TALLER PLANEACION ESTRATEGICA DE LA CALIDAD SEIS SIGMA (CASO PRACTICO)

PONENTE: DR. JOSE FERNANDO MENDEZ QUINTERO.

EMPRESA DE FUNDICION DE ACEROS Y ALEACION DE PIEZAS RAM. S.A. DE C.V.

2.1 POR EJEMPLO SE DESCRIBE UN FRAGMENTO DEL PROCESO DE FABRICACIN DE PIEZAS DE ACERO INOXIDABLE PARA
DETERMINAR LAS NECESIDADES DEL CLIENTE
DESCRIPCIN DE UN PROCESO PARA REALIZAR SU ESTUDIO QFD
LA EMPRESA RAMSA ES UNA FABRICA QUE PRODUCE PIEZAS DE ACERO DE DIFERENTES TIPOS Y ALEACIONES. LAS ETAPAS
PRINCIPALES DEL PROCESO SON:
1. RECEPCIN DE DISEO EN PLANO. LA EMPRESA RECIBE Y ANALIZA EL TIPO DE PRODUCTO QUE DESEA EL CLIENTE Y NOTIFICA
AL MISMO SI ES POSIBLE FABRICARLO.
2. FABRICACIN DE PROTOTIPOS. RAMSA CONSTRUYE EL MODELO Y REALIZA UNA FUNDICIN PILOTO PARA FABRICAR UNA PIEZA
CON BASE AL DISEO DEL CLIENTE Y VERIFICAR CARACTERSTICAS DE DIMENSIONES, TIPO DE MATERIAL, FACTIBILIDAD DE
PRUEBAS, MAQUINADOS, ETC.
3. FABRICACIN DE MOLDES. UNA VEZ VALIDADO EL PROTOTIPO SE EMITE LA ORDEN DE FABRICACIN AL REA DE MOLDEO,
VERIFICANDO LAS VARIABLES SIGUIENTES:

COMPOSICIN DE LA ARENA
DUREZA DE LA ARENA
COMPACTACIN DE LA ARENA EN EL MODELO
PINTADO DEL MODELO
COLOCADO DE CORAZONES Y TEMPLADERAS

4. CERRADO DE MOLDES Y FUSIN. UNA VEZ HECHO LO ANTERIOR SE CIERRAN LOS MOLDES Y SE VIERTE EL METAL LQUIDO EN EL
INTERIOR DE LOS MISMOS, VERIFICANDO LO SIGUIENTE:

COLOCACIN CORRECTA DE SALIDAS DE PRESIN Y VERTEDEROS

TEMPERATURA DEL METAL FUNDIDO
COLOCACIN CORRECTA DE CONTRAPESOS ENCIMA DEL MOLDE
EL METAL ESTE LIMPIO AL ENTRAR AL MOLDE

5 AREA DE ACABADO. AQU A LAS PIEZAS SE LE CORTA LOS HERRAMENTALES Y SOBRANTES DEL CUERPO PRINCIPAL Y SE REALIZA
LOS ACABADOS CORRESPONDIENTES CON OXICORTE, ESMERILES, ETC. VERIFICANDO LO SIGUIENTE:

CORTE CORRECTO DE HERRAMENTALES

INSPECCIONAR 100% LA SUPERFICIE DE CADA PIEZA
SI LA PIEZA TIENE POROS O GRIETAS, ABRIR Y RELLENAR CON SOLDADURA RESPECTIVA AL MATERIAL.
PASAR A PRUEBAS DESTRUCTIVAS PARA VERIFICAR NO EXISTAN POROS
APLICAR TRATAMIENTOS TRMICOS DE ACUERDO A TIPO DE MATERIAL, TAMAO, CLIENTE.

6. MAQUINADOS. SE REALIZA EL ACABADO EN LAS CARAS QUE DESEA EL CLIENTE VERIFICANDO LO SIGUIENTE.

TIPO DE CARAS A MAQUINAR (DIMENSIONES, TAMAOS PARA PROGRAMAR MAQUINAS).

Se realiz una reunin con los propietarios de la empresa, los principales gerentes y jefes de departamento, con el objeto de
realizar la planeacin estratgica de calidad y definir los objetivos del proyecto. (Fase 1, Definicin del proyecto)
Se realiz un estudio de las operaciones del proceso de las reas de modelos, moldeo, fusin, limpieza de piezas, acabado y
pruebas mecnicas, identificando las operaciones que ms posiblemente causan fallas y/o defectos en las piezas finales.
Se realiz un muestreo tomando como productos base las piezas carcaza 352 y bonette 302 del cliente Dresser Canad,
considerando estos productos por ser representativos en cuanto a volumen de ventas y requerimientos de calidad solicitados
por el cliente. En el muestreo se obtuvieron 2500 piezas de 15000 fabricadas, lo que representa el 16.67% del total fabricado
para esa lnea en tres das con tres turnos. La cuantificacin de los defectos o fallas en los productos se muestra en la
siguiente tabla.

En la tabla podemos observar la frecuencia con la que se repiten los defectos y cules son los ms crticos para proponer
acciones de mejora. Representando un 12.72% el total de defectos con respecto al nmero de piezas muestreadas, lo que
representa un indicador alto con respecto a los requerimientos y estndares solicitados por los clientes, por lo que se debe
realizar un proyecto con enfoque seis sigma para poder mejorar los procesos con base al manejo y control de las variables
de entrada.

En la siguiente tabla se muestra un anlisis de los costos generados por tipo de defecto y piezas que fueron muestreadas en
el estudio de definido

Por lo anterior podemos describir lo siguiente: considerando la cantidad de piezas defectuosas resultantes con los procesos actuales
(para los defectos que se pueden reparar o retrabajar) y su costo promedio de reparacin obtenemos una cantidad considerable por
costos de no calidad en los procesos de $ 36,020 en una muestra de 2500 piezas de una poblacin de 15000, por lo que si se tiene
la misma tendencia para el total de la poblacin tendramos 1392 piezas con defectos de las 15000 que se pueden reparar a un
costo promedio de $155.25, lo cual nos dara la cantidad de $ 216,120. Cantidad que es muy elevada para continuar realizando el
proceso de reparacin y cargarlo a los clientes. A ltimas fechas se tiene los siguientes registros cuantificando por kilogramos de
produccin reparada.

Como podemos observar en el mes de junio se tuvo un costo total por reparacin de piezas con los defectos principales de
$909,125.37, lo cual significa que diariamente la empresa invierte en reparacin aproximadamente $35,000, que bien pudiera
emplear en otros rubros que necesite. Por ello toma gran importancia la aplicacin de la metodologa en este proyecto.

Se realiz el diagrama de Pareto utilizando el programa minitab para ilustrar de una forma grfica la cantidad de defectos.

Se define en una hoja de clculo los factores bsicos de la herramienta causa efecto con sus ramas o elementos para
posteriormente introducirlos al minitab y relacionarlos como se muestra en las imgenes.

