Seis Sigma
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share
  • 27,055 views

Seis Sigma

Seis Sigma

Statistics

Views

Total Views
27,055
Views on SlideShare
26,947
Embed Views
108

Actions

Likes
10
Downloads
1,674
Comments
3

6 Embeds 108

http://www.slideshare.net 72
http://logisticaunmsm.blogspot.com 31
http://logisticaunmsm.blogspot.com.ar 2
http://logisticaunmsm.blogspot.mx 1
http://www.linkedin.com 1
http://logisticaunmsm.blogspot.com.es 1

Accessibility

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • Muy buen material de apoyo
    Are you sure you want to
    Your message goes here
    Processing…
  • Excelente material, me es muy útil para mi que soy estudiante de ingeniería industrial. Felicitaciones
    Are you sure you want to
    Your message goes here
    Processing…
  • Me parece excelente que las compañías busquen herramientas que permitan ahorrar, como es el caso de Telefónica, presidida por Cesar Alierta (http://www.labolsa.com/foro/mensajes/1008759405/)
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Seis Sigma Presentation Transcript

  • 1. SIX SIGMA MBA Juan Villagomez
  • 2. AGENDA 1. Introducción al Seis Sigma 2. Proyectos Seis Sigma 3. Metodología Seis Sigma 4. Fase I: Definir y Medir 5. Fase II: Analizar 6. Fase III: Implementar mejoras 7. Fase IV: Controlar
  • 3. 1. Introducción al Seis Sigma 1.1 ¿Qué es Seis Sigma? 1.2 Calidad Seis Sigma 1.3 Historias de éxito de Seis Sigma 1.4 Principios de Seis Sigma 1.5 Seis Sigma e ISO 9001
  • 4. ¿Qué es Seis Sigma ? Es un sistema empresarial para lograr y mantener el éxito por medio de la orientación al cliente, la gestión por procesos, así como la utilización de los hechos y de los datos. 1.1 Mide el desempeño de un proceso en cuanto a su nivel de productos o servicios fuera de especificación Como Métrica Como Filosofía Como Meta Mejoramiento continuo de procesos Tener procesos de clase mundial, no producir servicios o productos defectuosos (3.4 pmo)
  • 5. Calidad Seis Sigma 1.2 Ejemplo: El tiempo que un cliente esta dispuesto esperar por una pizza esta entre 23 y 32 minutos Tiempo (minutos) LI 23 min. LS 32 min. LI 23 min. LS 32 min. Distribución Alta probabilidad error Alta probabilidad de error Baja probabilidad de error Baja probabilidad de error
  • 6. 3.4 defectos por millón de oportunidades 305 537 defectos por millón de oportunidades 697 700 defectos por millón de oportunidades
  • 7. Calidad Seis Sigma 3 SIGMA 6 SIGMA Malas Recetas médicas 54, 000 / año 3 / año Bebes que se caen 40, 500 / año 3 / año Tomar agua contaminada 4 h. / mes 1´ / 16 años Corte de señal de TV 27 min. / semana 6´ / 50 años Mala Operación médica 1, 350 / semana 1 / año Devolución Sacos de Azúcar 44.000 / año 5 / año 1.1
  • 8. Historias de éxito de Seis Sigma “ Estamos en el quinto año de trabajos con Seis Sigma, y estos han generado más de $2,000 millones en beneficios en 1999, con proyecciones aún mayores para esta década”. “ Seis Sigma se ha consolidado después de 3 años de funcionamiento. Este modelo de mejora de procesos y actividades ha conseguido un ahorro para Telefónica de España de más de 93 millones de euros, a través de la implementación de 178 proyectos.” C. Alierta CEO Grupo Telefonica Kenneth I. Chenault, President American Express J. Welch Past CEO, General Electric
    • Du Pont
    • Ford
    • Dow Química
    • Sherwin Williams
    • Toshiba
    • Texas Instruments
    • Coca Cola
    • Allied Signal
    • Nokia
    1.3 “ Comenzamos a implementar Seis Sigma a principios de 1998. De los 250 proyectos implementados, 31 fueron finalizados a fines de 1999.Estos 31 proyectos han generado ahorros anuales de $10.4 millones, o $334,000 por proyecto.”
  • 9. Autentica orientación al cliente, satisfacer al cliente es la prioridad número uno. Principios de Seis Sigma 1.4 Primer principio Todo debe y puede ser mejorado alineado con los objetivos de la organización . Segundo principio Objetivos
  • 10. Las decisiones deben basarse en hechos, datos estadísticos, pues lo único constante en los procesos es la variación. Se debe evitar el “...Yo creo que...” o “...Yo pienso que...” Principios de Seis Sigma 1.4 Tercero principio
  • 11. Al mejorar se debe mirar el proceso completo (Pensamiento Sistemático), pues optimizar un subproceso nos puede llevar a suboptimizar el proceso global. Principios de Seis Sigma 1.4 Cuarto principio CLIENTE CLIENTE Proceso A Proceso C Proceso B Sub proceso a Sub proceso c Sub proceso b Procesos de la Organización
  • 12. Las causas de los problemas deben ser eliminadas en su raíz para prevenir que vuelvan a aparecer y así poder hacer bien las cosas desde la primera vez. Principios de Seis Sigma 1.4 Quinto principio Causa 1 PROBLEMA Síntoma 1 Síntoma 2 Síntoma n Causa 2 Causa n
  • 13. Cada vez que un proceso es mejorado debe garantizarse que los resultados se mantengan en el tiempo. Principios de Seis Sigma 1.4 Sexto principio
  • 14. El recurso humano es el capital fundamental de la empresa. Principios de Seis Sigma 1.4 Sétimo principio Todos los miembros de la empresa deben ser líderes, maestros y modelos en la práctica de los principios.
  • 15. Seis Sigma e ISO 9001 1.5 Seis Sigma como Sistema de Gestión de Calidad Sistema de Gestión de Calidad según la Norma ISO 9001 Equivalentes Seis Sigma como proyecto de mejora Sistema de Gestión de Calidad según la Norma ISO 9001 Complemento Mejora continua Mejora continua CLICO DE DEMING
  • 16. 2. Proyectos Seis Sigma 2.1 Requisitos para un Proyecto Seis Sigma 2.2 Criterios de selección 2.3 Equipo Seis Sigma 2.4 Selección del Equipo
  • 17.
    • Alineado con la estrategia del negocio. Tiene una meta clara.
    • Existen datos históricos, o pueden ser obtenidos.
