SEIS_SIGMA_MEJORA_GB.ppt

1
Programa de certificación
de Green Belts
V.A. Seis Sigma – Mejora
P. Reyes / Octubre 2007

2
Seis Sigma - Mejora
Propósitos y salidas
A. Diseño de experimentos
B. Técnicas de creatividad
C. Implantación y verificación de soluciones

3
Fase de mejora
 Propósito:
 Desarrollar, probar e implementar soluciones que atiendan a
las causas raíz
 Salidas
 Acciones planeadas y probadas que eliminen o reduzcan el
impacto de las causas raíz identificadas
 Comparaciones de la situación antes y después para
identificar la dimensión de la mejora, comparar los
resultados planeados (meta) contra lo alcanzado

4
Tormenta de
ideas
Técnicas de
creatividad
Metodología
TRIZ
Generación de soluciones
Diseño de
experimentos
Optimización
No
Implementación de
soluciones y verificación
de su efectivdad
Evaluación de soluciones
(Fact., ventajas, desventajas)
Soluciones
verificadas
¿Solución
factible?
Si
Causas
raíz
FASE DE MEJORA
Efecto de X's
en las Y =
CTQs
Ideas

5
V.A.1 Diseño de Experimentos
(DOE)

6
 Ronald Fisher los desarrolla en su estación agrícola
experimental de Rothamsted en Londres (ANOVA)
1930
 Otros que han contribuido son: F. Yates, G.E.P. Box,
R.C. Bose, O. Kempthorne, W.G. Cochran, G. Taguchi
 Se ha aplicado el DOE en la agricultura y ciencias
biológicas, industria textil y lana, en los 1930’s
 Después de la II Guerra mundial se introdujeron en
la industria Química e industria electrónica
Perspectiva histórica

7
 El cambiar un factor a un tiempo presenta las
desventajas siguientes:
 Se requieren demasiados experimentos para el estudio
 No se puede encontrar la combinación óptima de
variables
 No se puede determinar la interacción
 Se puede llegar a conclusiones erróneas
 Se puede perder tiempo en analizar las variables
equivocadas
Introducción

8
¿Por qué no probar
un factor a la vez?
PRESION
TEMPERATURA
PRESION
1
2
Zona Máxima
Respuesta Máxima PRESION
4
TEMPERATURA
3
PRESION
TEMPERATURA
Conclusión de la Prueba
TEMPERATURA
Conclusión de la Prueba
Optimo

9
 El DOE varia varios factores simultáneamente de
forma que se puede identificar su efecto combinado
en forma económica:
 Se identifican los Factores que son significativos
 No es necesario un alto conocimiento estadístico
 Las conclusiones obtenidas son confiables
 Se pueden encontrar los mejores niveles de
factores controlables que inmunicen al proceso
contra variaciones en factores no controlables
Introducción

10
Cambios deliberados y sistemáticos de las variables de entrada
(factores) para observar los cambios correspondientes en la
salida (respuesta).
Proceso
Entradas Salidas (Y)
Diseño de
Producto
Entradas Salidas (Y)
¿Qué es un diseño de
experimentos?

11
 Las X’s con mayor influencia en las Y’s
 Cuantifica los efectos de las principales X’s incluyendo
sus interacciones
 Produce una ecuación que cuantifica la relación entre
las X’s y las Y’s
 Se puede predecir la respuesta en función de cambios
en las variables de entrada
El Diseño de experimentos tiene
como objetivos determinar:

12
 Selección entre diversas alternativas
 Selección de los factores clave que afectan la
respuesta
 Modelado de la superficie de respuesta para:
 Llegar al objetivo
 Reducir la variabilidad
 Maximizar o minimizar la respuesta
 Hacer un proceso robusto
 Buscar objetivos múltiples
Aplicación del DOE

13
 Establecer objetivos
 Seleccionar variables del proceso
 Seleccionar un diseño experimental
 Ejecutar el diseño
 Verificar que los datos sean consistentes con los
supuestos experimentales
 Analizar e interpretar los resultados
 Usar / presentar los resultados
Pasos del DOE

14
La selección de un diseño experimental depende de los
objetivos del experimento y del número de factores a
ser investigados:
 Objetivo comparativo
 Objetivo de filtraje de factores
 Objetivo del método de superficie de respuesta
 Optimizar las respuestas cuando los factores son
proporciones en un objetivo de mezclas
 Ajuste óptimo en un objetivo de modelo de regresión
Objetivos experimentales

15
Las variables de proceso incluyen ambas entradas y
salidas, es decir factores y respuestas. La selección
de estas variables debe:
 Incluir todos los factores relevantes
 Ser brillantes en seleccionar los niveles de factores
bajos y altos
 Evitar ajustes de factores para combinaciones
imprácticas o imposibles
 Incluir todas las respuestas relevantes
 Evitar usar respuestas que combinen dos o más
mediciones de proceso
 Evitar valores extremos en los factores de entrada
Selección y escala
de variables del proceso

