Upload
iesatecvirtual
View
2.784
Download
1
Embed Size (px)
Citation preview
Control Estadísticos de Procesos (SPC)
Gerencia de OperacionesIntec
Clase no. 6
Definición Control Estadístico de Procesos
• Es un conjunto de técnicas basadas en los fundamentos de la estadística que tienen por fin controlar la variabilidad de los procesos, para mantenerlos dentro los límites de variación considerados normales.
Premisas del SPC
• 1. La condición Natural de todo proceso es variar. Debido a que los Insumos, los equipos, los empleados, las máquinas y el ambiente en que se desarrollan están continuamente variando y la combinación de sus propias variaciones produce también variabilidad.
Premisas Para el SPC
• La calidad de un proceso consiste en mantener la salida del mismo dentro de los límites de variación que el cliente ha establecido, (con los cuales se siente satisfecho) y tratar de mejorar continuamente el proceso para que su nivel de variación sea menor que el que solicitado por el cliente.
Esquema del SPCEstablecer los límites del cliente
Establecer los limites naturales del proceso
Compararlos para ajustar el proceso y llevarlo a ser capaz
Muestrear el proceso periódicamente
Está dentro de los límites y de los patrones de variación normal?
Ajustar el proceso para llevarlo dentro de los limites o al patrón de variación Normal
Mejorar
Si
No
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
Limite inferior del proceso
Limite superior del Proceso
Situación Inicial
Segundo Paso: Proceso Capaz
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
Proceso Mejorado
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
Limite inf. Proceso
Limite superior proceso
9
Partes que componen el SPC
CONTROLESTADÍSTICO
DEPROCESOS
MUESTREO
GRAFICAS DE CONTROL
Variabilidad de los Procesos
La Curva Normal
11
Causas de las Variaciones en los procesos
• Todo proceso tendrá una salida que varía.
• Debido a que los elementos que intervienen en obtener el resultado y la forma en que interactúan no son constantes, sino variables.
• La variación normal de un proceso se llama variación debido a causas comunes.
• Hay un tipo de variación debida a hechos extraordinarios a esta se le conoce como variación debida a causas especiales
12
Causas comunes o normales CAUSAS COMUNES
Siempre están presentesSólo se reduce con acciones de mejora mayoresSu reducción es responsabilidad de la dirección
Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente
SEGÚN DEMING- El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección
13
Causas Especiales CAUSAS ESPECIALES
Ocurren esporádicamente Son ocasionadas por variaciones anormales (6Ms)
Medición, Medio ambiente, Mano de obra, Método, Maquinaria, Materiales
Sólo se reduce con acciones en el piso o línea Su reducción es responsabilidad del operador por medio del Control Estadístico del Proceso
SEGÚN DEMING- El 6% de las causas de la variación son causas especiales y es responsabilidad del operador
14
68%34% 34%
95%
99.73%
+1s
+2s
+3s
Características de la distribución normal
Recopilación y Organización de la Información
Los datos son importantes, si pueden contestar una pregunta y convertirse en información
1. Muestreo de Aceptación. Concepto.
Procedimiento mediante el cual se puede decidir
si aceptar o rechazar un lote de productos, de acuerdo a ciertas especificaciones de calidad.
Aplicación: inspección de materias primas, productos semi-elaborados y otros componentes; para determinar si éstos cumplen con el nivel mínimo exigido.
¿Qué es un defecto?
Es cualquier discrepancia de una característica de calidad de su nivel o estado deseado o estado que ocurre con una severidad suficiente para causar que el producto o servicio asociado no satisfaga los requerimientos de uso planeados
Unidad defectuosa o defectivo: Es una unidad con uno o más defectos
Clasificación de defectos
• Crítico: Vuelven al artículo no solamente inútil sino peligroso.
• Mayores: Vuelven inútil el artículo
• Menores: Hacen el artículo menos útil de lo que debería ser pero no necesariamente inútil.
Extracción de la muestra
Se requiere un muestreo que de muestras insesgadas; tal método es el muestreo aleatorio simple.
Cuando es factible se puede además utilizar la estratificación.
ANÁLISIS DE LA CAPACIDAD
Capacidad del Proceso y Tolerancia
• Si bien el ingeniero puede definir las especificaciones sin tomar en cuenta el alcance del proceso, la adopción de ese criterio puede tener consecuencias graves.