    • Mide el rendimiento del proceso , mediciones financieras para el negocio e impacto en el cliente.
    • Puede ser hecha por un equipo de Trabajo.
    • Cumple con las expectativas de tiempo establecidas por la gerencia.
    Requisitos para un proyecto SS 2.1 ESFUERZO FOCALIZADO Beneficia Negocio Apoyo de Administración Cuantificable Alineado con la Visión del Negocio
  • 18. Criterios de selección 2.2
  • 19. CTQ CTQs son los parámetros de calidad interna crítica que se refieren a los deseos y necesidades de los clientes.
  • 20. Equipo Seis Sigma 2.3 Controler Onwer
  • 21. CHAMPIONS: Conformado generalmente por la alta gerencia. Son quienes seleccionan los proyectos y supervisa su funcionamiento. Participan en la elección de BB y GB. 2.3 Equipo Seis Sigma MASTER BLACK BELT: Son los responsables del entrenamiento de BB. Son especialistas en la Metodología y certifican BB. Lideran proyectos de mucha complejidad organizacional. Remueven las barreras que impiden avances de proyectos.
  • 22. BLACK BELT: Son los especialistas en la aplicación metodología. Lideran proyectos Seis Sigma. Su rol es guiar al Equipo durante las fases del Proyecto. Sinergizan los conocimientos y esfuerzos de los miembros del equipo. Dan s oporte a los GB. La interacción con el dueño del proceso continua después de terminado el proyecto. 2.3 Equipo Seis Sigma GREEN BELT: Son miembros del equipo de proyecto que conocen las herramientas básicas de la metodología. Son interdisciplinarios y multifuncionales. Están preparados para participar o liderar proyectos Seis Sigma.
  • 23. OWNER: Son los líderes de las áreas en las que se van a desarrollar proyectos Seis Sigma. Es el socio estratégico del BB, para alcanzar la meta. Es el responsable de mantener y superar los estándares alcanzados después de finalizados los proyectos. 2.3 Equipo Seis Sigma CONTROLLER: Es el resp onsable de dar el visto bueno cada vez que haya algún tipo de evaluación financiera y cuantifica los beneficios obtenidos.
  • 24. 2.3 Equipo Seis Sigma
  • 25. 2.4 Selección de equipo Seis Sigma TEST: Inventario de Utilización de Energías Se utiliza para indicar que atributos emplea una persona en su relación con los demás bajo dos tipos de condiciones: Cuando todo marcha bien y cuando se enfrenta con un conflicto .
  • 26. 3. Metodología Seis Sigma 3.1 DMAMC 3.2 DMAMC y el PHVA 3.3 Diagrama Metodológico
  • 27. 1.- Definir el Problema, definir objetivos 2.- Definir y Describir el proceso 3.- Evaluar Sistema de medición 4.- Evaluar Capacidad del proceso 5.- Determinar las causas del problema 6.- Determinar variables significativas 7.- Optimizar y robustecer 8.- Validar Mejora 9- Controlar y dar seguimiento al proceso 10.- Mejorar continuamente 3.1 DMAMC (o DMAIC)
  • 28. D M A I C Definición del proyecto Medición del desempeño del proceso Análisis del proceso Implementación de mejoras o transformación del proceso Control y aseguramiento del desempeño alcanzado Managemt Team Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor y la guía del Master Black Belt / Black Belt Dueño de Proceso Ruta Metodológica
  • 29. 3.2 DMAMC y el PHVA 1.- Definir el Problema, definir objetivos 2.- Definir y Describir el proceso 5.- Determinar las causas del problema 8.- Validar Mejora 9- Controlar y dar seguimiento al proceso 4.- Evaluar Capacidad del proceso 3.- Evaluar Sistema de medición 7.- Optimizar y robustecer 10.- Mejorar continuamente Planear Hacer Verificar Actuar 6.- Determinar variables significativas
  • 30. Diagrama Metodológico 3.3 Definir el Problema, definir objetivos Definir y Describir el proceso Determinar variables significativas Validar Mejora Controlar proceso ¿Proceso Estable? ¿Medición Capaz y estable? Optimizar y robustecer Mejorar continuamente ¿Proceso Capaz? Mejorar NO SI SI Eliminar causas especiales NO NO Si Determinar las causas del problema
  • 31. 4. Fase I: Definir y Medir 4.1 Definir el problema 4.2 Definir y describir el proceso 4.3 Evaluar Capacidad del proceso
  • 32. Definir Problema 4.1 Ideas Información Incompleta Creencias Situación problemática inespecífica Identificación de los clientes, CTQ, VOC Diagrama de Pareto Histogramas, etc. PROBLEMA DEFINIDO Objetivos definidos Alcance del proyecto definido
  • 33. Definir Problema 4.1 CTQ VOC CTQ (Critical to Quality). Son los atributos a factores críticos para la calidad de un producto o servicio que influyen en la decisión de compra por parte del cliente. VOC (Voice of Client). Es la voz del cliente que se obtiene por dos medios: Sistemas proactivos: Quejas del consumidor, llamadas telefónicas, devoluciones de productos, etc. Sistemas Reactivos: Observación del cliente, encuestas, entrevistas, etc.
  • 34. Definir Problema 4.1 IDENTIFICAR CLIENTES Y CTQ 1. Definir Clientes Internos y Externos 2. Definir el tipo de cliente y el canal de comunicación para obtener la VOC 3. Identificar preguntas claves para cada uno de ellos 4. Elaborar un plan de contacto con el cliente (quien, como, cuando, donde, etc) 5. Identificar los CTQ
  • 35. (8, 83%) 0 75 100 10 Importancia para el cliente Definir Problema 4.1 Insatisfacción del cliente Muy Importante y poca satisfacción CTQ Valoración (Escala: 1-10) Tiempo de entrega 8 Sabor de la Pizza 7 Cantidad de Ingredientes 7 Ingredientes correctos 10 Cortesía del repartidor 5 Factor de queja Quejas % relativo Tiempo de entrega inaceptable 764 83 Tipo de masa incorrecta 56 6.1 Cantidad de ingredientes reducidos 50 5.4 Ingredientes incorrectos 30 3.3 Descortesía del repartidor 20 2.2
  • 36. Definir Problema: Voz del ciudadano 4.1 DEFENSORIA DEL PUEBLO 1.- Nunca recibió tantas quejas como en el 2007. En total 32.9K. 2.- El 50% de ellas se concentra en cinco instituciones. 3.- Concluidas 74.2% de las cuales fundadas fueron el 61%. 4.- La demora en la atención de reclamos es una de las principales causas. 5.- Maltrato y falta de información motivaron las principales quejas en el sector salud. Fuente: Defensoría del pueblo – 11 Informe anual
  • 37. Definir Problema: Enfoque CAD 2008 4.1 Establece que el sector público puede establecer mejoras continuas de la gestión orientándolas a la ciudadanía. Este enfoque supone pasar de una visión basada en la ley y en el poder monopólico del estado, para centrar la atención en los atributos de servició brindado al ciudadano, independiente del servicio que brinda y el nivel del gobierno
  • 38. Definir Problema: Enfoque CAD 2008 4.1
  • 39. Definir Problema: Enfoque CAD 2008 4.1 Se identifican 6 atributos, con sus respectivas clases y la importancia (peso) que le da el ciudadano. Las principales dificultades observadas son: Lentitud en resolver tramites, falta de comprensión del problema por parte del personal, falta de interés, descoordinación entre oficinas, excesivos tramites, información poco clara.
