Вы находитесь на странице: 1из 11

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/292994535

Aplicación de la Metodología Seis Sigma para Disminuir la Variación de Medición


de la Carga del Resorte de Fricción

Chapter · March 2014


DOI: 10.13140/RG.2.2.13880.14083

CITATION READS

1 1,187

4 authors, including:

Ivan Perez Olguin


Universidad Autónoma de Ciudad Juárez
45 PUBLICATIONS   2 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Ivan Perez Olguin on 05 February 2016.

The user has requested enhancement of the downloaded file.


Ingeniería de Procesos: Casos Prácticos 2014

APLICACIÓN DE LA METODOLOGÍA SEIS SIGMA PARA DISMINUIR LA


VARIACIÓN DE MEDICIÓN DE LA CARGA DEL RESORTE DE FRICCIÓN

Ing. Rodolfo Gabriel Jasso Jasso1, Dr. Iván Juan Carlos Pérez Olguín2, Ing. Alma Delia Pérez Limón3 y
M.I. Miguel Ángel Sáenz Beltrán4
1
Continental Guadalajara Services México S.A. de C.V.
Luis Bleriot # 6720, Parque Industrial Panamericano
Ciudad Juárez, Chihuahua, México, C.P. 32695.
2,4
Universidad Tecnológica de Ciudad Juárez
Avenida Universidad Tecnológica # 3051, Colonia Lote Bravo II
Ciudad Juárez, Chihuahua, México, C.P. 32695.
3
Instituto Tecnológico de Los Mochis
Blvd. Juan de Dios Bátiz y 20 de Noviembre
Los Mochis, Sinaloa, México, C.P. 81200.

Resumen: El siguiente documento, presenta la implementación de la metodología de Seis Sigma en la línea de producción
NVLDII, en la empresa Continental, ubicada en Ciudad Juárez, Chihuahua, México; la finalidad buscada con la
implementación de esta metodología radica en reducir los índices de piezas rechazadas en la línea de producción, durante el
proceso de ensamble del resorte de fricción en la válvula, lo que ayudará a incrementar el grado de satisfacción del cliente.
Dentro de las fases del DMAIC utilizadas, se hace uso de gráficos de Ishikawa para la determinación de la causa raíz del
problema, asimismo se hace uso de gráficos de control, de estudios de capacidad de procesos y del análisis de repetibilidad
y reproducibilidad. Lo que da como resultado un proceso con la habilidad para cumplir con los requerimientos específicos
del cliente y una tendencia descendente en los costos asociados al número de piezas defectuosas producidas en la línea de
producción. Este artículo es elaborado a partir de un programa de estadía industrial, requerida para la culminación de los
estudios de Ingeniería en Procesos y Operaciones Industriales en la Universidad Tecnológica de Ciudad Juárez.

Palabras clave: Seis Sigma (DMAIC), gráfico de Ishikawa, capacidad de procesos, estudios de repetibilidad y
reproducibilidad, gráficos de control.

1. INTRODUCCIÓN

La empresa Continental ha notado un incremento en la cantidad de piezas rechazadas en la línea de producción NVLDII,
esta falla se le denomina como carga alta del resorte de fricción y se presenta en la estación de trabajo S25A-070. La Figura
1 muestra la cantidad de piezas defectuosas encontradas durante los primeros 4 meses del año 2012, en la cual es posible
observar una tendencia ascendente en la cantidad de rechazos. Esto ha generado una disminución en la productividad de la
línea, paros continuos de la línea de producción y un aumento en los costos por scrap, ya que el subensamble que se
produce en la estación mencionada no se puede retrabajar, ni desensamblar para una posterior recuperación de
componentes.

Figura 1. Cantidad de rechazos en estación de trabajo S25A-070 en la línea de producción NVLDII.

