Risk sixsigma es

675 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
675
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
50
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Risk sixsigma es

  1. 1. Guía del Usuario de @RISK para Six Sigma Versión 5.7 septiembre, 2010Palisade Corporation798 Cascadilla St.Ithaca, NY 14850EE.UU.+1-607-277-8000+1-607-277-8001 (fax)http://www.palisade.com (página web)sales@palisade.com (correo electrónico)
  2. 2. CopyrightCopyright © 2010, Palisade Corporation.Avisos de marcas comercialesMicrosoft, Excel y Windows son marcas comerciales registradas de Microsoft CorporationIBM es una marca comercial registrada de International Business Machines, Inc.Palisade, TopRank, BestFit y RISKview son marcas comerciales registradas dePalisade Corporation.RISK es una marca comercial de Parker Brothers, Division de Tonka Corporation, y seutiliza con licencia.
  3. 3. Bienvenidos Bienvenidos a @RISK, el mejor programa del mundo para el análisis de riesgo. @RISK se usa desde hace tiempo para analizar riesgo e incertidumbre en cualquier industria. Con aplicaciones en finanzas, petróleo y gas, seguros, manufactura, sanidad, farmacéutica, ciencia y otros campos, @RISK es tan flexible como el propio Excel. Todos los días, decenas de miles de profesionales usan @RISK para estimar costos, analizar NPV y IRR, estudiar opciones reales, determinar precios, hacer prospecciones en busca de petróleo y otros recursos, y mucho más. Una aplicación clave de @RISK es Six Sigma y análisis de calidad. Tanto en DMAIC, como en diseños Six Sigma (DFSS), proyectos Lean, Diseño de Experimentos (DOE) o en cualquier otra área, la incertidumbre y la variabilidad se encuentran en el núcleo de cualquier análisis Six Sigma. @RISK usa la simulación Monte Carlo para identificar, medir y determinar las causas de variabilidad en sus procesos de producción y servicio. Una completa gama de medidas de capacidad le ofrecen los cálculos que necesita para procesar cualquier método Six Sigma rápidamente y con precisión. Las gráficas y tablas muestran claramente los estadísticos Six Sigma, haciendo más fácil y eficaz la ilustración de esta eficaz técnica de administración. La edición Industrial de @RISK añade RISKOptimizer a los análisis Six Sigma para optimizar la selección de proyectos, la asignación de recursos, etc. Industrias que incluyen las de fabricación de motores, metales preciosos, líneas aéreas o bienes de consumo, usan en la actualidad @RISK diariamente para mejorar sus procesos, aumentar la calidad de sus productos y servicios, y ahorrar millones. Esta guía explica las funciones, estadísticos, gráficos y reportes de Six Sigma de @RISK y muestra cómo puede utilizar @RISK en cualquier fase de un proyecto Six Sigma. La guía se completa con ejemplos de casos de estudios que ofrecen modelos prediseñados que usted puede adaptar a sus propios análisis. Las funciones estándar de @RISK, como la introducción de funciones de distribución, el ajuste de distribuciones a datos, la ejecución de simulaciones y la realización de análisis de sensibilidad, son también aplicables a los modelos de Six Sigma. Cuando utilice la modelación de @RISK para Six Sigma, también deberá familiarizarse con estas funciones repasando la Guía para el uso de @RISK para Excel y la documentación de capacitación en línea.
  4. 4. Índice Bienvenidos iii Índice v Capítulo 1: Resumen de las metodologías de @RISK y Six Sigma1 Introducción ........................................................................................3 Metodologías Six Sigma ....................................................................7 @RISK y Six Sigma...........................................................................11 Capítulo 2: Uso de @RISK para Six Sigma 15 Introducción ......................................................................................17 La función de propiedad RiskSixSigma .........................................19 Funciones estadísticas Six Sigma..................................................23 Six Sigma y la ventana Resumen de resultados ...........................35 Marcadores Six Sigma en los gráficos...........................................37 Estudio de casos 39 Ejemplo 1 – Diseño de experimentos: Catapulta ..........................41 Ejemplo 2 – Diseño de experimentos: Soldadura .........................47 Ejemplo 3 – Diseño de experimentos con optimización: .............53 Ejemplo 4 – DFSS: Diseño eléctrico ...............................................59 Ejemplo 5 – Lean Six Sigma: Análisis de estado actual – Proceso de cotización .......................................................................................63 Ejemplo 6 – DMAIC: Análisis de producción acumulada .............71 Ejemplo 7 – Six Sigma DMAIC Tasa de fallas ................................75 Ejemplo 8 – Six Sigma DMAIC Tasa de falla usando RiskTheo...79Índice v
  5. 5. vi
  6. 6. Capítulo 1: Resumen de lasmetodologías de @RISK ySix Sigma Introducción ........................................................................................3  ¿Qué es Six Sigma? ..................................................................................3  La importancia de la variación...............................................................5  Metodologías Six Sigma ....................................................................7  Six Sigma / DMAIC .................................................................................7  Diseño para Six Sigma (DFSS) ..............................................................8  Lean o Lean Six Sigma ............................................................................9  @RISK y Six Sigma...........................................................................11  @RISK y DMAIC....................................................................................11  @RISK y Diseño para Six Sigma (DFSS) ...........................................12  @RISK y Lean Six Sigma ......................................................................13  @RISK 5.0 Help System © Palisade Corporation, 1999Capítulo 1: Resumen de las metodologías de @RISK y Six Sigma 1
  7. 7. 2
  8. 8. Introducción En el competitivo mundo actual de los negocios, la calidad es más importante que nunca. Conozca @RISK, el compañero perfecto para cualquier profesional dedicado a Six Sigma o a la calidad. Esta eficaz solución permite analizar rápidamente el efecto de las variaciones en procesos y diseños. Además de análisis Six Sigma y de calidad, @RISK se puede usar para analizar cualquier situación en la que haya incertidumbre. Sus aplicaciones incluyen análisis de NPV, IRR y opciones reales, estimación de costos, análisis de carteras, prospecciones de petróleo y gas, reservas de seguros, precios, etc. Para conocer otras aplicaciones de @RISK y aprender a usar @RISK en general, consulte la Guía para el uso de @RISK que se incluye con el software. ¿Qué es Six Sigma? Six Sigma es una serie de prácticas para mejorar sistemáticamente los procesos mediante la reducción de variaciones en el proceso y, en consecuencia, para eliminar defectos. Un defecto se define como la falta de conformidad de un producto o servicio con sus especificaciones. Aunque los detalles de esta metodología se formularon originalmente en Motorola a mediados de los años ochenta, Six Sigma fue inspiración directa de seis décadas anteriores de metodologías para la mejora de la calidad, como el control de calidad, TQM y Defecto Cero. Como sus predecesores, Six Sigma afirma lo siguiente: • El esfuerzo continuado para reducir las variaciones en el producto de un proceso es clave para el éxito comercial • Los procesos de fabricación y comerciales se pueden medir, analizar, mejorar y controlar • El éxito del mantenimiento de la mejora de la calidad requiere el compromiso de toda la organización, especialmente de los administradores de nivel superior Six Sigma funciona con datos y con frecuencia hace referencia a variables “X” y “Y”. Las variables X son sencillamente variables de entrada independientes que afectan a las variables de salida dependientes, Y. Six Sigma se centra en la identificación y control de las variaciones de las variables X para maximizar la calidad y minimizar las variaciones de las variables Y.Capítulo 1: Resumen de las metodologías de @RISK y Six Sigma 3
