Bb seis sigmatransmodulo22

UIA
Curso de Seis Sigma
Transaccional para Black Belts

Módulo II

Primitivo Reyes Aguilar / Noviembre 2004

1

Contenido - Módulo II
1. Introducción
2. Despliegue de Seis Sigma en la empresa
3. Gestión de procesos en la empresa
4. Gestión de proyectos y liderazgo
5. Fase de Definición
6. Fase de Medición

7. Fase de Análisis

8. Fase de Mejora

9. Fase de Control

10. Empresa Lean
2

7. Metodología Seis Sigma

Fase de análisis

Primitivo Reyes A. / Noviembre 2004

3

7. Fase de Análisis
 Propósitos y salidas

 Estudios de R&R por atributos

 Análisis del Modo y Efecto de Falla (AMEF)

 Herramientas para la fase de análisis

 Verificación de causas raíz
4

Fase de Análisis
 Propósitos:
 Establecer hipótesis sobre las posibles Causas Raíz
 Refinar, rechazar, o confirmar la Causa Raíz
 Seleccionar las Causas Raíz más importantes:
 Las pocas Xs vitales

 Salidas:
 Causas raíz validadas
 Factores de variabilidad identificados

5

Estudios de R&R por atributos

6

Aplicación Transaccional de
Repetibilidad y Reproducibilidad
Ejemplo de Administración de Programa:
 A lo largo de la duración de un Programa…
 Se proyecta el tiempo necesario para alcanzar una
meta en particular.
 Se registra el tiempo que tomó en realidad alcanzar la
meta.
 Se calcula la diferencia entre el tiempo proyectado y el
real. Los datos a usar son “número de semanas de
atraso”.

7

Datos de GR&R
(Número de Semanas de Atraso)
Programas Gerente de Comprador
Los datos son “número
Programa de semanas de atraso”
1 0 -37 para la selección de
2 1 91 proveedores.
3 6 124
4 0 68 Observe cuan diferente
5 0 -24 miden el mismo evento
6 23 45 el Comprador y el
7 23 19 Gerente de Programa.
8 0 66
9 69 86
10 14 86

8

Resultado de Minitab®
GR&R (ANOVA) para las Semanas de Atraso
Componenentes de Variación
100 %Contribución
Porcentaje

%Var. Estudio

50

Interacción de Programas de Operadores
Operadores
0 1
100
GR&R Repetib Reprod Parte a Parte 2

Promedio
50

Gráfica de barras X por Operadores
150 0
1 2
Sample Mean

100
Programas 1 2 3 4 5 6 7 8 9 10
50

0

-50
0

9

Resultados de GR&R
Gage R&R
Source Variance %Contribution
Total Gage R&R 1948.0 88.52
Repeatability 0.0 0.00
Reproducibility 1947.9 88.52
Part-To-Part 252.7 11.48
Total Variation 2200.6 100.00

 El 88.52% de la variación observada se debe a la diferencia de
la medición del mismo evento entre el Comprador y el Gerente
de Programa.
 El 11.48% de la variación observada se debe a la diferencia
entre los programas.

¿Es adecuado el sistema actual de medición?
10

¿Por Qué la Inconsistencia en la Medición?
Para poder mejorar el sistema de medición, primero
debemos comprender las causas de la inconsistencia, en
este caso.
• Cuando se les preguntó, “¿En que fecha se seleccionaron los
proveedores finales?”, el Gerente del Programa y el Comprador
percibieron la pregunta de manera distinta.

• El Gerente del Programa pensó que la pregunta se refería a,
¿Cuándo empezamos a trabajar con el proveedor?

• El Comprador creyó que quería decir, ¿Cuándo se emitió la Orden
de Compra?

• Además, hubo confusión en el significado real de “proveedores
finales”. ¿Se refiere a 100% de los proveedores? ¿90%? ¿Sólo son
proveedores de componentes principales?
11

Mejora del Sistema de Medición
 Para evitar ambigüedades, el equipo desarrolló la
siguiente definición operacional para la “ Fecha
cuando se seleccionaron los proveedores finales”:

La fecha en que se envió la notificacion escrita de la
selección de proveedores por parte del Departamento de
Compras al último proveedor seleccionado para
suministrar los siguientes componentes:

Estructuras, Mecanismos, Partes, Plásticas
Uretano, Telas
12

Estudio de Repetibilidad y
Reproducibilidad de Atributos
 También es muy importante tener adecuada repetibilidad
y reproducibilidad al obtener datos de atributos.

 Si un ejecutivo, decide que una unidad tiene un defecto o
error y otro concluye que la misma unidad no tiene
defectos, entonces hay problema con el sistema de
medición.

 Igualmente, el sistema de medición es inadecuado
cuando la misma persona llega a diferentes conclusiones
al repetir las evaluaciones en la misma unidad o
producto.
13

Sistema de Medición de Atributos

 Un sistema de medición de atributos compara
cada parte con un estándar y acepta la parte si
el estándar se cumple.

 La efectividad de la discriminación es la habilidad
del sistema de medición de atributos para
discriminar a los buenos de los malos.

14

Reproducibilidad de Atributos
1. Selecciona un mínimo de 30 unidades del proceso. Estas
unidades deben representar el espectro completo de la
variación del proceso (buenas, erroneas y en límites).
2. Un inspector “experto” realiza una evaluación de cada
parte, clasificándola como “Buena” o “No Buena”.
3. Cada persona evaluará las unidades, independientemente
y en orden aleatorio, y las definirá como “Buenas” o “No
Buenas”.
4. Ingresa los datos en el archivo Attribute Gage R&R.xls
para cuantificar la efectividad del sistema de medición.