• CASO 1: 6σ < USL - LSL• CASO 2: 6σ = USL - LSL• CASO 3: 6σ > USL - LSL
6
LSL - USL
Fuera de control
Caso I Tolerancia > Capacidad
6LSL-USL
Fuera de controlDesperdicio
Caso II Tolerancia = Capacidad
6LSL-USL
Fuera de controlDesperdicio
Bajo ControlDesperdicio
Caso III Tolerancia < Capacidad
Procedimiento rápido utilizando el rango
• Tome 20 sub grupos, cada uno de tamaño 4 y un total de 80 mediciones
• Calcule el campo de valores, R, de cada sub grupo• Calcule el campo promedio, • Calcule el valor de la desviación estándar de la
población• La capacidad del proceso será igual a 6σ
Índice de Capacidad
• Cp = USL - LSL
»donde:• Cp= Índice de la capacidad• USL-LSL= Especificación superior menos la
especificación inferior• 6σ= Capacidad del proceso
6σ
8
6
6
USLLSL
Caso I Cp>1Cp = USL - LSL
6σ
Cp = USL - LSL6σ
Cp = USL - LSL6σ
Caso II Cp=1 Caso III Cp<1
= 1.33= 1.00 = 0.67
6
LSL USL
4
6
USLLSL
• Supóngase que una empresa que fabrica cerraduras tiene un problema con las dimensiones del ojo de la cerradura. Las especificaciones son 6,50 y 6,30. Calcule el índice de la capacidad antes de mejorar la calidad (σ= 0,038) y después de mejorarla (σ= 0,030)
Ejemplo
Medición del Desempeño, Cpk
Cpk = minX LSL
3 or
USL - X
3
Cambios en el Proceso de Fabricación
El índice de Cpk muestra que tan bien cumplen las especificaciones los productos fabricados
• Calcule el valor de Cpk para el caso del problema ilustrativo anterior considerando que el promedio es de 6,45. Calcule el valor de Cpk si el promedio es de 6,40
Ejemplo
Cp y Cpk
• El valor de Cp no cambia cuando cambia el centro del proceso
• Cp=Cpk cuando el proceso se centra
• Cpk siempre es igual o menor que Cp
• El valor de Cpk=1 es un estándar norma consagrado por la práctica. Indica satisfacción con las especificaciones
• El valor Cpk menor que 1 es indicativo de que mediante el proceso se obtiene un producto que no satisface las especificaciones
Cp y Cpk• El valor de Cp menor que 1 es indicación de que el
proceso no es capaz
• Si Cpk es 0 es indicación de que el promedio es igual a uno de los límites de la especificación
• Un valor Cpk negativo indica que el promedio queda fuera de las especificaciones
34
Gráficas de Control
35
Objetivos y beneficios• El CEP es una técnica que permite aplicar el análisis
estadístico para medir, monitorear y controlar procesos por medio de cartas de control
• Se basa en que los procesos presentan variación, aleatoria y asignable
• Entre los beneficios se encuentran:– Monitorear procesos estables e identificar si han ocurrido
cambios debido a causas asignables para eliminar sus fuentes
36
Selección de variables• El CEP por variables implica realizar mediciones en la
característica de calidad de interés, tal como:– Dimensiones– Pesos– Fuerzas, etc.
• El CEP por atributos califica a los productos como buenos o como defectivos o en su caso cuantos defectos tiene, tales como:– Color, funcionalidad, apariencia, etc.
37
Subrupos racionales• Los subgrupos se seleccionan de tal forma que sean tan homogéneos
como sea posible, de tal forma que se tenga la oportunidad máxima de estimar la variación esperada entre los subgrupos
• Esquemas para formar subgrupos:– Productos producidos casi al mismo tiempo en secuencia. Permite
una variación mínima dentro del subgrupo y una probabilidad de variación máxima entre subgrupos
– Un subgrupo consiste de una muestra aleatoria representativa de toda la producción durante un periodo de tiempo
38
¿Qué es una Carta de Control?
• Una Carta de Control es como un historial del proceso...... En donde ha estado.... En donde se encuentra.... Hacia donde se puede dirigir
• Las cartas de control pueden reconocer cambios buenos y malos.
¿Qué tanto se ha mejorado?¿Se ha hecho algo mal?
• Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o asignables de variación.”
39
Variación observada en una Carta de Control
• Una Carta de control es simplemente un registro de datos en el tiempo con límites de control superior e inferior.
• Una carta de control identifica los datos secuenciales en patrones normales y anormales.
• El patrón normal de un proceso se llama causas de variación comunes.
• El patrón anormal debido a eventos especiales se llama causa especial de variación.
