presentacion 6 sigma aplicado a la ingenieria de mantenimiento por fernando de muro y pablo ortega...
TRANSCRIPT
““El pensamiento estadístico será algún día tan necesario para la ciudadanía eficiente como la capacidad de leer y
escribir”.
H.GH.G. . WellsWells (1925)(1925)
Estadísticas Básicas Estadísticas Básicas
Medidas de Localización y Dispersión
Los navegantes pueden saber Los navegantes pueden saber donde están porque conocen donde están porque conocen dos factores de informacióndos factores de información
LatitudLatitud
LongitudLongitud
Los Los GreenGreen BeltsBelts pueden pueden ejecutar la mayoría de los tipos ejecutar la mayoría de los tipos de análisis conociendo dos de análisis conociendo dos informacionesinformaciones
Localización de los DatosLocalización de los Datos
DispersionDispersion de los Datosde los Datos
Introducción de los siguientes tópicos y conceptos:
σσ22
Medición del centro de los datos (Tendencia Central )
MediaMediana
Distribución Normal
Distribuciones Distorsionadas
Medición de la dispersión de los datosAmplitudVarianza
Desvío Estándar
σσ0-1 1-2 2-3 3
ESTADISTICA
Estadísticamente se pueden realizar la mayoría de los análisis conociendo dos datos
Posición de los Datos MEDIA
Dispersión de los Datos DESVIO PATRON
10.310.210.110.09.99.89.7
Median
Mean
10.05010.02510.0009.9759.950
A nderson-Darling Normality Test
V ariance 0.0245Skewness 0.037891Kurtosis -0.179880N 30
Minimum 9.6798
A -Squared
1st Q uartile 9.8815Median 9.99613rd Q uartile 10.0715Maximum 10.3236
95% C onfidence Interv al for Mean
9.9355
0.23
10.0523
95% C onfidence Interv al for Median
9.9366 10.0459
95% C onfidence Interv al for StDev
0.1246 0.2103
P-V alue 0.793
Mean 9.9939StDev 0.1564
95% Confidence Intervals
Summary for Diametros
S=0.1564X= 9.9939
Media de la muestra
n
x=x
n
1=ii∑
Desvío-patrón de la muestra
( )
1
2
1
−
−=
∑=
n
xxs
n
ii
ESTADISTICA
0000 11--11 1111--11--11--22 22--22--22 2222 33--33 3333--33--33
+/- 1σ
+/- 2σ
+/- 3σ99.73%99.73%
95%95%
68%68%
Causas Comunes y Causas Especiales
• Causas Comunes• Cambios normales en un proceso que llevan a ligeras
diferencias en los resultados de salida• Normalmente se dan con mucha frecuencia (Semáforos, tráfico,
cruces ferroviarios, etc..)
• Causas Especiales• También llamadas “causas asignables”• Factores dentro de un proceso que causa diferencias
significativas en los resultados de salida• Normalmente se dan con poca frecuencia(neumático pinchado,
tornado, accidente, etc..)
Muestras Estadísticas y Parámetros de la Población
Población Población EnteraEntera
μ=Media de la Población
σ=Desvío Estándar de la Población
Podemos determinar la mediamedia y/o el desvío estándardesvío estándar en esta muestra. Estas son las llamadas muestras estadísticas.Estas son las llamadas muestras estadísticas.
σ or s = Desvío Estándar de la Muestra^x = Media de la Muestra_ Usamos esto para estimar
la media verdadera de la población y/o desvío estándar
Muestra de tamaño “n”
Medidas de Tendencia Central
• Media.– Media aritmética de um conjunto de valores.– Refleja la influencia de todos los valores.– Influenciada fuertemente por valores extremos.
• Mediana.– Los valores del medio del conjunto de datos ubicados después
que los datos fueran separados entre los de mas bajos valor y los de mas alto valor.
– No incluye todos los valores en el cálculo.– Es “robusto” para valores extremos.
• La media y la mediana serán afectadas por la distribución de losdatos.
• ¿Que medida es usada con mas frecuencia?
Medidas de Localización
La MediaEs la medida del punto en que reside el centro de su distribución. Es simplemente la suma de todas las observaciones divididas por el número total de observaciones. Para el siguiente ejemplo la Media es:
(2 + 3 + 10 + 5 + 4 + 4 + 3 + 3 + 1 + 2 + 3) / 11 = 3,636.
La Media está fuertemente influenciada por valores extremos.
Medidas de Localización
MedianaLa Mediana (también llamada el 2º cuartil o el 50º percentil) es la observación intermedia en la serie de datos. Viene determinada por la clasificación de datos y la averiguación del número de observación [N + 1] / 2. En la serie de datos de precipitaciones, hay 11 observaciones (no-perdidas). Aunque la Mediana es el valor de la 6ª observación más alta (o la 6ª más baja), que es 3:
1 2 2 3 3 3 3 4 4 5 10Si hay un número par de observaciones, la Mediana se extrapola como el valor que está a medio camino entre los de orden de observación N / 2 y [N / 2] + 1.
