seis sigma

Hernaldo Reinoso

Marzo 2015

Gestin y Control de la Calidad

UNIVERSIDAD DE CONCEPCIONFacultad de IngenieraDepartamento de Ingeniera Industrial

Metodologa Seis Sigma

Captulo 3

3

Bibliografa E. J. Escalante. Seis-Sigma: Metodologa y Tcnicas. Limusa Noriega

Editores, 2004.

Edgardo J. EscalanteProfessor of Industrial Engineering & Six Sigma Consultant

Monterrey Area, MexicoMechanical or Industrial Engineering

Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin

4

Se concentra en:- las salidas crticas para los clientes, y- en un claro retorno financiero para la organizacin

Metodologa Seis Sigma

Conjunto de mtodos usados para eliminar defectos en productos y procesos

Objetivo: Reducir la variacin en el proceso de tal manera que todoslos productos o servicios cumplan o excedan las expectativas de los clientes

ndices de Capacidad del Proceso

ndice de capacidad del proceso

Como la desviacin estndar no es conocida, se utiliza la siguienteestimacin:

5


LIE LSE

Capacidad Real del Proceso

LIE LSET

6


Ejemplo Caracterstica de Calidad: Distancia entre pas Datos: LSE = 139

LIE = 115

Media = 126.5 (De los GC)

7


Capacidad Real del Proceso

Mtricas de Seis Sigma

Calidad 3 sigma: Lmites reales (o de tolerancia natural) de la variablede salida coinciden con las especificaciones de calidad para tal variable.

Ejemplo: Proceso envasado de cemento:- Especificaciones contenido bolsas: 50 0.6 kg

Proceso 3 sigma requiere que:- Proceso est centrado en la especificacin nominal - Lmites de especificacin coincidan con los lmites de tolerancia natural

En el ejemplo: = 50 y = 0.2 Esto implica que Cp = Cpk = 1 y un 99.73% de producto no defectuoso

(o 0.27% de producto defectuoso)

8


LIE = 50 - 0.6

X

LSE = 50 + 0.6

LITN = 50 3(0.2) LSTN = 50 + 3(0.2)

0.001350.001350.9973


Estadstico Z: Establece el nmero de sigmas de un proceso

Para el ejemplo de las bolsas de cemento Z = 3

9

Ejemplo: Si la media aumenta en 1.5 entonces la capacidad (real)del proceso cambia a:

Esto implica un aumento de 0.27% a 6.681% de producto defectuoso.


LIE LSE

Cp = 1Nivel 3

Nivel 3 Sigma10


LIE LSE

Cp = 2Nivel 6

Calidad (Nivel) Seis Sigma11


LIE LSE

Cp = 2Nivel 6

1.5

12


Calidad (Nivel) Seis Sigma

LIE LSE

Cp = 2Nivel 6

13



LIE LSE

Cp = 2Nivel 6

1.5

14



Calidad Seis Sigma15



dpu: Defectos por unidad

dpmu: Defectos por milln de unidades


16

Notacin: d = Nmero de defectoso = oportunidades de defecto

por unidadu = Nmero de unidades

dpo: Defectos por total de oportunidades

dpmo: Defectos por milln de oportunidades


Ejemplo: Suponga que en cierto proceso de instalacin de ventanas en laconstruccin de viviendas sociales se encontraron 5 defectos en un conjuntode 100 casas. Suponga, adems, que en cada casa existen 7 posibilidades deocurrencia de un defecto (mal ajuste de la cerradura, vidrios trizados, marcodefectuoso, marco mal pintado, etc.). Entonces


17

Niveles de Calidad k-Sigma

Nmero de defectuosos (partes por milln, ppm)

18


Niveles de Calidad k-Sigma

Se encontraron 175 defectosen un lote de produccin de 5000 unidades

El fabricante permite 1367 oportunidades de defectos

Ejemplo

19


Mtricas de Seis Sigma 20

Ejemplo: En la fabricacin de cierto tipo de tarjetas electrnicas impresas,se tienen las siguientes oportunidadesde cometer errores:

Componentes equivocados 100Componentes mal soldados 20Componentes mal insertados 10Soldadura faltante 120

En una muestra de 3000 tarjetas se encontr un total de 85 defectos. Calcule los indicadores adecuados y estime el nivel k-sigma.

Solucin:

Leyendo de una tabla normal se tiene que 113.2 dpmo corresponde a un nivel z = 3.69 (o 3.69 sigma)


Nivel Sigma: Relacin con Cp y Cpk21

Proceso centrado Proceso desplazado 1.5 sigmas Nivel deCalidadSigma

Defectos Defectos



200 180

Rendimiento de un Proceso (Yield) Rendimiento tradicional: Nmero de piezas que entran dividido entre nmero

de piezas producidas dentro de las especificaciones.

Ejemplo: Considere el siguiente proceso:

Entonces

22


200 1723 D20 D 5 D 0 D

197 177 172

Rendimiento de primera vez (First Time Yield, YFT): Nmero de piezashechas bien la primera vez en cada etapa del proceso

Ejemplo: Considere el siguiente proceso:

23Rendimiento de un Proceso (Yield)


Rendimiento en cadena o combinado (Rolled Throughput Yield, YRT):Producto de los rendimientos en cada etapa del proceso. (Sin incluirreprocesos)

Ejemplo: Considere el proceso del ejemplo anterior:

24

200 1723 D20 D 5 D 0 D

197 177 172


Rendimiento de un Proceso (Yield)

Ejemplo con reprocesos ( o retrabajo):

5 3

25

200 1723 D20 D 5 D 0 D

197 177 172


Rendimiento de un Proceso (Yield)DPU y Distribucin de Poisson

Ejemplo: Considere una muestra de 15 unidades, de las cuales 2 u tuvieron3 defectos; 3 u tuvieron 2 defectos, y 1 u tuvo un defecto. El resto no tuvo defectos.