Se realiza el procedimiento de clculo y relacin de factores

Tabla 1. Voz del cliente o demandas para una pieza fabricada en RAMSA

Los requerimientos estn ordenados por grado de importancia considerndose los primeros 3 requerimientos como los ms
importantes por cumplir para el cliente (externos) y que contrastan con el anlisis previo de fallas o defectos, por lo que los dems
requerimientos se consideran internos para poder cumplir los externos.

PLANEACION AVANZADA DE LA CALIDAD MEDIANTE QFD

DEFINICIN DEL PROYECTO
Incrementar la productividad en las reas de moldeo, fusin y acabado mediante la medicin y control de las variables criticas del
proceso en cada rea, apoyado en la metodologa seis sigma con el objeto de reducir los defectos y cumplir los requerimientos del
cliente.

Basado en la experiencia de los gerentes e ingenieros de procesos los defectos principales (poros e inclusiones de arena en las
piezas) resulta de la mezcla de la arena y la mezcla de los metales en la fusin, por lo que se analizaran principalmente estos
procesos por parte del equipo del proyecto, iniciando con la siguiente tabla de valoracin:

INTERPRETACIN DE RESULTADOS FASE I. PLANEACION DEL PRODUCTO (QFD)

Con base a la evaluacin de la primera fase se determin que los requerimientos crticos de calidad que el cliente desea que se
cumplan son:
1. Las propiedades fsicas y mecnicas de las piezas sean correctas: con un puntaje en el plan de calidad de 13.98.
2. Los tratamientos trmicos de las piezas sea adecuados: con un puntaje en plan de calidad de 15.53.
3. El espesor de las piezas no tenga variacin: con un puntaje de 14.56.
4. Los moldes no se rompan: con un puntaje de 15.53.
Como podemos observar, al reducir los defectos mediante la mejora de raz de las operaciones de las reas de moldeo y de fusin
estaramos cumpliendo en gran medida los requerimientos de los clientes y los estndares de las normas de produccin.
As mismo, se realiz la relacin para el cumplimiento de esos requerimientos con respecto a las actividades del COMO para poder
cumplirlos, resultando los siguientes indicadores a realizar:
1. Temperatura de fusin, puntos 168.93, responsables, Ing. Antonio Prez Rodrguez: Jefe Hornos e Ing. Nohem Torres
Moreno: Jefa de calidad/Laboratorio Qumico.
2. Dimensiones segn especificaciones, puntos 186.99, responsables, Ing. Javier Ruiz Aguilar: Ingeniero de calidad e Ing.
Carlos Romero Pizzuto: Gerente de Calidad.
3. Composicin de la fundicin (mezcla de metales), puntos 186.41, responsables, Ing. Enrique Lpez Galvn: Jefe de fusin e
Ing. Antonio Pizzuto Mcgree: Gerente de Produccin.
4. Inspeccin correcta de las superficies de las piezas, puntos 147.38, responsable Ing. David Calvillo Perales: jefe de Acabado.
5. Cerrado del molde, puntos 136.50, responsable, Ing. Ramn Resndiz Ayala: Jefe de moldeo.
6. Compactacin de la arena en el modelo, puntos 131.07, responsables, Ing. Javier Ruiz Aguilar: Ingeniero de calidad e Ing.
Ramn Resndiz Ayala: Jefe de moldeo.

Para realizar una programacin ordenada y con el objeto de cumplir con los requerimientos de calidad especificado por el cliente
desarrollamos la matriz de las 5w+1H, la cual se tendr que cumplir en tiempo y forma como se indica: (Evans, 2008)

2.2.2 MAPEO DEL PROCESO. DIAGRAMA SIPOC

Un paso de Definir es obtener una imagen del proceso al que afecta el proyecto creando un diagrama de flujo de alto
nivel.

A este mapa de alto nivel se le llama SIPOC (por sus siglas en ingls: Suppliers Inputs, Process, Outputs, and Customers)
a) Proveedores: personas u organizaciones que proporcionan informacin, materiales y otros recursos con los que
trabajara el proceso.
b) Entradas: la informacin o los materiales, proporcionados por los proveedores que son consumidos o transformados en
el proceso.
c) Proceso: serie de pasos que transforma.
d) Salidas: el producto o servicio utilizado por el cliente.
e) Cliente: persona, empresa o proceso que recibe la salida del proceso.

El diagrama SIPOC es una herramienta usada por el equipo para identificar todos los elementos relevantes de un proceso
antes de comenzar a trabajar en el proyecto de mejora.

El diagrama SIPOC puede ser de gran ayuda para que su gente vea el negocio desde el punto de vista de los procesos.
(Escalante, 2008)
Tabla representativa de los elementos descriptivos del sistema SIPOC en el mapeo

DESARROLLO DE LA MATRIZ CAUSA Y EFECTO PARA LA EMPRESA RAMSA

RESULTADOS
DEL
ANALISIS
DEL
PROCESO DE MODO Y EFECTO DE FALLA.

Una vez realizado el anlisis completo del AMEF, tenemos las siguientes operaciones clave en las cuales se tiene que
trabajar de manera especfica y poder reducir los defectos que se obtuvieron como resultado en los muestreos preliminares
y datos histricos.
Variable criticas
1. Composicin de la arena autofraguante
2. Compactacin de la arena, calidad de pintado, colocado de corazones
3. Composicin de mezcla de metales
4. Temperaturas de fusin de metales y temperatura de vaciado
5. Diseo de herramentales y limpieza de moldes

El equipo del proyecto analiza las variables criticas de calidad con respecto a los defectos resultantes y requerimientos de los
principales clientes, por lo que se dictamina que la variables a revisar, medir y controlar a detalle son la composicin de la arena, la
composicin de las mezclas de metales y las temperaturas de fusin y vaciado, considerando las operaciones de compactacin de
arena, pintado y colocado de corazones como actividades de inspeccin y atributos mejorando estas mediante acciones correctivas
de operacin y capacitacin de los operarios, as tambin el diseo de herramentales ser estudiado de manera especfica mediante
la fabricacin de prototipos a escala.
En el rea de moldeo se defini lo siguiente:
Considerando a los principales clientes y alecciones requeridas por estos, as como las especificaciones de pruebas fsicas y
mecnicas, se realiz una revisin con respecto a la norma ASTM, ACME y procedimientos ya existentes para su mejora.
Se identific como variable critica de salida la dureza del molde la dureza del mismo y como variables o factores de entrada los que
se muestran en la siguiente tabla.

Se establecieron especificaciones de rango para las variables experimentales, en este caso para la produccin de 100 piezas
(moldes de arena) y un muestro factorial de 32 piezas, la variable de salida dureza del molde se maneja en un rango de (40,48), con
un valor objetivo de 44 lb/ pulg2
Para realizar los clculos de manera rpida y tcnica utilizamos el programa minitab, para ello y con el objeto de mostrar la
versatilidad del programa analizaremos los resultados desde dos grupos de datos de entrada, nos referimos especficamente a los
datos asignados en los niveles de cada factor, primero realizaremos los clculos con los niveles que son codificados para el
programa minitab, tal como se muestra en la siguiente tabla.

La instruccin y la introduccin en el minitab se muestran a continuacin.