15

GR&R de Atributos - Ejemplo
Legenda de Atributos REPORTE
G = Bueno FECHA:
1 NOMBRE:
2
NG = No Bueno PRODUCTO:
SBU:
Esta es la
COND. DE PRUEBA: medida
Población Conocida Persona #1 Persona #2 Acuerdo Acuerdo
Muestra # Atributo #1 #2
general de
#1 #2 Y=Sí N=No Y=Sí N=No
1 G G G G G Y Y consistencia
2 G G G G G Y Y
3 G G G G G Y Y entre los
4
5
G
G
G
G
G
G
G
G
G
G
Y
Y
Y
Y
operadores
6 G NG G G G N N y el “experto”.
7 G G G G G Y Y
8 G G G G G Y Y ¡90% es lo
9 NG G G NG NG N N
10 NG NG NG G G N N mínimo!
11 G G G G G Y Y
12 G G G G G Y Y
13 NG NG NG NG NG Y Y
14 G G G G G Y Y
15 G G G G G Y Y
16 G G G G G Y Y
17 NG NG NG NG NG Y Y
18 G G G G G Y Y
19 G G G G G Y Y
20 G G G G G Y Y
(1)
% DEL EVALUADOR -> 95.00% 100.00%
(2)
% VS. EL ATRIBUTO -> 90.00% 95.00%
(3)
% DE EFECTIVIDAD DE DISCRIMINACION -> 85.00%
(4)
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO -> 85.00%

16

Interpretación de Resultados
1. % del Evaluador es la consistencia de una persona.
2. % Evaluador vs Atributo es la medida de el acuerdo
que hay entre la evaluación del operador y la del
“experto”.
3. % de Efectividad de Selección es la medida de el
acuerdo que existe entre los operadores.
4. % de Efectividad de Selección vs. el Atributo es una
medida general de la consistencia entre los
operadores y el acuerdo con el “experto”.

17

Reproducibilidad de Atributos -
Guías de Aceptabilidad
Aunque el 100% es el resultado que deseamos obtener,
en un estudio de repetibilidad y reproducibilidad de
atributos, la siguiente guía se usa frecuentemente:

Porcentaje Guía
De 90% a 100% Aceptable
De 80% a 90% Marginal
Menos de 80% Inaceptable

18

QFD
FASE DE ANÁLISIS
Diagrama de
relaciones
Diagrama
Causa Efecto Diagrama de
Ishikawa
Diagrama
de Árbol
Definición
Y=X1 + X2+. .Xn

CTQs = Ys Medición Y,
Operatividad X1, X2, Xn
X's
Causas
Análisis del Modo y Efecto de potenciales
Falla (AMEF)

Pruebas
de
hipótesis
Diagrama
de Flujo
del X's vitales
proceso No ¿Causa Si Causas raíz
Raíz? validadas

19

Pruebas de Hipótesis

Variables Atributos

No Normal Tablas de
Contingencia Chi Cuad.

Varianza Medianas
Correlación
Correlación
Homogeneidad Prueba de signos
de Varianzas
Wilcoxon
Normal Proporciones - Z
de Levene
Mann-
Whitney Variancia Medias
Kurskal-
Wallis 1- Población - Chi Pruebas Z, t
2- Pob. F 1- Población
Residuos
Prueba de Mood 2- Poblaciones
Homogeneidad distribuidos
Friedman de Varianzas ANOVA
de Bartlett Una vía normalmente
Dos vías
Correlación
Regresión 20

Análisis del Modo y
Efecto de Falla (AMEF)

21

¿ Qué es el AMEF?
 El Análisis de del Modo y Efectos de Falla es un grupo sistematizado
de actividades para:

 Reconocer y evaluar fallas potenciales y sus efectos.

 Identificar acciones que reduzcan o eliminen las
probabilidades de falla.

 Documentar los hallazgos del análisis.

 Existe el estándar MIL-STD-1629, Procedure for Performing a Failure
Mode, Effects and Criticality Analysis
22

Tipos de AMEFs
 FMEA de Diseño (AMEFD), su propósito es analizar
como afectan al sistema los modos de falla y
minimizar los efectos de falla en el sistema. Se usan
antes de la liberación de productos o servicios, para
corregir las deficiencias de diseño.

 FMEA de Proceso (AMEFP), su propósito es analizar
como afectan al proceso los modos de falla y
minimizar los efectos de falla en el proceso. Se usan
durante la planeación de calidad y como apoyo
durante la producción o prestación del servicio.

23

AMEFP o AMEF de Proceso

Fecha límite:
Concepto Prototipo Pre-producción /Producción

FMEAD
FMEAP

FMEAD FMEAP
Característica de Diseño Paso de Proceso
Falla Forma en que el Forma en que el proceso falla
producto o servicio falla al producir el requerimiento
que se pretende
Controles Técnicas de Diseño de Controles de Proceso
Verificación/Validación
24

Modos de fallas vs
Mecanismos de falla

 El modo de falla es el síntoma real de la falla (altos
costos del servicio; tiempo de entrega excedido).

 Mecanismos de falla son las razones simples o
diversas que causas el modo de falla (métodos no
claros; cansancio; formatos ilegibles) o cualquier otra
razón que cause el modo de falla

25

Definiciones
Modo de Falla

- La forma en que un producto o proceso puede fallar para cumplir
con las especificaciones o requerimientos.

- Normalmente se asocia con un Defecto, falla o error.