Entonces:

Sea X = nmero de defectos por unidad


27

Ejemplo: Probabilidad de que una unidad contenga algn defecto:

Ejemplo: Probabilidad de que una unidad no contenga ningn defecto:

Nota: Esta probabilidad se conoce como yield (rendimiento) y es laprobabilidad de que una unidad pase una etapa a la primera libre de (o sin) defectos


DPU y Distribucin de Poisson 28

Ejemplo: Sin un proceso tiene rendimiento de primera pasada de 0.759,entonces

Ejemplo: En el caso de un proceso con varias etapas, si

Entonces:


29DPU y Distribucin de Poisson

Pasos de la Mtrica Seis Sigma Identificar las CTQ (Critical To Quality - Caractersticas o requerimientos

de los clientes) o CPC (Caractersticas crticas de desempeo Para la Calidad)

Definir las oportunidades de defecto: cualquier paso en el proceso dondepueda ocurrir un defecto en una CTQ

Contar los defectos en todos los pasos del proceso Calcular dpmo individual para cada una de las fases Convertir a niveles sigma individual para cada una las fases Resumen final. Calcular YFT, dpmo, la distribucin de los defectos.

Comentar sobre nivel de calidad del proceso Deteccin de reas de oportunidad y jerarquizar las fases del proceso

con base en sus niveles sigma

29


Establecimiento de las Xs y las Ys X: - Causa de un problema

- Variables que afectan un proceso Y: Salida o resultado de un proceso

Ejemplos:

30

X Y (CPC) Calidad del trabajo realizado Tiempo de ciclo Nmero de telefonistas Informacin incorrecta

Nivel de satisfaccin del cliente Entrega a tiempo Tiempo en contestar telfono Defectos producidos


X1

X2

X3

X4

X5

X6

X7

Y

31Establecimiento de las Xs y las Ys

Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin

32

X1

X2

X3

X4

X5

X6

X7

Y

X8

Establecimiento de las Xs y las Ys


33Mejora de procesos: Ciclo DMAIC

Clientes y sus requisitos

El proceso y su desempeo

Causas de los defectos

Eliminar causas de los defectos

Mantencin de la calidad


34Estructura para Seis Sigma


35

Metodologa DMAIC

Definir el problema en trminos operativos Establecer el enunciado del problema

(alcance del proyecto) Identificar los clientes y los grupos de CPC

(Caractersticas de desempeo Crticas Para la Calidad) que tienen mayor impacto en el desempeo del producto o servicio.

Identificar indicadores de desempeo, e implicaciones de costo/beneficio

Definir Preguntas claves sobre la recoleccin

de datos Qu preguntas tratamos de

responder? Qu clases de datos necesitamos

para responderla? Dnde encontraremos los datos? Quin puede proporcionar los datos? Cmo podemos recopilar los datos

con un mnimo esfuerzo y probabilidad de error?

Medir


36Metodologa DMAIC

Foco en el porqu los defectos, errores, o excesiva variacin ocurren

Investigar la causa razTcnica de los 5 por

quExperimentacin y

verificacin

Analizar

Mejorar

Mantener las mejorasNuevas normas y

procedimientos de operacin

Entrenamiento

Listas de verificacin (checklist) o revisiones peridicas

Grficos de control estadstico de procesos

Controlar

No

Si

No

Si

No

Si


37Metodologa DMAIC Herramientas Seis Sigma para DMAIC38

DEFINIR Carta del proyecto Anlisis costo de la calidad Anlisis de Pareto Mapeo de procesos

MEDIR Hojas de chequeo Estadstica descriptiva Medicin y sistema de evaluacin Anlisis capacidad del proceso Benchmarking

ANALIZAR Mapeo detallado del proceso Inferencia estadstica Diagrama causa efecto Anlisis efecto y modo de fallas Anlisis de las causas raz

MEJORAR Diseo de experimentos Prueba de errores Produccin esbelta Ciclo Deming Siete herramientas de la planeaciny administracin

CONTROLAR Control estadstico de procesos (CEP o SPC)

Procedimientos de operacin estndarHernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin

Herramientas para seis sigma y mejora de la calidad

Estadstica elemental (estadstica bsica, pensamiento estadstico, pruebas de hiptesis, regresin y correlacin simples)

Estadstica avanzada (DOE, ANOVA, regresin mltiple) Diseo y confiabilidad de productos (QFD, FMEA) Medicin (Capacidad de los procesos, anlisis de los sistemas de medicin) Control de procesos (Planes de control, CEP) Mejora de procesos (Planeacin de la mejora, diagramacin de procesos,

pruebas de errores) Implementacin y trabajo en equipo (Eficacia organizacional, evaluacin de

equipos, herramientas para facilitarlos, desarrollo de equipos)Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin

39

seis sigma

Documents

sigma15hernaldo reinoso

sigma11hernaldo reinoso

sigma10hernaldo reinoso

gc7hernaldo reinoso

universidad de concepcin4

sigma calidad

sigma dpu

proceso envasado