  9. 9. El término Six Sigma o 6σ es muy descriptivo. La letra griega sigma (σ) denomina la desviación estándar, una medida importante de variación. La variación de un proceso se refiere a lo cercanos que se encuentran todos los resultados con respecto a la media. La probabilidad de crear un defecto se puede calcular y traducir en un “nivel Sigma”. Cuanto más alto sea el nivel Sigma, mejor será el rendimiento. Six Sigma se refiere a tener seis desviaciones estándar entre el promedio del centro del proceso y el límite de especificación o nivel de servicio más cercano. Esto se traduce en menos de 3,4 defectos por millón de oportunidades (DPMO). El gráfico de abajo ilustra Six Sigma gráficamente. -6 -5 -4 -3 -2 -1 +1 +2 +3 +4 +5 +6 Six sigmas –o desviaciones estándar– de la media. Los ahorros de costos y mejoras de calidad resultado de las implementaciones corporativas de Six Sigma son significativos. Motorola ha registrado $17.000 millones en ahorros desde su implementación a mediados de los ochenta. Lockheed Martin, GE, Honeywell y muchos otros, han experimentado tremendas ventajas gracias a Six Sigma.4 Introducción
  10. 10. La importancia de la variación Muchos de los que utilizan Six Sigma dependen de modelos estadísticos que no tienen en cuenta la incertidumbre y variabilidad inherentes a sus procesos o diseños. En busca de maximizar la calidad, es vital considerar el mayor número posible de situaciones. Es ahí donde interviene @RISK. @RISK usa la simulación Monte Carlo para analizar miles de posibles resultados diferentes, mostrando la probabilidad de que se produzca cada uno. Los factores de incertidumbre se definen usando más de 35 funciones de distribución de probabilidad, lo cual permite describir con precisión la posible gama de valores que pueden adoptar las variables de salida. @RISK incluso permite definir límites de especificación superiores e inferiores y valores objetivo para cada variable de salida, e incluye una amplia gama de estadísticos Six Sigma y medidas de capacidad para esas variables de salida. La edición Industrial de @RISK también incluye RISKOptimizer, que combina la eficacia de la simulación Monte Carlo con la optimización basada en algoritmos genéticos. Esto permite resolver problemas de optimización que tienen incertidumbre inherente, como: • Asignación de recursos para minimizar costos • Selección de proyecto para maximizar beneficios • Ajustes del proceso de optimización para maximizar la producción o minimizar los costos • Optimización de la asignación de tolerancias para maximizar la calidad • Optimización de los calendarios del personal para maximizar el servicioCapítulo 1: Resumen de las metodologías de @RISK y Six Sigma 5
  11. 11. 6
  12. 12. Metodologías Six Sigma @RISK se puede usar en diferentes análisis Six Sigma y en otros análisis asociados. Las tres áreas principales de análisis son: • Six Sigma / DMAIC / DOE • Diseño para Six Sigma (DFSS) • Lean o Lean Six Sigma Six Sigma / DMAIC Con frecuencia, cuando se hace referencia a Six Sigma, realmente se habla de la metodología DMAIC. La metodología DMAIC debe usarse cuando un producto o proceso existe pero no cumple las especificaciones del cliente o no tiene un rendimiento adecuado. DMAIC se centra en la mejora progresiva y continua de los procesos de fabricación y servicios, y casi universalmente se dice que cuenta con las siguientes cinco fases: Definir, medir, analizar, mejorar y controlar (DMAIC, en inglés): 1) Definir los objetivos del proyecto y los requisitos del cliente (Voz del cliente, o VOC, interno y externo) 2) Medir el proceso para determinar el rendimiento actual 3) Analizar y determinar la causa raíz de los defectos 4) Mejorar el proceso mediante la eliminación de la causa raíz del defecto 5) Controlar el rendimiento futuro del procesoCapítulo 1: Resumen de las metodologías de @RISK y Six Sigma 7
  13. 13. Diseño para Six Sigma (DFSS) DFSS se usa para diseñar o re-diseñar un producto o servicio desde su inicio. El nivel Sigma esperado del proceso para un producto o servicio DFSS es de al menos 4.5 (no más de un defecto, aproximadamente, por cada mil oportunidades), pero puede ser 6 Sigma o superior, dependiendo del producto. Producir un nivel tan bajo de defectos en el lanzamiento de un producto o servicio significa que deben entenderse completamente las expectativas y necesidades del cliente (factores críticos de calidad o CTQ) antes de completar e implementar el diseño. Los programas DFSS con resultados satisfactorios pueden reducir las pérdidas innecesarias de recursos en la etapa de planificación y llevar el producto al mercado más rápidamente. A diferencia de la metodología DMAIC, las fases o pasos de DFSS no son reconocidos o definidos universalmente; casi todas las compañías u organizaciones que ofrecen formación, definen DFSS de forma diferente. Una popular metodología de Diseño para Six Sigma es la denominada DMADV, que tiene el mismo número de letras, número de fases y aspecto general que la que se define con las siglas DMAIC. Las cinco fases de DMADV se definen como: Definir, medir, analizar, diseñar y verificar: 1) Definir los objetivos del proyecto y los requisitos del cliente (coz del cliente –VOC- interna y externa) 2) Medir y determinar las necesidades y especificaciones del cliente; competencia de referencia e industria 3) Analizar las opciones del proceso para satisfacer las necesidades del cliente 4) Diseño (detallado) del proceso para satisfacer las necesidades del cliente 5) Verificar el rendimiento del diseño y la capacidad de cumplir las necesidades del cliente8 Metodologías Six Sigma
  14. 14. Lean o Lean Six Sigma “Lean Six Sigma” es la combinación del proceso de fabricación Lean (originalmente diseñado por Toyota) y las metodologías estadísticas de Six Sigma en una herramienta sinergética. Lean se refiere a la mejora de la rapidez de un proceso mediante la reducción de pérdidas de recursos y la eliminación de pasos que no incorporan valor añadido. Lean se centra en una estrategia “dirigida” por el cliente, que produce sólo aquellos productos demandados con una política de entrega “justo a tiempo”. Six Sigma mejora el rendimiento concentrándose en aquellos aspectos de un proceso críticos para la calidad desde el punto de vista del cliente, y eliminando las variaciones en ese proceso. Muchas organizaciones de servicios, por ejemplo, ya han comenzado a combinar la mayor calidad de Six Sigma con la eficacia de Lean en un proceso denominado Lean Six Sigma. Lean utiliza “Eventos Kaizen” –sesiones intensivas de mejora normalmente de una semana de duración—para identificar rápidamente oportunidades de mejora, y va un paso más allá que los diagramas de procesos tradicionales en su uso de diagramas de proceso con valor. Six Sigma usa la metodología DMAIC formal para producir resultados medibles y repetibles. Tanto Lean como Six Sigma se construyen sobre la idea de que los negocios se componen de procesos que se inician con las necesidades de los clientes y deben terminar con clientes satisfechos con el uso de los productos y servicios.Capítulo 1: Resumen de las metodologías de @RISK y Six Sigma 9
  15. 15. 10