57
Ingeniería de Procesos: Casos Prácticos 2014

Por ello, se ha decidido implementar la metodología Seis Sigma para la solución de esta problemática, ya que como
mencionan Gitlow y Levine (2005), esta metodología ayuda a identificar, reducir y eliminar defectos de cualquier producto,
proceso y transición. Esto debido a que Seis Sigma es una estrategia dinámica, flexible y es una iniciativa de procesos que
ayuda a una organización a descubrir soluciones. Usando Seis Sigma para identificar y corregir los mayores problemas,
creará datos reales que descubrirán soluciones previamente desconocidas, soluciones que permanecerían ocultas sin la
implementación de la metodología. Lo que mueve este proceso es el método DMAIC, el cual es un acrónimo de las cinco
fases interconectadas que conforman los proyectos de Seis Sigma:
1. Define / Definir.
2. Measure / Medir.
3. Analyze / Analizar.
4. Improve / Mejorar.
5. Control / Controlar.
Este sistema brinda mejoras significativas y medibles en los procesos productivos; puede ser usado cuando un producto
o proceso de la empresa no cumple con las especificaciones definidas por los clientes o cuando los índices de evaluación no
presentan resultados satisfactorios.

2. FASES PARA LA IMPLEMENTACIÓN DE SEIS SIGMA

La metodología de Seis Sigma fue aplicada por primera vez por Motorola en 1986, para ofrecer un mejor producto o
servicio, más rápido y al costo más bajo. La sigma (σ) es una letra tomada del alfabeto griego que es utilizada en estadística
como una medida de variación; se basa en la curva de la distribución normal y consiste en ejecutar una serie de pasos para
obtener el control de los procesos, de la calidad y la optimización de los procesos industriales. La finalidad principal
buscada con esta metodología es la reducción de los costos asociados a la baja calidad, los cuales son ocasionados por:
a) Fallas internas de los productos defectuosos, retrabajo y problemas en el control de los materiales.
b) Fallas externas de los productos regresados por el cliente, garantías y penalizaciones.
c) Evaluaciones del producto debido a inspección del proceso y producto, utilización, mantenimiento y calibración de
equipos de medición de los procesos y productos, auditorias de calidad y soporte de laboratorios.
d) Prevención de fallas debido al diseño del producto, pruebas de campo, capacitación a trabajadores y mejora de la
calidad.
Es por esto que se decide aplicar la metodología Seis Sigma en los procesos industriales, para prevenir el costo de baja
calidad y con ello tener procesos, productos y servicios eficientes. Al aplicar Seis Sigma en el análisis de los procesos
industriales se pueden detectar rápidamente problemas en producción como son los cuellos de botella, los productos no
conformantes, las pérdidas de tiempo y etapas críticas del proceso, es por esto que es de gran importancia esta metodología
(Gitlow y Levine, 2005).
Betsi (2002) define Seis Sigma como un manejo disciplinado de datos, enfocado hacia un proceso de mejora continua
de la calidad y la productividad con resultados en la rentabilidad de la organización. La Figura 2 despliega las cinco fases
que conforman la metodología Seis Sigma, a continuación se presenta una breve explicación de cada una de las fases, las
cuales son mencionadas por George, Maxey, Rowlands y Upton (2004) en su libro The Lean Six Sigma Pocket Toolbook:
Paso 1 - Definir; en esta fase el equipo del proyecto de Seis Sigma identifica un proyecto para su mejora basado en
objetivos de la empresa, las necesidades y los requerimientos del cliente. Seis Sigma se centra en solucionar un
problema con una solución desconocida. Para lograr esto se tiene que definir el problema en términos medibles y
concretos. Identificando las características críticas para la calidad (CTQ) y creando un mapa de procesos para ser
mejorado con objetivos medibles y tangibles.
Paso 2 - Medir; en esta fase el equipo empieza a colectar la información adecuada (datos). Las medidas críticas
necesarias para evaluar el éxito del proyecto son identificadas y determinadas; la capacidad inicial y la estabilidad
del proyecto se determinan para establecer una base para la medición; la inversión, el proceso y los indicadores de
rendimiento son identificados. Una vez el proyecto tiene una definición clara, con indicadores medibles, el proceso
será estudiado para determinar los pasos clave y un plan operativo definido para medir los indicadores.
Paso 3 - Analizar; en esta fase el equipo determina las causas del problema y la forma de cómo resolver la
problemática. Esto implica descubrir la razón del por qué se generan los defectos, identificando la causa de la
variación en el proceso. En esta fase también es posible descubrir diversos escenarios de mejora y en base al
análisis de cada uno de ellos, se determinará cual tiene el mejor impacto en el beneficio de la empresa.