16
Guías de diseño
Número de
factores
Objetivo
comparativo
Objetivo de
filtraje de
factores
Objetivo de
superficie de
respuesta
1 1- factor
completamente
aleatorizado
- -
2-4 Diseño
aleatorizado
por bloques
Factorial
completo o
fraccional
Diseño central
compuesto o
Box-Behnken
5 o más Diseño
aleatorizado
por bloques
Factorial
fraccional o
Placket Burman
Fltrar primero
para reducir el
número de
factores

17
Lista de verificación
típica del DOE
 Definir los objetivos del experimento
 Aprender acerca del proceso antes de la tormenta de ideas
 Tormenta de ideas para definir la lista de las variables clave
dependientes e independientes
 Correr experimentos preliminares para afinar el equipo y
obtener resultados preliminares

18
Lista de verificación
típica del DOE
 Asignar niveles a cada variable independiente en función del
conocimiento sobre el proceso
 Seleccionar un plan estándar de DOE o desarrollar uno
 Correr los experimentos en orden aleatorio y analizar los
resultados periódicamente
 Establecer conclusiones

19
El método iterativo del DOE
 Mientras que un experimento puede dar un resultado útil, es
más común realizar dos o tres o más experimentos antes de dar
una respuesta completa. Esto es mejor y más económico.

20
 Obtención de réplicas: repetición del experimento (5
resultados en cada corrida experimental)
 Aleatorización: hacer en forma aleatoria:
 Permite confundir el efecto de los factores no controlables
 La asignación de los materiales utilizados en la
experimentación
 El orden en que se realizan los experimentos
 Bloqueo
- Orden de corridas aleatorio en cada bloque
(Ej. , bloque de tiempo: AM vs PM, o Día 1 vs Día 2).
Principios básicos

21
 Bloques:
 Unidades experimentales homogéneas
 Bloqueo
 Cuando se estructuran experimentos factoriales
fraccionales, el bloqueo se usa para agrupar las
variables que desea evitar. Un bloque puede ser un
factor artificial que no interactúa con los factores reales
Términos

22
 Error experimental
 Variación en respuesta bajo las mismas condiciones de
prueba. También se denomina error residual.
 Fraccional
 Un arreglo con menos experimentos que el arreglo
completo (1/2, ¼, etc.)
 Factorial completo
 Arreglo experimental que considera todas las
combinaciones de factores y niveles
 Interacción
 Ocurre cuando el efecto de un factor de entrada en la
respuesta depende del nivel de otro factor diferente
Términos

23
 Nivel o Tratamiento
 Un valor específico para un factor controlable de
entrada (100ºC, 120ºC, 140ºC)
 Efecto principal
 Un estimado del efecto de un factor
independientemente del efecto de los demás
 Optimización
 Hallar las combinaciones de los factores que
maximizen o minimizen la respuesta
Términos

24
 Colinealidad
 Ocurre cuando 2 variables están completamente
correlacionadas
 Confundidos
 Cuando el efecto de un factor no se puede separar del
efecto de alguna de sus interacciones (A y BC, B y AC)
Términos

25
 Correlación
 Un número entre -1 y +1 que indica el grado de
relación lineal entre dos conjuntos de números. El cero
indica que no hay relación
 Covarianza
 Cosas que cambian durante los experimentos pero no
fueron planeadas a cambiar, como temperatura o
humedad. Con la aleatorización se alivia este
problema. Registrar los valores del covariado para su
posible uso en análisis de regresión
Términos

26
 Curvatura
 Comportamiento no lineal que requiere un modelo de
al menos segundo grado
 Grados de libertad (DOF, DF, df o )
 Número de mediciones independientes para estimar un
parámetro poblacional (vg. la media con n-1)
 EVOP (Evolutive operations)
 Describe una forma secuencial de experimentación
haciendo pequeños cambios en el proceso para
mejorarlo
Términos

27
Supuestos experimentales
 ¿Son capaces los sistemas de medición para todas las
respuestas?
 ¿Es estable el proceso?
 ¿Los residuos se comportan adecuadamente?
Modelo X1 La varianza se Requiere un término
Adecuado incrementa con X2 cuadrático agregado a X2

28
 Error experimental
 Variación en respuesta bajo las mismas condiciones de
prueba. También se denomina error residual.
 Primer orden
 Se refiere a la potencia a la cuál un factor aparece en
el modelo. Si la “X” representa un factor y “B” su
efecto, entonces el siguiente modelo es de primer
orden para X1 y X2:
Y = Bo + B1*X1 + B2*X2 + error
Términos

29
 Factorial completo
 Arreglo experimental que considera todas las
combinaciones de factores y niveles
 Fraccional
 Un arreglo con menos experimentos que el arreglo
completo (1/2, ¼, etc.)
Términos

30
Factoriales completos
vs fraccionales
 Un diseño factorial completo es el que contiene todos los
niveles de todos los factores, no se omite ninguno
 Un diseño factorial fraccional es un diseño experimental
balanceado donde que contiene menos combinaciones de
todos los niveles y factores. Por ejemplo para 3 factores y
2 niveles se tiene:

31
Términos
 Interacción
 Ocurre cuando el efecto de un factor de entrada en la
respuesta depende del nivel de otro factor de entrada
diferente

32
Interacciones
 Una interacción ocurre cuando el efecto de un factor de
entrada en la salida depende del nivel de otro factor de
entrada. A veces se pierden con los diseños factoriales
fraccionales
Sin interacción Interacción Interacción Interacción
moderada fuerte fuerte

33
 Experimento con mezclas
 Experimentos en los cuales las variables se expresan
como proporciones del todo sumando 1.0
 Experimentos aleatorios
 Reduce la influencia de variables extrañas en la
experimentación
 Error residual (e o E)
 Es la diferencia entre los valores observados y los
estimados por un modelo determinado empíricamente.
Puede ser la variación en resultados de condiciones de
prueba virtualmente idénticas
Términos

34
 Resolución I
 Experimentos donde se varia sólo un factor a la vez
 Resolución II
 Experimentos donde algunos efectos principales se
confunden, es indeseable
 Resolución III- Exp. fraccionales
 Experimentos fraccionales donde no se confunden los
efectos principales entre sí, sólo con sus interacciones
de dos factores
 Resolución IV- Exp. fraccionales
 No se confunden los efectos principales ni con sus
interacciones pero si lo hacen las interacciones entre si
Términos

35
 Resolución V – Exp. Fraccionales
 Sólo puede haber confusión entre interacciones de dos
factores con interacciones de tres factores o de mayor
orden
 Resolución VI - Exp. Factorial completo V+
 Experimentos sin confusión, factoriales completos o
dos bloques de 16 experimentos
 Resolución VII – Exp. Factoriales completos
 Experimentos en 8 bloques de experimentos
Términos

36
 Los factores son los elementos que cambian durante un
experimento para observar su impacto sobre la salida. Se
designan como A, B, C, etc.
- Los factores pueden ser cuantitativos o cualitativos
- Los niveles se designan como alto / bajo (-1, +1) o (1,2)
Factor Niveles
B. Temp. de Moldeo 600º 700º
E. Tipo de Material Nylon Acetal
Factor cuantitativo,
dos niveles
Factor cualitativo,
dos niveles
Factores y niveles

37
Pasos para Diseñar y Realizar un
Diseño de Experimentos
1. Observar datos históricos y/o recolectar datos para
establecer la capacidad actual del proceso debe estar
en control estadístico.
2. Determinar el objetivo del experimento (CTQs a
mejorar).
Por medio de un equipo de trabajo multidisciplinario
3. Determinar qué se va a medir como resultado del
experimento.
4. Identificar los factores de control y de ruido que
pueden afectar el resultado.

38
5. Determinar el número de niveles de cada factor y sus
valores reales.
6. Seleccionar un esquema experimental que acomode
los factores y niveles seleccionados y decidir el
número de replicas.
7. Verificar todos los sistemas de medición (R&R < 10%)
8. Planear y preparar los recursos (gente, materiales,
etc.) para llevar a cabo el experimento. Hacer un plan
de prueba.

39
9. Realizar el experimento, identificar muestras con la
condición experimental que la produce
• Medir las unidades experimentales.
11. Analizar los datos e identificar los factores
significativos.
12. Determinar la combinación de niveles de factores que
mejor alcance el objetivo.

40
13. Correr un experimento de confirmación con esta
combinación "óptima".
14. Asegurar que los mejores niveles para los factores
significativos se mantengan por largo tiempo mediante
la implementación de Procesos de Operación Estándar
y controles visuales.
15. Re evaluar la capacidad del proceso.

41
 Objetivos de los experimentos
 Caracterizar el proceso (identificar los factores que
influyen en la ocurrencia de errores)
 Optimizar, identificar el nivel óptimo de los factores
críticos para reducir el número de errores
 Identificar los factores controlables que pueden afectar
a la respuesta Y = Tiempo de solución de problema
 Identificar los factores de ruido que no podemos o
queremos controlar
Ejemplo: Proceso de atención a clientes
en un Call Center

42
 Variables de control X’s
 Número de líneas telefónicas
 Nivel del Personal
 Tiempo de acceso a bases de datos
 Horas laboradas al día
 Horas de atención
en un Call Center

43
 Variables que no se pueden o desean controlar Z’s –
Variables de ruido
 Edad del ejecutivo de cuenta
 Distribución del Call Center
 Día del año
 Medio ambiente
 Horarios de comida
en un Call Center

44
Los Factores Pueden Afectar...
2. El Resultado Promedio
3. La Variación y el Promedio
1. La Variación del Resultado
4. Ni la Variación ni el Promedio
Banda ancha
Banda
angosta
Tiempo del servicio
Sin
entren.
Con
Entren.
Pocos ejecutivos
Suficientes
ejectuvos Ambos sexos
Toman el mismo
tiempo
Tiempo del servicio
Tiempo del servicio Tiempo del servicio