Diseño Proceso
Alcance insuficiente Omisiones
Recursos inadecuados Monto equivocado
Servicio no adecuado Tiempo de respuesta excesivo

26

Definiciones
Efecto
- El impacto en el Cliente cuando el Modo de Falla no se previene
ni corrige.

- El cliente o el siguiente proceso puede ser afectado.

Ejemplos: Diseño Proceso
Serv. incompleto Servicio deficiente
Operación errática Claridad insuficiente
Causa
- Una deficiencia que genera el Modo de Falla.
- Las causas son fuentes de Variabilidad asociada con variables de
Entrada Claves

Ejemplos: Diseño Proceso
Material incorrecto Error en servicio
Demasiado esfuerzo No cumple requerimientos
27

Preparación del AMEF

 Se recomienda que sea un equipo
multidisciplinario

 El responsable del sistema, producto o proceso
dirige el equipo, así como representantes de las
áreas involucradas y otros expertos en la materia
que sea conveniente.

28

¿Cuando iniciar un FMEA?
 Al diseñar los sistemas, productos y procesos nuevos.
 Al cambiar los diseños o procesos existentes o que serán
usados en aplicaciones o ambientes nuevos.

 Después de completar la Solución de Problemas (con el fin de
evitar la incidencia del problema).

 El AMEF de diseño, después de definir las funciones del
producto, antes de que el diseño sea aprobado y entregado
para su manufactura o servicio.

 El AMEF de proceso, cuando los documentos preliminares del
producto y sus especificaciones están disponibles.
29

ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______

Resultados de Acción
O Controles de D
Función S Causa(s)
Efecto (s) c Diseño o e R Responsable S O D R
del Producto/ Modos de Falla e Potencial(es) Acción Acción
Potencial (es) c Proceso t P y fecha límite e c e P
Paso del Potenciales v o Mecanismos Sugerida Adoptada
de falla u Actuales e N de Terminación v c t N
proceso . de falla
r c

30

Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______

O D
Función S Causa(s) Controles del
Efecto (s) c e R Responsable S O D R
de Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
Componente/Paso Potenciales v de los Mecanismos Proceso Sugerida Adoptada
de falla u e N de Terminación v c t N
de proceso . de falla Actual
r c
Factura correcta

Relacione las
funciones del
diseño del
componente

Pasos del proceso
Del diagrama de flujo

31


Función O D
Causa(s) Controles de
del Efecto (s) D c e R Responsable S O D R
Modos de Falla Potencial(es) Diseño / Acción Acción
componente/ Potencial (es) i c t P y fecha límite e c e P
Potenciales de los Mecanismos Proceso Sugerida Adoptada
Paso del de falla v u e N de Terminación v c t N
de falla Actuales
proceso r c
Factura
correcta
Datos incorrectos Identificar modos
de falla Tipo 1
inherentes al
diseño

32

Efecto(s) Potencial(es) de falla
Evaluar 3 (tres) niveles de Efectos del Modo de Falla
• Efectos Locales
– Efectos en el Área Local
– Impactos Inmediatos

• Efectos Mayores Subsecuentes
– Entre Efectos Locales y Usuario Final

• Efectos Finales
– Efecto en el Usuario Final del producto o Servicio
33

AMEF de Diseño

O Controles de D
Función Causa(s)
Efecto (s) D c Diseño / e R Responsable S O D R
del componente Modos de Falla Potencial(es) Acción Acción
Potencial (es) i c Proceso t P y fecha límite e c e P
/ Paso del Potenciales oMecanismos Sugerida Adoptada
de falla v u Actuales e N de Terminación v c t N
proceso de falla
r c

Factura correcta Datos incorrectosLOCAL:
Rehacer
la factura

Describir los efectos de
MAXIMO PROXIMO modo de falla en:
Contabilidad LOCAL
equivocada El mayor subsecuente
Y Usuario final
CON CLIENTE
Molestia
Insatisfacción

CTQs del QFD o
Matriz de Causa Efecto
34

Rangos de Severidad (AMEFD)
Efecto Rango Criterio .
No 1 Sin efecto
Muy poco 2 Cliente no molesto. Poco efecto en el desempeño del componente o
servicio.
Poco 3 Cliente algo molesto. Poco efecto en el desempeño del comp. o
servicio.
Menor 4 El cliente se siente un poco fastidiado. Efecto menor en el desempeño
del componente o servicio.
Moderado 5 El cliente se siente algo insatisfecho. Efecto moderado en el
desempeño del componente o servicio.

Significativo 6 El cliente se siente algo inconforme. El desempeño del comp. o
servicio se ve afectado, pero es operable y está a salvo. Falla parcial,
pero operable.
Mayor 7 El cliente está insatisfecho. El desempeño del servicio se ve
seriamente afectado, pero es funcional y está a salvo. Sistema afectado.
Extremo 8 Cliente muy insatisfecho. Servicio inadecuado, pero a salvo. Sistema
inoperable.
Serio 9 Efecto de peligro potencial. Capaz de descontinuar el uso sin perder
tiempo, dependiendo de la falla. Se cumple con el reglamento del
gobierno en materia de riesgo.
Peligro 10 Efecto peligroso. Seguridad relacionada - falla repentina.
Incumplimiento con reglamento del gobierno. 35

CRITERIO DE EVALUACIÓN DE SEVERIDAD SUGERIDO PARA AMEFP

Esta calificación resulta cuando un modo de falla potencial resulta en un defecto con un cliente final y/o una planta de manufactura
/ ensamble. El cliente final debe ser siempre considerado primero. Si ocurren ambos, use la mayor de las dos severidades

Efecto en el cliente Efecto en Manufactura /Ensamble
Efecto
Calif.
Peligroso
sin aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso 10
cumplimiento con alguna regulación gubernamental, sin aviso