Se realiz el mismo procedimiento para el proyecto considerando los valores de entrada reales en medida pero que son
decodificados para el programa minitab se obtuvo los siguientes indicadores de respuesta ptima.
porcenta
255.0
[251.0]
247.0

ptimo
Alto
D
Act
1.0000 Bajo

porcenta
42.0
[40.0]
38.0

porcient
13.50
[12.250]
11.0

porcient
10.80
[10.1305]
9.50

fuerza c
60.0
[50.0]
50.0

Compuesto
Conveniencia
1.0000

dureza m
Obj: 44.0
y = 44.0
d = 1.0000

Optimizacin de respuesta
Parmetros
dureza molde

Meta
Objetivo

Solucin global

Inferior
41

Objetivo
44

Superior
47

Ponderacin
1

Importar
1

porcentaje arena
= 251 kgs
porcentaje resina
= 40 kgs
porciento pegamento = 12.25 kgs
porciento agua = 10.1305 litros
fuerza compactacin = 50 psi
Respuestas pronosticadas
dureza molde

44.0000

conveniencia =

1.000000

1. ANALISIS DEL SISTEMA DE MEDICION (MSA) CONCEPTOS

Definicin de Anlisis del Sistema de Medicin

Un mtodo para determinar qu tan buenos son nuestros datos

Un mtodo simple para auxiliarnos en la tarea de mejorar el sistema de medicin

Un mtodo sencillo para evaluar equipos de medicin nuevos

Un mtodo simple para cuantificar la reproducibilidad que se puede esperar entre diferentes operadores de medicin o la
repetibilidad que se puede esperar de los instrumentos de medicin. (Gutirrez, 2008)

Considere las razones por las que Medimos

* Verificar que el producto/proceso cumple con las especificaciones
* Cmo puede la variacin en las mediciones afectar nuestra decisin?
* Ayudar en actividades de Mejoramiento Continuo
Elementos del MSA
* El objetivo del MSA es aprender lo ms posible acerca del proceso de medicin en un perodo corto de tiempo.
* La estrategia es incluir equipo, operadores, componentes y otros factores que comnmente forman parte del proceso de medicin

* Se hace una seleccin aleatoria de piezas del rea de produccin de tal forma que representen la variacin del proceso
* Las piezas deben ser identificadas de tal forma de poder registrar las mediciones sin crear un sesgo en el operador
* Cada pieza es medida en mltiples ocasiones por cada operador utilizando el mismo equipo
Componentes del Error de Medicin

Gage R&R es el porcentaje de variacin del proceso relacionado a la repetibilidad y reproducibilidad del sistema de medicin

Los criterios generales para la aceptacin de un instrumento de medicin utilizando como referencia la variacin Gage R&R
son los siguientes:

Menos del 10%: Aceptable.

10% al 30%: Puede ser Aceptable

Mayor al 30%: El instrumento no es aceptable y debe ser corregido o reemplazado.

ESTUDIOS R&R PARA LA DUREZA DE MOLDES

En la siguiente tabla se presenta el muestreo aleatorio de 10 piezas moldes de arena para medir la dureza de estos con dos
operadores y dos replicas utilizando como instrumento de medicin el durmetro de arena.

Para realizar los clculos del sistemas de medicin introducimos los datos muestreados en el programa minitab, mediante el apoyo
de este programa obtendremos el anlisis de varianza para los factores involucrados que son el operador, el instrumento de
medicin y la pieza fabricada. La operacin en el minitab se muestra a continuacin.

En la siguiente figura se muestra la asignacion de los factores en el cuadro de dialogo y los datos miscelaneos.

Los resultados obtenidos del minitab son los siguientes:

Estudio R&R del sistema de medicin - mtodo ANOVA
R&R del sistema de medicin

para medida dureza

Nombre del sistema de medicin:

Fecha del estudio:
Notificado por:
Tolerancia:
Misc:

dureza de moldes, durmetro y dos operadores

26/07/2014
Ing. Enrique Galvn
mas menos 3
moldes de prueba cliente Dresser Canad

Tabla ANOVA de dos factores con interaccin

Fuente
pieza/parte
operador
pieza/parte * operador
Repetibilidad
Total

GL
9
1
9
20
39

SC
10.2741
0.8323
3.5629
6.9784
21.6478

MC
1.14157
0.83232
0.39588
0.34892

F
2.88363
2.10247
1.13457

P
0.065
0.181
0.385

Alfa para eliminar el trmino de interaccin = 0.25

Tabla ANOVA dos factores sin interaccin

Fuente
pieza/parte
operador
Repetibilidad
Total

GL
9
1
29
39

SC
10.2741
0.8323
10.5414
21.6478

MC
1.14157
0.83232
0.36349

F
3.14053
2.28978

P
0.009
0.141

Como se puede observar en las tablas de anlisis de varianza el valor P-value es mayor a 0.05 lo cual indica que todos los factores
afectan significativamente el sistema de medicin, principalmente el instrumento de medicin, seguido por la pieza y finalmente por
el operador, lo anterior tambin se puede observar en la siguiente tabla de datos donde se muestra la variacin actual para cada
factor y la ltima columna muestra el porciento total de contribucin de variacin proveniente de los datos, por lo que podemos
constatar que el factor instrumento de variacin presenta un 62.51% contribucin a la variacion del sistemas, seguido por las piezas
en un 33.45% y el operador con un 4.03%.
R&R del sistema de medicin
Fuente
R&R del sistema de medicin
Repetibilidad
Reproducibilidad
operador
Parte a parte
Variacin total

total

VarComp

%Contribucin
(de VarComp)

0.386936
0.363495
0.023441
0.023441
0.194518
0.581454

66.55
62.51
4.03
4.03
33.45
100.00

En la siguiente tabla se muestra algo similar a la anterior, solo que en esta se mide con en base a la desviacin estndar. El 60*SD
proviene de una versin Europea del MSA donde 6 Desviaciones Estndar cubren el 99.999% de la variabilidad del Sistema de
Medicin. Por lo tanto los factores que muestran ms variacin con respecto a la desviacin estndar es el instrumento de medicin
con 0.6029, seguido por las piezas con un valor de 0.4410 y por ltimo el operador con 0.1531
Fuente
R&R del sistema de medicin
Repetibilidad
Reproducibilidad
operador
Parte a parte
Variacin total

total

Desv.Est.
(DE)
0.622042
0.602905
0.153106
0.153106
0.441042
0.762532

Var. de estudio (6 * SD)

3.73225
3.61743
0.91863
0.91863
2.64625
4.57519

En esta ltima tabla de datos tenemos las fuentes de variacin con sus respectivas variaciones porcentuales, estos valores se
presentan ms adelante en una grfica de variacin que calcula y obtiene minitab, aqu tambin podemos observar que el grado de
variacin mayor corresponde al instrumento de medicin. Otro resultado interesante aqu es el nmero de Categoras Distintas, el
cual representa el nmero de grupos distintos en que este sistema de medicin es capaz de distribuir los datos confiablemente. Es
deseable tener un nmero superior a 5. En este caso tenemos un valor de categoras distintas igual a 1 lo que representa que el
sistema de medicin no es confiable.

