1
9. Metodología Seis Sigma
Fase de Control
2
Fase de Control Objetivos:
Mantener las mejoras por medio de control estadístico de procesos, Poka Yokes y trabajo estandarizado
Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo
Salidas: Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de
resultados, lecciones aprendidas y recomendaciones
3
Metodología Seis Sigma – Fase de Control
A. Control Estadístico del Proceso
B. Control Avanzado del Proceso
C. Herramientas Lean para control
D. Re – análisis de los sistemas de medición
4
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
5
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.
6
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
7
¿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.”
8
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.
9
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
10
Variación – Causas comunes
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
11
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
12
Variación – Causas especiales
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
13
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
14
“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
15
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
16
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
17
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
18
Cartas de Control para
variables
19
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
20
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)
21
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
22
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
23
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
24
Ejemplo 1:
Carta X, R (en Excel)
109876543210
1009080706050
Subgroup
Media
s
X=74.60
3.0SL=95.36
-3.0SL=53.84
80706050403020100
Rangos
R=36.00
3.0SL=76.12
-3.0SL=0.000
Gráfica Xbar/R para Muestra1-Muestra5
¿Cuál gráfica se analiza primero?
¿Cuál es su conclusión acerca del proceso ?
25
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)
26
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
27
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
Va
lor
Ind
ivid
ual
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
28
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 16 2.97
12 15 2.95
13 17 2.95
14 16 2.86
15 17 2.89
16 19 2.86
17 16 2.85
18 16 2.78
19 17 2.89
20 19 2.78
29
Cartas de Control
para atributos
30
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
31
Cartas de Control tipo p
p - CON LÍMITES DE CONTROL VARIABLES
p - CON n PROMEDIO
p - ESTANDARIZADA
CURVA CARACTERÍSTICA DE OPERACIÓN OC Y ARL
32
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
33
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
34
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
35
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:
36
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
37
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:
38
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
39
4... 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
Terminología
c = Número de defectos encontrados en cada unidad o unidades constantes de inspección
k = número de muestras
40
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
41
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
42
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.
43
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 5.710 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
44
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
45
Capacidad de proceso por atributos Para cartas de control p y np en base a la fracción promedio
de productos defectivos o no conformes es:
Cp >=1 es equivalente a p <= 0.27%
NOTA: Equivale a que el porcentaje de partes buenas sea cuando menos del 99.73%
Para cartas de control c y u dependen de la especificación proporcionada por el cliente
46
9A6. Cartas de Precontrol
47
9A6. Cartas de precontrol (Shainin) Es más exitosa con procesos estables no sujetos
a corridas rápidas una vez que se ajustan
Sirven como referencia de ajuste y de monitoreo
La distancia entre los límites de especificaciones se divide entre cuatro quedando los límites de control entre el primer y tercer cuarto
48
Pre- ControlBajo
LíneaP-C
LíneaP-C
Alto
Rojo Amarillo Verde Amarillo Rojo
1/4 1/2 1/4
Tolerancia Completa
49
Reglas de Precontrol1. Ajustes: Iniciar producción sólo cuando 5 piezas consecutivas caen en verde.
2. Durante la producción: Tomar una muestra de dos piezas consecutivas A y B (cada 1/6 del tiempo prom. transc.entre 2 paros):
a Sí hay una amarilla reinicie el conteo
b Sí hay dos amarillas consecutivas, ajuste
c Re - inicie control, cuando suceda algún cambio en herramienta, operador, material o después de cualquier paro de maquinaria.
a
b
c
d
Sí A y B caen en verde, continuar el proceso
Sí A es amarilla y B cae en verde continuar proceso.