Peligroso
con aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso 9
cumplimiento con alguna regulación gubernamental, con aviso

Muy alto El producto / item es inoperable ( pérdida de la función
primaria)
El 100% del producto puede tener que ser desechado op
reparado con un tiempo o costo infinitamente mayor 8
Alto El producto / item es operable pero con un reducido nivel de
desempeño. Cliente muy insatisfecho
El producto tiene que ser seleccionado y un parte
desechada o reparada en un tiempo y costo muy alto 7
Modera
do
Producto / item operable, pero un item de confort/conveniencia
es inoperable. Cliente insatisfecho
Una parte del producto puede tener que ser desechado sin
selección o reparado con un tiempo y costo alto 6
Bajo Producto / item operable, pero un item de confort/conveniencia
son operables a niveles de desempeño bajos
El 100% del producto puede tener que ser retrabajado o
reparado fuera de línea pero no necesariamente va al àrea 5
de retrabajo .
Muy bajo No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 75% de los clientes
El producto puede tener que ser seleccionado, sin desecho,
y una parte retrabajada 4
Menor No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 50% de los clientes
El producto puede tener que ser retrabajada, sin
desecho, en línea, pero fuera de la estación 3
Muy
menor
No se cumple con el ajuste, acabado o presenta ruidos, y
rechinidos. Defecto notado por clientes muy críticos (menos del
El producto puede tener que ser retrabajado, sin desecho
en la línea, en la estación 2
25%)
Ninguno Sin efecto perceptible Ligero inconveniente para la operación u operador, o sin
efecto 1
36


O D
Función S Causa(s) Controles de
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
/ Paso del Potenciales v o Mecanismos Proceso Sugerida Adoptada
proceso . de falla Actuales
r c
La abertura del
engrane propor La abertura no LOCAL:
ciona una aber- es suficiente Daño a sensor
tura de aire entre de velocidad y
diente y diente engrane
Usar tabla para
MAXIMO PROXIMO
Falla en eje 7 determinar severidad o
gravedad

CON CLIENTE
Equipo
parado

37

Identificar Causa(s) Potencial(es) de la Falla

• Causas relacionadas con el diseño - Características del
servicio o Pasos del proceso
– Diseño de formatos
– Asignación de recursos
– Equipos planeados

• Causas que no pueden ser Entradas de Diseño,
tales como:
– Ambiente, Clima, Fenómenos naturales

• Mecanismos de Falla
– Rendimiento, tiempo de entrega, información completa
38

AMEF de Diseño

O D
S Causa(s) Controles de
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/Proces Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos o Actuales Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c

Rehacer la Identificar causas
factura
de diseño, y
mecanismos de
MAXIMO PROXIMO falla que pueden
Contabilidad 7
erronea ser señalados para
los modos de falla
CON CLIENTE
Molestia
identificada.

Causas potenciales
Insatisfacción

De Diagrama de Ishikawa
Diagrama de árbol o
Diagrama de relaciones
39

Rangos de Ocurrencia (AMEFD)
Ocurrencia Criterios Rango Probabilidad de Falla
Remota Falla improbable. No existen fallas 1 <1 en 1,500,000 Zlt > 5
asociadas con este producto o con
un producto / Servicio casi idéntico
Muy Poca Sólo fallas aisladas asociadas con 2 1 en 150,000 Zlt > 4.5
este producto / Servicio
casi idéntico
3 1 en 30,000
Poca Fallas aisladas asociadas con Zlt > 4
productos / Servicios similares
Moderada Este producto / Servicio ha
tenido fallas ocasionales 4 1 en 4,500 Zlt > 3.5
5 1 en 800 Zlt > 3
Alta Este producto / Servicio ha
6 1 en 150 Zlt > 2.5
fallado a menudo
7 1 en 50 Zlt > 2
Muy alta La falla es casi inevitable
8 1 en 15 Zlt > 1.5
9 1 en 6 Zlt > 1
10 >1 en 3 Zlt < 1

Nota:
El criterio se basa en la probabilidad de ocurrencia de la causa/mecanismo.
Se puede basar en el desempeño de un diseño similar en una aplicación
similar.

CRITERIO DE EVALUACIÓN DE OCURRENCIA SUGERIDO PARA AMEFP
Probabilidad Indices Posibles de ppk Calif.
falla
Muy alta: Fallas 100 por mil piezas < 0.55 10
persistentes
50 por mil piezas > 0.55 9

Alta: Fallas frecuentes 20 por mil piezas > 0.78 8


Moderada: Fallas 5 por mil piezas > 0.94 6
ocasionales


Baja : Relativamente pocas 0.5 por mil piezas > 1.20 3
fallas
0.1 por mil piezas > 1.30 2

Remota: La falla es < 0.01 por mil piezas > 1.67 1
improbable
41


Función O D
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/ Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c

Factura correcta Datos LOCAL:
equivocadso Rehacer la
factura
Rango de
probabilidades en que
MAXIMO PROXIMO la causa identificada
Contabilidad 7 3 ocurra
erronea

CON CLIENTE
Molestia
Insatisfacción

42

Identificar Controles de Diseño o de
Proceso Actuales
• Verificación/ Validación de actividades de Diseño o
control de proceso usadas para evitar la causa,
detectar falla anticipadamente, y/o reducir impacto:

Cálculos, Análisis, Prototipo de Prueba, Pruebas piloto
Poka Yokes, planes de control, listas de verificación

• Primera Línea de Defensa - Evitar o eliminar causas de falla o error

• Segunda Línea de Defensa - Identificar o detectar fallas o errores
Anticipadamente

