seis sigma
DESCRIPTION
ArchivoTRANSCRIPT
-
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
LIE LSE
Capacidad Real del Proceso
LIE LSET
6
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Ejemplo Caracterstica de Calidad: Distancia entre pas Datos: LSE = 139
LIE = 115
Media = 126.5 (De los GC)
7
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
-
LIE = 50 - 0.6
X
LSE = 50 + 0.6
LITN = 50 3(0.2) LSTN = 50 + 3(0.2)
0.001350.001350.9973
Mtricas de Seis Sigma
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.
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
LIE LSE
Cp = 1Nivel 3
Nivel 3 Sigma10
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
LIE LSE
Cp = 2Nivel 6
Calidad (Nivel) Seis Sigma11
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
LIE LSE
Cp = 2Nivel 6
1.5
12
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Calidad (Nivel) Seis Sigma
-
LIE LSE
Cp = 2Nivel 6
13
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Calidad (Nivel) Seis Sigma
LIE LSE
Cp = 2Nivel 6
1.5
14
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Calidad (Nivel) Seis Sigma
Calidad Seis Sigma15
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Mtricas de Seis Sigma
dpu: Defectos por unidad
dpmu: Defectos por milln de unidades
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
-
Mtricas de Seis Sigma
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
17
Niveles de Calidad k-Sigma
Nmero de defectuosos (partes por milln, ppm)
18
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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)
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
-
Nivel Sigma: Relacin con Cp y Cpk21
Proceso centrado Proceso desplazado 1.5 sigmas Nivel deCalidadSigma
Defectos Defectos
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Mtricas de Seis Sigma
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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)
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
Rendimiento de un Proceso (Yield)
-
Ejemplo con reprocesos ( o retrabajo):
5 3
25
200 1723 D20 D 5 D 0 D
197 177 172
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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:
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
-
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
34Estructura para Seis Sigma
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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
Hernaldo Reinoso, Departamento de Ingeniera Industrial, Universidad de Concepcin
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