45
Tipos de Salidas
Las salidas se clasifican de acuerdo con nuestros objetivos.
3. El Valor Máximo es el Mejor
• Tiempo de Ciclo
• Tiempo de
conexión
• Confiabilidad
• Satisfacción
Objetivo Ejemplos de Salidas
1. El Valor Meta es el Mejor
Meta
Lograr un
valor meta con
variación mínima
• Tiempo de atención
• Tiempo de conexión
2. El Valor Mínimo es el Mejor
0
Tendencia de salida
hacia arriba
Tendencia de
salida hacia cero

46
Estrategia cuando
el “Valor Meta es Mejor”
Paso 1: Encuentra los factores que
afectan la variación. Usa estos
factores para reducir al mínimo
la variación.
Paso 2: Encuentra los factores que
desplazan el promedio (y no
afectan la variación). Usa estos
factores para ajustar la salida
promedio con la meta deseada.
Meta

47
Estrategia cuando el
“Valor Mínimo es Mejor”
0
Tendencia de
salida baja
• El objetivo en este caso es encontrar los factores que
afectan la salida promedio (tiempo). Usa estos factores para
hacer que la tendencia del promedio sea baja.
• Cuando se reduce la variación en la salida al mínimo,
también se mejora la salida al detectar los factores que
contribuyen en gran medida a la variación.

48
Pruebas o Corridas Experimentales
Las combinaciones de pruebas específicas de factores y
niveles que se corren durante el experimento.
Experiencia x Material
usado:
El mejor nivel de Material
depende de la experiencia.
Interacciones
El grado en que los factores dependen unos de otros.
Algunos experimentos evalúan el efecto de las
interacciones; otros no.
Factor (X’s) Niveles
A. Tiempo llamada 30 60 min.
B. Localización 1 2
C. Experiencia 1 3
D. Material usado A B
Niveles
Los valores en los que se establecen los factores.
A. Tiempo de llamada
B. LOcalización
C. Experiencia
D. Tipo de Material usado
Factores
Las variables de entrada de proceso que se
establecen a diferentes niveles para observar
su efecto en la salida.
Y =Tiempo de
conexión
Respuesta de Salida
La salida que se mide como resultado del experimento
y se usa para juzgar los efectos de los factores.
+1
-1
+1
-1
3
+1
+
1
-1
-1
2
-1
-1
-1
-1
1
Datos
D
C
B
A
Corridas
-1=Nivel Bajo +1=Nivel Alto
.
.

49
V.A.2 Experimentos factoriales
completos 2K

50
 Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
40
20
-1
52
30
+1
+1
-1
Factor A:
Factor B: Y = Respuesta
Experimento factorial completo –
sin interacción
Efecto del factor A = (52+40)/2 - (30+20)/2 = 21
Efecto del factor B = (30+52)/2 - (20+40)/2 = 11
Efecto de A*B = (52+20)/2 – (30+40)/2 = 1

51
Experimento sin interacción
A = -1 A = +1
Respuesta
Promedio
B = +1
B = -1 20
30
40
52

52
Experimento sin interacción
A = -1 A = +1
Respuesta
20
30
40
52

53
Modelo de regresión lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2
ˆ (20 40 30 52) / 4 35.5
ˆ 21/ 2 11
ˆ 11/ 2 5.5
ˆ 1/ 2 0.5
ˆ 35.5 10.5 5.5 0.5
y x x x x
y x x x x
   




   
    
 
 
 
   
El coeficiente 0.5 es muy pequeño dado que no hay interacción

54
Gráfica de contornos – Experimentos
sin interacción
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1
.5
0
-.5
-1
22
28
34
40
46
49 Dirección
De ascenso
rápido

55
Superficie de respuesta –
Experimentos sin interacción
X1
X2
Superficie de respuesta
Gráfica del modelo de regresión
Y = respuesta

56
 Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
50
20
-1
12
40
+1
+1
-1
Factor A = X1 :
Factor B = X2:
Y = Respuesta
Experimento factorial completo –
con interacción
Efecto de A*B = {(12+20)-(40+50)}/2 = -29

57
Experimento con interacción
A = -1 A = +1
Respuesta
Promedio
B = +1
B = -1 20
40
50
12

59
Modelo de regresión lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2
ˆ (20 40 30 52) / 4 30.5
ˆ 2 / 2 1
ˆ 18 / 2 9
ˆ 58 / 2 29
ˆ 30.5 1 9 29
y x x x x
y x x x x
   




   
    
 
   
   
   
El coeficiente -29 es muy grande representando la interacción

60
Gráfica de contornos
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1
.5
0
-.5
-1
25
28
31 34
43
49 Dirección
De ascenso
rápido
40

61
Superficie de respuesta –
Experimentos con interacción
Superficie de respuesta
Gráfica del modelo de regresión

62
 Un experimento factorial con réplicas tiene varios
resultados bajo la misma combinación de niveles
y7
y8
y3
y4
60’
y5
Y6
y1
y2
30’
90
70
Factor A :
Horas entrenamiento
Factor B:
Acceso al
sistema
Y = Tiempo de
respuesta
Experimento factorial con réplicas