• Tercera Línea de Defensa - Reducir impactos/consecuencias de falla o
errores
43

AMEF de Diseño

Función O D
Modos de Falla e Potencial(es) Diseño / Acción Acción
. de falla Actuales
proceso r c

Factura correcta Datos correctos LOCAL:
Rehacer la
factura
¿Cuál es el método de
control actual que usa
MAXIMO PROXIMO ingeniería para evitar el
Contabilidad 7 3 modo de falla?
erronea

CON CLIENTE
Molestia
Insatisfacción

44

Rangos de Detección (AMEFD)
• Rango de Probabilidad de Detección basado en la
efectividad del Sistema de Control Actual; basado en el
cumplimiento oportuno con el Plazo Fijado

1 Detectado antes del prototipo o prueba piloto

2-3 Detectado antes de entregar el diseño

4-5 Detectado antes del lanzamiento del servicio

6-7 Detectado antes de la prestación del servicio

8 Detectado antes de prestar el servicio

9 Detectado en campo, pero antes de que ocurra la falla o error

10 No detectable hasta que ocurra la falla o error en campo

CRITERIO DE EVALUACIÓN DE DETECCION SUGERIDO PARA AMEFP
Detecciòn Criterio Tipos de Métodos de seguridad de Rangos de Calif
Inspección Detección
A B C

Casi Certeza absoluta de no detección X No se puede detectar o no es verificada
imposible
10
Muy Los controles probablemente no X El control es logrado solamente con
remota detectarán
9
verificaciones indirectas o al azar
Remota Los controles tienen poca X El control es logrado solamente con
oportunidad de detección
8
inspección visual
Muy baja Los controles tienen poca X El control es logrado solamente con
oportunidad de detección
7
doble inspección visual
Baja Los controles pueden detectar X X El control es logrado con métodos gráficos con 6
el CEP
Moderada Los controles pueden detectar X El control se basa en mediciones por variables después de que las
partes dejan la estación, o en dispositivos Pasa NO pasa realizado en 5
el 100% de las partes después de que las partes han dejado la
estación

Moderada Los controles tienen una buena X X Detección de error en operaciones subsiguientes, o medición

mente oportunidad para detectar
realizada en el ajuste y verificación de primera pieza ( solo para 4
causas de ajuste)
Alta
Alta Los controles tienen una buena X X Detección del error en la estación o detección del error en

oportunidad para detectar
operaciones subsiguientes por filtros multiples de aceptación: 3
suministro, instalación, verificación. No puede aceptar parte
discrepante

Muy Alta Controles casi seguros para X X
detectar
Detección del error en la estación (medición automática
con dispositivo de paro automático). No puede pasar la 2
parte discrepante

Muy Alta Controles seguros para detectar X No se pueden hacer partes discrepantes porque el item ha
pasado a prueba de errores dado el diseño del 1
proceso/producto

Tipos de inspección: A) A prueba de error B) Medición automatizada C) Inspección visual/manual 46


Función O D
Modos de Falla e Potencial(es) Diseño / Acción Acción
. de falla Actuales
proceso r c

Rehacer la
factura

¿Cuál es la probabilidad
MAXIMO PROXIMO
de detectar la causa de
Contabilidad 7 3 5
falla?
erronea

CON CLIENTE
Molestia
Insatisfacción

47

Calcular RPN (Número de Prioridad de
Riesgo)

Producto de Severidad, Ocurrencia, y Detección

RPN / Gravedad usada para identificar principales CTQs

Severidad mayor o igual a 8
RPN mayor a 150

48

Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________

O D
S Causa(s)
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Controles de Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos Diseño Actual Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c

Factura Datos LOCAL:
incorrecta incorrectos Rehacer
la factura

Riesgo = Severidad x
MAXIMO PROXIMO Ocurrencia x Detección
Contabilidad 7 3 5 105
erronea

CON CLIENTE
Molestia

Causas probables a
Insatisfacción

atacar primero

49

Planear Acciones

Requeridas para todos los CTQs

 Listar todas las acciones sugeridas, qué persona
es la responsable y fecha de terminación.
 Describir la acción adoptada y sus resultados.
 Recalcular número de prioridad de riesgo .

Reducir el riesgo general del diseño
50

Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________

O D
Función S Causa(s) Controles de
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
/ Paso del Potenciales v o Mecanismos Prcoeso Sugerida Adoptada
proceso . de falla Actuales
r c

Factura correcta Datos LOCAL:
erroneos Rehacer la
factura

MAXIMO PROXIMO
Contabilidad 7 3 5 105
erronea

CON CLIENTE
Molestia
Insatisfacción Usar RPN para identificar
acciones futuras. Una vez que
se lleva a cabo la acción,
recalcular el RPN.

51

Ejemplo de AMEFP

52

Herramientas de la
Fase de Análisis

Identificación de causas potenciales
Cartas Multivari y Análisis de Regresión
Intervalos de confianza y Pruebas de Hipótesis

53

Identificación de causas
potenciales

Tormenta de ideas
Diagrama de Ishikawa
Diagrama de Relaciones
Diagrama de Árbol
Verificación de causas raíz

54

Tormenta de ideas
 Técnica para generar ideas creativas cuando la mejor
solución no es obvia.