Tener presente que los límites de control NO son límites de especificación.
40
Causas comunes o normales CAUSAS COMUNES
-Siempre están presentes-Sólo se reduce con acciones de mejora mayores-Su reducción es responsabilidad de la dirección
Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente
SEGÚN DEMING- El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección
41
Variación – Causas comunes
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
42
Causas Especiales
CAUSAS ESPECIALES- Ocurren esporádicamente
- Son ocasionadas por variaciones anormales (6Ms)- Medición, Medio ambiente, Mano de obra, Método, Maquinaria,
Materiales- Sólo se reduce con acciones en el piso o línea
- Su reducción es responsabilidad del operador por medio del Control Estadístico del Proceso
SEGÚN DEMING- El 6% de las causas de la variación son causas especiales y es
responsabilidad del operador
43
Variación – Causas especiales
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
44
Cartas de control
7.5
8.5
9.5
10.5
11.5
12.5
0 10 20 30
Límite Superior de Control
Límite Inferior de Control
Línea Central
45
“Escuche la Voz del Proceso” Región de control, captura la variaciónnatural del proceso original
Causa Especialidentifcada
El proceso ha cambiado
TIEMPO
Tendencia del proceso
LSC
LIC
9A5. Patrones de anormalidad en la carta de control
M
E
D
I
D
A
S
C
A
L
I
D
A
D
46
Corridas 7 puntos consecutivos de un lado de X-media.
Puntos fuera de control 1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo).
Tendencia ascendente o descendente 7 puntos consecutivos aumentando o disminuyendo.
Adhesión a la media15 puntos consecutivos dentro de la banda de 1 sigma del centro.
Otros2 de 3 puntos fuera de los límites a dos sigma
Patrones Fuera de Control
47
Proceso en Control estadístico
Sucede cuando no se tienen situaciones anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se encuentran dentro del 1 de las medias en la carta de control.
Lo anterior equivale a tener el 68% de los puntos dentro del tercio medio de la carta de control.
Patrón de Carta en Control Estadístico
48
Tipos de Cartas de control
• Las cartas para atributos son las que tienen características como aprobado/reprobado, bueno/malo o pasa/no pasa. Algunos ejemplos incluyen:
- Número de productos defectuosos
- Fracción de productos defectuosos
- Numero de defectos por unidad de producto
- Número de llamadas para servicio
- Número de partes dañadas
- Pagos atrasados por mes
Elección del tipo de grafica a usar
Tipo de dato
Tipo de dato
Muestra de 1
Muestra mayor de 10
U
np
X y R
PX y S
X y MR
Atricbut
Muestra constant
Muestra constante C
Atributos
Variables
SiNo
SiNo
Defectos
Defectuosos
No
No
Si
Si
50
Cartas de Control para
variables
51
Tipos de Cartas de control
• Las cartas de control se dividen en dos categorías, diferenciadas por el tipo de datos bajo estudio- variables y atributos.
• Las Cartas de Control para datos variables son utilizadas para características que tienen una magnitud variable. Ejemplo:- Longitud, Ancho, Profundidad
- Peso, Tiempo de ciclo, Viscosidad
52
Cartas de Control por Variables
• MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x horas, para estabilizar procesos)
• MEDIANAS RANGOS (para monitorear procesos estables)
• MEDIAS DESVIACIONES ESTANDAR (subgrupos de 9 o más partes cada hora o cada lote de proveedor para monitoreo de procesos o proveedores)
• VALORES INDIVIDUALES (partes individuales cada x horas, para monitoreo de procesos muy lentos o químicos)
53
Implantación de cartas de control por variables
1. Identificar la característica a controlar en base a un AMEF (análisis del modo y efecto de falla)
2. Diseñar los parámetros de la carta (límites de control, subgrupo 3-5 partes, frecuencia de muestreo)
3. Validar la habilidad del sistema de medición por medio de un estudio Repetibilidad & Reproducibilidad
4. Centrar el proceso, correrlo y medir al menos 25 subgrupos de 5 partes cada uno, correspondiente a la producción del mismo turno o día
54
Cartas de Control por Variables - Metodología de implantación
5. Calcular los límites de control preliminares a 3 Sigma
6. Identificar causas asignables o especiales y tomar acción para prevenir recurrencia
7. Recalcular los límites de control de ser necesario repetir paso 6. Establecer límites preliminares para corridas futuras
8. Continuar el monitoreo y Análisis, tomar acciones en causas especiales y recalcular límites de control cada 25 subgrupos
9. REDUCIR CAUSAS COMUNES DE VARIACIÓN
55
Carta X, R (Continuación)
Terminología
k = número de subgrupos; n = número de muestras en cada subgrupo
X = promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
R = rango de un subgrupo
R = promedio de todos los rangos de los subgrupos
x =x1 + x2 + x3 + ...+ xN
k
x =
x1 + x2 + x3 + ...+ xN
n
LICX = x - A2 R
LICR = D3 R
LSCX = x + A2 R
LSCR = D4 R
NOTA: Los factores a considerar
para n = 5
Son A2 = 0.577 D3 = 0 D4 = 2.114
56
Ejemplo 1:
Carta X, R (en Excel)
109876543210
1009080706050
S ubgroup
Med
ias
X =74.60
3.0S L =95.36
-3.0S L =53.84
8070605040302010
0
Rang
os
R =36.00
3.0S L =76.12
-3.0S L =0.000
Gráfica Xbar/R para Muestra1-Muestra5
¿Cuál gráfica se analiza primero?