63
Factor A :
Horas de entrenam.
79
78
95
92
60 min.
84
87
90
87
30 min.
90
70
Factor B:
Acceso al
sistema
Y = Tiempo de
conexión
• ¿El tiempo de entrenamiento afecta el tiempo de conexión?
• ¿El tiempo de acceso afecta el tiempo de conexión?
• ¿Qué efecto tiene la interacción entre las horas de
entrenamiento y la hora del día sobre el tiempo de conexión?
Análisis del efecto de la media

64
A2 =
El Efecto del entrenamiento
Factor B :
Tiempo de
acceso
79
78
95
92
B2 = 60 min.
84
87
90
87
B1 = 30 min.
A2 = 90
A1 = 70
Factor A : Horas de
entrenamiento
A1 = 90 + 87 + 95 + 92
4
= 91
84 + 87 + 79 + 78
4
= 82
¿El tiempo de entrenamiento parece cambiar el
tiempo de conexión Y?
Tiempo
de
conexión
70 90
o
95
90
85
80
91
82

65
El Efecto del Tiempo de acceso
B2 =
Factor B :
Tiempo de
acceso
B1 = 90 + 87 + 84 + 87
4
= 87
95 + 92+ 79 + 78
4
= 86
Tiempo
de
conexión
30 min. 60 min.
95
90
85
80
79
78
95
92
B2 = 60 min.
84
87
90
87
B1 = 30 min.
A2 = 90
A1 = 70
Factor A : Horas de
entrenamiento
¿El cambio de tiempo de acceso parece cambiar
el tiempo de atención promedio del Call Center?
87
86

66
El Efecto de la Interacción
Factor B : Tiempo de
acceso
o
o
Factor A : Horas de entrenamiento
79
78
95
92
B2 = 60
min.
84
87
90
87
B1 = 30
min.
A2 = 90
A1 = 70
78.5
93.5
B2
85.5
88.5
B1
A2
A1
A,B, = 90 + 87
2
= 88.5
Tiempo
de
conexión
30 min. 60 min.
95
90
85
80
• En una gráfica de interacción, las líneas paralelas indican que no hay interacción. ¿Por qué?
• ¿Las horas de entrenamiento y el tiempo de acceso parecen interactuar?
• ¿Qué niveles de los factores deben usarse para reducir al mínimo la dureza de
las partes?

68
Stat > DOE > Factorial > Create Factorial Design
o Two level
Designs: Number of center points 0
Number of Replicates 2
Number of blocks 1 OK
Options Non randomize runs OK
Factors Introducir el nombre real de los factores
y en forma opcional los niveles reales
Results Summary table, alias table OK
Corrida con Minitab – Creación del diseño
para 2 factores 2 niveles

69
Stat > DOE > Factorial > Create Factorial Design
Type of Design: General Full Factorial
Designs: Number of levels 3, 3
Number of Replicates 2
Options Non randomize runs OK
Factors Introducir el nombre real de los factores
y en forma opcional los niveles reales
Corrida con Minitab – Diseño para 2
factores con 3 o más niveles

70
Corrida con Minitab – Análisis del
diseño factorial
 Hacer una columna de RESPUESTAS e introducir los datos
correspondientes a cada celda
Stat > DOE > Factorial > Analyze Factorial Design
Response Seleccionar la columna de las respuestas
Residuals Estandardized
Terms Pasar todos los términos a Selected con >> OK
Graphs Seleccionar Effects Plots Normal y Pareto
Seleccionar Residual plots: Normal y vs fits OK
Results Full table of fits and residuals
Seleccionar todos los términos con >> OK
OK

71
Corrida con Minitab –
Interpretación de gráficas
MAIN EFFECTS
 La gráfica de EFFECTS PLOT debe indicar fuera de la recta los
factores e interacciones que son significativas
 La gráfica EFFECTS PARETO debe indicar en sus barras
principales más allá de la recta de 0.1 o 0.05 los factores e
interacciones significativas
RESIDUALS
 La gráfica NORMAL PLOT de residuos debe mostrar los puntos
cerca de la recta
 La gráfica de residuos RESIDUALS vs FITS debe mostrar
aleatoriedad en los residuos

72
Corrida con Minitab –
Interpretación de resultados
Estimated Effects and Coefficients for Res (coded units)
Term Effect Coef SE Coef T P Variables significativas (p < 0.05, 0.1)
Constant 86.500 0.6614 130.78 0.000
A -9.000 -4.500 0.6614 -6.80 0.002
B -1.000 -0.500 0.6614 -0.76 0.492
A*B -6.000 -3.000 0.6614 -4.54 0.011
Modelo de regresión Y = 86.5 – 4.5 A – 3 AB (incluyendo sólo las variables significativas)
Analysis of Variance for Res (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 2 164.00 164.00 82.000 23.43 0.006 Existencia del modelo
2-Way Interactions 1 72.00 72.00 72.000 20.57 0.011
Residual Error 4 14.00 14.00 3.500
Pure Error 4 14.00 14.00 3.500
Total 7 250.00