 Reunir a un equipo de trabajo (4 a 10 miembros) en
un lugar adecuado

 El problema a analizar debe estar siempre visible

 Generar y registrar en el diagrama de Ishikawa un
gran número de ideas, sin juzgarlas, ni criticarlas

 Motivar a que todos participen con la misma
oportunidad 55

Tormenta de ideas
 Permite obtener ideas de los participantes

56

 Anotar el problema en el cuadro de la derecha

 Anotar en rotafolio las ideas sobre las posibles causas
asignándolas a las ramas correspondientes a:
 Medio ambiente

 Mediciones

 Materia Prima

 Maquinaria

 Personal y

 Métodos

o
 Las diferentes etapas del proceso de manufactura o
servicio
57

Medio
ambiente Métodos Personal
Frecuencia Falta de
Rotación de
Clima personal
de visitas supervi
húmedo Falta de
ción
motivación
Posición de Ausentismo
Distancia de exhibidores
la agencia al
Elaboración ¿Qué
changarro de pedidos produce
bajas ventas
Clientes con Calidad del de
ventas bajas Seguimiento producto Tortillinas
Malos
semanal Tía Rosa?
Conocimiento
itinerarios
de los Tipo de
Descompostura mínimos por exhibidor
del camión ruta
repartidor

Maquinaría Medición Materiales
58

Diagrama de relaciones Perdida de mercado
debido a la
competencia
No hay flujo
efectivo de mat. Influencia de la Compra de material
Por falta de situación econ del para el desarrollo de
programación país nuevos productos por
de acuerdo parte inv..... Y desarrollo’’’
No hay coordinación
a pedidos entre marketing
Falta de operaciones
No hay control coordinación al fincar
de inv..... En proc. pedidos entre
Constantes
Falta de prog. De marketing y la op.
cancelaciones
la op. En base a No hay coordinación
de pedidos
los pedidos entre la operación y las unidades
de marketing
Programación del negocio
Las un. Reciben
deficiente
ordenes de dos
deptos diferentes
Capacidad
instalada Falta de coordinación
desconocida entre el enlace de compras
Altos Duplicidad Demasiados deptos
de cada unidad con compras
Falta de control de inventarios de funciones de inv..... Y desarrollo
corporativo
inventarios en
Compras
compras
aprovecha
Falta de com..... Entre
ofertas No hay com..... Entre
las dif. áreas de
las UN y la oper.
la empresa
Marketing no
Mala prog. De tiene en cuenta
ordenes de compra cap de p.

No hay com..... Entre compras
con la op. general
Influencia directa de
marketing sobre
compras
Falta de comunicación
entre las unidades
del negocio
59

¿Que nos puede provocar Variación de Velocidad
Durante el ciclo de cambio en la sección del Embobinadores?

13/0 2/1
Bandas de
Dancer transmisión
2/4 Taco generador 1/1 Causas a validar
del motor Empaques de arrastre

0/4 Poleas guías 0/3
Presión de aire de trabajo

1/2 Presión del 5/2
Drive principal
dancer

5/1 Mal guiado 4/1
Voltaje del motor

1/4 Sensor de velocidad
de línea 1/5 principales
Ejes
Entradas Causa
Salidas Efecto
1/4 Sensor
1/5
Poleas de transmisión
circunferencial

60

Diagrama de árbol o sistemático

Meta Medio
Meta Medio
Meta Medio
Segundo Tercer Cuarto
Primer nivel nivel nivel
nivel
Medios
Medios
Medios

Medios
o planes

Meta u
objetivo

Medios
o planes

61

Diagrama de Arbol- Aplicación Sistema SMED
¿Cómo? ¿Cuándo?
Filmar la preparación 5- 12 - Mar-04
Preparación
para el SMED
Analizar el video 10 y 17 –Mar-04

Describir las tareas 17- Mar-04

¿Objetivo? Separar las tareas 17- Mar-04
Fase 1: Separación
de la preparación Elaborar lista de chequeo 2- Mar-04
Implantar el interna de la externa
Sistema Realizar chequeo de
24- Mar-04
funciones
SMED
Producto DJ Analizar el transporte de
24- Mar-04
2702 herramientas y materiales
Analizar las funciones y
¿Qué? Fase 2: Conversión propósito de c/operación
12 - Abr- 04
de preparación
Convertir tareas de prepa-
interna en externa ración interna a externas
15 –Abr - 04
Elaboramos un
Diagrama de Arbol Realización de operaciones
5 –May -04
en paralelo.
para poder
analizar nuestro Fase 3: Refinamiento
Uso de sujeciones
problema siguiendo de todos los aspectos funcionales.
19– May -04

el sistema SMED. de la preparación.
Eliminación de ajustes 12- May -04
62 19

Verificación de posibles causas
 Para cada causa probable , el equipo deberá
por medio del diagrama 5Ws – 1H:
 Llevar a cabo una tormenta de ideas para
verificar la causa.
 Seleccionar la manera que:
 represente la causa de forma efectiva, y
 sea fácil y rápida de aplicar.

63

Calendario de las actividades

¿qué? ¿por qué? ¿cómo? ¿cuándo ¿dónde ¿quién?
? ?
1 1.1 Por variación de 1.1.1 Tomar dimensiones de ensamble entre Abril ’04 1804 J. R.
Tacogenerador voltaje durante el coples. Embob.
de motor ciclo de cambio 1.1.2 Verificar estado actual y
embobinador especificaciones de escobillas.
1.1.3 tomar valores de voltaje de salida
durante el ciclo de cambio.
2 Sensor 2.1 Por que nos 2.1.1 Tomar dimensiones de la distancia Abril ’04 1804 U. P.
circular y de genera una varión en entre poleas y sensores. Embob.
velocidad de la señal de referencia 2.1.2 Tomar valores de voltaje de salida de
linea. hacia el control de los sensores.
velocidad del motor 2.1.3 Verificar estado de rodamientos de
embobinador poleas.
3 Ejes 3.1 Por vibración 3.1.1 Tomar lecturas de vibración en Abril’04 1804 F. F.
principales de excesiva durante el alojamientos de rodamientos Embob.
transmisión. ciclo de cambio 3.1.2 Comparar valores de vibraciones con
lecturas anteriores.
3.1.3 Analizar valor lecturas de vibración
tomadas.