La Mediana es menos sensible a los valores extremos que la Media.
σσ22
σσ
Medidas de Variabilidad
σ2σσ22
La Amplitud es la distancia entre los valores más extremos de una serie de datos. (Valor más alto –Valor más bajo)La Varianza ( ) es la Desviación Cuadrática Media de cada punto de datos con referencia a la Media.La Desviación Estándar ( ) es la Raíz Cuadrada de la Varianza.
La medida de variación más común y útil es la Desviación Estándar.
¿Por qué?
1. Lo bueno de la 1. Lo bueno de la VarianzasVarianzas es que son aditivases que son aditivas. En otras palabras, para . En otras palabras, para encontrar diferencias o sumas, todo lo que precisa hacer es la encontrar diferencias o sumas, todo lo que precisa hacer es la operación aritmética. Vamos a observar un ejemplo:operación aritmética. Vamos a observar un ejemplo:
Reglas Matemáticas
2.2. Desvíos EstándarDesvíos Estándar no pueden ser simplemente adicionados no pueden ser simplemente adicionados o substraídos.o substraídos. Para determinar la diferencia o suma, Para determinar la diferencia o suma, debemos primero elevar al cuadrado cada uno de los debemos primero elevar al cuadrado cada uno de los desvíosdesvíos ((esto es convertirlos en varianzasesto es convertirlos en varianzas), sumarlas o ), sumarlas o substraerlas, y después sacar la raíz cuadrada. Vamos a substraerlas, y después sacar la raíz cuadrada. Vamos a observar un ejemplo:observar un ejemplo:
222Diferencia
222
2B
2A
and entonces,
B variablela de varianzay
A variablela de varianza Si
BABASuma σσσσσσ
σ
σ
+=+=
=
=
22DierenciaSuma o BA σσσσ +=
00
Curva Normal e Desvío Padronizado
11--11--22 22 33--33
+/+/-- 11σσ
+/+/-- 22σσ
+/+/-- 33σσ99.73%
95%
68%
El Efecto de la Varianza sobre la Distribución Normal
Distribución UnoDistribución Uno
Distribución Dos
Distribución Dos
Distribución TresDistribución Tres
¿Cual es la diferencia entre estos tres ¿Cual es la diferencia entre estos tres conjuntos de datos?conjuntos de datos?
LSL USL
Defectos
Capabilidade de Processo
Capabilidadde ProcesoInadecuada
Variación dentro del Proceso
Voz Del Proceso
Lo que el Proceso Habla
EL comportamiento del proceso es estabelecido a través de un número de factores:
(A) Manutenimiento; (B) Adherencia a SOPS; (C) Condición de los equipamientos;
(D) Parâmetros de Instalación; etc..
Voz del Cliente
USLUSLLSLLSL
Lo que el cliente Dice
Los límites de especificaçión son estabelecidos por las exigencias del cliente – estas son
normalmente determindadas por el cliente basandonse en sus requerimientos.
Voz Del Cliente
Voz Del Proceso
USLUSLLSLLSL
Componentes da Capabilidade do Processo
Juntando estas dos se produce LA CAPABILIDAD DEL PROCESO (la habilidad
del proceso de consistentemente atender las requisiciones del cliente).
LSL USL
DefectosDefectos Defectos
LSL USL
Defectos
#1 #2
Cual Proceso Producirá Menos Defectos? ________________RIGHT
Cual Proceso Tiene la Mejor Capabilidad? ________________RIGHT
Qué Proceso es Mejor?
“Centrar” – Colocar el Proceso en el “blanco”
“Dispersión” – Reducir la Variación
Defectos
LSL USL
Defectos
Como mejorar el Proceso
Proporciones del Proceso de Capabilidad
Todas las empresas hoy en día en la determinación de losparámetros críticos utilizan estos dos índices
USLC
- LSL6p =
σ
C Min( X -LSL3
USL-X3pk =
σ σ, )
Proporciones del Proceso de Capabilidad X m e d i a - L I E L S E - X m e d i a
X m e d i a - L I C L S C - X m e d i a
L I E L I C X m e d i a L S E L S C
6 σ
P a r a a s e g u r a r q u e e l p r o d u c t o c u m p l e c o n e s p e c i f i c a c i o n e st o d o e l t i e m p o , a m b o s , C p y C p k , d e b e r á n s e r m a y o r a 1 .I n t e r p r e t a c i ó n d e l C p k :
C p k > = 1 , 3 3 : P r o c e s o A c e p t a b l e . C u a n t o m a y o r m e j o r .