Fuente
R&R del sistema de medicin
Repetibilidad
Reproducibilidad
operador
Parte a parte
Variacin total

total

%Var. de estudio (%SV)

81.58
79.07
20.08
20.08
57.84
100.00

Nmero de categoras distintas = 1

R&R del sistema de medicin para medida dureza

En la siguiente grafica tenemos la representacin de los datos calculados y mostrados anteriormente por minitab, describiremos
cada una de los esquemas, en las grficas llamadas componentes de variacin se nos presentan unas barras color rojo y otras
barras color verde. Enfquese en las barras color rojo, estas representan el porciento (%) de variacin total proveniente de los datos.
El Gage R&R es la variacin total de nuestro sistema de medicin dividido en repetibilidad y reproducibilidad. La barra de part-topart es un estimado de la variacin del proceso.
Las grficas hacia abajo se presentan las grficas de medias y rangos por operador, donde se observa una variacin de medias y
rangos significativa entre cada operador, mostrando una variacin mayor en los rangos el operador 1, y en cuanto a las medias el
operador 2 muestra una mayor variacin.
Tambin tenemos la grfica de medias de dureza que nos muestra la variacin que existe entre cada muestra tomada con su
respectiva medida, se observa la tendencia de los valores medios y existe una dispersin significativa.
La siguiente grafica nos muestra el valor de la media de la dureza por operador, Este grfico ayuda a identificar problemas con
operadores, en este caso podemos decir que el operador 2 en sus mediciones realizadas est por debajo del valor objetivo de 44 lb/
pulg2 de dureza y el operador 1 est ms cerca al valor objetivo, en trminos generales no presentan una variacin significativa.
En la ltima grafica interaccin operador*pieza, se muestran los datos de las diez partes de todos los operadores (las piezas
muestreadas por los operadores). Es la ms fcil de usar para detectar tendencias de parte de los operadores. En este caso se
observa que el operador 1 tiene una tendencia de resultados mayores en las mediciones de dureza en las piezas con respecto al
operador 2. Lo cual indica que presentaron una adecuada repetibilidad.

R&R del sistema de medicin (ANOVA) para medida dureza

Nombre del sistema de medicin:
Fecha del estudio:

Notificado por: I ng. Enrique Galvan

dureza de moldes, durometro y Tolerancia:
dos operadores mas menos 3
26/07/2014
Misc:
moldes de prueba cliente Dresser Canad

Percentil

Componentes de variacin

Entre

medida dureza por pieza/ parte

80

% Contribucin

40

% Var. de estudio

46.5
45.0
43.5

Gage
R&R
Total

Estimado de
la Variacin

Entre un

Rango de la muestra

Grfica R por operador

1
2

Mismo

Inspector

10

45.0
43.5

LCL=0

2
operador

I nteraccin operador * pieza/ parte

UCL=45.833
__
X=44.636

44
LCL=43.439

ANLISIS DE LA CAPACIDAD DE PROCESO

46
Promedio

Media de la muestra

45

46.5

Grfica Xbarra por operador

46

medida dureza por operador

UCL=2.080

_
R=0.636

5
6
pieza/ parte

operador
1
2

45
44
1

5
6
7
pieza/ parte

10

Introduccin de Anlisis de la Capacidad del Proceso

Con el fin de establecer la lnea base, es necesario conocer la capacidad del proceso.

Se entiende este concepto como la habilidad del proceso para fabricar piezas libres de defectos.

La forma ms simple de valorar la capacidad del proceso es por medio del clculo de los ndices de capacidad.

Es requisito indispensable que el proceso se encuentre en control estadstico para calcular los ndices.

Los ndices de capacidad comparan el ancho del proceso con respecto al ancho de las especificaciones.

Los ndices clsicos Cp y Cpk suponen datos con una distribucin normal.

Un Estudio de Capacidad Incluye:

Grficos de control para saber si el proceso se encuentra en control.

Grficos de probabilidad para probar normalidad de los datos.

Clculos de Cp, Cpk, Pp, Ppk, y nivel sigma para conocer la capacidad del proceso.

Por qu Usar el Anlisis de Capacidad?

Para saber cul vendedor provee consistentemente calidad superior.

Para saber si la variabilidad del proceso permite fabricar piezas dentro de especificaciones.

Para saber si el proceso debe ser modificado para que opere ms eficazmente y dentro de los lmites de especificaciones.
(Escalante, 2008)

Indices de Capacidad para una Caracterstica de Calidad

Hiptesis

X es la caracterstica de calidad de un producto.

USL y LSL, son los lmites de tolerancia de X.

Se supone que la variable X sigue una distribucin normal con parmetros (, ).

Especificaciones del Cliente (considerando el caso de la empresa RAMSA)

Caracterstica de Calidad: Dureza del molde
Tolerancias: 44 3
Valor Objetivo (target): 44
Unidades: libras/pulgadas2
Entonces:
USL = 47
LSL = 41

Un Proceso Ideal

LSL

Un proceso centrado con poca variabilidad

USL

Indice de Capacidad Potencial, Cp

Indices Parciales de Capacidad

Indice Real de Capacidad, Cpk

Indices de Taguchi

donde T = Target
Relacin entre Cpk y Nmero de Artculos no Conformes*

* De acuerdo a la Distribucin Normal Estndar

4.1. ANALISIS DE CAPACIDAD DEL PROCESO AREA MOLDEO.

Retomando el ejemplo de la empresa RAMSA y basado en los datos anteriores, determinamos la capacidad del proceso

para el departamento de moldeo.

Los datos de la tabla anterior se introducen al programa minitab para obtener la grfica de probabilidad normal y verificar el tipo de
funcin que presentan los datos, la instruccin se ilustra a continuacin:

En la siguiente grafica se muestra la tendencia de los datos de la dureza de las piezas muestreadas, donde podemos observar que
en terminos generales siguien una distribucion normal mostrandose todos los datos dentro de los limites establecidos de dureza.

probabilidad normal para la dureza de moldes

Normal - 95% de IC
99

Media
Desv.Est.
N
AD
Valor P

95
90

44.03
1.745
32
0.327
0.506

Porcentaje

80
70
60
50
40
30
20
10
5

40

42

44
46
dureza molde

48

50

En el siguiente cuadro se representa la instruccin en minitab para la realizacin de las graficas de control tomando los valores de
medias y rangos, con el objeto de verificar el comportamiento de los datos y sus tendencias en subgrupos.

Las graficas de medias y rangos indican que los valores medios y rangos en subgrupos tienen un comportaminiento normal y bajo
control con respecto a los limites de control, lo que pareciera estar bajo control para la respuesta de salida (dureza) de las piezas,
sin embargo sabemos que no es correcta esta interpretacion debido a que existen muchos defectos en la respuesta de salida debida

a los factores de estudio antes mencionados en el area de fusin.

grafica de medias y rangos para la dureza de moldes

Media de la muestra

46.8

UCL=46.693

45.6
__
X=44.032

44.4
43.2
42.0

LCL=41.370
1

Rango de la muestra

Muestra
UCL=8.335

8
6

_
R=3.654

4
2
0

LCL=0
1

Muestra

En el siguiente cuadro se representa la instruccin en minitab para la realizacin de estudios de capacidad del proceso, en este caso
para datos normales, con el objeto de verificar el comportamiento de los datos en una distribucion normal y limites de control.