73
Tabla ANOVA – Experimento de
Tiempo de respuesta
250.000
7
Total
3.500
14.000
14.000
4
Error
0.011
20.57
72.000
72.000
72.000
1
Temp*
Tiempo
0.492
0.57
2.000
2.000
2.000
1
Tiempo
0.002
46.29
162.00
162.00
162.000
1
Temp
P
F
MS Aj
SS Aj
SS Sec
DF
Origen
Las horas de
entr. son
significativas.
La interacción
del tiempo de
acceso y horas
de entr. es
significativa.
El Tiempo de
acceso, no es
significativo.

74
Crear las gráficas factoriales y de interacción:
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots
Setup para ambas: Seleccionar columna Respuesta
y con >> seleccionar todos los factores OK
Seleccionar Data Means OK
Corridas con Minitab – Gráficas
factoriales

75
Interpretación de gráficas
 Si la interacción es significativa, entonces los mejores
niveles de operación del proceso ya sea para
maximizar o para minimizar la respuesta Y, se
seleccionan de la Gráfica de Interacción
 Si no es significativa la interacción, entonces los
mejores niveles de los factores se seleccionan de las
gráficas de efectos principales

76
Gráfica de efectos principales
B
A
1
-1
1
-1
90
88
86
84
82
Res
Main Effects Plot (data means) for Res

77
Gráfica de interacciones
-1
1
1
1
-1
-1
90
85
80
B
A
Mean
Interaction Plot (data means) for Res

78
Crear las gráficas de contorno y superficies de respuesta:
Stat > DOE > Factorial > Contour/Surface Plots
Seleccionar Contour / Surface Plots
Setup para ambas: Entrar a opción y dar OK
Seleccionar OK
Corridas con Minitab – Gráficas de
contorno y superficie de respuesta

79
Gráfica de contorno
82.5
85.0
87.5
90.0
92.5
1
0
-1
1
0
-1
A
B
Contour Plot of Res
Permite identificar la dirección de experimentación
de ascenso rápido perpendicular a los contornos

80
Gráfica superficie de respuesta
1
0
-1
B
80
85
90
95
0
Res
-1
1
A
Surface Plot of Res

81
V.B. Generación e implantación
de soluciones – Técnicas de
creatividad

82
Tormenta de ideas
 Permite obtener ideas de los participantes

83
SCAMPER
 Sustituir, Combinar, Adaptar, Modificar o ampliar,
Poner en otros usos, Eliminar, Revertir o re arreglar
Involucrar al cliente en el desarrollo del producto
 ¿qué procedimiento podemos sustituir por el actual?
 ¿cómo podemos combinar la entrada del cliente?
 ¿Qué podemos adaptar o copiar de alguien más?
 ¿Cómo podemos modificar nuestro proceso actual?
 ¿Qué podemos ampliar en nuestro proceso actual?
 ¿Cómo puede apoyarnos el cliente en otras áreas?
 ¿Qué podemos eliminar en la forma de inv. Del cliente?
 ¿qué arreglos podemos hacer al método actual?

84
Lista de atributos
 Lista de atributos: Dividir el problema en partes
 Lista de atributos para mejorar una linterna
Componente Atributo Ideas
Cuerpo Plástico Metal
Interruptor Encendido/Apagado
Encendido/Apagado
/luminosidad media
Batería Corriente Recargable
Bombillo de Vidrio Plástico
Peso Pesado Liviano

85
Análisis morfológico
 Conexiones morfológicas forzadas
Ejemplo: Mejora de un bolígrafo
Cilindrico Material Tapa
Fuente de
Tinta
De múltiples
caras
Metal Tapa pegada Sin repuesto
Cuadrado Vidrio Sin Tapa Permanente
En forma de
cuentas
Madera Retráctil
Repuesto de
papel
En forma de
escultura
Papel
Tapa
desechable
Repuesto
hecho de tinta

86
Los Seis Sombreros de pensamiento
 Dejemos los argumentos y propuestas y miremos
los datos y las cifras.
 Exponer una intuición sin tener que justificarla
 Juicio, lógica y cautela
 Mirar adelante hacia los resultados de una acción
propuesta
 Interesante, estímulos y cambios
 Visión global y del control del proceso

87
Dividir y analizar
 Dividir un problema en partes pequeñas y analizarlas por
separado: (Vendedor de pescado no ofrecía el sabor de pez
fresco)
 El Pez:
 Vive bajo el agua; tiene agallas; se mueve constantemente;
de sangre fria; cambia su color fuera del agua
 Solución:
 Se colocó un pequeño tiburón en la pecera para que el pez
conservara sus atributos vitales de frescura

88
Pensamiento forzado
con palabras aleatorias
 Crear nuevos patrones de pensamiento y forzar a ver
relaciones donde no las hay.
 Desarrollar ideas efectivas de lanzamiento de
productos: Impermeables
 Protegen de los elementos productos simples
 Son a prueba de agua productos laminados
 Son de hule flexibles flexibilidad de distribución
 Tienen bolsas productos de bolsillo
 Tienen capote publicidad amplia territorial

89
Listas de verificación
Haga Preguntas en base a las 5W – 1H.
 Por qué es esto necesario?
 Dónde debería hacerse?
 Cuándo debería hacerse?
 Quién lo haría?
 Qué debería hacerse?
 Cómo debería hacerse?