¿Cuál es su conclusión acerca del proceso ?
57
Carta de Individuales (Datos variables)
· A menudo esta carta se llama “I” o “Xi”.
· Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser muestrados en lotes o grupos.
· Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una unidad o pieza
· La línea central se basa en el promedio de los datos, y los límites de control se basan en la desviación estándar poblacional (+/- 3 sigmas)
58
Carta X, R (Continuación)Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x =x1 + x2 + x3 + ...+ xN
n
LICX = x - E2 R
LICR = D3 R
LSCX = x + E2 R
LSCR = D4 R
(usar estos factores para calcular Límites de Control n = 2)
n 2
D4 3.27
D3 0
E2 2.66
59
Ejemplo: Carta I (en Excel)
151050
12.35
12.25
12.15
12.05
11.95
11.85
11.75
11.65
Número de Observación
Val
or In
divi
dua
l
Carta I para Longitud de parte
1
66 6
8
X=12.03
3.0SL=12.30
- 3.0SL=11.75
Observar la situación fuera de control
60
· Hacer dos cartas X-R y concluir: MUESTRA 1 MUESTRA 2
1 12 2.832
2 15 2.802
3 13 2.952
4 10 2.80
5 13 2.95
6 15 2.92
7 15 2.95
8 15 2.92
9 22 2.93
10 16 2.93
Ejercicios de Cartas I o X, R
MUESTRA 1 MUESTRA 2
11 162.97
12 152.95
13 172.95
14 162.86
15 172.89
16 192.86
17 162.85
18 162.78
19 172.89
20 192.78
61
Cartas de Control
para atributos
62
Cartas de control para atributos
Datos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p Fracción de partes defectuosas, Constante o variable > 30
defectivas o no conformes
np Número de partes defectuosas Constante > 30
c Número de defectos Constante = 1 Unidad de
inspección
u Número de defectos por unidad Constante o variable en
unidades de inspección
63
Cartas de Control tipo p
• p - CON LÍMITES DE CONTROL VARIABLES
• p - CON n PROMEDIO
• p - ESTANDARIZADA
• CURVA CARACTERÍSTICA DE OPERACIÓN OC Y ARL
64
2... Cartas de Control por Atributos
c – Número de defectos Se cuentan los defectos que tienen cada unidad de inspección de tamaño n constante en productos complejos – TV, computadoras
u – Defectos por unidad Se cuentan los defectos que tienen diferentes unidades de inspección de tamaño n variable en productos complejos y se determinan los defectos por unidad – TV, computadoras
65
2520151050
15
10
5
0
Sample Number
Sam
ple Count
C Chart for Pitted S
1
C=5.640
3.0SL=12.76
-3.0SL=0.000
Cartas de control para AtributosSituaciones fuera de control
Un punto fuera de los límites de control.
Siete puntos consecutivos en un mismo lado de de la línea central.
Siete puntos consecutivos, todos aumentando o disminuyendo.
Catorce puntos consecutivos, alternando hacia arriba y hacia abajo.
Límite Superior de Control
Límite Interior de Control
Línea Central
Ahora, veamos algunos ejemplos...
Carta C
Con
teo d
e M
uestr
as
Número de Muestras
66
Carta p (Cont...)Ejemplo: Algunos componentes no pasaron la inspección final. Los datos de falla se registraron semanalmente tal como se muestra a continuación.