En la siguiente grafica se observa la distribucin normal mediante la construccin del histograma de frecuencia, donde
podemos observar que existe una tendencia de mayor concentracin de datos al lado izquierdo de la curva normal y fuera
del lmite inferior de especificacin. As tambin podemos observar que los valores CPk y CPm, son valores bajos y que

representan un valor no confiable de capacidad del proceso, as tambin el valor de partes por milln defectuosa es alta,
en esta caso tomamos como referencia el valor PPM total= 90902.34 unidades (Exp. Dentro del rendimiento)

Capacidad de proceso de dureza molde

LI E

Objetivo

LSE
Dentro de
General

Procesar datos
LI E
O bjetivo
LSE
Medida de la muestra
Nmero de muestra
Desv.Est. (Dentro)
Desv.Est. (General)

41
44
47
44
32
1.77446
1.74532

Capacidad (dentro) del potencial

Cp
0.56
CPL 0.56
CPU 0.56
Cpk
0.56
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

40.0
Desempeo observado
PPM < LI E 31250.00
PPM > LSE
0.00
PPM Total
31250.00

41.6

Exp. Dentro del rendimiento

PPM < LI E 45451.17
PPM > LSE 45451.17
PPM Total
90902.34

43.2

44.8

46.4

0.57
0.57
0.57
0.57
0.57

48.0

Exp. Rendimiento general

PPM < LI E 42817.84
PPM > LSE 42817.84
PPM Total
85635.68

En el siguiente cuadro se representa la instruccin en minitab para la realizacin de estudios de capacidad del proceso, en este caso
para datos normales, esta herramienta nos arroja un conjunto de graficas que auxilian a verificar el comportamiento de los datos en
una distribucion normal y limites de control.

En el siguiente recuadro, se observa las graficas de control para medias y rangos, el histograma de capacidad de proceso, la grafica
de probabilidad normal y la tabla de tendencia de los valores de cada muestra en subgrupos, es practicamente una concentracin de
las graficas antes obtenidas y es practica para la interpretacion general de los datos.

Capacidad de proceso Sixpack de dureza molde

Media de la muestra

Grfica Xbarra

Histograma de capacidad
LIE

UCL=46.662

46
44
42

Especificaciones
LI E
41
Objetivo 44
LSE
47

LCL=41.338
2

40.0

41.6

Grfica R
Rango de la muestra

LSE

__
X=44

43.2

44.8

46.4

48.0

Grfica de prob. Normal

UCL=8.335

_
R=3.654

AD: 0.346, P: > 0.250

LCL=0
1

ltimos 8 subgrupos
Valores

Objetivo

40.0

42.5

45.0

Grfica de capacidad
Dentro
Desv.Est. 1.77446
Cp
0.56
Cpk
0.56

45.0
42.5
40.0

Dentro de

General

Especificaciones

4
Muestra

47.5

General
Desv.Est. 1.74532
Pp
0.57
Ppk
0.57
Cpm
0.57

METRICOS DE DESEMPEO EN SEIS SIGMA

Mtricos de Desempeo (Relaciones de seis sigma)
La siguiente lista resume la nomenclatura de Seis Sigma, las relaciones bsicas, las relaciones de rendimiento y las
relaciones de la distribucin normal estandarizada para Z
NOMENCLATURA
Nmero de pasos por operaciones = m
Defectos = D
Unidades = U
Oportunidades por un defecto = O
Rendimiento = Y
Relaciones Bsicas

Total de oportunidades:

Defectos por unidad:

Defectos por unidad de oportunidad:

Defectos por milln de oportunidades:

Relaciones de Rendimiento

Rendimiento de salida:

YTP e DPU

Defectos por unidad:

Rendimiento a lo largo del Proceso:

Total de defectos por unidad:

Rendimiento normalizado:

Defectos por unidad normalizada:

Relacin de la Distribucin Normal Estandarizada para Z

Z equivalente
Z largo plazo:

Relacin Z corto plazo a Z largo plazo con 1.5 de cambio en la desviacin estndar :

Z Benchmark:
(Gutirrez, 2008)
DETERMINACIN DE METRICOS SEIS SIGMA PARA LOS PROCESO DE LA EMPRESA RAMSA
Con los datos obtenidos en el estudio de las reas de moldeo y fusin calcularemos el nivel de calidad en sigmas, para
ello tomaremos en consideracin los defectos y PPMs obtenidos en los muestreos realizados y clculos de la capacidad
de los procesos. Para realizar los clculos referenciemos la informacin que se obtuvo al inicio del estudio donde se
present la tabla que se muestra a continuacin los das del mes de junio, la cantidad de kilogramos, el costo por
kilogramo y el total de costo por reparacin.
En la tabla 10. Se muestra el da de produccin con su respectiva cantidad en kilogramos defectuosa reparada y la
produccin total fabricada, datos tomados como referencia para determinar los mtricos Seis Sigma.
Tabla 10. Datos de la produccin y kilogramos de las unidades defectuosas

Relacin de los datos de las piezas producidas con respecto a las partes por milln de Seis Sigma

El nivel CPk, resulta de dividir 2.832 del nivel sigma entre tres (3)
CPk =

0.94400666

Con base al valor obtenido de nivel sigma y de acuerdo a la tendencia del proceso que fue la misma en la prueba de anlisis en el
muestreo de las piezas fabricadas para el cliente Dresser Canad, se deduce que el nivel sigma es relativamente bajo y es
susceptible de mejorarse para reducir los defectos e incrementar el nivel sigma.

Se realiza el clculo de nivel sigma con los datos obtenidos del muestreo de las piezas fabricadas para Dresser Canad
con el objeto de verificar el resultado obtenido con los datos del mes de junio.

Analizando los datos de las tablas anteriores, observamos que el nivel sigma y valor CPk son muy similares, lo cual representa que
el proceso tiene la misma tendencia en los resultados de salida para todos los productos.

A continuacin calculamos los mtricos de relaciones bsicas para analizar el nmero de defectos posibles que se generalizaran
en una produccin por partes de un milln.
Se hace referencia a los datos de defectos y su frecuencia del estudio inicial.

En la siguiente tabla podemos observar los resultados de los mtricos de relacin bsica para analizar los valores de
partes por milln de cada defecto.

En la tabla podemos observar que efectivamente los defectos poros son los de mayor posibilidad que suceda en la produccin,
seguida por las inclusiones de arena y las fisuras, por lo que al controlar los factores que causan estos defectos se reduciran
significativamente las piezas con defectos.

En la siguiente grafica se muestra cada uno de los defectos con su respectiva cantidad DPMO, siendo una relacin de
Pareto.

A continuacin se muestra el clculo para la eficiencia de la lnea de moldeo y fusin considerando que se estudiaron las 25
operaciones de forma conjunta considerando 10 resultados de eficiencia de esas operaciones (crticas para los resultados de salida)
que pueden afectar el proceso en los resultados finales de defectos, como son porciento de mezcla de arena, fuerza de compactado,
tiempo de secado del molde, temperatura de fusin, mezcla de metales, pintado de molde, etc.