  16. 16. @RISK y Six Sigma Tanto en DMIAC como en Diseños de Experimentos o Lean Six Sigma, la incertidumbre y la variabilidad se encuentran en el núcleo de cualquier análisis Six Sigma. @RISK usa la simulación Monte Carlo para identificar, medir y determinar las causas de variabilidad en sus procesos de producción y servicio. Cada una de las metodologías Six Sigma se pueden beneficiar de @RISK a lo largo de sus etapas de análisis. @RISK y DMAIC @RISK es útil en todas las etapas del proceso DMAIC para evaluar las variaciones e identificar áreas problemáticas en productos existentes. 1) Definir. Defina los objetivos de mejora de los procesos, incorporando la demanda de los clientes y la estrategia comercial. La diagramación de procesos con valor, la estimación de costos y la identificación de CTQ (factores críticos para la calidad) son todas áreas en las que @RISK puede contribuir a aislar factores y establecer objetivos. El análisis de sensibilidad de @RISK se centra en los CTQ que afectan los beneficios finales. 2) Medir. Mida los niveles actuales de rendimiento y sus variaciones. El ajuste de distribuciones y más de 35 distribuciones de probabilidad permiten definir con precisión las variaciones de rendimiento. Los datos estadísticos de las simulaciones de @RISK pueden proporcionar datos para hacer comparaciones con los requisitos en la fase de Analizar. 3) Analizar Analice para verificar las relaciones y causas de los defectos, y trate de garantizar que se consideran todos los factores. A través de la simulación de @RISK, pueden garantizar que se consideran todos los factores de entrada y todos los posibles resultados. Se pueden determinar las causas de la variabilidad y el riesgo con los análisis de sensibilidad y de escenarios, y mediante el análisis de tolerancias. Use las funciones estadísticas Six Sigma de @RISK para calcular las medidas de capacidad que permiten identificar las diferencias entre medidas obtenidas y requisitos. Aquí vemos la frecuencia con la que fallan los productos o servicios, y se adquiere una idea de fiabilidad.Capítulo 1: Resumen de las metodologías de @RISK y Six Sigma 11
  17. 17. 4) Mejorar. Mejore u optimice el proceso basándose en el análisis utilizando técnicas de Diseño de Experimentos. El Diseño de Experimentos incluye el diseño de todos los ejercicios de recopilación de información en los que la variación está presente, tanto si está bajo control total del experimento como si no. El uso de la simulación de @RISK permite poner a prueba diferentes diseños alternativos y cambios del proceso. @RISK también se usa en esta fase para hacer análisis de fiabilidad y, mediante el uso de RISKOptimizer, optimizar recursos. 5) Controlar. Haga el control para garantizar que cualquier variación se corrige antes de que genere defectos. En la etapa de Controlar, puede establecer pruebas piloto para determinar la capacidad del proceso, hacer la transición a producción y, posteriormente, medir continuamente el proceso para establecer mecanismos de control. @RISK calcula automáticamente la capacidad del proceso y valida los modelos para asegurar que se cumple el estándar de calidad y las demandas del cliente. @RISK y Diseño para Six Sigma (DFSS) Uno de los usos principales de @RISK en Six Sigma se aplica en la etapa de planificación de un nuevo proyecto con el método DFSS. La comprobación de diferentes procesos de fabricación física, modelos de servicio o prototipos, puede resultar económicamente prohibitiva. @RISK permite a los ingenieros simular miles de resultados diferentes en los modelos sin el costo ni el tiempo asociados con una simulación física. @RISK es útil en todas las etapas de implementación DFSS de la misma forma que lo es con los pasos DMAIC. El uso de @RISK con DFSS ofrece a los ingenieros las siguientes ventajas: • Experimentar con diferentes diseños / Diseño de Experimentos • Identificar CTQ • Predecir la capacidad de procesos • Revelar restricciones de diseño del producto • Estimar costos • Seleccionar proyectos – usando RISKOptimizer para determinar la cartera óptima • Analizar estadísticamente las tolerancias • Asignar recursos – usando RISKOptimizer para maximizar su eficacia12 @RISK y Six Sigma
  18. 18. @RISK y Lean Six Sigma @RISK es el compañero perfecto para la combinación sinérgica del proceso de fabricación Lean y Six Sigma. Los modelos “Sólo calidad” de Six Sigma pueden fallar cuando se aplican para reducir variaciones en un solo paso del proceso, o en procesos que no añaden valor para el cliente. Por ejemplo, un análisis Six Sigma puede recomendar una inspección adicional durante el proceso de fabricación para detectar unidades defectuosas. La inutilidad de procesar unidades defectuosas se limita, pero a costa de añadir una inspección que, por sí misma, ya es una tarea improductiva. En un análisis Lean Six Sigma, @RISK identifica las causas de estos fallos. Además, @RISK puede medir la incertidumbre en las medidas de calidad (ppm) y rapidez (tiempos de ciclos). @RISK proporciona las siguientes ventajas para el análisis Lean Six Sigma: • Selección de proyectos – usando RISKOptimizer para determinar la cartera óptima • Diagramación de procesos con valor • Identificación de los CTQ que generan variaciones • Optimización del proceso • Descubrimiento y reducción de los pasos improductivos del proceso • Optimización de inventario – mediante el uso de RISKOptimizer para minimizar costos • Asignación de recursos – usando RISKOptimizer para maximizar su eficaciaCapítulo 1: Resumen de las metodologías de @RISK y Six Sigma 13
  19. 19. 14
  20. 20. Capítulo 2: Uso de @RISK paraSix Sigma Introducción ......................................................................................17  La función de propiedad RiskSixSigma .........................................19  Introducción de una función de propiedad RiskSixSigma ............20  Funciones estadísticas Six Sigma..................................................23  RiskCp......................................................................................................25  RiskCpm ..................................................................................................25  RiskCpk ...................................................................................................26  RiskCpkLower........................................................................................26  RiskCpkUpper........................................................................................27  RiskDPM .................................................................................................27  RiskK........................................................................................................28  RiskLowerXBound.................................................................................28  RiskPNC ..................................................................................................29  RiskPNCLower .......................................................................................29  RiskPNCUpper .......................................................................................30  RiskPPMLower.......................................................................................30  RiskPPMUpper.......................................................................................31  RiskSigmalLevel ....................................................................................31  RiskUpperXBound.................................................................................32  RiskYV .....................................................................................................32  RiskZlower ..............................................................................................33  RiskZMin.................................................................................................33  RiskZUpper.............................................................................................34  Six Sigma y la ventana Resumen de resultados ...........................35  Marcadores Six Sigma en los gráficos...........................................37 Capítulo 2: Uso de @RISK para Six Sigma 15
  21. 21. 16