C p k = 1 a 1 , 3 3 : P r o c e s o M a r g i n a l . R e q u i e r e v i g i l a n c i a .
C p k < 1 : P r o c e s o i n a c e p t a b l e . P a r t e d e l a d i s t r i b u c i ó n d e lp r o c e s o e s t a f u e r a d e e s p e c i f i c a c i ó n .
C p k = 0 : P r o c e s o I n a c e p t a b l e . L a m e d i a e s i g u a l a u n o d el o s l i m i t e s e s p e c i f i c a d o s .
USLC
- LSL6p =
σ
Total de ToleranciaCDisperción del procesop =
Calculando Cp
USLUSLLSLLSL
99.73%
De los datos
Dentro de
+/- 3σ para
DatosDistribuídosNormalmente
C Mínimo ( X -LSL3
USL-X3
pk =σ σ
, )
C X -LSL3pL =
σUSL-X
3σCpU =
USLUSLLSLLSL
Média
Calculando Cpk / Cpl
Six Sigma
Pablo A. Ortega
CUIDADO, esto representa por ejemplo, algunerror en tu contra-cheque 5 veces al año…
Falta de energía elétrica todos los meses por 8 horas…
99% de Calidad es bueno o bastante?
Agua contaminada 15 minutos todos los días en tu casa…Chocas 5 Veces este año tanto en la ida como en la vuelta del trabajo…
Cuatro aviones fallan al aterrizar en el aeropuerto de Chicago todos los días.
Ahora piense en........99.9996% de calidad…
Capacidad de acertar los ganadores de los próximos 31.246 campeonatosToda la basura diaria generada en unafábrica de latas cabe en un cesto.
Apenas un atraso en 25 años en la entrega, sumando a todos los proveedores de una gran
empresa
Esto es SIX SIGMA !
1 Filosofía:– Construir calidad, corregir defectos, reducir costos
2 Objetivo: – Fuerza Competitiva ; (‘transformarse en una empresa six
sigma’) – Expresar todas las medidas en Defectos / Millones – Oportunidades: Meta 3.4 defectos / millón de oportunidades
(=6σ)
3 Herramienta /Metodología:– Un proceso estadístico dirigido para datos, utilizándolo para
definir, medir, analizar, mejorar y controlar procesos, resultando en menos defectos desde el punto de vista del cliente.
Qué es Six Sigma?
Six Sigma Enfoca los Inputs
Para obtener resultados, debemos enfocar los X’s o los Y’s?
f (X)f (X)Y=Y=
Y
•Dependiente
•Output
•Efecto
•Síntoma
•Fiscal
X1…Xn
•Independiente
•Input del Proceso
•Causa
•Problema
•Control
Si somos tan buenos en X, por qué constantemente testeamos e inspeccionamos el Y?
Controlando las variables CONTROLO MI
PROBLEMA
RECORDAR!!!!!SI NO CONSIGO MEDIR, NO CONSIGO CONTROLAR.
POR LO TANTOSINO CONSIGO CONTROLAR NO CONSIGO MEJORAR
4-6% de las ventas4-6% de las ventas
25-35% de las ventas25-35% de las ventas
Pérdida de oportunidad
Costo Tradicional de
la Calidad
Costos adicionales de la
baja calidad
Rechazo
Chatarra
Inspección
Re-trabajo
Pérdida de la fidelidad
del cliente
Largos ciclos
Costos de expedición
Ventas perdidas
Entrega atrasada
Exceso de inventario
‘Iceberg’ - Costos de la baja calidad
Los desperdicios ocultos pueden llegar al 20-30% de los costosLos desperdicios ocultos pueden llegar al 20-30% de los costos
Defectos y la Fábrica Escondida
90% 90% Calidad del clienteCalidad del cliente
Producción posInspección de Test
Mermas Mermas (chatarra)(chatarra)
ReRe--trabajotrabajoDesperdicios ocultos
NOTOK
OperaciónOperaciónEntradasEntradas InspecciónInspección ProducciónProducciónFinalFinal
OK
Tiempo, $$, personas
Proceso Tradicional:
AA CCBBProveedoresProveedores 99,9996% 99,9996% Calidad del clienteCalidad del cliente
Proceso Six Sigma:
2 308,5373 66,8074 6,2105 2336 3.4
Sigma DPMO
Sigma es una unidad de medida de estadística que refleja la capacidad del proceso / producto. La escala sigma de medida es perfectamente correlacionada a ciertas características tales como defectos por unidad, partes por millones de
oportunidades y la probabilidad de una falla / error.