En la siguiente grafica se muestra las lneas de tendencia de la eficiencia del proceso, la lnea color azul representa la eficiencia
normal de las operaciones y la lnea color rosa representa el rendimiento acumulado en la lnea de operaciones.

Los datos anteriores muestran la probabilidad de que ocurran cierto nmero de defectos con base a la muestra realizada para la
produccin de las piezas del cliente Dresser Canad. Podemos observar por ejemplo que la probabilidad de que ocurran 50 defectos
es del 99.97%, lo cual indica que efectivamente es muy alto el nmero de piezas defectuosas resultantes por lo que al aumentar el
nmero de defectuosos aumenta la probabilidad de ocurrencia.

Con el objeto analizar el rendimiento a travs del proceso calculamos el rendimiento para el caso que hemos venido
mencionando (muestreo de las piezas cliente Dresser Canad)

En la tabla anterior podemos observar que el rendimiento a travs del proceso es muy similar al rendimiento al rendimiento de las
piezas finales sin defecto (cantidades indicadas con color amarillo), por lo que podemos decir que el proceso requiere estudio de
fondo para reducir los defectos finales
Continuando con los mismos datos del ejemplo calculamos dos probabilidades de confiabilidad del proceso y los niveles
sigma y CPk

Los datos de esta ltima tabla nos indican que al reducir de manera importante las piezas defectuosas aumenta
considerablemente los indicadores de nivel sigma y CPk, observe que al reducir los defectos a la cantidad de 10 piezas
defectuosas el proceso aumenta hasta 4.149 niveles sigma.

5 FASE IV. ETAPA DE MEJORA PARA METODOLOGIA SEIS SIGMA

Una vez realizada toda la etapa de anlisis continuamos con la etapa de propuesta para el mejoramiento de los indicadores
obtenidos con el proceso actual en operacin, es decir, ya realizamos muestreo y pruebas piloto con el proceso normal.
Ahora necesitamos con base a los resultados obtenidos estandarizar los procesos y fijar parmetros de operacin para
realizar una nueva medicin de los indicadores de calidad y respuestas de salida. Por lo tanto, retomando los resultados
obtenidos en el estudio del proceso de fabricacin de moldes y fusin, tenemos:

Se realiz el mismo procedimiento para el proyecto considerando los valores de entrada reales en medida pero que son
decodificados para el programa minitab se obtuvo los siguientes indicadores de respuesta ptima.

ptimo
Alto
D
Act
1.0000 Bajo

porcenta
255.0
[251.0]
247.0

porcenta
42.0
[40.0]
38.0

porcient
13.50
[12.250]
11.0

porcient
10.80
[10.1305]
9.50

fuerza c
60.0
[50.0]
50.0

Compuesto
Conveniencia
1.0000

dureza m
Obj: 44.0
y = 44.0
d = 1.0000

Optimizacin de respuesta
Parmetros
dureza molde

Meta
Objetivo

Inferior
41

Solucin global
porcentaje arena
= 251 kgs
porcentaje resina
= 40 kgs
porciento pegamento = 12.25 kgs
porciento agua = 10.1305 litros
fuerza compactacin = 50 psi

Objetivo
44

Superior
47

Ponderacin
1

Importar
1

Respuestas pronosticadas
dureza molde

44.0000

conveniencia =

1.000000

EXPERIMENTO DE MEJORA EN EL AREA DE MOLDEO.

Basado en lo anterior realizamos una nueva prueba piloto para el mismo nmero de moldes a fabricar ajustando los parmetros de
operacin y las operaciones para estandarizar el proceso. Por lo tanto, los niveles de operacin para la nueva experimentacin del
proceso resultan.
porcentaje arena = nivel bajo 250, nivel alto 252, con un valor objetivo de 251 kgs
porcentaje resina = 40 kgs
porciento pegamento = 12.25 kgs
porciento agua = 10.1305 litros
fuerza compactacin = 50 psi
Factor / variable
Cantidad de arena (kilogramos)
Cantidad de Resina (kilogramos)
Cantidad de Pegamento (kilogramos)
Cantidad de agua (litros)
Fuerza de compactacin (psi)
Dureza de molde (variable de respuesta)

Nivel bajo
250
39
12.0
9.93
50
43

Nivel alto
252
41
12.50
10.33
54
45

Valor objetivo a estandarizar

251
40
12.25
10.13
52
44

Se realiza el diseo del experimento calculando mediante el programa minitab, considerando los niveles de los factores antes
descritos

La tabla de los datos muestreados del nuevo experimento, se presenta a continuacin:

En el siguiente cuadro se representa la instruccin para realizar el diseo y su anlisis

Solucin global
Arena
=
252 kilogramos
Resina
=
39 kilogramos
Pegamento = 12 kilogramos
agua
= 10.33 litros
fuerza
= 52.2358 lb/in2
Respuestas pronosticadas
Dureza molde

44.0000

conveniencia =

1.000000

La solucin anterior ser la propuesta para fabricar en lnea las piezas de cualquier producto (moldes) y que se logre un estndar el
proceso para obtener una calidad estndar para cualquier tipo y tamao de moldes.
Para constatar los datos antes obtenidos se realiza el mismo diseo con niveles codificados y se verificara si se obtiene la misma
conclusin.

6 FASE V. ETAPA DE CONTROL DE LA METODOLOGIA SEIS SIGMA

Con el objeto de mejorar paulatinamente los estndares de operacin y los mtricos de calidad se requiere realizar un
control de todas las actividades desarrolladas desde la fase I (planeacin) hasta la fase IV de mejora, para ello debemos
documentar las operaciones realizadas en los experimentos y la obtencin de resultados para fijar los parmetros de
operacin en cada factor crtico que pueda afectar los resultados de salida (factores que se describieron en el desarrollo
del proyecto). En este proyecto tenemos procesos bsicos donde se detectaron las variables crticas de salida y de
operacin.

A continuacin se presenta algunos documentos como son procedimientos de operacin, formatos para muestreo de
datos, hojas de clculo estandarizadas, plano de diseo de las piezas emitidas por el cliente, as como una representacin
de reporte de auditoria interna para la evaluacin de toda la implementacin del proyecto. Lo anterior con el objeto de
ilustrar en forma general lo que conlleva la implementacin de la metodologa seis sigma y que est implicada con el
mejoramiento del sistema de calidad, medio ambiente, seguridad e higiene. El procedimiento que se muestra describe la
planeacin general para la fabricacin de las piezas de metal.
REVISION
TITULO:

PROCEDIMIENTO QUE INDICA LA PLANEACIN

PARA LA PRODUCCIN DE PIEZAS DE
FUNDICIN
R A M, S.A. DE C.V.