# de
componentes
inspeccionados
Componentes defectuosos
Fracción de componentes defectuosos
7 0 0.0007 0 0.000
15 2 0.13314 2 0.14348 6 0.12522 0 0.00018 6 0.3337 0 0.000
14 1 0.0719 0 0.000
14 2 0.14312 2 0.1678 1 0.125
n np p
K = 13 semanas
67
1050
0.5
0.4
0.3
0.2
0.1
0.0
Número de muestra
Pro
po
rci
ón
Gráfica P para Fracción Defectiva
P=0.1128
3.0SL=0.4484
- 3.0SL=0.000
Carta p (Cont..)
· Observe como el LSC varía conforme el tamaño (n) de cada muestra varía.· ¿Por qué el LIC es siempre cero?· ¿Qué pasó en la muestra 7? (33.3% defectos)· ¿Qué oportunidades para mejorar existen?, ¿Podemos aprender algo de las muestras 1, 2, 6, 8, y 10? · ¿Podría este proceso ser un buen proyecto de mejora?
p
LSC
LIC
Ejemplo:
68
Carta np (Atributos)· Se usa cuando se califica al producto como bueno/malo, pasa/no
pasa. · Monitorea el número de productos defectuosos de una muestra· El tamaño de muestra (n) es constante y mayor a 30.
Terminología (igual a gráfica p, aunque n es constante)
n = tamaño de cada muestra (Ejemplo: producción semanal)
np = número de unidades defectuosas en cada muestra
k = número de muestras
69
Carta np (Cont..)
n np# de partes inspeccionadas
# de partes defectuosas
4000 24000 34000 34000 24000 44000 24000 34000 34000 64000 84000 34000 44000 44000 74000 6
K=15 lotes
Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000
partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:
70
4... Carta np (Cont...)
151050
10
5
0
Número de muestras
No.
De
fece
tivos
Carta np de número de defectivos o defectuosos
3.0 LSC=10.03
- 3.0S
· El tamaño de la muestra (n) es constante
· Los límites de control LSC y LIC son constantes
· Esta carta facilita el control por el operador ya que el evita hacer cálculos
np
LIC
Ejemplo 1:
LIC=0.0
Np =4.018
71
Carta c (Atributos)· Monitorea el número de defectos por cada unidad de
inspección (1000 metros de tela, 200 m2 de material, un TV)· El tamaño de la muestra (n unidades de inspección) debe ser
constante· Ejemplos:
- Número de defectos en cada pieza- Número de cantidades ordenadas incorrectas en
órdenes de compra 4...
Terminología
c = Número de defectos encontrados en cada unidad o unidades constantes de inspección
k = número de muestras
72
Carta c (cont..)Ejemplo: Número de defectos encontrados en una unidad de inspección que consta de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).
#Lote / Defectos encontrados
1 6
2 4
3 4
4 2
5 4
6 3
7 4
8 4
9 5
10 5
11 5
NOTA: Utilizar Excel para
Construir la carta c
73
Carta c (cont..)
· Observe el valor de la última muestra; está fuera del límite superior de control (LSC)· ¿Qué información, anterior a la última muestra, debió haber obviado el hecho de que el proceso iba a salir de control?
Ejemplo:
2520151050
15
10
5
0
Número de Muestras
Nú
me
ro d
e d
efe
cto
s
Carta C 1
C=5.640
3.0L SC=12.76
- 3.0L IC=0.000
LSC
C
74
Carta u (Atributos)
· Monitorea el número de defectos en una muestra de n unidades de inspección. El tamaño de la muestra (n) puede variar
· Los defectos por unidad se determinan dividiendo el número de defectos encontrados en la muestra entre el número de unidades de inspección incluidas en la muestra (DPU o número de defectos por unidad) .
· Ejemplos:• Se toma una muestra de tamaño constante de tableros PCB por
semana, identificando defectos visuales por tablero.
• Se inspeccionan aparatos de TV por turno, se determinan los defectos por TV promedio.
75
Carta u (cont...)Ejemplo 2: Defectos encontrado al inspeccionar varios
lotes de productos registrados por semanaLote n c = Defectos u = DPU
Lote Unidades Defectos DPU
1 10 60 62 12 75 6.33 7 42 64 14 77 5.55 12 69 5.86 12 72 67 13 76 5.88 10 55 5.59 9 51 5.7
10 14 78 5.611 13 72 5.512 13 77 5.913 12 74 6.214 10 57 5.715 11 62 5.616 13 41 3.217 11 30 2.718 15 45 319 15 42 2.820 14 40 2.9
k=20 semanas
76
Carta u (cont..)