Six Sigma como una visión y objetivo
Capacidad del Proceso
Capacidad del Proceso Defectos por millon de
Oportunidades
Defectos por millon de Oportunidades
No CompetitivoNo Competitivo
Média IndustrialMédia Industrial
Clase MundialClase Mundial
99% Bueno (2,8 Sigma)
• 20.000 e-mail perdidos por hora • Siete e-mail perdidos por hora
99,99966% Bueno (6 Sigma)
• Riesgo de beber 15 minutos al diaagua contaminada.
• Riesgo de beber un minuto cadasiete meses agua contaminada.
• Falta de energia elétrica por casisiete horas al mes
• Una hora sin energia elétrica cada34 años
• Casi dos (1,7) operacionesquirurgicas incorrectas por semana
• 5.000 operaciones quirurgicasincorrectas por semana
• 68 prescripciones erradas por año• 200.000 prescripciones de remédios erradas por año
LSL USLMedia
Centro
Fuera del centro
LSL USLMedia
Centro
Incapaz
LSL USL
En el centroMedia
Centro
Centralizar
ProcesoReducir dispersión
La visión estadística del Six Sigma
Objetivo de Solución de Problema
Si se pueden encontrar seis desvíos entre el valor del centro y el límite de especificación, podemos decir que el proceso tiene la capacidad six sigma. Si se pueden encontrar seis desvíos entre el valor del centro y el límite de especificación, podemos decir que el proceso tiene la capacidad six sigma.
10 5432 6
Defectos Relacionados a los niveles Sigma
Media x
-5 -4 -3 -1-2-6
LSL USL
Desvíos de padrones con relación a la media
Metodología Six Sigma
El método se puede utilizar en todos los Procesos?
• Metodología Six Sigma
-Proyecto -Calidad asegurada
-Servicio -Producción
-Mantenimiento -Administración
• Metodología Six Sigma
-Proyecto -Calidad asegurada
-Servicio -Producción
-Mantenimiento -Administración
Siempre que haya un proceso que presente datos de salida, sea un producto fabricado, datos, una factura, etc…podemos aplicar la
metodología Six Sigma.
Para que estos productos atiendan al patrón del cliente, requieren el input correcto!!!
Six Sigma Enfoca los Inputs
La variación inherente para cualquier variable dependiente (Y) es determinada por las variaciones inherentes para cada una de las variaciones independientes(X’s)
Fuentes de Variación pueden ser: •Identificadas
•Cuantificadas
•ELIMINADAS!
X
X
X
X
XX
XX
XX
X
Inputs (X’s)Inputs (X’s)
Output (Y)Output (Y)
Tiempo
Pres
enta
ción
BUENA
MALA
3 Sigma (Cpk = 1)
6 Sigma (Cpk = 2)
Six Sigma es un Punto de Ruptura
Punto de ruptura en el desempeño del proceso
A
B
Definición de un Proyecto
Métrica Primaria
Métrica Secundaria
Meta
Baseline
Organización Seis Sigma
•Conducen proyectos de mejoría de pequeña escala.
•Actúan como miembros de los Proyectos Black Belt.
•Dominan las herramientas estadísticas básicas.
Green Belt
•Conducen proyectos de mejoría.
•Orientan a los GB’s y auxilian a los MBB’s.
•Dominan las herramientas estadísticas básicas y avanzadas.
Black Belt
•Peritos en la metodología y en las herramientas de la estrategia SixSigma; completamente dedicado; soporta y apoya GB & BB.
•Desarrolla y ejecuta entrenamientos.
•Trabaja en conjunto con lideres funcionales para identificar oportunidades de mejora.
•Auxilia en la selección de los proyectos.
Master
Black Belt
White Belt •Participan de los proyectos de mejoría.
•Actúan como miembros de los equipos Green Belt.
Las Cinco Fases y las Siete Herramientas
1. Mapa del Proceso
2. Matriz de Causa y Efecto
3. Análisis del Modo y Efecto de Falla
4. Análisis de Capacidad
5. Análisis de los Sistemas de Medida
6. Estudios de Variables Múltiples
7. Planes de ControlControlarControlarControlar
MedirMedirMedir
MejorarMejorarMejorar
AnalizarAnalizarAnalizar
DefinirDefinirDefinir
Análisis del Sistema de Medición
Que:
El test sistemático de los sistemas y dispositivos de medición utilizados en los procesos de entrada y salida de datos. Índices críticos incluyen repetibidad y reproductibilidad.
Por qué:
Para asegurar que las mediciones realizadas indiquen la variación del proceso, y no la variación en el sistema de medición.
Análisis del Sistema de Medición
Determina cuanto el sistema de medición está influenciando la variaciónobservada.
Variación del Proceso Observada
Variación Real del Proceso Variación de la Medición
El El DesvíoDesvío Standard de la media de Standard de la media de laslasmuestrasmuestras eses igualigual a:a:
σσ
xx
n=
muestra la de Tamaño=nesIndividual Resultados los de Standard Desvío
Media la de Standard Desvío
x ==
σσ x
Teorema Central del Límite
Character Dotplot
. :
. : :
:: : :: : ..