Sí A y B son amarillas parar proceso e investigar causas
Sí A o B son rojas, parar proceso e investigar causas
50
Acciones a tomar
Ultima pieza
Verde
Amarillo
Rojo
Pieza actual
Continuar
Primera: ContinuarSegunda: Detener
Detener
51
Distribución de probabilidad
LIEsp. LSEspecif.LíneaP-C
LíneaP-C
1/14 12/14 1/14
7% 86% 7%
Rojo Amarillo Verde RojoAmarillo
1/4 1/2 1/4
Area Objetivo
Tolerancia Completa
52
9B. Cartas de sumas
acumuladas CuSum
53
9B. Gráfica de Sumas acumuladas ( CuSum )
- Se usa para registrar al centro del proceso.- Se corre en tándem (una tras otra)- Es más sensible que la gráfica X al movimiento de los
pequeños cambios sostenidos en el centro del proceso. - Es más sensible que la gráfica X al movimiento de
separación gradual del centro del proceso.- Es menos sensible que la gráfica X al desplazamiento
grande e único del centro del proceso.- Se puede aplicar a las Xs o a las Xs individuales
- Sus parámetros clásicos son h = 4; k = 0.5
54
9B. Ejemplo de carta Cusum con Máscara en V
1- 4.925
2- 4.675
3- 4.725
4- 4.350
5- 5.350
6- 5.225
7- 4.770
8- 4.525
9- 5.225
10- 4.600
11- 4.625
12- 5.150
13- 5.325
14- 4.945
15- 5.025
16- 5.223
151050
4
3
2
1
0
-1
-2
-3
-4
-5
-6
0
Subgroup Number
Cum
ulat
ive
Sum
CUSUM Chart for Cusum
Target = 5, sigma = 1, h = 2, k =0.5, Vmask
55
9B. Continuación de ejemplo – con máscara en V
20100
5
0
-5
0
Subgroup Number
Cum
ulat
ive
Sum
CUSUM Chart for Cusum17. 5.463
18. 5.875
19. 6.237
20. 6.841
Agregando 4Puntos adicionalesSe observa que seSalen los puntos 16, 17 y 18Requiriendo acción
Target = 5, sigma = 1, h = 2, k =0.5, Vmask
56
9B. Carta CuSum – sólo un Límite superior o inferior
2
1
0
-1
-2
2
-2
20100
Subgroup Number
Cum
ulat
ive
Sum
Upper CUSUM
Lower CUSUM
CUSUM Chart for Cusum1- 4.925
2- 4.675
3- 4.725
4- 4.350
5- 5.350
6- 5.225
7- 4.770
8- 4.525
9- 5.225
10- 4.600
11- 4.625
12- 5.150
13- 5.325
14- 4.945
15- 5.025
16- 5.223
17. 5.463
18. 5.875
19. 6.237
20. 6.841
Target = 5, sigma = 1, h = 2, k =0.5, One SidedFIR = 1 sigma, Reset after each signal
57
9B. Carta EWMA de promedios móviles
ponderados exponencialmente
58
9B. Carta de Promedios Móviles Ponderados Exponencialmente (EWMA) Es más sensible que la gráfica X al movimiento
de los pequeños cambios sostenidos en la media del proceso.
Es más sensible que la gráfica X al movimiento de separación gradual de la media del proceso.
Es menos sensible que la gráfica X a desplazamientos grandes de la media del proceso.
Se puede aplicar a las Xs o a las Xs individuales.
59
9B. Carta EWMA del ejemplo
20100
53
52
51
50
49
48
47
Sample Number
EW
MA
EWMA Chart for X
Mean=50
UCL=52.59
LCL=47.41
Xewma
1- 52.0
2- 47.0
3- 53.0
4- 49.3
5- 50.1
6- 47.0
7- 51.0
8- 50.1
9- 51.2
10- 50.5
11- 49.6
12- 47.6
13- 49.9
14- 51.3
15- 47.8
60
9B. Carta EWMA Los puntos a graficar son los siguientes :
Observa que Z es un promedio ponderado de X i y de todas las Xs anteriores.
La típica forma de una gráfica EWMA se muestra a continuación.