90
Mapas mentales
 Se inicia en el centro de una página con la idea
principal, y trabaja hacia afuera en todas direcciones,
produciendo una estructura creciente y organizada
compuesta de palabras e imágenes claves
 Organización; Palabras Clave; Asociación;
Agrupamiento
 Memoria Visual: Escriba las palabras clave, use colores,
símbolos, iconos, efectos 3D, flechas, grupos de palabras
resaltados.
 Enfoque: Todo Mapa Mental necesita un único centro.

91
TRIZ
 Hay tres grupos de métodos para resolver problemas
técnicos:
 Varios trucos (con referencia a una técnica)
 Métodos basados en utilizar los fenómenos y efectos
físicos (cambiando el estado de las propiedades físicas
de las substancias)
 Métodos complejos (combinación de trucos y física)

92
TRIZ – 40 herramientas
 Segmentación
 Extracción
 Calidad local
 Asimetría
 Combinación/Consolidación
 Universalidad
 Anidamiento
 Contrapeso
 Contramedida previa
 Acción previa
 Compensación anticipada
 Acción parcial o excesiva
 Transición a una nueva dim.
 Vibración mecánica
 Acción periódica
 Continuidad de acción útil
 Apresurarse
 Convertir lo dañino a benéfico
 Construcción Neumática o
hidráulica
 Membranas flexibles de capas
delgadas
 Materiales porosos

93
TRIZ – 40 herramientas
 Equipotencialidad
 Hacerlo al revés
 Retroalimentación
 Mediador
 Autoservicio
 Copiado
 Disposición
 Esferoidicidad
 Dinamicidad
 Cambio de color
 Homogeneidad
 Rechazar o recuperar partes
 Transformación de
propiedades
 Fase de transición
 Expansión térmica
 Oxidación acelerada
 Ambiente inerte
 Materiales compuestos

94
Generar y evaluar las soluciones
 Generar soluciones para eliminar la causa raíz o
mejora del diseño
 Probar en pequeño la efectividad de las soluciones
 Evaluar la factibilidad, ventajas y desventajas de cada
una de las diferentes soluciones, con un diagrama de
árbol
 Por cada causa raíz – generar varias soluciones – ver
sus ventajas, desventajas, factibilidad, impacto y costo

95
Generar y evaluar las soluciones
 Realizar una definición analítica y selección
cuantitativa de las alternativas de solución, además
de analizar y evaluar cada una de ellas.
 Hacer un plan de implementación de las soluciones
(Gantt o 5W – 1H)

96
Implantación de soluciones
PUNTO CRITICO ACTIVIDADES
* Realizar las medidas como se habian acordado * Antes de aplicar las medidas correctivas
* Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos
* Dar capacitacion y entrenamiento. secundarios que puedan afectar al producto o áreas*
Los equipos implantan las acciones correctivas y después poner en práctica las soluciones.
* Obtener la aprobación de las áreas relacionadas, turno o puesto, Jefe inmediato etc. Es decir,
Comunicar a todos los involucrados de la mejora a realizar.
EJEMPLO 1
LISTADO DE LAS MEDIDAS CORRECTIVAS
NO CUANDO
¿A QUE? - ¿COMO?
DONDE RESUL
TADO
JUICIO QUIEN
TOPE PROC. DE
LIMPIEZA
1
2
JULIO 97
JULIO 97
BARRA DE
APLICACION
PARA LOS
MOLDES
AUNQUE SE DA
EFECTO
NO ES PERSISTENTE
EXISTE POCO
DEFECTO
J. PÉREZ
L.TORRES

97
Calendario de las actividades
¿qué? ¿por qué? ¿cómo? ¿cuándo
?
¿dónde
?
¿quién?
1
Tacogenerador
de motor
embobinador
1.1 Por variación de
voltaje durante el
ciclo de cambio
1.1.1 Tomar dimensiones de ensamble entre
coples.
1.1.2 Verificar estado actual y
especificaciones de escobillas.
1.1.3 tomar valores de voltaje de salida
durante el ciclo de cambio.
Abril ’04 1804
Embob.
J. R.
2 Sensor
circular y de
velocidad de
linea.
2.1 Por que nos
genera una varión en
la señal de referencia
hacia el control de
velocidad del motor
embobinador
2.1.1 Tomar dimensiones de la distancia
entre poleas y sensores.
2.1.2 Tomar valores de voltaje de salida de
los sensores.
2.1.3 Verificar estado de rodamientos de
poleas.
Abril ’04 1804
Embob.
U. P.
3 Ejes
principales de
transmisión.
3.1 Por vibración
excesiva durante el
ciclo de cambio
3.1.1 Tomar lecturas de vibración en
alojamientos de rodamientos
3.1.2 Comparar valores de vibraciones con
lecturas anteriores.
3.1.3 Analizar valor lecturas de vibración
tomadas.
Abril’04 1804
Embob.
F. F.
4 Poleas de
transmisión de
ejes
embobinadores
.
4.1 Puede generar
vibración excesiva
durante el ciclo de
cambio.
4.1.1 Verificar alineación, entre poleas de
ejes principales y polea de transmisión del
motor.
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.
Abril’04 1804
Embob.
J. R.
U. P.