:.:: ::::..::::.
. :::: :::::::::::: :
: .:::: ::::::::::::.:..
. . . ::.:::::::::::::::::::::: :
. : :.: :::::::::::::::::::::::::::. ::..: . .
-+---------+---------+---------+---------+---------+-----C9
Each dot represents 2 points
:
:::
.:::.:
::::::
::::::::
::::::::.
:::::::::
::::::::::.
.. ::::::::::::..
-+---------+---------+---------+---------+---------+-----C10
36 48 60 72 84 96
Distribución de lasVariables individuales
Ejemplo
Distribución de la media de las Muestras
Posibles Fuentes de Variacion del Proceso
Para corregir la variabilidad real del proceso, la variacion devida al sistema de medicion debe ser primeramente identificada y separada
del proceso
Variacion del Proceso a
Largo plazo
VariacionVariacion del del ProcesoProceso a a
Largo Largo plazoplazo
Variacion del Proceso a
Corto plazo
VariacionVariacion del del ProcesoProceso a a
CortoCorto plazoplazo
VariacionDentro de la
muestra
VariacionVariacionDentroDentro de la de la
muestramuestra
Variacion del Proceso RealVariacionVariacion del del ProcesoProceso RealReal
Variacion del sistema de medicion
VariacionVariacion del del sistemasistema de de medicionmedicion
Variacion devida al Operador
VariacionVariacion devidadevida al al OperadorOperador
Variacion devido al Instrumento
VariacionVariacion devidodevido al al InstrumentoInstrumento
VariacionObservadaVariacionVariacion
ObservadaObservada
RepetitibilidadRepetitibilidadRepetitibilidad CalibracionCalibracionCalibracion EstabilidadEstabilidadEstabilidad LinearidadLinearidadLinearidad
Modelo Básico
σσ22TotalTotal σσ22
ProductoProducto++ σσ22Sistema de Sistema de MediciónMedición==
La Variacion Total es igual a la variacion del producto real mas la variacion devida al variacion devida al
sistema de mediciónsistema de medición
σ MS2 σ rpt
2 σ rpd2= +
RepetitividadRepetitividad
ReproductividadReproductividad
Llave de Memoria
MáquinasMáquinas RepitenRepiten
SeresSeres HumanosHumanos ReproducenReproducen
σ σ RepetitividadRepetitividad
••La Variación que ocurre cuando mediciones repetidas son hechas La Variación que ocurre cuando mediciones repetidas son hechas de la misma variable en condiciones semejantes.de la misma variable en condiciones semejantes.
••Mismo operadorMismo operador••Misma InstalaciónMisma Instalación••Mismas UnidadesMismas Unidades••Mismas condiciones ambientalesMismas condiciones ambientales••Corto PlazoCorto Plazo
•• Es el % de variaciónd debido al Es el % de variaciónd debido al aparato de mediciónaparato de medición..
Repetitividad
Master ValueMaster Value Master ValueMaster Value
SistemaSistema de de MediciónMedición 11 SistemaSistema de de MediciónMedición
Buena Buena RepetitividadRepetitividad Master
ValueMaster Value
MalaMala RepetitividadRepetitividadMaster Value
Master Value
•• Es la variación que resulta cuandoEs la variación que resulta cuando condiciones diferentes condiciones diferentes son usadas para hacer las mediciones.son usadas para hacer las mediciones.•• Operadores diferentesOperadores diferentes•• Instalaciones diferentesInstalaciones diferentes•• Diferentes unidades para el test. Diferentes unidades para el test. •• Diferentes condiciones ambientalesDiferentes condiciones ambientales•• Largo PlazoLargo Plazo
σσ ReproductividadReproductividad
ReproductividadThe difference in the average
of the measurementsThe difference in the average
of the measurements made by different individuals
The difference in the average of the measurements made by different individuals using the same or different instrument
La diferencia en la media de las mediciones hechas por individuos diferentes usando el mismo o un instrumento diferente cuando medir es una característica identica.