4 Poleas de 4.1 Puede generar 4.1.1 Verificar alineación, entre poleas de Abril’04 1804 J. R.
transmisión de vibración excesiva ejes principales y polea de transmisión del Embob. U. P.
ejes durante el ciclo de motor.
embobinadores cambio. 4.1.2 Tomar dimensiones de poleas(dientes
. de transmisión).
4.1.3 Tomar dimensiones de bandas (dientes
de transmisión)
4.1.4 Verificar valor de tensión de bandas. 64

Modelando relaciones entre
variables

Cartas Multivari
y
Análisis de regresión

65

Cartas Multivari
 Su propósito fundamental es reducir el gran número de
causas posibles de variación, a un conjunto pequeño de
causas que realmente influyen en la variabilidad.

 Sirven para identificar patrones de variación:
 Temporal: Variación de hora a hora; turno a
turno; día a día; semana a semana; etc.

 Cíclico: Variación entre unidades de un mismo
proceso; variación entre grupos de unidades;
variación de lote a lote.

 Posicional: Dentro de la pieza
66

Cartas Multivari
8 AM 9 AM 10 AM 11 AM 12 AM
2.0 dias

1.5 días

1.0 días

Zona A

Zona B

Zona D

Zona C
67

Zona orden Tipo de orden
Tiempo
respuesta
3 1 23

Corrida en Minitab
3 1 20
3 1 21
3 2 22
3 2 19
3 2 20
 Se introducen los datos en varias 3 3 19
columnas C1 a C3 incluyendo la 3
3
3
3
18
21
respuesta (tiempo) y los factores 1 1 22
1 1 20
(Zona y Tipo de orden) 1 1 19
1 2 24
1 2 25
1 2 22
1 3 20
1 3 19
1 3 22
2 1 18
2 1 18
2 1 16
2 2 21
2 2 23
2 2 20
2 3 20
2 3 22
2 3 68 24

Corrida en Minitab
 Utilizar el archivo de ejemplo orden.mtw

 Opción: Stat > Quality Tools > Multivari charts

 Indicar la columna de respuesta y las columnas de
los factores

 En opciones se puede poner un título y conectar las
líneas

69

Resultados
Multi-Vari Chart for Tiempo respuesta by Zona orden - Tipo de orden
24 Zona
orden
1
23
2
3
22
Tiempo respuesta

21

20

19

18

17
1 2 3
Tipo de orden

70

Análisis de Regresión
El análisis de regresión es un método
estandarizado para localizar la correlación entre dos
grupos de datos, y, quizá más importante, crear un
modelo de predicción.

Puede ser usado para analizar las relaciones entre:
• Una sola “X” predictora y una sola “Y”

• Múltiples predictores “X” y una sola “Y”

• Varios predictores “X” entre sí
71

Definiciones
Correlación
Establece si existe una relación entre las variables y
responde a la pregunta, ”¿Qué tan evidente es esta
relación?"

Regresión
Describe con más detalle la relación entre las variables.

Construye modelos de predicción a partir de información
experimental u otra fuente disponible.

Regresión lineal simple
Regresión lineal múltiple
Regresión no lineal cuadrática o cúbica

72

Correlación de la información de las X y las Y
Correlación Positiva Correlación Negativa
25
Evidente 25
Evidente
20 20

15 15

10
Y

Y
10
5
5
0
0 5 10 15 20 25
Sin Correlación 0
0 5 10 15 20 25
X 25 X
20

15

Correlación Y 10
Correlación
5

25
Positiva 0 Negativa
0 5 10 15 20 25 25
20
X 20
15
15
Y

10

Y
10
5
5
0
0 5 10 15 20 25 0
0 5 10 15 20 25
X
X

73

Ejemplo
Considere el problema de predecir las ventas mensuales
(score2) en función del costo de publicidad (Score 1). Calcular
el coeficiente de correlación, el de determinación y la recta.
Score1 Score2
4.1 2.1
2.2 1.5
2.7 1.7
6 2.5
8.5 3
4.1 2.1
9 3.2
8 2.8
7.5 2.5
74

Corrida en Minitab
 Utilizar el archivo de ejemplo Exh_regr.mtw
 Opción: Stat > Regression > Regression
 Para regresión lineal indicar la columna de respuesta
Y (Score2) y X (Score1)

 En Regresión lineal en opciones se puede poner un
valor Xo para predecir la respuesta e intervalos. Las
gráficas se obtienen Stat > Regression > Regression
> Fitted line Plots

 Para regresión múltiple Y (heatflux) y las columnas
de los predictores X´s (north, south, east)
75

Resultados de la regresión lineal
Regression Analysis: Score2 versus Score1

The regression equation is
Score2 = 1.12 + 0.218 Score1

Predictor Coef SE Coef T P
Constant 1.1177 0.1093 10.23 0.000
Score1 0.21767 0.01740 12.51 0.000

S = 0.127419 R-Sq = 95.7% R-Sq(adj) =
95.1%

Analysis of Variance
Source DF SS MS F P
Regression 1 2.5419 2.5419 156.56 0.000
Residual Error 7 0.1136 0.0162
Total 8 2.6556 76

Resultados de la regresión lineal
Fitted Line Plot
Score2 = 1.118 + 0.2177 Score1
3.5 Regression
95% CI
95% PI

3.0 S 0.127419
R-Sq 95.7%
R-Sq(adj) 95.1%

2.5
Score2

2.0

1.5

1.0
2 3 4 5 6 7 8 9
Score1

77

Interpretación de los Resultados
La ecuación de regresión (Score2 = 1.12 + 0.218 Score1)
describe la relación entre la variable predictora X y la respuesta de
predicción Y.