Z0 = XZ1 = X1 + (1- ) Z0
Z2 = X2 + (1- ) Z1
Z3 = X3 + (1- ) Z2
Z4 = X4 + (1- ) Z3
Con Z = EWMA
=
Los cálculos, especialmente de los límites de control, son tan complejos que normalmente este tipo de gráfica se realiza por medio de un paquete de computo.
UCL
subgrupo
LCL
XII
_
_
_
_
1 2 3 4 5 6
61
9B. Carta de control de
promedios móviles
62
9B. Carta de control de Promedios Móviles Monitorea un proceso promediando los últimos
W datos. Con valores individuales se usa W = 2
Tiene una sensibilidad intermedia entre las cartas de control de Shewhart y las cartas EWMA o Cusum para detectar pequeñas corridas graduales en la media del proceso
Suponiendo que se colectan muestras de tamaño n y se obtienen sus respectivas medias Xi. La media móvil promedio de amplitud W en el tiempo t se define como sigue:
63
9B. Ejemplo de carta de promedios móviles
Xmm
1- 10.5
2- 6.0
3- 10.0
4- 11.0
5- 12.5
6- 9.5
7- 6.0
8- 10.0
9- 10.5
10- 14.5
11- 9.5
12- 12.0
13- 12.5
14- 10.5
15- 8.0
151050
15
10
5
Sample Number
Mov
ing
Ave
rage
Moving Average Chart for Xmm
Mean=10
UCL=12.12
LCL=7.879
64
9C. Herramientas Lean
para control
65
9C. Herramientas Lean de control 5S’s (Organización del lugar de trabajo)
Fábrica visual Kaizen
Kanban Poka Yoke
TPM
66
9C. 5S’s (Imai) Seiko (arreglo adecuado) Seiton (orden) Seiketso (limpieza personal) Seiso (limpieza) Shitsuke (disciplina personal)
En Inglés: Sort (eliminar lo innecesario) Straighten (poner cada cosa en su lugar) Scrub / Shine (limpiar todo Systematize (hacer de la limpieza una rutina) Standardize (mantener lo anterior y mejorarlo)
67
9C. Fábrica visual Tiene como propósito mostrar a la administración y
empleados lo que está sucediendo en cualquier momento de un vistaso
Uso de pizarrones para mostrar el estado de: La producción Los programas La calidad del producto Los tiempos de entrega Requerimientos del cliente y costos
Tableros de herramientas, dispositivos Jidoka, Tarjetas Kanban
68
9C. Kaizen (Mejora continua) Kai = Buen Zen = Cambio La estrategia Kaizen involucra:
Kaizen en la administración Mejora de los procesos
Uso de los ciclos PDCA / PDSA de mejora La calidad es la más alta prioridad
Hablar con datos El siguiente proceso es el cliente
69
9C. Kaizen Blitz (evento o taller) Involucra una actividad Kaizen (proyecto de
mejora) en un área específica por medio de un equipo de trabajo durante 3 a 5 días:
2 días de entrenamiento 3 días para colección de datos, análisis e
implementación de la solución
Es necesario el apoyo de la dirección Al final el equipo hace una presentación del
proyecto
70
9C. Kaizen Blitz (evento o taller) Resultados:
Ahorro de espacio Flexibilidad de la línea
Flujo de trabajo mejorado Ideas de mejora
Mejoras en calidad Ambiente de trabajo seguro Tiempo que no agrega valor reducido
71
9C. Muda, los 7 desperdicios El Muda son actividades que no agregan valor
en el lugar de trabajo. Su eliminación es escencial para reducir costos y tener calidad en producto:
Sobreproducción Inventarios
Reparaciones / Retrabajos Movimientos
Esperas Transportes
72
9C. Kanban Kanban = signo. Es una señal a los procesos
internos para proporcionar productos. Normalmente son tarjetas pero pueden ser banderas, espacio en el piso, etc. Proporciona indicación visual de:
Número de parte, código de barras Cantidad Localización
Frecuencia de embarque Tiempo de entrega Colores de contenedores en función del destino
73
9C. Poka Yoke Mr. Shingo reconoce que los errores humanos
no tienen por que crear defectos. Con dispositivos sencillos a Prueba de error se pueden evitar