Reproductividad
Master ValueMaster Value Master ValueMaster Value
Sistema de Medición 1 Sistema de Medición 2
Buena Buena ReproductividadReproductividad
MalaMalaReproductividadReproductividad
Operador 1
Operador 2
Operador 3
Operador 1
Operador 2
Operador 3
Master Value
Master Value
Master Value
Master Value
Ejemplo del Gage R&R
Nathan Sprague9/11/00Sencon
Misc:Tolerance:Reported by:Date of study:Gage name:
0
10.610.510.410.310.210.110.0
9.99.89.79.6
321
Xbar Chart by Operator
Sam
ple
Mea
n
Mean=10.01UCL=10.10
LCL=9.920
0
0.2
0.1
0.0
321
R Chart by Operator
Sam
ple
Ran
ge
R=0.08889
UCL=0.2288
LCL=0
654321
10.610.510.410.310.210.110.0
9.99.89.7
Part ID
OperatorOperator*Part ID Interaction
Aver
age
1 2 3
321
10.610.510.410.310.210.110.0
9.99.89.7
Operator
By Operator654321
10.610.510.410.310.210.110.0
9.99.89.7
Part ID
By Part ID%Contribution %Study Var
Part-to-PartReprodRepeatGage R&R
100
50
0
Components of Variation
Perc
ent
Gage R&R (ANOVA) for Over-varnish
Estudio Gage R&R SiSi el el procesoproceso necesitanecesita de de operadoresoperadores múltiplesmúltiples, se , se escojenescojen de 2 a 4de 2 a 4
SiSi el el procesoproceso usausa solamentesolamente un un operadoroperador, o , o ningúnningún operadoroperador, , realicerealiceel el estudioestudio sin o sin o efectosefectos del del operadoroperador ((reproductividadreproductividad))
•• NúmeroNúmero de de muestrasmuestrasSelecioneSelecione muestrasmuestras suficientessuficientes parapara queque ::
((númeronúmero de de muestrasmuestras) X () X (númeronúmero de de operadoresoperadores) > 15) > 15
SiSi no no esposibleesposible, se , se debedebe escojerescojer un un númeronúmero de test de test parapara queque::
sisi S x O < 4, tests = 6S x O < 4, tests = 6
sisi S x O < 5, tests = 5S x O < 5, tests = 5
sisi S x O < 8, tests = 4S x O < 8, tests = 4
sisi S x O < 15, tests = 3S x O < 15, tests = 3
•• NúmeroNúmero de de operadoresoperadores
“Crossed R&R”Un test crossedcrossed es cuando
múltiplos operadores usan lasmismas partes.
“Nested”Um test nestednested es cuando
operadores múltiples usan partesdiferentes.
1. Seleccione el Producto o Característica del Proceso, Y2. Defina Patrones de Desempeño 3. Valide el Sistema de Medida para Y
4. Establezca la Capacidad del Producto5. Defina los Objetivos de Desempeño6. Identifique las Fuentes de Variación
7. Separe las Causas Potenciales e Identifique las Vitales X’s8. Descubra Relaciones Entre las Variables9. Establezca Tolerancias de Operación sobre las Vitales X’s
10. Valide el Sistema de Medida para X’s11. Determine la Capacidad del Proceso12. Implemente el Sistema de Control de Proceso sobre las Vitales
X’s
Medir
Analizar
Mejorar
Controlar
Los doce pasos…
Normalmente hay tres visiones de un Proceso:
Lo que usted piensa quees...
1
Lo que realmente es ...
2
Lo que a usted le gustaría que fuese...
3
Cuál es el Mapa?
El Efecto Embudo
Proceso Optimizado
200+ dados
Controlando problemas críticos (Plan de Control)
10 - 15
Todas las variables (Mapa del Proceso)
Variables priorizadas (Matriz de Causa y Efecto)
Descripcion del Problema
8-6
Ejemplo de Mapa de Proceso
Over-varnish pumped from bulk
tank
Over-varnish aggitated in
reservoir
Over-varnish pumped to fountain
Over-varnish is applied to gravure
roll
Excess o.v. scraped from
gravure roll
Over-varnish transferred to applicator roll
N
N
N
N
N
N
Input Tipo Input TipoOutput Output
NV
= Proceso sin Valor Agregado= Proceso de Valor Agregado
Pressure Contr
Ambient Temp NoiseWater ContrLid in place? ContrO.V. Temp Noise
Pressure ContrFilter Cond. Contr
Blade Clear. Contr
Position ContrScr. Condition NoiseCell Config. Contr
Roll Pressure Contr
M ovement
Viscosity
M ovement
M at.. Trnsfer
M aterial Wt.
App. Weight
= Punto de Recoleccion de DatosTexto Resaltado
Mapa de Proceso Parcial de Aplicación de barniz:
Ejemplo de Matriz de Causa y Efecto
Clasificación de importancia
p/el cliente(1 10)
3 10 3 4 7 8 10 10
1 2 3 4 5 6 7 8 9 10 11
O.V
. M
ovim
ento
Vis
cosi
dade
O.V
. M
ovim
ento
Tran
sfer
ênci
a de
Mat
eria
l P
eso
do
Mat
eria
l A
plic
ação
Wt.
Lata
em
ro
taçã
o P
eso
O.V
.
