relacin entre factores (X's) que afectan a un proceso y dan como resultado de proceso una salida (Y), permitiendo identificar entre todos los factores (X's) el factor que tiene ms influencia para obtener el resultado (Y). Se realiz un diseo de experimentos que permita medir y
comprobar el beneficio del proceso nuevo contra el proceso anterior. Se plantea el siguiente diseo de experimentos:
2 factores para reducir el tiempo de inspeccin Factor Baio Mquina Operador Microview Operador2 Factor Alto Quickvision Operadorl (No experiencia en el rea) Tiempo de inspeccin ? ?
(Experiencia en el rea)
Analysis of Variance for Tiempo, using Adjusted SS for Tests Source Operador Operador'Mquina Error Total DF 1 Seq SS 0 .05070 Adj SS 0 .05070 0 .05603 0 .23493 Adj MS 0 .05070
Mquina
1.21603
0 .05603 0 .23493 1 .55770
1.21603
1.21603
1 8 11
0 . 05603 0 .02937
F 1. .73
Unusual Observations for Tiempo Obs 12 Tiempo 1.55000 Fit 1.90000 SE Fit 0.09894 Residual -0.35000 St Resid -2.50R
Fig. 29 Factores de influencia de mayor importancia en el Diseo de Experimentos Maquina - Operador = Tiempo de inspeccin
En las siguientes grficas de interaccin y de cubo, Fig. 30 y 31, el menor tiempo promedio de inspeccin (que es el objetivo deseado) se registra encerrado en color rojo en la combinacin de Microview - Operadorl.
0 1 4 G 7 0 5
Qsar
Fig. 30 Diagrama de interaccin Mquina del diseo de experimentos con los factores Tiempo y
Operador - Tiempo y
14GC0
Operador? Operador!
2C8 -
78
21667 C^eradcr
[1.S0C0 Cperadcr2
Mquina Fig. 31 Diagrama Operador y de inte n y Fig. 32 Diagrama de cubo de los factores
Operador Tiempo,
Mquina
AB
Podemos ver en la Fig. 33, que el factor de la mquina (factor B) es el ms fundamental en el DOE, o es causante de el mayor efecto del resultado del tiempo, omitiendo al operador y la combinacin de ambos (factores A y AB).
experimentos
Como resultado del experimento el uso de la mquina Quickvision es notablemente mejor opcin que el Microview en tiempo de inspeccin, sin opcin de error por el operario, as como la combinacin de Mquina - Operario no es un factor de poco peso para el resultado de este experimento.
En la Fig. 34 se muestra en el estudio del gage R&R la medicin en dos ocasiones de misma una pieza con once dimensiones, hecha por dos operadores, la variacin esta controlada (en el Rchart) el rango es bastante pequeo, dentro de la tolerancia que debe tener de 0.1mm.
nerts %CaihtxJan 30
20 I 10
G a g eR & R Repea R
1 5
i i i f i i 9 10 13 19 20 21
! i 1
i 2
ba
ha
Parte i
2
/\
1 5
\ 0 DimNo 6 7 8 9
A
10 13 IS 20 21
En la etapa de controlar, se establecen controles estadsticos que permitan garantizar la mejora a largo plazo, comprobar el sistema de medida, las causas de variacin, medir el beneficio comparando el antes y despus de la mejora, se deben tambin incluir planes de control, que aseguren a estas mejoras mantenerse en el tiempo limite especificado. La capacitacin del mtodo propuesto. La documentacin correspondiente para toda persona que desee hacer el proceso, sin conocimiento previo (con su actualizacin correspondiente). Un plan de respuesta en caso de una falla del proceso.
Para cumplir con los anteriores objetivos se presentan a continuacin las herramientas de: Grficos de control Plan de recursos Humanos Lean Manufacturing Control de documentacin
El proceso muestra una mejora en tiempo y variacin mostrada en el siguiente grfico de control Fig. 35, con el uso de la mquina Quickvision, este proceso se mantiene realizando medicin y evaluacin del mismo una vez cada tres meses y se incluye en el sistema del departamento de calibracin de la planta.
MicroView
QuckVision
0 7
<0 >
-
2.5 I
CD
2 . 0
"O
1 3
1.5
1.0 -4 c
.5
TD
SiiDgroip
Fig. 35 Comparacin
Microview
vs.