58
Ingeniería de Procesos: Casos Prácticos 2014

Paso 4 - Mejorar; esta fase es considerada de transición, ya que se mejora el proceso actual hasta la
implementación de las acciones correctivas detectadas en la fase de análisis y con ello se soluciona la problemática
que dio inicio al proceso de Seis Sigma. Asimismo, en esta fase, el equipo identifica y cuantifica los efectos de no
implementar la totalidad de las acciones correctivas o como afectara al proceso si el tiempo de implementación no
se realiza con celeridad; para evaluar este impacto, el equipo desarrolla un análisis de costo-beneficio.
Paso 5 - Controlar; en esta fase es necesario establecer un sólido plan de vigilancia, de seguimiento, de
aseguramiento de que las lecciones aprendidas se han implementado y de que las herramientas están colocadas en
su lugar para asegurar que las variables que impactan al proceso permanecen dentro de los niveles aceptables a
través del tiempo, lo que permite que los beneficios obtenidos con la implementación de la mejora se mantengan.
Asimismo en esta fase se realiza la documentación del proyecto, para que los nuevos procedimientos y las lecciones
aprendidas se mantengan, y proporcionen ejemplos concretos para la organización en proyectos futuros. Por último,
el equipo identifica futuras oportunidades de proyectos Seis Sigma.

Figura 2. Fases de la metodología Seis Sigma.

3. HERRAMIENTAS UTILIZADAS EN SEIS SIGMA

La metodología Seis Sigma utiliza herramientas estadísticas para conocer los problemas del área de producción, determinar
la causa de los defectos, y mediante este entendimiento, implementar mejoras que impacten los niveles de calidad de la
empresa. Las herramientas utilizadas por la metodología Seis Sigma son:
a) Diagrama de Flujo de Procesos; esta herramienta permite conocer las etapas del proceso analizado y ayuda a
determinar cuáles son las etapas críticas del proceso, utilizando un método estructurado que muestre las secuencias
de las actividades llevadas a cabo en el proceso.
b) Diagrama de Causa y Efecto; esta herramienta es utilizada para detectar las relaciones múltiples de la causa y los
efectos de los problemas presentes en el proceso, para su construcción la industria de la manufactura, agrupa las
causas utilizando las 6 M’S que son maquinaria, método, mano de obra, materiales, medio ambiente y mediciones.
c) Diagrama de Pareto; esta herramienta se aplica para identificar los problemas principales en un proceso, su
construcción es similar a un histograma, estando las barras ordenadas de mayor a menor, con la finalidad de
facilitar la identificación de los problemas con mayor frecuencia, posteriormente centrar sus esfuerzo en analizar y
posteriormente eliminar estos problemas. Este diagrama permite identificar fácilmente el principio Pareto que dice
“el 20% de las causas resuelven el 80% del problema…”.
d) Histograma; es una gráfica que presenta una serie de categorías (defectos, fallas,…) en forma de barras colocadas
sobre un eje horizontal, la frecuencia se encuentra desplegada en el eje vertical, por lo general se agrupan en forma
gaussiana conteniendo los límites inferior, superior y una tendencia central.
e) Gráfica de Tendencias; es una ayuda gráfica para el control de las variaciones de los procesos administrativos y
de manufactura. es utilizada para representar datos del comportamiento de un sistema durante el tiempo, asimismo
se usa para tomar acciones correctivas antes de que la tendencia afecte negativamente al proceso.
f) Gráfica de Control; esta herramienta es útil para asegurar que un proceso productivo se mantiene dentro de los
límites de control superior e inferior definidos para el proceso, de acuerdo a su valor medio característico, esto
permite de manera objetiva determinar si el proceso se encuentra en control o fuera de control, asimismo muestra
cuando la frontera demarcada por los límites de especificación es sobrepasada o tiene una tendencia a ser
sobrepasada lo que permite ejecutar acciones correctivas.