Total
PASO DEL PROCESO
Input del proceso(Tasa
0,1,4,9)
2O.V. Agitado
em reservatório
Temperatura0 9 4 4 0 1 0 4 166
Agua 0 9 4 4 0 1 0 4 166
6
Excesso de O.V.
sucateado do rolo 'gravure'
Posição 0 0 0 0 9 4 0 1 105
7 Condição de sucatear
0 0 0 0 9 4 0 1 105
10 O Pré-giro gira o 'mandrel'
Tensão da Faixa
0 0 0 0 0 0 9 4 130
11 Condição da Faixa
0 0 0 0 0 0 9 4 130
12 A Lata em
contato com o Rolo app.
Pressão 0 0 0 0 0 0 9 9 180
13 Altura do rolo 0 0 0 0 0 0 9 9 180Condição do rolo
0 0 0 0 0 0 9 9 180
14 Sobreposição 0 0 0 0 0 0 9 4 130
Total 0 180 24 32 126 80 540 490 1472
O cliente is untripped can from printer
•Un patrón corriente es la norma SAE J-1739
Historia del FMEA
•Primeramente usado en la década de 1960 en la industria Aeroespacial durante el programa Apollo para atenuar el riesgo durante las misiones
•En 1974 la Marina Norteamericana desarrollo la norma MIL-STD-1629 considerando el uso del FMEA
•A finales de los años 70 la industria automovilística comenzó a incorporar el FMEA en el gerencia mentó de sus procesos, debido al aumento de los costos.
El Índice de Prioridad de Riesgo (RPN) es un número calculado basadoen informaciones que el equipo provee, considerando:
•El efecto potencial del modo de falla para el cliente•Con que frecuencia la causa o el modo de falla ocurre•La habilidad corriente del proceso para detectar las fallas (o causas) antes de llegar al cliente
RPNRPN SeveridadSeveridad OcurrenciaOcurrencia DetecciónDetecciónXXXX==
FMEA
Ejemplo FMEA
Nome do Processo ou Produto:
APLICAÇÃO INTERIOR DE SPRAY Preparado por: Joe Baur
Responsável: FMEA Data (Orig) 25 de setem
Passo do Processo
Chave de Processo Input
Forma de Falha Poencial
Efeitos de Falha PotencialSEV
Causas PotenciaisOCC
Controles CorrentesDET
Qual é o passo do processo
Qual é a chave de processo
Input?
Em que modos a Chave Input dá errado?
Qual o impacto sobre as Variações da Chave Output (Requisições do cliente) ou requisições internas?
Quã
o se
vero
é o
efe
ito
ao c
lient
e? O que causa à Chave Input dar errado?
Com
que
freq
uênc
ia
ocor
re a
cau
sa o
u a Quais os controles existentes e
procedimentos (inspeção e teste) que previnem ou a causa ou a Forma de Falha? Deve-se incluir um número SOP.
Quã
o be
m v
ocê
cons
egue
det
ecta
r a
Área de spray. Faixa de giro gasta/quebrada.
Falha na Faixa (defeito mfr)
Baixa/sem giro de lata,altas mAs, fendas de potencial arquivadas.
10Defeito de emenda
1Nada no local do spray. Os verificadores mA detectarão o defeito.
10
10 Descarregue o excesso que resulta em danos à lata. 4
Os sensores de descarregamente não estão funcionando propriamente.
10
Faixa em lugar além do alcance normal de uso.
Giro de lata reduzida, baixa distribuição de filme, fendas potenciais de campo
10 O operador acredita que qualquer faixa que não estiver quebrada é útil.
5Nenhum
9
Faixa envernizada sobre a névoa de spray.
Giro reduzido de lata, baixa distribuição de filme, fendas potenciais de campo,
10Um vácuo muito pequeno causa contaminação no spray da máquina.
5Nenhum
9
Área de spray. Temperatura da lata
A temperatura da cúpula da lata sobe acima de 95 graus F.
Cobertura da saliência da cúpula ruim, mA altas, wt. de spray aumentadas, fendas de
10Temperatura ambiente acima de 95 graus F não permitem a refrigerc'~ao ds latas.
5Nenhum na sala de spray. Os verificadores mA detectarão o defeito.
3
Área de spray. Condição do bocal / padrão de ventilação
Padrão de ventilação distorcida
Distribuição baixa de filme, cobertura incompleta, fendas potenciais de campo.
10Bocal além da vida normal de serviço. 6
Visual na sala de spray. Os verificadores mA detectarão o defeito.
3
10Bocal tampado.
4Visual na sala de spray. Os filtros do revólver devem ser checados diariamente. Os verificadores mA
3
Ponta do bocal estragada. Distribuição baixa de filme, cobertura incompleta, fendas potenciais de campo.
10Batida da ponta durante a limpeza ou durante o sucateamento.