Quickvision
Plan de Recursos Humanos, esta dirigido a las personas impactadas por las mejoras (quienes participan en el proceso). Se debe listar las personas
(usuarios) que requieren capacitacin inmediata para el proceso, y que tipo de capacitacin, y tambin quienes requieran una capacitacin continua as como quien la impartir. En la Fig. 36 se muestra la forma.
|
s e a e ra
Iprel.*
PLAN DE CONTROL/RUTA
Pgina Contacto cla^e/Telfcno
NUM E 0 0 6 P C 2 A DEI C LNTE
Ffcl-lonj)
08/15/03
MFTrtnn
de r e a c c c *
proceso
NO 0<&P
CIA S
nm
fel product
Fwtt*
Bucit* Frsm
mMtiA co bear
I feruta n ta "MX
70
Venfieaj qg a rcwenuvMft rtfrfcCWde * conio Me el de , isa rtafvttn 0tocado T SsH -BOsrfT renftrto er *
Cortei
rwQrte
GpwZM
Eticada B t .
del proyecto
Se apoya el uso del fixture con ayudas visuales, Fig. 37 para su correcta colocacin, adems de ser este mismo fixture un Poka Yoke, Fig. 38 que mantiene las piezas en posicin evitando que se muevan y que tengan variacin de medicin.
Tambin se present la documentacin correspondiente al uso y calibracin del fixture, de acuerdo con el sistema ISO-TS, en el formato de la Fig. 39.
I-
QBJETVoj
fft-
ALCANCE
It-RESPONSABILIDADES:
C j t ^ b ' Q q B B decbtsitoeav9*eycttierelp*gmB d(re*wfi
V-
INFORMACION Q U E CCNTOIE:
1 . reMcooo-nuestra 2. t*toa>
2.1.1, 2 .li
t J J .
2.1A
frc&Kfa beonfx0deeylan8qufiayc(ia dsatawedebrnsns P t r j el imi^jiis tft ta peza carespanieite a m ^ i t i n a o an colocar el (toe r a RBqura para censare) ^tenocoBioi Cobqv* b p e a a ngi*eonarfi a fcaffeeorusponderte aidardo deque de b*n Rustido
2 . 1 . 4 . 2.A
2.1.7.
i. IB.
a itHiftgielpiegraTa.g fapigq^gOeabmaqtmanha.^ictLate
Coloque ISitLre en ta base de la miisia
a oora 3 fxcgrare
yaeSsdrarejcowaragfea&h^dedaas
4.
Conclusiones
Como conclusin tenemos que la metodologa del Seis Sigma, nos proporciona una herramienta de mejora continua eficaz, a travs de estadstica aplicada, que apoya la satisfaccin del cliente, y optimizacin de recursos.
En el caso prctico se lleg a la conclusin de la reduccin del indicador tiempo de inspeccin de un promedio de 2:00 hrs. a 1:23 hrs. Mostrado en la Fig. 35 Comparacin en Grfico MR del tiempo por mquina
Microview vs. Quickvision. Sin embargo esta solucin fue obtenida a travs de una investigacin e identificacin del principal problema (desperdicio de recursos debido a no estandarizacin). Herramientas para ver que datos estn fuera de control (o donde nos debemos enfocar) como la Fig. 14 Histograma de la Capacidad del proceso, los paretos de la Fig. 20 Cantidad de inspecciones por auditor, que indican el factor que influye en mayor proporcin en un indicador, o la comparacin de resultados obtenidos como la anova Fig. 19 Grfica de cajas para el tiempo de inspeccin semanal por auditor, nos llevan a esta identificacin de la causa principal del problema. Posteriormente el Diseo de experimentos (DOE) Fig. 30 Diagrama de interaccin del diseo de experimentos con los factores Tiempo y Operador - Tiempo y Mquina, confirma un beneficio al pronosticar la mejora an antes de tener datos fidedignos del proceso en funcin; para finalmente medir la mejora y seguir controlando esta con las Grficas de control, Planes de capacitacin, Lean manufacturing Fig. 37 Fig. 39
Instruccin de trabajo para el uso la mquina Quickvision segn la norma de calidad ISO-TS. Se demuestra que la metodologa Seis Sigma puede ser usada para identificar y mejorar un proceso.
Bibliografa
1.
2.
3.
4.
Elementary Statistics Eight edition Mario F. Triola Addison Wesley Longman Pearson Education
5.
http://www.seis-siama.com