· Observe que ambos límites de control varían cuando el tamaño de muestra (n) cambia.
· ¿En que momentos estuvo el proceso fuera de control?
20100
8
7
6
5
4
3
2
Número de Muestras
Nú
mer
o
de
efec
tos
Gráfica U para Defectos
U=4.979
3.0L SC= 6.768
-3.0L IC= 3.190
Ejemplo 2:
LSC
LIC
u
Introducción A la Metodología Seis Sigma
Walter Shewhart Bell Company
A principios del Siglo Veinte, Shewhart, mientras trabajaba en Bell Company, propuso las graficas para el control del Proceso
En La curva Normal el área comprendida entre la media más o menos tres sigmas representa el 99.7% de los eventos, quedando un 0.22% que no cumple con las especificaciones
Edward Deming
“que todo proceso es variable y cuanto menor sea la variabilidad del mismo mayor será la calidad del producto resultante. En cada proceso pueden generarse dos tipos de variaciones o desviaciones con relación al objetivo marcado inicialmente: variaciones comunes y variaciones especiales. Solo efectuando esta distinción es posible alcanzar la calidad. Las variaciones comunes están permanentemente presentes en cualquier proceso como consecuencia de su diseño y de sus condiciones de funcionamiento, generando un patrón homogéneo de variabilidad que puede predecirse y, por tanto, controlarse. Las variaciones asignables o especiales tienen, por su parte, un carácter esporádico y puntual provocando anomalías y defectos en la fabricación perfectamente definidos, en cuanto se conoce la causa que origina ese tipo de defecto y por tanto se puede eliminar el mismo corrigiendo la causa que lo genera. El objetivo principal del control estadístico de procesos es detectar las causas asignables de variabilidad de manera que la única fuente de variabilidad del proceso sea debido a causas comunes o no asignables, es decir, puramente aleatorias.”
19.75 20.25
Un 0.22% que no cumple con las especificaciones
Década de los ochentas se incrementó la competitividad entre las empresas
Motorola entiende que el 0.22% de los defectos no se puede permitir
±3σNo es suficiente
Mikel Harry, de Motorola, encontró que siempre la media del proceso se desplaza 1.5 desviaciones para cualquiera de los lados, y si se trabaja con tres sigmas, estas desviaciones producen una gran cantidad de defectos. Por lo que propuso que se redujera la variación del proceso a la mitad
Es una estrategia de mejora continua, que busca y elimina las causas de los errores, defectos y retrasos en los procesos para reducir su variabilidad alrededor del objetivo, con lo que se consiguen Productos de altísima calidad, que incrementan la satisfacción de los clientes, y hace que la empresa obtengan mayores beneficios.
Definición del Seis Sigma
Explicación Gráfica Seis Sigma
Definir
Medir
AnalizarMejorar
Controlar
Proceso DMIAC
Ejecutivo
Champion
Black Belt
Green Belt
Yellow Belt
Yellow Belt
Yellow Belt
Green Belt
Yellow Belt
Yellow Belt
Yellow belt
Master Black Belt
Estructura Organizacional del Seis Sigma
Características de la Metodología Seis Sigma
Está orientada al cliente
Enfocada en los Procesos
Se maneja con datos
Fuerte apoyo de la Gerencia
Trabaja por Proyectos
Iniciativa a tiempo completo
Entrenamiento para todos
Los Proyectos tienen que generar Beneficios
Manejo tradicional de la Calidad Manejo con Seis SigmaCentralizada DescentralizadaEstructura rígida y enfoque reactivo
Estructura para la detección y solución de los problemas y enfoque proactivo
No estructuración de las herramientas de mejora, uso localizado y aislado
Estructuración de herramientas de mejora
Toma de decisiones sobre presentimientos y datos vagos
Toma de decisiones sobre datos precisos y objetivos
Se aplican remedios provisionales,sólo se corrige en vez de prevenir
Se observa a la raíz para llegar a soluciones sólidas y prevenir la repetición
Diferencias con la calidad tradicional
Métrica del Six Sigma
Defectos por Millón de oportunidades DPMO
𝐷𝑃𝑀𝑂= 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑥 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑃𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎 𝑥 1,000,000
Ejemplo cálculo de DPMO
Suponga que usted digita cédulas que tienen 11 dígitos, tendría 11 oportunidades de fallar, si cometió 1,000 errores al digitar 50,000 cédulas, su DPMO es