4Visual no local do spray. Os verificadores mA detectarão o defeito.
3
Ponta do bocal suja. Distribuicão baixa de filme, cobertura incompleta, fendas potenciais de campo.
10Limpar o sistema de spray que não estiver funcionando. 6
Visual no local do spray. Os verificadores mA detectarão o defeito.
3
Análisis de Capacidad
Que:
Un gráfico que muestra un histograma de la salida del proceso relativo a las necesidades del cliente. Los dos índices de capacidad, Cp y Cpk, son utilizados para cuantificar la relación entre la variación del proceso observada y las especificaciones del cliente.
Por qué:
Para determinar si el proceso es previsible y capaz de satisfacer las necesidades del cliente.
Ejemplo de Análisis de Capacidad
0.00372 0.00374 0.00376 0.00378 0.00380 0.00382 0.00384 0.00386 0.00388
LSL USL
Capability Analysis for Midwall Thickness
USLTargetLSLMeanSample NStDev (Within)StDev (Overall)
CpCPUCPLCpk
Cpm
PpPPUPPLPpk
PPM < LSLPPM > USLPPM Total
PPM < LSLPPM > USLPPM Total
PPM < LSLPPM > USLPPM Total
0.0038500 *
0.00375000.0037991
10000.00002030.0000204
0.820.840.810.81
*
0.820.830.800.80
11000.00 8000.00
19000.00
7826.09 6054.35
13880.44
8090.53 6273.43
14363.97
Process Data
Potential (Within) Capability
Overall Capability Observed Performance Exp. "Within" Performance Exp. "Overall" Performance
Within
Overall
Output
Tolerancia del Proceso
43210-1-2-3-4
0.4
0.3
0.2
0.1
0.0
LimiteInfer.Spec.
LimiteSup. Spec.
Toler. del Cliente
Cp= 1
86420-2-4-6-8
0.4
0.3
0.2
0.1
0.0
LimiteInfer. Spec.
LimiteSup. Spec.
Toler. del Cliente
Tolerancia del
Proceso
Cp= 2
Visualizando el Proceso de Capacidad
Que:
Una técnica pasiva para colecta de datos y análisis para determinar qué variables, controladas o no controladas, tienen efecto mensurable sobre los resultados.
Por qué:
Permite al equipo identificar las variables de ruido que pueden afectar al proceso. Estas variables de ruido se deben considerar cuando se proyectan experimentos e implementan mejorías.
Estudios de Variables Múltiples
Ejemplo de Estudio de Múltiples Variables
30.0 42.5 55.0
10 13 10 13 10 13
0
20
40
60
80
100
120
140
Pitch
mA
read
ings
600
650
700
Multi-Vari Chart f or mA readings by Pressure - PitchAngle
Pressure
Qué combinación resulta de la lectura
más baja en mA?
Qué combinación resulta de la lectura
más baja en mA?
Planes de Control
Que:
Una planilla u otro medio que resume las variables identificadas en la Matriz de Causa & Efecto, Análisis de Capacidad, Análisis de Sistema de Medición, DOE (Proyecto de Experimentos), Estudios de Variables Múltiples, FMEA, etc.
Por qué:
Permite al equipo identificar y corregir fallas en el sistema de operación. Esto ayuda a institucionalizar cambios y mantener los logros con sus actividades de mejoría del proceso.
Evaluaciones iniciales y finales del proceso de Plan de Control puede identificar aquellas variaciones de input u output a las
cuales les falta fiscalización o control adecuado.
Ejemplo de Plan de Control
Critical XInstalações
antigasInstalações melhoradas Plano de Controle
Pressão da Pistola 600-700 PSI 700 PSI
Bomba Nordson EP setada para entregar 700 PSI aos revólveres individuais. Um aparelho de trava colocado sobre a válvula de controle da bomba para evitar aumentos de pressão. (Ajustes feitos apenas sob aprovação da supervisão).
Ponto do bocal 28 - 56o 42.5oRápida instalação / aparelho de medição criado para localizar o ponto do bocal em instalação ideal e para permitir a verificação de fácil instalação do processo na própria folha de verificação.
Ângulo da pistola 9 - 16o 10oAparelhos de spray em instalação ideal e os revólveres ponteados.(pontos preenchidos com tinta branca) a 10o para permitir a rápida confirmação visual da instalação e verificação do processo na própria folha.
Resumen
Six Sigma:Six Sigma:
•Define las metas del negocio
•Identifica proyectos utilizando métricas de desempeño que van a producir resultados para el negocio
•Aplica calidad avanzada y herramientas estadísticas para alcanzar un significante desempeño financiero a través de la reducción de costo y satisfacción del cliente mejorada.
•Es una filosofía que requiere desafío a la forma en que estamos trabajando actualmente.