  • 40. Definir Problema: Enfoque CAD 2008 4.1
  • 41. Según el estudio denominado Ranking CAD 2008 en Atención al Ciudadano de los Organismos Públicos Descentralizados, elaborado por CAD Ciudadanos al Día, luego de la SUNAT se encuentran ubicados en los primeros lugares Definir Problema: Enfoque CAD 2008 4.1
  • 42. Definir Problema: Enfoque CAD 2008 4.1
  • 43. Definir Problema: Enfoque CAD 2008 4.1
  • 44. Definir Problema 4.1 Grafica de barras que representa en forma ordenada el grado de importancia de las causas de un determinado problema, considerando la frecuencia con la que ocurren las causas. Diagrama de Pareto O regla 80-20. Es el comportamiento que sigue la grafica de PARETO: “El 80% de los problemas se encuentra en el 20% de las causas”. Principio de Pareto
  • 45. Ejemplo Fastpizza’s Definir Problema 4.1
  • 46. Definir Problema 4.1 Ejemplo Fastpizza’s
  • 47. Definir Problema 4.1 Hoja de Vida del Proyecto Ejemplo Fastpizza’s ALCANCE Quejas de los clientes por tiempo de entrega inaceptable. OBJETIVO Disminuir en 50% las quejas por tiempo de entrega en el Turno de la mañana. AHORRO - Disminución de las llamadas en el Call Center S/. 165,000 - Disminución de las perdidas de clientes US$ 51,080
  • 48. Definir y describir el proceso 4.2 Y (KPOV) X (KPIV) CTQs FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis Correlación Regresión DOE Simulación SPC 5 Ss Poka Yoke X (KPIV) significativas X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso Controladas X Key Process Input Variables (KPIV) variable clave del proceso Y Key Process Ouptput Variables (KPOV) Problema
  • 49. Definir y describir el proceso 4.2 Mapa de procesos de la organización Mapa de un conjunto de procesos Mapa del Proceso de Análisis para el proyecto
  • 50. C, N y E son Entradas al proceso S son Salidas Definir y describir el proceso 4.2 Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -Clientes E1 INICIO N1 C1 C2 E2 X3 E3 N2 E4 C3 E5 FIN S1 S2
  • 51. Definir y describir el proceso 4.2 Formato de Matriz SIPOC S uployer I nput P rocess O utput C lient
  • 52. OFICINA DE PROYECTOS GCIA. COMPRAS -Estudio de fact. -Ficha PAPS -Cronograma Adquisiciones IDEA Comunicación a OSIPTEL Publicidad OSIPTEL CLIENTE EVALUACIÓN ESPECIFICACIÓN IMPLEMENTACIÓN LANZAMIENTO
    • -Sist. Adec.
    • Punlicidad
    • Normativa
    • Contratos
    • Capacitación
    RED COMERCIAL CLIENTES INTERNOS Procesos de Contingencia
    • Requisitos de las salidas:
    • Procesos de contingencia eficaces
    • -Dif de normativa 3 días antes del
    • inicio de la comercialización
    • Capacitación 3 días antes del inicio
    • de la comercialización
    • Sistemas que garanticen el cumpl.
    • del 100% de la casuística.
    • Facturas sin errores en los copnceptos
    • o montos facturados.
    Proveedores Entradas Proceso Salidas Clientes Definir y describir el proceso 4.2
  • 53. Definir y describir el proceso 4.2 Entiende las “X” (KPIV) y controlarás las “Y” (KPOV) “ X” (KPIV) “ Y” (KPOV) C ENTRADA CONTROLABLE Aquella que puede ser controlada N ENTRADA RUIDOSA Es impredecibles, altera el proceso. No es controlable por el momento. E ENTRADA EXPERIMENTAL Aquella que puede ser estudiada bajo diversos parámetros para ver su comportamiento en el proceso . S SALIDA Según donde impactan se suelen clasificar en : CTQ: Criticas para la calidad CTD: Criticas para la Entrega CTC: Criticas para el Costo. Variables de Ruido o no controlables (N) Variables experimentales (E) PROCESO Características de calidad (Y) Variables Controlables N1 N2 N3 S1 , S2 C1 C2 E1 E2 E3 E4 Y = f ( X1,X2,....Xn)
  • 54. Definir y describir el proceso 4.2 Acciones a seguir Tipo Características Acción Controlable (C) Se puede controlar fácilmente Estandarizar el control Experimental (E) Variable sobre la que se tiene capacidad de acción pero no se conoce su valor optimo. Verificar si impactan sobre el indicador (fase 2). Establecer Nivel optimo (fase 3) Ruido (N) Variable que se sabe afecta a las KPOV pero que por ahora no se puede controlar ------------------------
  • 55. Definir y describir el proceso 4.2 INICIO FIN VA VA VA VA VA VA NA NA VA Operación con Valor agregado Valor agregado son las características dadas a aquella operaciones indispensables por las cuales el cliente esta dispuesto a pagar NA Operación de no Valor agregado No generan valor (pero si generan costos)
  • 56. Definir y describir el proceso 4.2 Eliminar la fabrica oculta
  • 57. Definir y describir el proceso 4.2 INICIO FIN INFO INFO INFO INFO Etapas donde se registran datos del proceso
  • 58. Definir y describir el proceso 4.2 Función del proceso (paso) Métodos de falla potenciales (defectos de proceso) Efectos de falla potenciales (KPOVs) Causas potenciales de falla (KPIVs) Controles de proceso actuales SEV OCC DET NPR 1 2 3 4 5 6 7 8 9 10 Se hace una Simple descripción Del proceso Forma como el proceso podría no cumplir con las especificaciones Efecto que puede tener el defecto en el cliente Razón por la cual ocurre la falla Controles que detectan o previenen la falla si es que ocurre Severidad Ocurrencia Detección NPR = SEV * OCC * DET Nivel de prioridad de riesgo Formato de Matriz FEMEA
  • 59. NPR = SEV * OCC * DET Donde: NPR : Número de probabilidad de riesgo o de prioridad de riesgo. EI NPR es la multiplicación de la severidad de la falla, la ocurrencia de esta y su posible detección. Este será mejor en tanto sea menor. SEV : Severidad . Es el impacto de mayor o menor intensidad en que la falla de un proceso puede repercutir en el cliente (interno o externo) y su comportamiento respecto a nuestros servicios. OCC : Ocurrencia Frecuencia en la que puede ocurrir una falla. DET : Detección Posibilidad de identificar la falla en algún momento durante el proceso. Definir y describir el proceso 4.2 Matriz FEMEA
  • 60. Evaluar Capacidad del proceso 4.3 Capacidad Habilidad basada en rendimiento demostrado, de un proceso, en satisfacer los requerimientos del cliente. Capacidad Medida Capacidad del proceso cuantificada, de datos que son resultado de mediciones de trabajo realizado por el proceso.