0
FECHA
25 -AGOSTO2014

CDIGO
PR-GC-CAL-02
PAGINAS

75 DE 92

FUNDICION DE ACEROS

1. PROPOSITO
Establecer la secuencia para realizar la planeacin de las piezas de fundicin, definiendo los requisitos en las rdenes de
trabajo.
2. ALCANCE
Aplica a programacin de la produccin, ingeniera de herramental, metrologa, administracin de ventas.
3. DEFINICIONES
Planeacin del Trabajo: Es la secuencia de actividades que se deben realizar para llegar al objetivo propuesto cubriendo los
requisitos necesarios para la obtencin de un producto de calidad.
4. REFERENCIAS

Reporte de carga de fusin. FO-GC-CAL-10

Programa diario de produccin de moldes y fusin. FO-GV-PRG-01
Registro de Back Log de clientes. FO-GV-VEN-02
Seguimiento interno de rdenes de compra. FO-GV-VEN-01
Solicitud para fabricacin de prototipos. FO-GC-HER-02
Programa de trabajo para el departamento de acabado. FO-GV-PRG-03,
Cotizacin para Fabricacin y modificacin de modelos. FO-GV-VEN-03
Programa semanal de produccin de moldes y fusin. FO-GV-PRG-02
Orden de entrega de modelos. FO-GV-PRG-04
5. RESPONSABILIDADES:
5.1. Es responsabilidad de administracin de ventas conocer, entender y llevar a cabo este procedimiento en las actividades
que le apliquen.
5.2. Es responsabilidad de programacin de la produccin conocer, entender y llevar a cabo este procedimiento en las
actividades que le apliquen.
5.3. Es responsabilidad del ingeniero de herramental entender y llevar a cabo este procedimiento en las actividades que le
apliquen.
5.4. Es responsabilidad del jefe de almacn de modelos entender y llevar a cabo este procedimiento en las actividades que le
apliquen.
5.5. Es responsabilidad del inspector de procesos entender y llevar a cabo este procedimiento en las actividades que le
apliquen.
6. DESARROLLO
6.1. TIPOS DE ORDENES DE COMPRA
6.1.1. Ordenes repetidas, son los pedidos del Cliente que se solicitan repetidamente o abiertas en donde los
Requerimientos Tcnicos y de Calidad fueron revisados y desarrollados
cumplindose las necesidades

solicitadas en las rdenes de Compra del cliente.

6.1.2. Ordenes nuevas o no repetidas. Son las rdenes de Compra solicitadas por los clientes que no han sido
fabricadas en RAMSA, o que presentan una modificacin en sus requerimientos Tcnicos o de Calidad. Estas
rdenes de compra requieren la revisin general por los Departamentos Tcnicos, Produccin, y Aseguramiento de
la Calidad.
6.2. PLANEACIN INICIAL DE LA CALIDAD (COTIZACIN)
6.2.1. El Gerente de Administracin de Ventas es responsable de recibir y revisar todas las solicitudes de cotizacin y
ordenes de trabajo conteniendo las especificaciones, dibujos y otros requerimientos tcnicos.
6.2.2. Para las ordenes nuevas asignara un numero de control al formato de seguimiento interno de rdenes de compra
y enviara la siguiente informacin al Gerente de Aseguramiento de la calidad.
6.2.3. Formato de seguimiento interno de rdenes de compra FO-GV-VEN-01
6.2.4. Especificaciones del Cliente
6.2.5. Dibujos del cliente.
6.2.6. Otros Documentos Tcnicos aplicables
6.2.7. El Gerente de Aseguramiento de la Calidad revisara y analizara la informacin tcnica y los requerimientos de
calidad anotando sus comentarios y elaborando la lista de requerimientos de calidad estampando sobre la
cotizacin interna el cdigo de calidad correspondiente para esta orden de compra archivando una copia y
enviando la informacin al Gerente de Produccin.
6.2.8. Posteriormente la orden de compra pasa a ser revisada por el responsable de crdito y cobranza, continuando con
la revisin el ingeniero de herramental y finalmente es revisada por el Gerente de Produccin.
6.2.9. El Gerente de Administracin Ventas realizara las siguientes alternativas
6.2.9.1. Cuando el pedido del cliente requiera de Mayor informacin, notificara por escrito a este mencionando
las aclaraciones y solicitudes pertinentes.
6.2.9.2. Cuando la Solicitud de Cotizacin haya sido aceptada se elaborara la cotizacin formal FO-GV-VEN-01

con las observaciones pertinentes, archivando copia de la informacin y registrando el Numero de

cotizacin interna.
6.2.10. Cuando el cliente considere la alternativa de que se le fabrique alguno de sus modelos en RAMSA,
Administracin de ventas por medio de los planos del cliente pedir la cotizacin correspondiente a los
modelistas. As mismo notificara al cliente de dicha cotizacin por escrito.
6.2.11. Si el cliente acepta la fabricacin de un modelo en RAMSA el Gerente de Administracin de ventas colocara una
orden de compra al modelista responsable. En el caso que se pida la modificacin de alguno, el coordinador de
modelos notificara al modelista responsable del taller la modificacin de modelos, mediante el formato FO-GVVEN-03

6.2.12. Fabricado el modelo pasara a metrologa para ser revisado y se emita la solicitud para produccin de prototipos.
6.3. PROTOTIPOS:
6.3.1. Cuando la orden del cliente requiera prototipos, para su aprobacin antes de enviar la produccin o que
RAM S.A., as lo determine por haberse realizado cambios en la especificacin, dibujos, modelos nuevos,
materiales, o requerimientos, el Ingeniero de Herramental debern emitir una solicitud para produccin de
prototipos FO-GC-HER-02 entregndola al programador despus de todo el proceso de fabricacin evidenciando
la fabricacin del prototipo, quedando habilitado para la produccin en serie.
6.3.2. Control de la produccin incluir en el programa diario de produccin FO-GV-PRG-01 el requerimiento de un
prototipo, una vez terminado el molde inmediatamente se procede a proceso de fusin, en ese mismo da se
registrara en el programa de produccin, por ello puede resultar que no aparezcan los datos del prototipo en el
programa diario de produccin.
6.3.3. La hoja de prototipos FO-GC-HER-02 viajara con el molde y fusin anotando el supervisor de moldeo y
fusin la informacin requerida en la solicitud, entregando los prototipos y la solicitud al Ingeniero de
herramental.

6.3.4. El Inspector de proceso coordinara el acondicionamiento y acabado del prototipo para su evaluacin por la
junta de revisin de materiales, despus del rea de acabado se obtendrn resultados dimensionales, de
sanidad y observaciones
6.3.5. Cuando el prototipo sea rechazado el Ingeniero de herramental efectuara las acciones correctivas necesarias
y emitir una nueva solicitud para produccin de prototipos envindola al programador.
6.3.6. Cuando el prototipo cumpla con los requerimientos para ser aceptado el coordinador de modelos anexara a la
solicitud de prototipos el reporte de liberacin de modelos FO-GP-MOD-02, entregando esta informacin al
Gerente de Calidad quien decidir la aprobacin del prototipo, archivando en un lugar controlado y de fcil
acceso notificando al Programador la aceptacin del prototipo.
6.4. ENTRADAS DE LAS ORDENES Y PLANEACION DE LA PRODUCCION.
6.4.1. Una vez recibidas las ordenes de confirmacin de compra, por el programador se revisara y actualizaran los
archivos de programa diario de produccin FO-GV-PRG-01 considerando la
siguiente
informacin.
6.4.1.1. Numero de modelo
6.4.1.2. Nmero del cliente
6.4.1.3. Numero de Impresiones por modelo
6.4.1.4. Descripcin de la pieza.
6.4.1.5. Peso unitario de la pieza
6.4.1.6. Peso por molde.
6.4.1.7. Tipos de material o materiales.
6.4.1.8. Cantidad de Moldes
6.4.1.9. Fecha de vaciado
6.4.2. Con el archivo maestro de "Back Log" FO-GV-VEN-02 programa de compromiso, el programador preparara el programa
semanal de produccin FO-GV-PRG-02 por lo menos una semana antes de su ejecucin distribuyndolo al personal de
Moldeo, Almacn y almacn de Modelos.
6.4.3. El programa semanal de produccin presentara la siguiente informacin.
6.4.3.1. Fecha programada de vaciado
6.4.3.2. Cantidad de Moldes
6.4.3.3. Numero de modelo