  22. 22. Introducción La capacidad estándar de simulación de @RISK ha sido mejorada para su uso en modelación Six Sigma mediante la adición de cuatro funciones clave. Estas son: 1) La función de propiedad RiskSixSigma para introducir límites de especificación y valores objetivo para los resultados de la simulación 2) Funciones estadísticas Six Sigma, incluyendo índices de capacidad de procesos como RiskCpk, RiskCpm y otras, que generan datos estadísticos Six Sigma resultado de la simulación directamente en las celdas de la hoja de cálculo 3) Nuevas columnas en la ventana de Resumen de resultados que ofrecen datos estadísticos Six Sigma resultado de la simulación en formato de tabla 4) Marcadores en los gráficos de los resultados de la simulación que muestran límites de especificación y valores objetivo Las funciones estándar de @RISK, como la introducción de funciones de distribución, el ajuste de distribuciones a datos, la ejecución de simulaciones y la realización de análisis de sensibilidad, son también aplicables a los modelos de Six Sigma. Cuando utilice la modelación de @RISK para Six Sigma, también deberá familiarizarse con estas funciones repasando la Guía para el uso de @RISK para Excel y la documentación de capacitación en línea.Capítulo 2: Uso de @RISK para Six Sigma 17
  23. 23. 18
  24. 24. La función de propiedad RiskSixSigma En una simulación @RISK la función RiskOutput identifica la celda de la hoja de cálculo que contiene la salida de una simulación. Esta opción genera una distribución de posibles resultados por cada celda de salida seleccionada. Estas distribuciones de probabilidad se crean tomado los valores calculados de una celda en cada iteración de una simulación. Cuando es necesario calcular los datos estadísticos Six Sigma de una salida, la función de propiedad RiskSixSigma se introduce como un argumento de la función RiskOutput. Esta función de propiedad especifica el límite de especificación inferior, el límite de especificación superior, el valor objetivo, el desplazamiento a largo plazo y el número de desviaciones estándar de los cálculos Six Sigma de una salida. Estos valores se usan para calcular los datos estadísticos Six Sigma que aparecen en la ventana Resultados y en los gráficos de las salidas. Por ejemplo: RiskOutput(“Altura Pieza”,,RiskSixSigma(.88,.95,.915,1.5,6)) especifica un LSL de .88, un USL de .95, un valor objetivo de .915, una desplazamiento a largo de 1.5, y un número de desviaciones estándar de 6 para la salida Altura Pieza. También pude usar referencias a celdas en la función de propiedad RiskSixSigma. Estos valores se usan para calcular los datos estadísticos Six Sigma que aparecen en la ventana Resultados y como marcadores en los gráficos de las salidas. Cuando @RISK detecta una función de propiedad RiskSixSigma en una salida, muestra automáticamente los datos estadísticos Six Sigma disponibles de los resultados de la simulación de la ventana Resumen de resultados y añade marcadores de los valores LSL, USL y Objetivo introducidos para los gráficos de los resultados de simulación de la salida.Capítulo 2: Uso de @RISK para Six Sigma 19
  25. 25. Introducción de una función de propiedad RiskSixSigma La función de propiedad RiskSixSigma se puede escribir directamente en la fórmula de una celda como un argumento de una función RiskOutput. También se puede usar el Asistente de funciones de Excel para introducir la función directamente en la fórmula de la celda. El comando Insertar función de @RISK permite insertar rápidamente una función RiskOutput con una función de propiedad RiskSixSigma añadida. Sólo tiene que seleccionar el comando RiskOutput (formato Six Sigma) en el menú Salida del menú Insertar función de @RISK y la función correspondiente se añadirá a la fórmula de la celda activa.20 La función de propiedad RiskSixSigma
  26. 26. Propiedades de @RISK también proporciona una ventana de Propiedades de funciónsalida – Pestaña que se puede usar para introducir una función de propiedadSix Sigma RiskSixSigma en una función RiskOutput. Esa ventana contiene una pestaña titulada Six Sigma que tiene opciones para los argumentos de la función RiskSixSigma. Puede acceder a la ventana Propiedades de función de RiskOutput haciendo clic en el botón de propiedades de la ventana Añadir salida de @RISK. Los ajustes predeterminados para una salida que se deben usar en los cálculos Six Sigma se establecen en la pestaña Six Sigma. Estas propiedades incluyen: • Calcular métricas de capacidad de esta salida. Especifica que las medidas de capacidad aparecerán en los informes y los gráficos de la salida. Estas medidas usarán los valores LSL, USL y Objetivo introducidos. • LSL, USL y Objetivo. Establece los valores LSL (límite de especificación inferior), USL (límite de especificación superior) y Objetivo de la salida. • Uso desplazamiento a largo-plazo y Desplazamiento. Especifica un desplazamiento opcional para el cálculo de mediciones de capacidad a largo plazo. • Límite X superior/inferior. El número de desviaciones estándar a la derecha o a la izquierda de la media para calcular los valores superior o inferior del eje X.Capítulo 2: Uso de @RISK para Six Sigma 21
  27. 27. Los ajustes Six Sigma introducidos generan una función de propiedad RiskSixSigma en la función RiskOutput. Sólo las salidas que contienen una función de propiedad RiskSixSigma muestran marcadores y datos estadísticos Six Sigma en gráficos e informes. Las funciones estadísticas Six Sigma de @RISK de las hojas de cálculo de Excel pueden hacer referencia a cualquier celda de salida que contenga una función de propiedad RiskSixSigma. Nota: Todos los gráficos e informes de @RISK usan los valores LSL, USL, Objetivo, Desplazamiento a largo plazo y Número de desviaciones estándar de las funciones de propiedad RiskSixSigma que existían al principio de una simulación. Si cambia los límites de especificación de una salida (y su función de propiedad RiskSixSigma asociada), debe ejecutar de nuevo la simulación para ver los gráficos e informes cambiados.22 La función de propiedad RiskSixSigma
  28. 28. Funciones estadísticas Six Sigma Una serie de funciones estadísticas de @RISK generan un dato estadístico Six Sigma en la salida de una simulación. Por ejemplo, la función RiskCPK(A10) genera el valor CPK para la salida de la simulación de la celda A10. Estas funciones se actualizan en tiempo real durante la ejecución de la simulación. Estas funciones son similares a las funciones estadísticas estándar de @RISK (como RiskMean) porque calculan datos estadísticos de los resultados de una simulación; sin embargo, estas funciones calculan datos estadísticos normalmente necesarios en los modelos Six Sigma. Estas funciones se pueden usar en cualquier lugar de la hoja de cálculo y de las fórmulas del modelo. Algunos elementos importantes que deben tenerse en cuenta con las funciones estadísticas Six Sigma de @RISK son los siguientes: • Si se introduce una referencia de celda como primer argumento de la función estadística y esa celda contiene una función RiskOutput con una función de propiedad RiskSixSigma, @RISK usa los valores LSL, USL, Objetivo, Desplazamiento a largo plazo y Número de desviaciones estándar de esa salida cuando calcula los datos estadísticos deseados. • Si se introduce una referencia de celda como primer argumento, la celda no tiene que ser una salida de simulación identificada con la función RiskOutput. Sin embargo, si no es una salida, debe añadirse una función de propiedad RiskSixSigma adicional a la propia función estadística para que @RISK tenga los ajustes necesarios para calcular los datos estadísticos deseados. • La introducción de una función de propiedad RiskSixSigma opcional directamente en una función estadística hace que @RISK anule cualquier ajuste Six Sigma especificado en la función de propiedad RiskSixSigma de la salida de simulación de referencia. Esto permite calcular los datos estadísticos Six Sigma con diferentes valores LSL, USL, Objetivo, Desplazamiento de largo plazo y Número de desviaciones estándar para una misma salida. • Si se introduce un nombre en lugar de una referencia de celda, @RISK primero busca una salida con el nombre introducido y luego lee sus ajustes de función de propiedad RiskSixSigma. El usuario es responsable de que sean exclusivos los nombres que reciben las referencias de salida de las funciones estadísticas.Capítulo 2: Uso de @RISK para Six Sigma 23