98
Implantación de soluciones
15 GUOQCSTORY.PPT

99
Prueba e implantación de soluciones
 Probar las soluciones investigando los efectos
secundarios que puedan afectar a otras áreas y
después ponerlas en practica.
 Planear la implantación de las alternativas
seleccionadas.
 Ejecutar las acciones del plan de acciones,
comprobando su efectividad con: diagramas, fotos,
cartas de control, Paretos, histogramas, etc.

100
1. Actions
2. Responsibilities
3. Schedule
4. Cost/Benefit Analysis
5. Measures
6. Risk Assessment
7. Contingency Plan
8. Change Strategy
9. Communication Plan
10. Education Plan
Describes the specific actions & tasks to be taken
for each root cause
Describes who is responsible for each action
Indicates when the actions & tasks will be
completed
Predicts direct & indirect costs & benefits
associated with each action
Indicates whether the actions (solutions) are
successful
Assesses what could go wrong if the actions are
implemented
Includes a back-up plan for each action based on a
risk assessment
Identifies potential organizational barriers to
actions and strategies for addressing them
Details who must be informed as well as how they will be
informed and involved, before the actions are taken
Identifies who needs to be trained for the
implementation to be successful as well as the
source, scheduling, method and content of that
training
Implementation Plan Components

101
Verificación de soluciones
PUNTO CRITICO ACTIVIDADES
* Verificar hasta obtener efectos estables ampliando * Hacer análisis comparativo antes y después
los datos históricos en gráficas de la etapa de * En caso de aplicar varias medidas
correctivas
"razón de selección del tema" , Verificar los efectos intangibles sin omisiones
* Comparar el efecto en gráfica entre antes y después
de DMAIC respecto al objetivo. confirmar el efecto sobre cada concepto de
(relación humana, capacidad, trabajo en equipo, contramedidas.
entusiasmo, área de trabajo alegre).
* Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen áreas y operaciones
similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento.
2.1
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1
2.19 2.14
2.22
2.33
1.76
1.32
0.9 0.87
0.94
0.79
0.99 0.94
0
0.5
1
1.5
2
2.5
May-97 Jun-97 Jul-97 Ago-97 Sep-97 Oct-97 Nov
-97 Dic-97 E
ne-98 Feb-98 Mzo-98 Abr-98
%D < 1 %
Ejemplo 1.
%
D
E
F
E
C
T
U
S
O
Comprobar efec_
tividad de las
Soluciones con
Pruebas de Hipótesis

102
Verificación de resultados
 Verificar hasta obtener efectos estables ampliando los
datos históricos como confirmación inicial.
 Comparar el efecto antes y después del proyecto Seis
Sigma respecto al objetivo.
 Verificar los efectos intangibles sin omisiones(relación
humana, capacidad, trabajo en equipo, entusiasmo,
área de trabajo alegre).
 Convertirlo en monto de ahorro en lo posible

103
Verificación de resultados
0
10
20
30
40
50
60
70
80
90
1er trim. 2do trim. 3er trim. 4to trim.
Este
Oeste
Norte
0
10
20
30
40
50
60
70
80
90
1er trim. 2do trim. 3er trim. 4to trim.
Este
Oeste
Norte
A N TES DE SPU ES
MEJ ORA
COS TO
$ 5,000
COS TO
$ 1,000

104
Diagrama de
Ishikawa
Diagrama de
relaciones
Diagrama
de Árbol
Análisis del Modo y Efecto de
Falla (AMEF)
QFD
Diagrama
Causa Efecto
CTQs = Ys
Operatividad
X's vitales
Diagrama
de Flujo
del
proceso
Pruebas
de
hipótesis
Causas raíz
validadas
¿Causa
Raíz?
Definición
Y=X1 + X2+. .Xn
X's
Causas
potenciales
Medición Y,
X1, X2, Xn
FASE DE ANÁLISIS
Si
No
Llenar las últimas
Columnas del FMEA
y comprobar Hipótesis

SEIS_SIGMA_MEJORA_GB.ppt

Más contenido relacionado

Similar a SEIS_SIGMA_MEJORA_GB.ppt

Más de OSWALDOAUGUSTOGONZAL1

Último

SEIS_SIGMA_MEJORA_GB.ppt