  • 61. Análisis de Normalidad Prueba de Normalidad Si los datos son normales, se podrá hacer el análisis de la Capacidad del Proceso. Evaluar Capacidad del proceso 4.3 Variación de los datos
  • 62. Evaluar Capacidad del proceso 4.3 Para analizar si un indicador es capaz de cumplir con las especificaciones, se suele utilizar el índice de capacidad Diremos que un indicador es capaz de cumplir con las especificaciones cuando su dispersión es menor que la distancia entre especificaciones. Cp < 1 INCAPAZ 1 < Cp < 1.33 APENAS CAPAZ 1.33 < Cp < 2 CAPAZ Cp > 2 MUY CAPAZ Cp = 2 Cp = 1 Cp = LSE - LIE 6 
  • 63. CENTRAMIENTO (Cpk) No solo interesa ver si el indicador puede cumplir con las especificaciones, nos interesa saber si este centrado respecto a las mismas. Para analizar esto, existe el índice de centramiento denominado Cpk que mide la menor distancia del promedio de los datos a las especificaciones comparada contra el ancho de media distribución. Evaluar Capacidad del proceso 4.3 LSE - X X - LIE Cpk = Min Especificación Promedio de los datos 3  3  , 3  3 
  • 64. Cpk Superior < Cpk inferior, u tiende hacia el LSE Cpk Inferior < Cpk Superior, u Tiende hacia el LIE Primer Ejemplo problema Variación y Centrado Evaluar Capacidad del proceso 4.3
  • 65. Segundo Ejemplo problema Variación y Centrado Evaluar Capacidad del proceso 4.3
  • 66. 5. Fase II: Analizar 5.1 Determinar las causas del problema 5.2 Variables Discretas y Continuas 5.3 Prueba hipótesis 5.4 Procedimiento de prueba hipótesis 5.5 Ejemplos
  • 67. Y (KPOV) X (KPIV) CTQs FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis Correlación Regresión DOE Simulación SPC 5 Ss Poka Yoke X (KPIV) significativas X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso Controladas X Key Process Input Variables (KPIV) variable claves del proceso Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
  • 68. Determinar las causas 5.1 Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poblewma (Y o KPOV), usaremos el Diagrama Causa – Efecto, o Ishikawa. Listar por tormenta de ideas las causas generales que afectan al indicador. Agrupar las causas en 4 o 6 grupos. Se suele usar: Por 4M Por 6M Mano O. Mano O Material Material Maquinaria Maquinaria Método Método Medición Medio amb. CONSTRUCCION causa causa causa causa causa causa causa causa causa causa causa causa causa causa causa causa causa causa Criterio de agrupación 3 Criterio de agrupación 4 Criterio de agrupación 6 Criterio de agrupación 5 Criterio de agrupación 1 Criterio de agrupación 2 causa causa PROBLEMA Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N Diagrama de Causa-Efecto (Ishikawa)
  • 69. Posteriormente se validaran cuales causas son definitivamente las que son las responsables del Problema Se ha visto que la KPIV, puede impactar en las KPOV: Matriz Causa-Efecto
    • Número de Contratos
    • Conocimientos norma de créditos
    • Numero de Analistas
    • Tiempo de entrega de Contratos
    • Tiempo de Calificación
    • % de créditos rechazados
    • Costo Evaluación.