  29. 29. • El argumento #Sim selecciona la simulación para la que se generará la estadística cuando se ejecutan múltiples simulaciones. Este argumento es opcional y se puede omitir cuando se ejecuta una sola simulación. • Cuando se introduce una función de propiedad RiskSixSigma opcional directamente en una función estadística Six Sigma, se usan diferentes argumentos de la función de propiedad dependiendo del cálculo que se esté realizando. • Las funciones estadísticas que se encuentran en modelos de hojas de cálculo que se usan para generar informes personalizados de resultados de simulación, sólo se actualizan cuando termina la simulación.Introducción de El comando Insertar función de @RISK permite insertar rápidamentefunciones una función estadística Six Sigma. Sólo tiene que seleccionar elestadísticas Six comando Six Sigma en la categoría de función Estadística del menúSigma Insertar función de @RISK, y luego seleccionar la función deseada. La función seleccionada se añadirá a la fórmula de la celda activa.24 Funciones estadísticas Six Sigma
  30. 30. RiskCp Descripción RiskCp(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de largo plazo, Número de Desviaciones estándar). Calcula la capacidad del proceso para la referencia de celda o nombre de variable de salida en Sim# utilizando opcionalmente los LSL y USL en la función de propiedad RiskSixSigma incluida. Esta función calculará el nivel de calidad de la variable de salida especificada y de lo que es potencialmente capaz de producir. Ejemplos RiskCP(A10) retorna la Capacidad de Proceso para la variable de salida en la celda A10. Una Función de propiedad RiskSixSigma debe ser introducida en la función RiskOutput en la celda A10. RiskCP(A10, ,RiskSixSigma(100,120,110,1.5,6)) retorna la Capacidad de Proceso para la variable de salida en la celda A10, utilizando un LSL de 100 y un USL de 120. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskCpm Descripción RiskCPM(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)). Calcula el índice de capacidad Taguchi para la referencia de celda o el nombre de variable de salida en el número de simulación, usando opcionalmente los USL, LSL, y el objetivo en la Función de propiedad RiskSixSigma. Esta función es esencialmente la misma que Cpk pero incorpora el valor objetivo que, en algunos casos, podría estar o no dentro de los límites de especificación. Ejemplos RiskCpm(A10) retorna un índice de capacidad Taguchi para la celda en A10 . RiskCpm(A10, ,RiskSixSigma(100, 120, 110, 0, 6)) retorna un índice de capacidad Taguchi para la celda en A10 utilizando un USL de 120, un LSL de 100 y un Objetivo de 110. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.Capítulo 2: Uso de @RISK para Six Sigma 25
  31. 31. RiskCpk Descripción RiskCpk (referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el indice de capacidad del proceso para la referencia de celda o nombre de variable de salida en Sim# usando opcionalmente los LSL y USL en la Función de propiedad RiskSixSigma. Esta función es similar a la Cp pero toma en consideración un ajuste del Cp por el efecto de una distribución des-centrada. Como fórmula, , Cpk = ya sea (USL-Media) / (3 x sigma) o (Media-LSL) / (3 x sigma) cualquiera que sea menor. Ejemplos RiskCpk(A10) retorna el Indice de Capacidad de Proceso para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskCpk(A10, ,RiskSixSigma(100,120,110,1.5,6)) retorna el Indice de Capacidad de Proceso para la variable de salida en la celda A10, usando un LSL de 100 y un USL de 120. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskCpkLower Descripción RiskCpkLower(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Inferior (LSL) para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente la Función de propiedad RiskSixSigma LSL. Ejemplos RiskCpkLower(A10) calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Inferior (LSL) para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskCpkLower(A10, ,RiskSixSigma(100,120,110,1.5,6 calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Inferior (LSL) para la variable de salida en la celda A10, usando un LSL de 100. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.26 Funciones estadísticas Six Sigma
  32. 32. RiskCpkUpper Descripción RiskCpkUpper (referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Superior (USL) para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente la Función de propiedad RiskSixSigma USL. Ejemplos RiskCpkUpper(A10) calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Superior (USL) para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskCpkLower(A10, ,RiskSixSigma(100,120,110,1.5,6 calcula el índice de capacidad de un solo lado basado en el Límite de Especificación Superior (USL) para la variable de salida en la celda A10, usando un USL de 100. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskDPM Descripción RiskDPM (referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula las partes defectuosas por Millon para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente los LSL y USL en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskDPM(A10) calcula las partes defectuosas por millón para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskDPM(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula las partes defectuosas por millón para la variable de salida en la celda A10, usando un LSL de 100 y un USL de 120. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.Capítulo 2: Uso de @RISK para Six Sigma 27
  33. 33. RiskK Descripción RiskK(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula una medida del centro del proceso para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente los LSL y USL en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskK(A10) calcula una medida del centro del proceso para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskK(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula una medida del centro del proceso para la variable de salida en la celda A10, usando un LSL de 100 y un USL de 120. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskLowerXBound Descripción RiskLowerXBound(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL, USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el valor inferior X para un número dado de desviaciones estándar de la media para la referencia de celda o nombre de variable de salida in Sim #, usando opcionalmente el Número de Desviaciones estándar en la Función de propiedad RiskSixSigma. Ejemplos RiskLowerXBound(A10) calcula el valor inferior X para un número dado de desviaciones estándar de la media para la celda en A10. RiskLowerXBound(A10,, RiskSixSigma(100, 120, 110, 1.5, 6)) calcula el valor inferior X para 6 desviaciones estándar respecto de la media para la celda A10, usando un número de 6 desviaciones estándar. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.28 Funciones estadísticas Six Sigma