59
Ingeniería de Procesos: Casos Prácticos 2014

g) Diagrama de Dispersión; el diagrama de dispersión es una técnica estadística utilizada para estudiar la relación
entre dos variables. La relación entre dos variables se representa mediante una gráfica de dos dimensiones en la
que cada relación está dada por un par de puntos (uno para cada variable). La variable del eje horizontal “x”
normalmente es la variable causa y la variable del eje vertical “y” es la variable efecto. La relación entre dos
variables puede ser positiva o negativa. Si es positiva, significa que un aumento en la variable causa “x” provocará
una aumento en la variable efecto “y” y si es negativa significa que una aumento en la variable “x” provocará una
disminución en la variable “y”.
h) Modelo de Regresión; esta herramienta es un método estandarizado para localizar la correlación entre dos grupos
de datos y para crear un modelo de predicción. Puede ser usado para analizar las relaciones entre una sola variable
predictora y una sola variable de respuesta, múltiples variables predictoras y una sola variable de respuesta, y
varias variables predictoras entre sí.
i) Capacidad de Procesos; esta herramienta estadística permite predecir en qué grado el proceso cumple las
especificaciones, apoya a los diseñadores de producto o de proceso en sus modificaciones, especifica
requerimientos de desempeño para un nuevo equipo, ayuda a seleccionar a los proveedores adecuados, ayuda a
reducir la variabilidad en el proceso de manufactura y a planear la secuencia de producción cuando hay un efecto
interactivo de los procesos en las tolerancias.
j) Estudios de Repetibilidad y Reproducibilidad; los estudios R&R analizan la variación existente entre las
mediciones realizadas con un instrumento de medición (repetibilidad) y la variación de las mediciones realizadas
por el operador del instrumento de medición (reproducibilidad). El propósito de estos estudios es verificar que la
variabilidad del sistema de medición sea insignificante con respecto a la variabilidad del producto que se mide.

4. DESARROLLO DEL PROYECTO DE SEIS SIGMA

La implementación de Seis Sigma en la línea de producción NVLDII, se realizó siguiendo las fases DMAIC, durante este
procedimiento estructurado fue posible determinar las causas que originaron los errores durante las operaciones de
ensamble del resorte de fricción, esto fue posible gracias al uso de herramientas estadísticas recomendadas en la
metodología de Seis Sigma. A continuación se presentan los pasos y las actividades realizadas en la empresa.

4.1. Fase de Definir.


El propósito de esta fase es identificar el problema a resolver, estratificando tanto como sea posible, determinar que
producto es el que está siendo afectado por el problema de calidad, la línea donde se hace, el equipo específico.
Posteriormente ya se puede definir el problema y la oportunidad de mejora. Pande, Neuman y Cavanagh (2002) señalan que
en esta fase se trata de detectar cual es el problema, se definen los críticos para la calidad con base en la voz del cliente, se
determina el impacto que tiene para el negocio la realización del proyecto, las metas, el alcance y los ahorros financieros.
El problema de carga incorrecta (alta o baja) del resorte de fricción en la línea de producción que produce la válvula
NVLDII del cliente BMW fue identificado como crítico el día 16 de febrero de 2012, ya que en un período de una hora se
detectaron 44 subensambles defectuosos en la línea de producción, este alto número de piezas no conformantes originó una
revisión de la estación de trabajo 070 por parte de mantenimiento, ingeniería de proceso y confiabilidad lo que resultó en un
paro de línea de 2 horas de duración. Este problema ha generado, desde el momento de su detección, pérdidas para la
empresa de $10,678 dólares. La Figura 1 muestra la cantidad de rechazos en la línea de producción durante los primeros
cuatro meses del año.