    Ejemplos: Para mejorar el proceso, se debe identificar cuáles son las X que más afectan a las Y para determinar cuáles deben ser atacadas. Determinar las causas 5.1 X Y afecta
  • 70. ISHIKAWA FEMEA ENTRADAS DEL PROCESO PRUEBA DE HIPOTESIS VARIABLES SIGNIFICATIVAS CAPACIDAD DEL PROCESO Determinar las causas 5.1 X1 INICIO N1 C1 C2 X2 X3 X3 N2 X4 C3 X5 FIN Y1 Y2
  • 71. 5.2 Variables Discretas y Continuas
    • tienen un número fijo de valores
      • Ejemplos: estado civil, tipo sanguíneo, número de niños
    Datos Discretos
    • tienen un número infinito de valores
      • Ejemplos: estatura, peso, temperatura
    Datos Continuos
  • 72. Para conocer si un factor ( X: KPIV ) influye sobre nuestro indicador ( Y: KPOV ) del proceso; se suele variar este factor de manera de ver si su variación afecta al indicador. La manera de ver esta variación es a través de las pruebas de hipótesis que nos permitirán concluir si el factor en estudio afecta significativamente al indicador. PRUEBA DE HIPOTESIS Prueba Hipótesis 5.3
  • 73. Errores posibles al evaluar una hipótesis Verdad de H0
        • V
    • (no hay diferencia)
    F (si hay diferencia) Decisión correcta 1 -  (nivel de significan cía)
    • Error tipo 1
    • Error tipo 2
    Decisión correcta 1 –  (poder la prueba) F V Aceptar H0 (no hay diferencia) Aceptar Ha (si hay diferencia) Decisión P(Error Tipo) =  :Probabilidad de encontrar una diferencia cuándo esta no existe.  = 0.01, 0.05 P(Error Tipo2) =  : Probabilidad de no encontrar una diferencia cuando esta si existe. Verdad de Ha Prueba Hipótesis 5.3
  • 74. Ho : El factor no generó diferencias Antes Vs Después (X no afecta Y) Ha : El factor si generó diferencias Antes Vs Después (X si afecta Y) RECORDANDO Si p – val > 0.05 (  ) NO se rechaza H 0 VOCABULARIO Conclusión Robusta: Rechazar H0. Ello pues el valor de  se ha fijado en la prueba (usualmente en 0.05) Conclusión Débil: Aceptar H0 sin conocer el valor de  . En estos casos se suele decir “No puede rechazarse H0” Potencia de una prueba estadística: Es la probabilidad de rechazar correctamente una H0 Potencia = 1 -  Prueba Hipótesis 5.3
  • 75. Prueba Anova ONE SAMPLE t – TAMAÑO DE MUESTRA (Si la Población es Normal) Prueba t (One Sample t) Estadístico t = X-  s /  n Hipótesis Nula H0:  =  0 Hipótesis Alterna Ha:  <  0 ; t < t  , n-1  >  0; t > t  , n-1    0 ; | t | > t  /2 , n-1 Minitab Stat-Basic Statisc- 1sample t Prueba Hipótesis 5.3
  • 76. Prueba Hipótesis 5.3 Source DF SS MS F P TIPO LOTE 2 177886860 88943430 6.46 0.002 Error 118 1625812015 13778068 Total 120 1803698874 S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%   Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev --------+---------+---------+---------+- ADULTO 52 6158 3863 (----*----) JOVEN 17 9055 4226 (--------*--------) VIEJO 52 5331 3369 (----*----) 6000 8000 10000 12000
  • 77. Correlación y Regresión INTRODUCCIÓN: Al interior de un proceso, usualmente existe una relación entre 2 variables. Si una Y (KPOV) se correlaciona con una X; podremos decir que X es una KPIV. De esta manera diremos que existe una ecuación que liga a ambas Y = f (x). Esta ecuación se denomina “Modelo matemático”. Esta ecuación se calcula usando técnicas de regresión. Usualmente la correlación para determinar la fuerza que liga a 2 variables sin necesidad de alterar el proceso como se hizo en las Pruebas de hipótesis o como hará en los DOE (Fase 3). Prueba Hipótesis 5.3
  • 78. -1  r < 0 Correlación Negativa r = 0 No hay Correlación 0 < r  1 Correlación Positiva Correlación Es la Fuerza de Asociación entre 2 Variables. Se mide con el Coeficiente de Pearson (r) -1  r  1 Cuánto más cercano esté el coeficiente de Correlación de Pearson a –1 o 1; mayor probabilidad de Correlación Prueba Hipótesis 5.3
  • 79. Precauciones: Dado que no estamos modificando el proceso ( variando x) y midiendo su efecto ( en Y) : encontrar que “hay correlación” no siempre significa que al variar X, variará Y (Causa – Efecto) Solo debemos usar correlación cuando hay una persuasión razonable que X podría afectar Y Correlación Prueba Hipótesis 5.3
  • 80. Con la regresión se determina el Modelo Matemático que relacione las Variables X con Y. Estas Xi, son la que se han obtenido después de: Prueba de Hipótesis. Correlación. Regresión Prueba Hipótesis 5.3 PROCESO Indicador (Y) Variables Experimentales Y 1 , Y 2 X 1 X 2 X 3 X 4 Y = f ( X 1 ,X 2 ,....X n ) LOS MODELOS MATEMATICOS PUEDEN SER Y =  0 +  1 X LINEAL Y =  0 +  1 X +  2 X 2 CUADRÁTICO Y =  0 +  1 X +  2 X 2 +  3 X 3 CÚBICO Y =  0 +  1 X 1 +  2 X 2 +... +  nXn) LINEAL MÚLTIPLE
  • 81. Procedimiento para la Prueba Hipótesis Procedimiento de pruebas 5.4
    • Identificar de acuerdo al tipo de variable discreta o continua tanto para KPIV como KPOV el tipo de Prueba Estadística a utilizar.
    • Establecer la Hipótesis Nula Ho.
    • Especificar una hipótesis alternativa apropiada Ha.
    • Elegir un nivel de significación (Usualmente: 0.05).
    • Establecer un estadístico de prueba apropiado.
    • Establecer la región de rechazo del estadístico.
    • Calcular las cantidades muestrales necesarias, sustituirlas en la ecuación del estadístico de la prueba y calcular es valor.
    • Decidir si deberá rechazarse o no Ho.
    • Traducir la decisión en términos de proceso.