  34. 34. RiskPNC Descripción RiskPNC(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula la probabilidad total de defectos por fuera de los límites inferior y superior de especificaciones para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el LSL, USL y Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskPNC(A10) retorna la probabilidad de defectos por fuera de los límites de especificación inferior y superior para la celda de la variable de salida en A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskPNC(A10, ,RiskSixSigma(100,120,110,1.5,6)) retorna la probabilidad de defectos por fuera de los límites de especificación inferior y superior para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo de 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskPNCLower Descripción RiskPNCLower(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula la probabilidad de defectos por fuera del límite inferior de especificación para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el LSL y Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskPNCLower (A10) calcula la probabilidad de defectos por fuera del límite inferior de especificación para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskPNCLower(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula la probabilidad de defectos por fuera del límite inferior de especificación para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.Capítulo 2: Uso de @RISK para Six Sigma 29
  35. 35. RiskPNCUpper Descripción RiskPNCUpper(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula la probabilidad de defectos por fuera del límite superior de especificación para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el USL y Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskPNCUpper (A10) calcula la probabilidad de defectos por fuera del límite superior de especificación para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskPNCUpper(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula la probabilidad de defectos por fuera del límite superior de especificación para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskPPMLower Descripción RiskPPMLower(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula la probabilidad de defectos por debajo del límite inferior de especificación para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el LSL y Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskPPMLower(A10) calcula el número de defectos por debajo del límite de especificación inferior para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskPPMLower(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula el número de defectos por debajo del límite de especificación inferior para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.30 Funciones estadísticas Six Sigma
  36. 36. RiskPPMUpper Descripción RiskPPMUpper(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula la probabilidad de defectos por encima del límite superior de especificación para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el USL y Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskPPMUpper(A10) calcula el número de defectos por encima del límite de especificación superior para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskPPMUpper(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula el número de defectos por encima del límite de especificación superior para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskSigmalLevel Descripción RiskSigmaLevel(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el nivel de proceso Sigma para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente los USL y LSL y el Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. (Nota: Esta función asume que la variable de salida se distribuye normalmente y está centrada dentro de los límites de especificación.) Ejemplos RiskSigmaLevel(A10) calcula el nivel de proceso Sigma para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskSigmaLevel(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula el nivel de proceso Sigma para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.Capítulo 2: Uso de @RISK para Six Sigma 31
  37. 37. RiskUpperXBound Descripción RiskUpperXBound(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL, USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el valor X superior para un número dado de desviaciones estándar con respecto a la media para referencia de celda o nombre de variable de salida en Sim #, usando opcionalmente el Número de Desviaciones estándar en la Función de propiedad RiskSixSigma. Ejemplos RiskUpperXBound(A10) calcula el valor superior X para un número dado de desviaciones estándar de la media para la celda en A10. RiskUpperXBound(A10,, RiskSixSigma(100, 120, 110, 1.5, 6)) calcula el valor superior X para 6 desviaciones estándar respecto de la media para la celda A10, usando un número de 6 desviaciones estándar. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskYV Descripción RiskYV(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula el rendimiento o el porcentaje del proceso que está libre de defectos para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente los LSL, USL y el Desplazamiento de Largo Plazo en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskYV(A10) calcula el rendimiento o el porcentaje del proceso que está libre de defectos para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskYV(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula el rendimiento o el porcentaje del proceso que está libre de defectos para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.32 Funciones estadísticas Six Sigma
  38. 38. RiskZlower Descripción RiskZlower(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo, Número de Desviaciones estándar)) calcula cuántas desviaciones estándar del Límite Inferior de Especificación se encuentra con respecto a la media para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el LSL en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskZlower(A10) calcula cuántas desviaciones estándar del Límite Inferior de Especificación se encuentra con respecto a la media para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskZlower(A10, ,RiskSixSigma(100,120,110,1.5,6 calcula cuántas desviaciones estándar del Límite Inferior de Especificación se encuentra con respecto a la media para la variable de salida en la celda A10, usando un LSL de 100, un USL de 120 y un Desplazamiento de Largo Plazo of 1.5. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma. RiskZMin Descripción RiskZMin(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo,Número de Desviaciones estándar)) calcula el mínimo del inferior-Z y del superior-Z para la referencia de celda o el nombre de variable de salida en Sim # usando opcionalmente los USL y LSL en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskZMin(A10) calcula el mínimo del inferior-Z y del superior-Z para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskZMin(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula el mínimo del inferior-Z y del superior-Z para la variable de salida en la celda A10, usando un USL de 120 y un LSL de 100. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.Capítulo 2: Uso de @RISK para Six Sigma 33
  39. 39. RiskZUpper Descripción RiskZUpper(referencia de celda o nombre de variable de salida, Sim#, RiskSixSigma(LSL,USL, Objetivo, Desplazamiento de Largo Plazo,Número de Desviaciones estándar)) calcula cuántas desviaciones estándar del Límite Superior de Especificación se encuentra con respecto a la media para la referencia de celda o nombre de variable de salida en Sim # usando opcionalmente el LSL en la Función de propiedad RiskSixSigma incluida. Ejemplos RiskZUpper(A10) calcula cuántas desviaciones estándar del Límite Superior de Especificación se encuentra con respecto a la media para la variable de salida en la celda A10. Una función de propiedad RiskSixSigma debe introducirse en la función RiskOutput en la celda A10. RiskZUpper(A10, ,RiskSixSigma(100,120,110,1.5,6)) calcula cuántas desviaciones estándar del Límite Superior de Especificación se encuentra con respecto a la media para la variable de salida en la celda A10, usando un USL de 120. Guías de uso Se requiere introducir una función de propiedad RiskSixSigma para la referencia de celda o el nombre de la variable de salida, o bien debe incluirse una función de propiedad RiskSixSigma.34 Funciones estadísticas Six Sigma