R2 (coef. de determinación) es el porcentaje de variación
explicado por la ecuación de regresión respecto a la variación total
en el modelo

El intervalo de confianza es una banda con un 95% de
confianza de encontrar la Y media estimada para cada valor de
X [Líneas rojas]

El intervalo de predicción es el grado de certidumbre de la
difusión de la Y estimada para puntos individuales X. En general,
95% de los puntos individuales (provenientes de la población sobre
la que se basa la línea de regresión), se encontrarán dentro de la
banda [Líneas azules]

78

Corrida en Minitab
 Se introducen los datos HeatFlux East South North
en varias columnas C1 a
C5 incluyendo la 271.8 33.53 40.55 16.66
respuesta Y (heatflux) y
264 36.5 36.19 16.46
las variables predictoras
X’s (North, South, East) 238.8 34.66 37.31 17.66

230.7 33.13 32.52 17.5

251.6 35.75 33.71 16.4

257.9 34.46 34.14 16.28

79

Resultados de la regresión Múltiple
Regression Analysis: HeatFlux versus East, South, North
The regression equation is

HeatFlux = 489 - 0.28 East + 3.21 South - 20.3 North

Predictor Coef SE Coef T P
Constant 488.74 88.87 5.50 0.032
East -0.278 1.395 -0.20 0.860
South 3.2134 0.5338 6.02 0.027
North -20.293 2.981 -6.81 0.021

S = 3.47637 R-Sq = 98.0% R-Sq(adj) = 95.0%

Analysis of Variance
Source DF SS MS F P
Regression 3 1173.46 391.15 32.37 0.030
Residual Error 2 24.17 12.09
Total 5 1197.63
80

Relaciones no Lineales
¿Qué pasa si existe una relación causal, no lineal?

El siguiente es un conjunto de datos Fitted Line Plot
experimentales codificados, sobre Y = 18.13 + 1.089 X
- 0.02210 X**2
resistencia a la compresión de una
35.0 Regression
aleación especial: 95% CI
95% PI

32.5 S 1.35809
Resistencia a R-Sq 66.8%
Concentración la Compresión R-Sq(adj) 61.2%

30.0
x y Y
10.0 25.2 27.3 28.7
27.5
15.0 29.8 31.1 27.8
20.0 31.2 32.6 29.7
25.0 31.7 30.1 32.3 25.0

30.0 29.4 30.8 32.8
10 15 20 25 30
X

81

Otros Patrones No Lineales
A veces es posible transformar una o ambas variables, para mostrar
mejor la relación entre ambas. La meta es identificar la relación
matemática entre las variables, para que con la variable transformada
se obtenga una línea más recta. Algunas transformaciones comunes
incluyen:

x’ = 1/x
x’ = Raíz cuadrada de (x)

Funciones trigonométricas: x’ = Seno
de x x’ = log x

82

Resumen de la Regresión
• La regresión sólo puede utilizarse con información de
variables continuas.
• Los residuos deben distribuirse normalmente con media
cero.

• Importancia práctica: (R2). Importancia estadística:
(valores p)

• La regresión puede usarse con un “predictor” X o más,
para una respuesta dada

• Reduzca el modelo de regresión cuando sea posible,
sin perder mucha importancia práctica
83

Pruebas de hipótesis
para datos normales

Intervalos de confianza
Pruebas de hipótesis

84

Estimación puntual
y por intervalo
 Las medias o desviaciones estándar calculadas de
una muestra se denominan ESTADÍSTICOS, son
puntos estimados de la media y desviación estándar
real de población o de los PARAMETROS.

 Si no se desean números sencillos como estimadores
de la media basada en una muestra, entonces se
determina un
“Un Intervalo de Confianza”

85

Estimación puntual
y por intervalo

 ¿Cómo obtenemos un intervalo de confianza?

Punto estimado + error estimado del parámetro

 ¿De dónde viene el error estimado?

Desv. estándar X multiplicador de NC (nivel de
confianza) deseado

86

Estimación puntual
y por intervalo

 Nivel de significancia Alfa = 1 – NC, para el caso de
NC = 95%, se tiene un alfa de 0.05 o 0.025 de
cada lado.

 Alfa es la probabilidad de que el parámetro esté
fuera del intervalo de confianza.

 Un área de 0.025 en la tabla Z, corresponde a una
Z de 1.960.

87

Representación gráfica
Rango en el que se
Encuentra el parámetro
IC = 90, 95 o 99% Con un nivel de confianza NC
n=30
Alfa/2
n=15

n=10

Distribución normal Z Distribución t (gl. = n-1)

88

Estimación puntual
y por intervalo
Por Ejemplo:

 Si la media de la muestra es 100 y la desviación
estándar es 10, el intervalo de confianza al 95%
donde se encuentra la media para una distribución
normal es:

100 + (10) X 1.96 => (80.4, 119.6)

Multiplicador de nivel de confianza = Z0.025 = 1.96

89

Bb seis sigmatransmodulo22

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Bb seis sigmatransmodulo22

Similar a Bb seis sigmatransmodulo22 (20)

Último

Último (20)

Bb seis sigmatransmodulo22