    Acción
  • 82. FLUJOGRAMA PRUEBA HIPÓTESIS Inicio Ubicar las variables importantes ( Fase 1 ) Seleccionar la prueba de hipótesis a usar Variar el factor de manera de tener 2 Situaciones : “ Antes” “ Después” Recopilar data Aplicar la prueba de hipótesis H0 no hay variación antes vs después Ha si hay variación antes vs después p –val > 0.05 1 Factor si afecta Fin Si No Rechazo H0 1 Factor no afecta Acepto H0 Procedimiento de pruebas 5.4
  • 83. Procedimiento de pruebas 5.4 Selección de la Prueba Hipótesis Y Continua Y Discreta X Continua Correlacion-Regresion Correlacion-Regresion X Discreta
    • Para distribucion normal de Y
    • Prueba T1
    • Prueba T2
    • Prueba Anova
    • Para distribucion no normal de Y
    • Prueba W
    • Prueba xxxx
    • Prueba kk
    Chi cuadrado
  • 84. 5.4 ¿Es normal? Prueba F para Y agrupada según las X SI Agrupar prueba Normalidad para&quot;Y&quot; ¿Es normal? NO SI ¿P>α ? Transformar Datos prueba Normalidad para&quot;Y&quot; NO NO ¿Es normal? SI NO Prueba F para Y agrupada según las X ¿P>α ? SI NO Prueba KW Prueba de Anova Prueba de Normalidad para &quot;Y&quot; SI Y continua / X discreta Con más de 2 muestras Procedimiento de Pruebas
  • 85. 5.4 Y continua / X discreta Con 2 muestras ¿Es normal? Prueba F para Y agrupada según las X SI Agrupar prueba Normalidad para&quot;Y&quot; ¿Es normal? NO SI ¿P>α ? Transformar Datos prueba Normalidad para&quot;Y&quot; NO NO ¿Es normal? SI NO Prueba F para Y agrupada según las X ¿P>α ? SI NO Prueba KW Prueba T2 Prueba de Normalidad para &quot;Y&quot; SI Procedimiento de Pruebas
  • 86. 5.4 Y continua / X discreta Con 1 muestra ¿Es normal? SI Agrupar prueba Normalidad para&quot;Y&quot; ¿Es normal? NO SI Transformar Datos prueba Normalidad para&quot;Y&quot; NO ¿Es normal? SI NO Prueba de Normalidad para &quot;Y&quot; Prueba T 1 Prueba One Sample Sign Procedimiento de Pruebas
  • 87. 5.4 Y continua o discreta / X Continua Probar la correlacion de todos los x con y ¿r = 0? ¿es lineal o curva? No Si ¿Hay mas de una x? No Si curva ¿es lineal o curva? lineal curva lineal No hay correlacion Prueba Regresion Multiple Prueba Regresion Superficie de Respuesta Prueba de Regresion curva lineal Prueba de Regresion lineal Prueba Regresion Logistica Procedimiento de Pruebas ¿Y es continua? Si No
  • 88. X Y cantidad pedido devueltos semanal ¿Qué tipo de prueba? X1= Zona Geografica 20 30 . . . 10 20 40 . . . 30 30 50 . . . 20 X1= Discreta, tiene 10 valores (menos de 30) Y= continua Por lo tanto se utiliza la Prueba de Anova para probar la significancia de X en Y. Nota: no se utiliza T1 ni T2 porque son más de 1 y 2 muestras respectivamente. 48 datos (48 semanas) 48 datos (48 semanas) 48 datos (48 semanas) Zona 1 Zona 2 . . . . . Zona 10 Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
  • 89. X2= Repartidores Repartidor 1 Repartidor 2 . . . . . . . . Repartidor 50 X2= inicialmente es discreta, pero por tener más de 30 valores se le considera continua. Y= continua Por lo tanto se utiliza la Prueba de Regresion . X Y cantidad pedido devueltos semanal ¿Qué tipo de prueba? 20 30 . . . 10 20 40 . . . 30 30 50 . . . 20 48 datos (48 semanas) 48 datos (48 semanas) 48 datos (48 semanas) Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
  • 90. X3= ¿El repartidor usa Guia ? Si No 50 10 . . . 20 10 20 . . . 30 X3= Discreta Y= Continua Por lo tanto se utiliza la Prueba T2 para probar la significancia de X en Y Nota: no Anova porque solo son 2 muestras. X Y cantidad pedido devueltos semanal ¿Qué tipo de prueba? Ejemplos: EMPRESA COURIER “EL RAPIDO” 5.5
  • 91. X Y cantidad de pasta quemada ¿Qué tipo de prueba? Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5 40 bar 65 bar 50 bar 30 bar . . . . . . 60 bar 100 datos 10 kg 15 kg 12 kg 8 kg . . . . . . 14kg X1= es continua Tiene mas de 30 datos Y= continua Por lo tanto se utiiliza la Prueba de Regresion X1= Presion en el cabezal (Bar)
  • 92. Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5 X Y cantidad de pasta quemada ¿Qué tipo de prueba? 45 ºC 35 ºC 55 ºC 32 ºC . . . . . . 50 ºC 105 datos 15 kg 10 kg 20 kg 8 kg . . . . . . 25kg X2= es continua Tiene mas de 30 datos Y= continua Por lo tanto se utiiliza la Prueba de Regresion X2= Temperatura de cocido (ºC)
  • 93. Ejemplos: FABRICA DE PASTAS “NAPOLITANO” 5.5 X Y cantidad de pasta quemada ¿Qué tipo de prueba? 60% 55% 70% 45% . . . . . . 72% 103 datos 15 kg 10 kg 20 kg 8 kg . . . . . . 25kg X3= es continua Tiene mas de 30 datos Y= continua Por lo tanto se utiiliza la Prueba de Regresion X3= Humedad relativa (%)
  • 94. 6. Fase III: Implementar 6.1 Análisis de riesgo: Matriz FMEA. 6.2 DOE 6.3 Procedimiento DOE 6.4 Plan de Mejora
  • 95. PROCESO FMEA Elabora FMEA preliminar. Discusión para definir NPR. Plan de Acción de mejora de los NPR. Ejecución del Plan. Evaluación de Resultados. Emisión del FMEA definitivo. FASE I FASE II Análisis de riesgo: Matriz FMEA. 6.1 OK NO SI
  • 96. Se vuelve usar la matriz FMEA mostrado anteriormente. En esta parte se establecen las posibles soluciones para aquellas actividades que tienen un NPR alto. Análisis de riesgo: Matriz FMEA. 6.1 Acciones Recomendadas Persona responsable & Fecha Objeto Acciones Tomadas SEV OCC DET NPR Las acciones recomendadas que son llevadas A cabo. El responsable de llevar acabo la acción (es) El NPR después de haber tomado las acción (es). El cual se supone debe ser menor Son las acciones orientadas a seguir para las causas con NPR alto, destinadas mejorar la detección de la causa o disminuir la frecuencia de ocurrencia de las fallas
  • 97. Es una estrategia experimental estructurada que permite la evaluación de múltiples variables de proceso en cuanto a su capacidad para influir sobre las características de un producto o proceso.
    • Determinar que factores son importantes.
    • Establecer la estabilidad del proceso.
    • Encontrar el mejor conjunto de condiciones de operación.
    DOE 6.2 Introducción al DOE
  • 98. Y (KPOV) X (KPIV) CTQs FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis Correlación Regresión DOE Simulación SPC 5 Ss Poka Yoke X (KPIV) significativas X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso Controladas DOE 6.2 X Key Process Input Variables (KPIV) variable claves del proceso Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
  • 99. DOE 6.2 Diseño Factorial Completo El Factorial Completo estudiará cada combinación posible en los niveles escogidos. Estos diseños proveerán una gran información que nos permitirá d eterminar el efecto de los factores principales sobre la respuesta seleccionada. Cantidad de pruebas que se necesitan = (niveles factor 1) x (niveles factor 2) x (niveles factor 3) x …. (niveles factor n) Donde: Factor = Son las variables (KPVI) X1, X2, X3 … Xn Nivel = Es la cantidad de valores que toma cada factor
  • 100.
    • Limitaciones para el Diseño Factorial Completo
    • La limitación del Factorial completo no es teórica sino practica. Los recursos (ej. Tiempo, costos) necesarios para correr un factorial completo pueden ser significantes.