4.2. Fase de Medir.


En esta fase se selecciona la variable a ser medida, se define la forma en que se realizara la medición, se establece un plan
de recolección de los datos y se realiza la recolección de los datos. El éxito del proyecto dependerá de que tan precisos,
claros y confiables sean los datos recolectados.
En el caso de la problemática atendida por el proyecto de Seis Sigma, primeramente se determinó realizar un análisis
de Pareto, esto con la finalidad de conocer si el problema identificado en el fase de definición (carga incorrecta del resorte
de fricción) estaba considerado como el problema crítico del proceso, tanto en costo como en frecuencia, para ello se
realizó un gráfico de los productos no conformantes generados en la línea de producción NVLDII, el cual confirmó que el
problema de calidad con mayor frecuencia fue el encontrado en la fase de definición (ver Figura 3), una vez confirmado lo
anterior se realizó un diagrama de Ishikawa para identificar las posibles causas que generaban el problema de calidad
observado (ver Figura 4).

60
Ingeniería de Procesos: Casos Prácticos 2014

Una vez elaborado el diagrama de Ishikawa, se realizaron sesiones de lluvia de ideas en la que participaron personal
de producción, de calidad, de proceso y de mantenimiento, en estas sesiones se evaluaron cada una de las causas
potenciales y los posibles planes de acción que se tenían que implementar para corregir la problemática. Sin embargo por
consenso general las causas principales relacionadas con las mediciones fueron consideradas con mayor probabilidad de ser
la fuente de la variación, ya que estas están relacionadas directamente con la estación de trabajo 070, que es donde se
detectó el problema; para verificar lo anterior se planteó la realización de un estudio de capacidad de proceso y un análisis
de repetibilidad y reproducibilidad a la estación de trabajo, resultados que se presentaran y comentaran en la fase de análisis
que se presenta posteriormente.

Defectos de Línea NVLDII de BMW


700 100
600
80
500
Frecuencia

Percent
400 60
300 40
200
20
100
0 0
Defecto ta n n
al c ió ció do r as
a ra ra ca Ot
rg lib lib olo
ca ca ca lc
co
n
de ala ma
h M a
ión it c gm
icc sw f ra
Fr de Di
a
lla
Fa

Frecuencia 416 200 40 23 12


Percent 60.2 28.9 5.8 3.3 1.7
Cum % 60.2 89.1 94.9 98.3 100.0

Figura 3. Diagrama de Pareto.

Figura 4. Diagrama de causa y efecto.

4.3. Fase de Analizar.


En esta fase se lleva a cabo el análisis de los datos obtenidos en la fase de medición, con el propósito de identificar la causa
raíz del problema estudiado. La información obtenida proporcionará las evidencias de las fuentes de variación y del
desempeño no satisfactorio del proceso, posteriormente esta información será utilizada para la mejora del proceso y para
realizar un análisis comparativo acerca de si la mejora implementada impactó de forma benéfica los métricos de la empresa.
Durante la fase de medición se estableció por parte del equipo multidisciplinario la necesidad de realizar un estudio de
capacidad de proceso, de repetibilidad y reproducibilidad, posterior a la verificación de la normalidad de los datos, la Figura
5 y la Figura 6 presentan los resultados obtenidos al ingresar los datos al software Minitab.
Para el estudio de capacidad de proceso (ver Figura 5) se tomó una muestra de 125 piezas de la línea de producción, y
se comparó la medición de la carga del resorte de fricción obtenida en la estación S25A-070 contra los límites de
especificación definidos por el cliente (plasmados en los planos de producto), el valor de CP y de CPK obtenidos fueron de
0.87 y 0.65 respectivamente, que al compararlo contra el valor mínimo aceptado por la empresa (CP = CPK = 1.66) es

61
Ingeniería de Procesos: Casos Prácticos 2014

indicativo que el proceso no tiene la habilidad de entregar piezas de acuerdo a la especificación del cliente. También se
presenta en la Figura 6 los resultados del estudio de repetibilidad y reproducibilidad de la estación de trabajo S25A-070.
Estos resultados al ser comparados con los resultados históricos de la línea de producción, indicaron que la estación de
trabajo fue decreciendo en sus métricos con el paso del tiempo, sin embargo al ser revisadas las piezas en una estación de
verificación fuera de línea, se observó que las resultados entraban en la categoría de los falsos rechazos, por tanto se
determinó que el problema no eran las piezas sino el sistema de verificación utilizado y que este tendría que ser revisado
para determinar mejoras potenciales o para encontrar elementos mecánicos desgastados.