  40. 40. Six Sigma y la ventana Resumen de resultados La ventana Resumen de resultados de @RISK resume los resultados del modelo y muestra gráficos en miniatura y datos estadísticos de resumen de las celdas de salida y distribuciones de entrada simuladas. Cuando @RISK detecta una función de propiedad RiskSixSigma en una salida, muestra automáticamente en la tabla los datos estadísticos Six Sigma disponibles de los resultados de la simulación de la salida. Estas columnas se pueden mostrar u ocultar.Personalización Las columnas de la ventana Resumen de resultados se puedende los datos personalizar para seleccionar los datos estadísticos que quiere mostrarestadísticos que en los resultados. El icono Columnas, en la parte inferior de lase muestran ventana, muestra el cuadro de diálogo Seleccione columnas para la tabla.Capítulo 2: Uso de @RISK para Six Sigma 35
  41. 41. Si selecciona mostrar los valores de Percentil en la tabla, el percentil real se introduce en las filas Valor en el percentil introducido.Generación de La ventana Resumen de resultados se puede exportar a Excel paraun informe en obtener un informe con los datos estadísticos y gráficos mostrados.Excel Para hacerlo, haga clic en el icono Editar y exportar en la parte inferior de la ventana y seleccione Reporte en Excel.36 Six Sigma y la ventana Resumen de resultados
  42. 42. Marcadores Six Sigma en los gráficos Cuando @RISK detecta una función de propiedad RiskSixSigma en una salida, añade automáticamente los marcadores de los valores LSL, USL y Objetivo introducidos en los gráficos de resultados de simulación de la salida.Capítulo 2: Uso de @RISK para Six Sigma 37
  43. 43. Estos marcadores se pueden quitar si lo desea usando la pestaña Marcadores del cuadro de diálogo Opciones de gráfico. También se pueden añadir marcadores adicionales. El cuadro de diálogo Opciones de gráfico se muestra haciendo clic con el botón derecho sobre el gráfico o haciendo clic en el icono Opciones de gráfico (el segundo icono desde la izquierda en la parte inferior de la ventana de gráfico).38 Marcadores Six Sigma en los gráficos
  44. 44. Estudio de casos Ejemplo 1 – Diseño de experimentos: Catapulta ..........................41  Ejemplo 2 – Diseño de experimentos: Soldadura .........................47  Ejemplo 3 – Diseño de experimentos con optimización: .............53  Ejemplo 4 – DFSS: Diseño eléctrico ...............................................59  Ejemplo 5 – Lean Six Sigma: Análisis de estado actual – Proceso de cotización ..................................................................63  Ejemplo 6 – DMAIC: Análisis de producción acumulada .............71  Ejemplo 7 – Six Sigma DMAIC Tasa de fallas ................................75  Ejemplo 8 – Six Sigma DMAIC Tasa de falla usando RiskTheo...79 Estudio de casos 39
  45. 45. 40
  46. 46. Ejemplo 1 – Diseño de experimentos:Catapulta Modelo de ejemplo: Six Sigma DDE Catapulta.xls El modelo de catapulta es un ejemplo clásico que se usa para enseñar Diseño de Experimentos. Ilustra la simulación Monte Carlo u el análisis de tolerancias. Supongamos que está fabricando catapultas y los clientes demandan que la distancia a la que la catapulta lanza una bola estándar sea de 25 metros, más o menos 1 metro. Hay muchas especificaciones de diseño para la producción de las catapultas, como: • Ángulo • Masa de la bola • Distancia halada • Constante resorteEstudio de casos 41
  47. 47. Introducción de Cada uno de los factores de diseño contiene una distribución deuna distribución probabilidad de @RISK que representa los diferentes valores posibles que puede adoptar cada factor. Las distribuciones de probabilidad de @RISK se pueden introducir directamente como fórmulas, usando el comando Insertar función de @RISK, o usando el icono Definir distribuciones de la barra de herramientas de @RISK. Por ejemplo, una distribución Uniforme representa los posibles valores de la Distancia halada.42 Ejemplo 1 – Diseño de experimentos: Catapulta
  48. 48. Introducción de La salida es Distancia lanzada, y contiene una función de propiedadpropiedades RiskSixSigma que define el límite de especificación inferior, el límiteRiskSixSigma de especificación superior y el objetivo de la distancia de lanzamiento. Como en las entradas, las salidas de @RISK se pueden escribir en una barra de fórmula o definir a través de un cuadro de diálogo usando el botón Añadir salida de la barra de herramientas de @RISK. Se calculan las mediciones de capacidad Cpk, Cpk superior, Cpk inferior, Nivel Sigma y DPM de la catapulta, permitiendo así determinar si está lista para producción.Estudio de casos 43
  49. 49. Gráficos de La distribución resultante de Distancia lanzada muestra queresultados aproximadamente el 60% de las veces, la distancia se encuentra fuera de los límites de especificación. El análisis de sensibilidad identifica los factores de diseño más importantes que afectan a la distancia de lanzamiento, como la distancia de tiro, seguida de la masa de la bola.44 Ejemplo 1 – Diseño de experimentos: Catapulta
  50. 50. Este modelo puede ayudar a explorar la teoría de Taguchi o Diseños de Parámetros Robusto. La teoría de Taguchi afirma que existen dos tipos de variables que definen un sistema: aquellas cuyos niveles afectan la variación del proceso y aquellas cuyos niveles no afectan. La idea del Diseño de Taguchi es establecer variables del primer tipo a un nivel que minimice la variación total del proceso. Las variables que no afectan la variación del proceso se usan para controlar o ajustar el proceso. En el modelo de la catapulta, pueden ajustarse diferentes parámetros del diseño –como distancia de tiro o masa de la bola– para tratar de minimizar la variación en la salida Distancia lanzada. Considerando que el 60% de las veces la distancia de lanzamiento está fuera de los límites de especificación de 24 a 26 metros, se puede mejorar.Estudio de casos 45
  51. 51. 46
  52. 52. Ejemplo 2 – Diseño de experimentos:Soldadura Modelo de ejemplo: Six Sigma DiseñoExperimentos.xls Supongamos que está analizando una tapa de alivio metálica fabricada mediante la soldadura de un disco y un anillo (ver abajo). El producto funciona como un sello y mecanismo de seguridad, así que debe soportar presión en su uso normal y debe separarse si la presión interna excede el límite de seguridad. Disco Anillo Cuerno de soldadura Disco Anillo Base El modelo relaciona la resistencia de la soldadura con los factores de proceso y diseño, modela la variación de cada factor, y estima el rendimiento del producto en relación con las especificaciones del diseño. La modelación de una respuesta basada en múltiples factores se puede conseguir generando una función estadísticamente significativa mediante un diseño experimental o un análisis de regresión múltiple.Estudio de casos 47
  53. 53. Factores de diseño Longitud del Matriz de diseño Grosor del Grosor de la disco pared del cuerno experimental anilloFactores de proceso Presión soldadura Tiempo soldadura Función de transferencia Punto disparador Respuesta(s) Amplitud Frecuencia En este ejemplo, @RISK simula la variación usando una distribución Normal por cada factor. Las distribuciones de @RISK permiten el uso de referencias de celdas para que pueda configurar fácilmente un modelo tabular que se pueda actualizar a lo largo del ciclo de duración de desarrollo de un producto o un proceso. Los factores de incertidumbre son: Variables del diseño • Grosor del disco • Grosor de la pared del anillo • Longitud del cuerno Variables del proceso • Presión de soldadura • Tiempo de soldadura • Punto disparador • Amplitud • Frecuencia48 Ejemplo 2 – Diseño de experimentos: Soldadura