    • Factorial completo puede ser usado en investigaciones donde el numero de variables es pequeño (2-4), pero no son recomendables cuando el numero de variables a investigar es mayor (5 o más).
    • Factorial Completo son efectivo cuando son usados de la manera adecuada, en el momento propicio dentro del proceso de mejora del estudio.
    DOE 6.2
  • 101. DOE 6.2 Diseño Factorial Completo con 2 niveles Por Ejemplo 3 factores cada uno con 2 niveles: Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8 Donde: 3 = Factor = K = variables (KPVI) X1, X2, X3 2 = Nivel = Es la cantidad de valores que toma cada factor 3 2 K 2
  • 102. DOE 6.2 Diseño Factoriales Fraccionados Son diseños donde se elige adecuadamente una parte o fracción de los tratamientos de un factorial completo, con la intención de poder estudiar el efecto de los factores utilizando menos corridas experimentales, debido a que es imposible en la practica correr todos los tratamientos. La teoría de los diseños factoriales fraccionados se basa en la jerarquización de los efectos: Son más importantes los efectos principales, seguidos por la interacciones dobles, luego las triples, las cuádruples , etc. Número de generadores del diseño Número de factores (K) Número niveles (2) K - p 2
  • 103. DOE 6.2
    • Aclaraciones para el Diseño Factoriales fraccionados:
    • Se pierde información, ya que habrá efectos que no se podrán estimarse y se tienen menos grados de libertad disponibles para la estimación del error. Los efectos que se pierden se espera que sean, en la medida de los posible, interacciones de alto orden, las cuales se pueden ignorar de antemano con bajo riesgo.
    • Se utiliza sobre todo para probar un gran número de x potenciales con un mínimo de corridas y lograr la selección de las pocas X vitales.
    • Los experimentos altamente fraccionados son experimentos donde el número de corridas es solo un poco mayor que el número de factores y sirven para detectar solo efectos principales.
  • 104. DOE 6.2
    • Recomendaciones para el Diseño Factoriales fraccionados:
    • Los experimentos altamente fraccionados se usan a menudo para cernido, para encontrar las variables que merecen mayor estudio
    • Los experimentos más útiles tiene 8, 16 0 32 corridas.
    • Usted puede añadir niveles (use 3, 4 o 5 niveles) para un estudio más detallado de las variables importantes.
    • Los experimentos de 2 niveles pueden usarse con variables X discretas o continuas.
    • Recuerde además que usted puede correr la otra media fracción si los resultados del primer experimento no son claros.
  • 105. Procedimiento DOE 6.3
    • Definir el problema.
    • Establecer el objetivo.
    • Seleccionar las variables de respuesta.
    • Seleccionar las variables independientes y su niveles.
    • Verificar a capacidad y estabilidad de los instrumentos- sistemas de medición. Entender el espacio de inferencia.
    • Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de replicas.
    • Planear y correr el DOE. Realizar las pruebas aleatoriamente.
    • Recolectar los datos.
    • Analizar los Datos.
    • Obtener las conclusiones estadisticas.
    • Replicar los resultados, si corresponde.
    • Establecer soluciones practicas y comunicar.
    • Implementar soluciones.
    Pasos para la experimentación
  • 106.
    • Selección de factores
    • Podemos utilizar las siguientes fuentes:
    • FMEA (Puesta al día después de la Fase de Análisis)
    • Lista de Calsificación de Entrada. Mapa de procesos.
    • Factores de Estudio de Variación Múltiple
    • Resultados de la Prueba de Hipótesis
    • Conocimiento de los expertos, experiencia de los operadores
    • Requerimientos de los clientes
    • Opinión de los proveedores
    • Literatura, tormenta de ideas.........
    Procedimiento DOE 6.3
  • 107. Acción
    • Plantear el problema a resolver y objetivo que se requiere alcanzar
    • Identificar los factores y sus niveles.
    • Cree la hoja de toma de datos para el experimento
    • Stat / DOE / FACTORIALS / CREATE FACTORIAL / DESIGNS
    El problema es aumentar/disminuir..... Y = Nombre del indicador Nivel Bajo (-) Nivel alto (+) X 1 : Nombre del factor X 2 : Nombre del factor X 3 : Nombre del factor Minitab
    • 2 Level Factorial
    • Number Of. Factors
    • DESGNIS Full factorial
    • Center points=
    • # Replicates=
    • FACTORS En la columna “Name” ponerle el
    • nombre del factor
    • OPTIONS . Do not fold
          • Randomize Runs
          • Store Design on Worksh
          • Summary table, alias table
          • Default interactions
    RESULTS Procedimiento DOE 6.3
  • 108.
    • Determine el tamaño apropiado de la muestra.
    • Realice el experimento siguiendo la hoja de datos obtenidas.
    • Analice los datos obtenidos
    • Sta t/ DOE / ACTORIALS Analyze Factorial Design
    • RESPONSES Poner el indicador
    • TERMS Seleccionar todos los factores y pasarlos a “Selected Terma”
    • GRAPHS
          • Normal
          • Paretto
          • Alpha = 0.1
          • Residual for plots : Regular
          • Coefficients and ANOVA table
          • Fits (Desmarcar)
          • Residuals (Desmarcar)
    RESULTS STORAGE Nota: 1. Si se ha usado 2 o mas replicas Minitab arroja p-valúes asociados a cada factor e interacciones; los cuales deben ser usados para probar hipótesis: H0: El efecto del factor no es importante sobre Y Ha: El efecto del factor si es importante sobre Y Si p-val>0.05 Acepto H0 Acción Minitab Procedimiento DOE 6.3
  • 109.
    • Los planes de Implementación Final de soluciones debe contener:
    • La solución (acción) recomendada.
    • La causa verificada y el efecto esperado de la solución.
    • Definir al responsable que llevara a la práctica la solución.
    • Donde y cuando se realizara (fecha de inicio-fecha final).
    • Como se realizara (descripción operativa).
    • Recursos necesarios para la implementación.
    • Retorno esperado (beneficio).
    • El Plan de Gerenciamiento.