Estudio de Capacidad de Proceso de Carga del Resorte de Fricción

LSL USL
P rocess Data Within
LS L 160 Overall
Target *
USL 240 P otential (Within) C apability
S ample M ean 209.874 Cp 0.87
S ample N 125 C P L 1.08
S tD ev (Within) 15.3969 C P U 0.65
S tD ev (O v erall) 15.2715 C pk 0.65
O v erall C apability
Pp 0.87
PPL 1.09
PPU 0.66
P pk 0.66
C pm *

165 180 195 210 225 240


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 P P M < LS L 599.31 P P M < LS L 545.76
P P M > U S L 8000.00 P P M > U S L 25195.00 P P M > U S L 24264.52
P P M Total 8000.00 P P M Total 25794.31 P P M Total 24810.27

Figura 5. Estudio de capacidad de procesos.

Gage R&R (ANOVA) for Data


Reported by : R.Jasso
G age name: Tolerance:0.160N -0.240N
D ate of study : M isc:

Components of Variation Data by Sample


80 % Contribution
% Study Var 0.26
Percent

40
0.24

0.22
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Sample
R Chart by Nido
Data by Nido
1 2 3 4 5 6
Sample Range

0.02
0.26
0.01 UCL=0.00918
_
R=0.00357 0.24
0.00 LCL=0
1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 91 0 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910
0.22
Sample
1 2 3 4 5 6
Nido
Xbar Chart by Nido
1 2 3 4 5 6 Sample * Nido Interaction
Sample Mean

0.26 Nido
_ 0.26
_ 1
UCL=0.24612
Average

0.24 X=0.24247
LCL=0.23882
2
3
0.24 4
0.22 5
1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 91 0 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 910 6
0.22
Sample 1 2 3 4 5 6 7 8 9 10
Sample

Figura 6. Estudio de repetibilidad y reproducibilidad.

4.4. Fase de Mejorar.


En la fase anterior el equipo multidisciplinario determinó las características de la línea de producción a mejorar y con ello
reducir la fuente de variación presente en la estación de trabajo S25A-070 de la línea de producción NVLDII, la cual
provocaba que los sistemas de medición de la línea reportaran falsos rechazos. Mediante un análisis del equipo instalado se
sabe que el sistema de medición utiliza un actuador (SMAC). Por recomendación del departamento de manufactura se
implementó en este equipo un servomotor con la finalidad de facilitar el ensamble del resorte en el cuerpo, proporcionando
mayor estabilidad en el posicionamiento del producto y una mayor fuerza al ensamblar las piezas. Otra recomendación
provista por el equipo multidisciplinario radicó en robustecer el sistema de medición de la carga del resorte de fricción,
agregando a la estación de trabajo una celda de carga que permitiera una medición del resorte más precisa.

62
Ingeniería de Procesos: Casos Prácticos 2014

Posteriormente a la implementación de las mejoras a la estación de trabajo S25A-070, se efectuó nuevamente un


estudio de capacidad de proceso, teniendo este estudio la finalidad de realizar un análisis comparativo y con ello determinar
si la mejoras implementadas tuvieron un impacto en los índices de CP y CPK presentes en el proceso productivo. En la
Figura 7 es posible observar la estación de trabajo con las mejoras implementadas.

Figura 7. Estación de trabajo S25A-070.