  54. 54. Cómo añadir Añadir una distribución a cada factor es tan fácil como hacer clic en eldistribuciones icono Definir distribuciones de la barra de herramientas de @RISK. Desde allí se puede seleccionar una distribución Normal e introducir sus parámetros o referencias de celdas, como se muestra abajo. También se puede escribir la fórmula directamente en la barra de fórmulas de Excel para cada entrada. Por ejemplo, la celda de Presión de soldadura contiene la fórmula =RiskNormal(D73,E73)La salida de La salida es Fortaleza de la soldadura (N) en la sección Diseño ySix Sigma rendimiento del proceso, y contiene una función de propiedad RiskSixSigma que incluye los valores de límite de especificación inferior (LSL), límite de especificación superior (USL) y objetivo. Como se hace al definir las distribuciones de entrada, se puede escribir la fórmula de salida directamente en la celda de salida o usar el cuadro de diálogo Añadir salida. La fórmula sería: =RiskOutput("Fortaleza de la soldadura (N)",,, RiskSixSigma(D82,E82,105,0,1))+ [el cálculo matemático]Estudio de casos 49
  55. 55. El cuadro de diálogo Añadir/editar salida aparece abajo: Haciendo clic en el botón de propiedades (fx) aparece el cuadro de diálogo Propiedades de salida con la pestaña Six Sigma. Aquí puede introducir los valores de LSL, USL y Objetivo, y otras propiedades Six Sigma de la salida. Estos se usan para calcular los datos estadísticos Six Sigma.50 Ejemplo 2 – Diseño de experimentos: Soldadura
  56. 56. Resultados de Después de ejecutar la simulación, los datos estadísticos Six Sigmauna simulación Cpk-superior, Cpk-inferior, Cpk y Defectos PPM (o DPM), se generaron usando las funciones Six Sigma de @RISK . También se usaron funciones estadísticas de @RISK (como RiskMean). La distribución de salida de @RISK muestra el rendimiento esperado basándose en el diseño y la variación de entrada del proceso y muestra los marcadores de los valores LSL, USL y Objetivo. Puede acceder fácilmente a los datos estadísticos de salida usando las funciones de informes o a través de las funciones de @RISK.Estudio de casos 51
  57. 57. El análisis de sensibilidad de @RISK muestra claramente que los parámetros de Tiempo de soldadura y Amplitud dependen de la variación de la Fortaleza de la soldadura. Los siguientes pasos para este problema pueden incluir dos opciones: El ingeniero puede intentar reducir o controlar mejor la variación del Tiempo de soldadura y la Amplitud, o usar RISKOptimizer para encontrar el proceso óptimo y diseñar objetivos para maximizar o reducir los costos de desaprovechamiento del metal.52 Ejemplo 2 – Diseño de experimentos: Soldadura
  58. 58. Ejemplo 3 – Diseño de experimentos conoptimización: Modelo de ejemplo: Six Sigma DiseñoExperimentos Opt.xls Este modelo demuestra el uso de RISKOptimizer en diseños experimentales. RISKOptimizer combina la simulación Monte Carlo con la optimización basada en algoritmo genético. Usando estas dos técnicas, RISKOptimizer es capaz de resolver complejos problemas de optimización con un elemento de incertidumbre. Con RISKOptimizer, puede elegir maximizar, minimizar o acercarse a un valor objetivo de cualquier salida del modelo. RISKOptimizer prueba muchas combinaciones diferentes de entradas controlables que usted especifica para alcanzar su objetivo. Cada combinación se denomina “solución” y el grupo total de soluciones probadas se denomina “población”. “Mutación” se refiere al proceso de probar aleatoriamente nuevas soluciones no relacionadas con pruebas anteriores. También puede establecer restricciones que RISKOptimizer debe cumplir durante la optimización. Para los factores inciertos no controlables del modelo, se pueden definir funciones de distribución de probabilidad de @RISK. Por cada combinación de prueba de entradas, RISKOptimizer ejecuta también una simulación Monte Carlo, obteniendo las muestras de las funciones de @RISK y registrando la salida de esa prueba determinada. RISKOptimizer puede ejecutar miles de pruebas para ofrecer la mejor respuesta posible. Al tener en cuenta la incertidumbre, RISKOptimizer obtiene resultados mucho más precisos que los programas de optimización estándar. En este ejemplo, como anteriormente, la pieza que se investiga es una tapa de alivio metálica, mediante la soldadura de un disco a un anillo. El producto funciona como un sello y mecanismo de seguridad, así que debe soportar presión en su uso normal y debe separarse si la presión interna excede el límite de seguridad. El modelo relaciona la resistencia de la soldadura con los factores de proceso y diseño, modela la variación de cada factor, y estima el rendimiento del producto. RISKOptimizer se usó para buscar una combinación óptima de ajustes del proceso y valores nominales del diseño para minimizar costos de desaprovechamiento de metal, denominado Costo anual defectuoso en el modelo. Esto es lo mismo que maximizar la producción.Estudio de casos 53
  59. 59. Las variables del proceso y diseño que RISKOptimizer ajusta son: Variables del diseño • Grosor del disco • Grosor de la pared del anillo • Longitud del cuerno Variables del proceso • Presión de soldadura • Tiempo de soldadura • Punto disparador • Amplitud • Frecuencia Todo ello para minimizar la salida de Costo anual defectuoso.54 Ejemplo 3 – Diseño de experimentos con optimización:
  60. 60. La barra de herramientas de RISKOptimizer añadida al Excel 2000-Barra deherramientas de 2003 se muestra abajo:RISKOptimizer La barra de herramientas de RISKOptimizer es Excel 2007 aparece así:El modelo de Si hace clic en el icono Definición de modelo se abre el siguienteoptimización cuadro de diálogo en el que puede definir las celdas que va a ajustar, cuál es la salida y qué restricciones debe usar. Además de las entradas y salidas descritas anteriormente, también definiremos una restricción en la que el Punto disparador debe ser siempre menor o igual al Tiempo de la soldadura.Estudio de casos 55
  61. 61. Configuraciones Si hace clic en el icono Configuraciones se abre el siguiente cuadro dede optimización diálogo, donde puede establecer diferentes condiciones que indican cómo se debe ejecutar la optimización y las simulaciones.Ejecución de la Cuando se hace clic en Iniciar optimización, aparece la ventana deoptimización Progreso del RISKOptimizer, mostrando un estado resumido del análisis.56 Ejemplo 3 – Diseño de experimentos con optimización:
  62. 62. El botón de la lupa abre el cuadro de diálogo Observador de RISKOptimizer, que muestra información más detallada sobre la optimización y las simulaciones que se están ejecutando. Abajo puede ver un gráfico de simulaciones ejecutadas y los mejores valores obtenidos. La pestaña Resumen muestra los valores Mejor, Original y Última calculados, así como parámetros de la optimización como Tasas de cruce y de mutación.Estudio de casos 57
  63. 63. La pestaña Diversidad muestra visualmente las diferentes celdas que se están calculando y las diferentes soluciones posibles. Tras la simulación y la optimización, RISKOptimizer encuentra eficazmente una solución que reduce el Costo anual defectuosos a menos de $8,000. El uso de RISKOptimizer puede ahorrar tiempo y recursos en los esfuerzos por mejorar la calidad y reducir los costos. Los siguientes pasos de este problema serían validar el modelo y optimizar la solución mediante experimentación.58 Ejemplo 3 – Diseño de experimentos con optimización:
  64. 64. Ejemplo 4 – DFSS: Diseño eléctrico Modelo de ejemplo: Six Sigma Diseño Eléctrico.xls Este sencillo circuito de CC consta de dos fuentes de voltaje -una independiente y otra dependiente- y dos resistores. La fuente independiente especificada por el ingeniero de diseño tiene un rango de potencia operativa de 5,550 W + 300 W. Si la demanda de potencia de la fuente de voltaje independiente está fuera de la especificación, el circuito será defectuoso. Los resultados de rendimiento del diseño indican claramente que el diseño no es capaz de funcionar con fallos en un porcentaje de circuitos en el lado alto y en el bajo de los límites. Los valores PNC identifican el Porcentaje de unidades que no cumplen que se espera obtener en los extremos superior e inferior de la especificación.Estudio de casos 59

×