En los sistemas de control, las operaciones se paran cuando ocurre una falla para toma de acción inmediata:
Detectan fallas en una secuencia de operaciones Se pueden usar charolas o listas de verificación Los dispositivos se basan en longitudes, ancho,
peso y altura
74
9C. Poka Yoke Otras mejoras de diseño a prueba de error
incluyen: Eliminación de componentes propensos a error o
falla Amplificación de los sentidos humanos Redundancia en los diseños Simplificación al usar menos componentes Consideración de factores físicos y ambientales Proporcionar mecanismos de paro seguros Mejorando la producibilidad y mantenabilidad del
producto Seleccionando componentes y circuitos ya
probados
75
9C. TPM El mantenimiento productivo total incluye la
participación de todos para asegurar la disponibilidad del equipo de producción y combina los mantenimientos preventivo, predictivo, mejoras en la mantenabilidad, facilidad de mantenimiento y confiabilidad
Hay 6 grandes pérdidas que contribuyen en forma negativa a la efectividad del equipo:
Falla del equipo Preparación y ajustes
Arranques y paros menores Velocidad reducida Defectos de proceso Pérdidas de
producto
76
9C. TPM Un ejemplo de una empresa alemana incluye:
Mantenimiento autónomo Eliminación de las 6 grandes pérdidas 100% de calidad de producción Planeación de nuevos equipos y maquinaria Capacitación a todos los operadores Eficiencia de oficina mejorada
Obteniendo como beneficios: Reducción de ausentismo, mejora en sistema de
sugerencias, reducción de desperdicios y quejas, reducción de tiempos de ajuste y de ciclo, etc.
77
9C. Estándares de Trabajo La operación de una planta depende de
políticas, procedimientos e instrucciones de trabajo o Estándares, cuya mejora redunda en mejoras a la planta
Cuando la operación de planta (Gemba) está bajo control es tiempo de emprender mejoras, utilizando por ejemplo grupos Kaizen Blitz
En Japón los estándares se hacen para controlar el proceso no tanto a los trabajadores
78
9C. Estándares de Trabajo Otros estándares adicionales son:
Líneas amarillas en el piso Códigos de colores
Pizarrón de control para producción Indicadores de nivel mínimo y máximo de
inventarios
Matrices de capacitación cruzada Lámparas de falla
79
9C. Estándares de Trabajo Características de los estándares:
Representan la mejor manera de hacer el trabajo , en forma más fácil y segura
Preservan el Know How y experiencia para hacer el trabajo que puede perderse al irse los empleados
Proporcionar un método de evaluar el desempeño Muestran la relación entre causas y efectos Proporcionan una base para mantenimiento y mejora Son la base de la capacitación Son la base de la auditoria Método preventivo para prevenir recurrencia de
errores Minimizan la variabilidad
80
9C. Re - análisis de sistemas de medición Las mejoras en proceso reducen la variabilidad
lo que puede requerir reanalizar los sistemas de medición
Por ejemplos micrómetros para medir 0.001” ahora se requiere que midan 0.0001”
De acuerdo al MSA del QS 9000 el error de R& R máximo debe ser:
<10% sistema de medición aceptable 10 a 30% puede ser aceptable en función de la
importancia de la característica >30% el sistema de medición requiere mejora
81
9C. Re - análisis de sistemas de medición La expresión de evaluación de la incertidumbre
incluye un rango y el nivel de confianza al cual se hace la afirmación, por ejemplo:
M = (100.02147 +- 0.00070) g
donde la incertidumbre expandida U = k uc
Uc = 0.00035 g y k = 2 indicando el 95% de nivel de confianza
Cada organización debe determinar los requerimientos de su sistema de medición