Una vez implementada la mejora se observó una reducción en la cantidad de piezas detectadas con valor de carga
bajo y alto en el resorte de fricción. Asimismo con el resultado obtenido en el estudio de capacidad de procesos, para el cual
se utilizó la herramienta de Sixpack Capability presente en el software Minitab, se observó que el valor del CP y CPK
fueron de 4.30 y 3.73 respectivamente, valores muy superiores al 1.66 requerido por la empresa, con lo que se concluye
que, con la implementación de la mejora, se tuvo una mejoría notables, en los indicadores del proceso. Aunado a esto la
herramienta estadística utilizada permitió visualizar la normalidad de la característica de variabilidad estudiada, su gráfico
de control X–R y la dispersión de las observaciones en la gráfica de subgrupos, la Figura 8 muestra los resultados del
estudio estadístico.

Estudio de Capacidad de Proceso Sixpack de Carga de Resorte de Fricción


Xbar Chart Capability Histogram
200 LSL USL
UCL=198.82
S pecifications
Sample Mean

LS L 160
_
_
195 X=194.67 U S L 240

190 LCL=190.51
1 3 5 7 9 11 13 15 17 19 21 23 25 165 176 187 198 209 220 231

R Chart Normal Prob Plot


16 UCL=15.23
A D : 0.428, P : 0.307
Sample Range

_
8 R=7.20

0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25 184 192 200 208

Last 25 Subgroups Capability Plot


205
Within Within Overall
StDev 3.097 StDev 3.075
Cp 4.30 Pp 4.34
Values

195 Cpk 3.73


Overall Ppk 3.76
PPM 0.00 Cpm *
PPM 0.00
185 Specs
5 10 15 20 25
Sample

Figura 8. Estudio de capacidad de proceso utilizando la herramienta Sixpack de Minitab.

63
Ingeniería de Procesos: Casos Prácticos 2014

4.5. Fase de Controlar.


En la etapa de controlar se establecen controles estadísticos que permitan garantizar la mejora a largo plazo, comprobar el
sistema de medida, las causas de variación, medir el beneficio comparando el antes y el después. Se deben incluir planes de
control que aseguren a estas mejoras mantenerse en el tiempo límite especificado.
Ya con las mejoras implementadas en la estación S25A-070, se procedió a monitorear el sistema de medición
utilizando piezas maestras y registrando los datos en un formato de control, asignado para su monitoreo y registro al
departamento de calidad (ver Figura 9). La frecuencia de verificación del sistema de medición fue establecida en tres veces
por turno, al principio, a la mitad y final de turno.

Monitoreo de Carga del Resorte de Fricción

Planta:
Inspector:
Fecha:

Inicio de Turno Mitad de Turno Final de Turno


Master Nido 1
Estación = S25A-070 Nido 2
Línea = NVLDII-01 Nido 3
Media = 0.2570N Nido 4
Límite inferior = 0.2470N Nido 5
Límite superior= 0.2670N Nido 6
Master Nido 1
Estación = S25A-070 Nido 2
Línea = NVLDII-02 Nido 3
Media = 0.2570N Nido 4
Límite inferior = 0.2470N Nido 5
Límite superior= 0.2670N Nido 6
Master Nido 1
Estación = S25A-070 Nido 2
Línea = NVLDII-03 Nido 3
Media = 0.2570N Nido 4
Límite inferior = 0.2470N Nido 5
Límite superior= 0.2670N Nido 6

Observaciones:

Figura 9. Hoja de registro de lecturas de piezas maestras en estación S25A-070.

Adicional al monitoreo diario de la estación, con las piezas maestras, se implementó un control estadístico del proceso
centrado en el uso del gráfico de control X-R, que pueda ser utilizado como una herramienta de mejora continua, que
provea información del comportamiento del proceso y con esta información, aplicar acciones correctivas antes de que se
presenten los problemas de calidad.

