Академический Документы
Профессиональный Документы
Культура Документы
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:
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:
6. MAQUINADOS. SE REALIZA EL ACABADO EN LAS CARAS QUE DESEA EL CLIENTE VERIFICANDO LO SIGUIENTE.
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.
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.
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:
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)
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
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.
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
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)
* 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:
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.
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
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
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
Percentil
Componentes de variacin
Entre
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
Mismo
Inspector
10
45.0
43.5
LCL=0
2
operador
44
LCL=43.439
46
Promedio
Media de la muestra
45
46.5
_
R=0.636
5
6
pieza/ parte
operador
1
2
45
44
1
5
6
7
pieza/ parte
10
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.
Clculos de Cp, Cpk, Pp, Ppk, y nivel sigma para conocer la capacidad del proceso.
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)
Un Proceso Ideal
LSL
USL
Indices de Taguchi
donde T = Target
Relacin entre Cpk y Nmero de Artculos no Conformes*
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.
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
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)
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
40.0
Desempeo observado
PPM < LI E 31250.00
PPM > LSE
0.00
PPM Total
31250.00
41.6
43.2
44.8
46.4
0.57
0.57
0.57
0.57
0.57
48.0
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.
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
UCL=8.335
_
R=3.654
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
Total de oportunidades:
Relaciones de Rendimiento
Rendimiento de salida:
YTP e DPU
Rendimiento normalizado:
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.
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
Nivel bajo
250
39
12.0
9.93
50
43
Nivel alto
252
41
12.50
10.33
54
45
Se realiza el diseo del experimento calculando mediante el programa minitab, considerando los niveles de los factores antes
descritos
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.
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:
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
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
6.4.9. 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,
7. APROBACIONES
Elaboro: Ing. Fernando Mndez
Quintero
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
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.
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.