6.4.3.4. Descripcin del modelo.

6.4.3.5. Material.
6.4.3.6. Impresiones por molde.
6.4.3.7. Numero de cliente.
6.4.4. El programa semanal de produccin y la orden de entrega de modelos sern enviados a almacn de modelos
en donde el responsable enviara el modelo y caja de corazn a las reas correspondientes llevando una
bitcora del control de salidas y entradas de los modelos y cajas de corazn, anotando las observaciones
pertinentes verificando contra el programa semanal l nmero de modelo, leyendas, y grado de acero
requerido solicitando al taller de modelos, reparaciones o cambios menores.
6.4.5. Del programa semanal de produccin programacin preparara y distribuir el programa diario de produccin
por rea de trabajo para garantizar el cumplimiento del programa semanal.
6.4.6. Los supervisores de fusin reportaran diariamente al termino del turno, las cargas vaciadas, as como las razones de
toda desviacin o incumplimiento del mismo como: Moldes rotos, Moldes rechazados, Fallas de equipo o Materiales,
implementndose las acciones correctivas necesarias que eliminen la re-ocurrencia por las reas responsables.
6.4.7. El grupo de revisin de materiales analizara diariamente las desviaciones de las piezas fundidas, tomando la decisin
sobre las acciones correctivas, dndolas a conocer a las reas responsables.
6.4.8. El supervisor de Fusin elaborara el reporte de carga de fusin describiendo la cantidad de moldes vaciados, cliente
y descripcin, l nmero de colada, el peso de la carga, la cantidad de piezas vaciadas, la fecha, turno y supervisor, as
como temperatura, anlisis qumico de la carga y cantidad de probetas.

6.4.9. El supervisor de fusin enviara el reporte de carga FO-GC-CAL-10 al programador para elaborar el reporte
diario de vaciado por colada, material, y piezas por cliente, preparando el programa de trabajo para el rea
de acabados FO-GV-PRG-03
6.4.10. Se realizan las pruebas mecnicas y no destructivas que son requeridas por requerimientos internos o externos.
6.4.11. El tcnico en pruebas no destructivas, debe auxiliar a tcnicos externos para la aplicacin de estas pruebas,

principalmente en pruebas radiogrficas para la asignacin de piezas a probar.

6.4.12. Programador dar al tcnico de pruebas no destructivas el programa semanal de produccin para que con base a
este realice el control de las piezas que tienen que ser radiografiadas, Se realizara la prueba a 1 pieza por cada
100 producidas por modelo en forma acumulada. Por requerimiento todos los prototipos fabricados deben ser
radiografiados y mantener los registros para informacin.
6.4.13. El rea de acabado realizara las actividades en funcin a este reporte FO-GV-PRG-03 y reportara a embarques las piezas
que se liberaron para su envi al cliente.

7. APROBACIONES
Elaboro: Ing. Fernando Mndez
Quintero

Reviso: Ing. Antonio Pizzuto Mgre. Autorizo: Ing. Carlos Romero R.

Firma:

Firma:

Firma:

Fecha:

Fecha:

Fecha:

DEPARTAMENTO: METROLOGIA

(FO-DD-CA-01).

PIEZA:BONNETE

IDENTIFICACION:FO-0001-20

TRATAMIENTO: NORMALIZADO

CLIENTE:DRESSER CANADA

RAMSA
SISTEMA DE GESTIN DE CALIDAD
RAM S.A. DE C.V.

CODIGO:FO-MET-CA-06
REVISIN:0
FECHA: 5/07/2014
Hoja 1 de 2

CALIBRACION DE EQUIPOS
6.1
ANALISIS DE COSTOS, AHORROS Y EFICIENCIAS
Despus de un periodo de tiempo de seis meses aplicando la metodologa seis sigma se obtuvo que los defectos
decrementaron significativamente, mejorando las variables de respuesta, se registraron los resultados de piezas
defectuosas por semana

En la tabla anterior se observa que los defectos que resultan por semana en el ltimo mes son menores a los que se
obtenan antes de la implementacin del proyecto

Se calcula la relacin de mejora mediante la mtrica de seis sigma basado en las partes por milln defectuosas, para las semanas
del ltimo mes, resulta:

Con el objeto de hacer comparativa de costos se considera como indicador el nmero de defectos diarios antes de la aplicacin del
proyecto y numero de defectos despus de la aplicacin del proyecto. Por lo que tenemos

Numero de kilogramos promedio con defectos 5655 antes del proyecto

Numero de kilogramos promedio con defectos 1431.9 despus del proyecto

Con base a la evaluacin anterior observamos que los defectos despus de la aplicacin del proyecto se redujeron hasta en un
25.32% es decir, se eliminaron hasta un 74.67% en un periodo de seis meses, lo que se refleja en un ahorro de $786,763.53
mensuales, con una proyeccin de $9,441,162.36 anuales. De la misma forma podemos observar los indicadores nivel seis
sigma y CPk, los cuales mejoraron significativamente y siguiendo la aplicacin de mejora continua en el proyecto
paulatinamente puede incrementar su eficiencia. Comparando con la propuesta inicial de ahorro, se supera lo esperado en
un 73% de ahorros por la aplicacin del proyecto.

FALTARIA ANALIZAR LAS DEMAS AREAS COMO POR EJEMPLO:

ANALISIS EXPERIMENTAL PREVIO PARA EL REA DE FUSIN (ETAPA DE MEDICIN)
De forma similar se realizo el anlisis y diseo de experimentos para el rea de fusin hornos donde se defini lo siguiente: como
se describi para el rea de moldeo de forma similar se consider para la experimentacin y pruebas la produccin piloto para la
empresa de Dresser Canad y los procedimientos ya existentes de operacin.
Se identific como variable critica de salida la dureza de las superficies de las piezas y como variables o factores de entrada los que
se muestran en la siguiente tabla.

De los factores anteriores con base a datos histricos y experiencia se sabe que los factores que ms afectan el resultado de salida
del proceso (dureza de la pieza) son los primeros 5 factores, por lo que se tomaron las piezas fabricadas en la prueba inicial de
moldeo para las piezas del cliente Dresser Canad, donde se controlaran los factores seleccionados, asignado dos niveles a cada
factor con base a los parmetros histricos de proceso y verificando con normas de produccin, los datos de pruebas se definieron
como se muestra en la siguiente tabla.