5. RESULTADOS

Mediante la implementación de la metodología Seis Sigma en la estación de trabajo S25A-070 de la línea de producción
NVLDII, se notó un incremento en los índices de capacidad de proceso y se disminuyó, casi en su totalidad, la cantidad de
piezas detectadas como defectuosas por la estación de trabajo. Este problema del sistema de medición, ayudó a romper la
ceguera de taller que se tenía en las áreas de producción, ya que el problema de los falsos rechazos se presentaba desde el
mes de enero y no se había tomado ninguna acción correctiva en la línea de producción para acabar con esta problemática,

64
Ingeniería de Procesos: Casos Prácticos 2014

sino que se implementó una doble verificación en una estación fuera de línea lo que incrementaba los costos de labor de la
pieza, sin que esto fuera debidamente registrado. Es decir la empresa solamente atacaba el efecto y no la causa.
La hoja de registro y el gráfico de control X-R implementados, permite a la empresa, ejecutar acciones correctivas
cuando el sistema de producción tenga una tendencia que lo lleve a producir piezas no conformantes y no cuando el
problema de ya se encuentra presente.

6. CONCLUSIONES Y RECOMENDACIONES

Como conclusión se enfatiza que la metodología Seis Sigma proporciona una herramienta de mejora continua, eficaz a
través del uso de herramientas estadística que son aplicadas en la mejora de los procesos, la satisfacción del cliente y la
optimización de los recursos. Las erogaciones asociadas a las implementaciones de este tipo de proyectos, deben ser vistas
como una inversión que se recuperará en corto y mediano plazo. En el caso del proyecto presentado en este documento,
además de las mejoras en los niveles de capacidad de proceso y en la reducción de las piezas detectadas como defectuosas,
se mostró a la administración de la planta que los costos generados por el material no conformante ($10,678 dólares)
hubieran sido fácilmente evitables con la implantación de un sistema de monitoreo basado en los gráficos de control X-R. Y
que estos sistemas solamente serían eficientes con un monitoreo a conciencia de ellos, manteniéndolos como documentos
vivos que sean utilizados para ver la posición y la tendencias del sistema productivo, con respecto a sus límites de control y
no como documentos que sirvan solo de evidencia para auditorias de los sistemas de calidad.
La Figura 10 presenta los costos asociados a la línea de producción NVLDII referentes a los rechazos de piezas
detectadas como no conformantes, en esta figura claramente se observa una tendencia descendente que permite visualizar el
impacto positivo que tuvo el proyecto de Seis Sigma de reducción de carga del resorte de fricción para la empresa.
Como recomendaciones, se propone compartir la experiencia del equipo multidisciplinario en este proyecto con otros
equipos, así como proveer soporte a otras líneas de producción de Continental para la implementación de la metodología
Seis Sigma.

Figura 10. Costos de la línea NVLDII asociados a piezas detectadas como no conformantes.

7. REFERENCIAS

1. Pande, Peter S.; Neuman, Robert P. y Cavanagh, Roland R. (2002). “Las Claves de Seis Sigma: La Implantación
con Éxito de una Cultura que Revoluciona el Mundo Empresarial”. Editorial McGraw Hill / Interamericana de
España S.A. ISBN-10 # 8448137531 / ISBN-13 # 9788448137533.

2. Betsi, Harris Ehrlich (2002). “Transactional Six Sigma and Lead Servicing: Leveraging Manufacturing Concepts
to Archieve World-Class Service”. Editorial Taylor & Francis. ISBN-10 # 1574443259 / ISBN-13 #
9781574443257.

3. George, Michael; Maxey, John; Rowlands, David y Upton, Malcolm (2004). “The Lean Six Sigma Pocket
Toolbook: A Quick Reference Guide to 70 Tools for Improving Quality and Speed”. Editorial McGraw Hill.
ISBN-10 # 0071505733 / ISBN-13 # 9780071505734.

65
Ingeniería de Procesos: Casos Prácticos 2014

4. Gitlow, Howard Seth y Levine, David M. (2005). “Six Sigma for Green Belts and Champions”. Editorial Pearson
Education. ISBN-10 # 013117262X / ISBN-13 # 9780131172623.

5. Jasso Jasso, Roldolfo Gabriel (2012). “Disminución de la Variación en la Medición de la Carga del Resorte de
Fricción en la Estación S25A-070 de NVLDII BMW (Seis Sigma)”. Tesis de Grado de Ingeniería en Procesos y
Operaciones Industriales. Universidad Tecnológica de Ciudad Juárez. México.

66
View publication stats

Вам также может понравиться