    Plan de Mejora 6.4
  • 110. Formato Plan de Implementación de Soluciones. Plan de Mejora 6.4
  • 111. Plan de Mejora 6.4
  • 112. 7. Fase IV: Controlar 7.1 Objetivo 7.2 Mantenimiento de Resultados. 7.3 Control estadístico de procesos 7.4 POKA YOKE 7.5 Las 5 S 7.6 Fabrica visual 7.7 Acciones Finales
  • 113. Y (KPOV) X (KPIV) CTQs FMEA, Mapa de Procesos Cp, Cpk Prueba de Hipótesis Correlación Regresión DOE Simulación SPC 5 Ss Poka Yoke X (KPIV) significativas X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso Controladas X Key Process Input Variables (KPIV) variable claves del proceso Y Key Process Ouptput Variables (KPOV) variables clave de salida del proceso para el cliente
  • 114. Concluida las mejoras en las Y, se debe controlar la variable en el tiempo para que no retorne a la situación anterior. Objetivo 7.1 Fin de Proyecto CONTROL Antes de la Mejora MEJORAR FASE POST PROYECTO Situación No Deseada Y
  • 115.
    • Se debe elaborar un plan de Mantenimiento de Resultados:
    • El plan debe contener:
    • El mapa de proceso actualizado, con indicadores críticos en la entrada y salida (Ya estuvieron definidos en la primera etapa).
    • El tipo de control para cada indicador y las acciones de reacción ante el descontrol.
    Mantenimiento resultados 7.2
  • 116. Es el listado con las acciones generales que cada proceso debe seguir para garantizar, mantener el resultado del indicador. Ejemplo: PLAN DEL CONTROL DEL PROCESO Mantenimiento resultados 7.2 PLAN DE CONTROL Proceso:_______ Fecha:____ Responsable:_____ Acción Responsable Periodicidad 1Analizar indicador 2.Gage R & R Normas y procedimientos 4.Revisión FMEA 5.Charla de Six Sigma en 5 minutos Supervisor 1 Supervisor 2 Gerente Todos Jefe Diario Mensual Quincenal Anual Mensual
  • 117. TIPO DE CONTROL PARA CADA INDICADOR
    • Existen diferentes maneras de hacer el Control para los indicadores. Entre los más importantes, se menciona:
    • Control Estadístico de Procesos.
    • Sistema a Prueba de Errores (Poka Yoke).
    • Filosofía de 5 Ss y Gerenciamiento Visual.
    Mantenimiento resultados 7.2
  • 118. Control Estadístico de Procesos (CEP)
    • Muestra el desempeño del Proceso.
    • Provee de un Lenguaje Común para discutir el Proceso.
    • Permitirá diferenciar Causas Comunes de Especiales.
    • Los componentes del CEP, son:
    • Cartas de Control.
    • Causas Especiales y Comunes.
    Control Estadístico de Procesos 7.3 LSC : Límite Superior de Control LIC : Límite Inferior de Control ZONA EN CONTROL (BIEN) ZONA PRUEBA DE CONTROL (MAL)
  • 119. Controla la proporción de piezas no conformes. No controla la cantidad de no conformidades encontradas en la pieza. CARTA P Cartas De Control Control Estadístico de Procesos 7.3
  • 120. CARTA C Controla el numero de no conformidades por unidad y sólo es aplicada cuando el número de elementos de las muestras recolectadas es constante. Es la cantidad de no conformidades encontradas en cada muestra. Cartas De Control Control Estadístico de Procesos 7.3
  • 121. CARTA X-R
    • Se utiliza cuando se trabaja con valores individuales del proceso.
    • La amplitud (R), en este caso, es la calculada para cada par sucesivo de datos registrados en la carta entre el X max -X min.
    Es la media de los R individuales calculados. c Cartas De Control Control Estadístico de Procesos 7.3
  • 122. Gr á fica X-R Control Estadístico de Procesos 7.3
  • 123. Los defectos tienes su causa raíz en errores La manera tradicional de evitar que lleguen defectos al cliente es inspeccionar al 100% todo o parte de los servicios brindados. Pero esto es muy costoso e ineficiente. Se debe construir Calidad desde la fuente incorporada mecanismos que prevengan los errores desde el principio Mecanismos a Prueba De Errores : POKA YOKE POKA YOKE 7.4 Defecto
  • 124. Errores POKA YOKE 7.4 Casi todos los defectos están causados por errores humanos. Sin embargo hay como mínimo 10 clases de errores Olvido Desconocimiento De identificación Inexperiencia Voluntarios Inadvertidos Lentitud Falta de estándares Errores Sorpresa Intencionales 1 2 3 4 5 6 7 8 9 10
  • 125. Errores Humanos Causa de defectos Conexión fuerte Conexión POKA YOKE 7.4
  • 126.
    • “ Los errores inadvertidos incrementan el trabajo”
    Los errores Humanos usualmente lo son por inadvertencia. POKA YOKE 7.4 Yokeru Evitar Poka Errores Inadvertidos Los mecanismos Poka-Yoke nos ayudan a evitar los defectos aunque inadvertidamente se cometan errores. Los Poka-Yoke ayudan a fabricar la calidad en el proceso. Un dispositivo Poka−yoke es cualquier mecanismo que ayuda a prevenir los errores antes de que sucedan, o los hace que sean muy obvios para que el trabajador se de cuenta y lo corrija a tiempo.
  • 127. POKA YOKE 7.4 Lista de Chequeo
  • 128. Las 5 S 7.5 SEIRI (Clasificar) Retirar, desalojar lo innecesario. SEISO (Organizar) “ Cada cosa en su lugar y un lugar para cada cosa”. SEITON (Limpiar) Limpieza es inspección. SEIKETSU (Prevenir) Evitar que se vuelva a ensuciar, desordenar. SHITSUKE (Disciplinar) Estandarizar, cumplir con los estándares, Formar buenos hábitos.
  • 129. ¿Cómo se pueden definir las 5S? Las 5 S 7.5 “ Siempre se pueden evitar ineficiencias, evitar desplazamientos, y eliminar desperdicios de tiempo y espacio”
  • 130. Las 5 S 7.5
  • 131. Las 5 S 7.5
  • 132. Se debe tener de manera visible un Panel que permita ver:
    • Evolución del Indicador. (Con Control Estadístico).
    • Acciones Correctivas tomadas ante Ocurrencia de Fallas.
    • Estado del Cumplimiento de Estándares y Procedimientos.
    • Plan de Control del Proceso.
    Fabrica visual 7.6
  • 133.
    • Para la implementación de las Acciones Finales, deben estar previamente definidos:
    • El desarrollo y la documentación de prácticas estándares.
    • El entrenamiento del personal involucrado en las Actividades.
    Acciones Finales Después de ello se podrá hacer los cierres de los proyectos. Se debe reconocer el esfuerzo y aporte de cada participante por el trabajo y sus resultados asociados. 7.7