Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN A 6 SIGMA
Mdulo 6
CURSO
APUNTES DE CLASE
--------------------------------------------------------------------------------------------------------------------
NDICE
1)
1.2)
1.3)
1.4)
1.6)
CALIDAD .............................................................................................................................. 10
1.7)
CALIDAD .............................................................................................................................. 13
1.8)
2)
2.2)
2.3)
PPM? 23
2.4)
2.5)
2.6)
2.7)
2.8)
2.8.1
2.8.2
Pg. 2
3)
3.2)
3.3.1
3.3.2
3.3.4 .................................................................................................................................... 45
3.4)
3.5)
FORMACIN DE BB Y GB .................................................................................. 47
3.6)
SIGMA?.................................................................................................................................. 48
4)
SELECCIN DE PROYECTOS........................................................................... 51
4.1)
INTRODUCCIN ................................................................................................... 51
4.2)
QU ES UN "PROBLEMA"?............................................................................... 52
4.3)
4.4)
EL PROJECT CHARTER................................................................................................... 56
4.6)
PLANTEAMIENTO GENERAL.......................................................................... 58
4.6.2
4.6.3
4.6.4
5)
6)
Pg. 3
7)
CONCLUSIONES ................................................................................................. 75
ANEXO I.
ABREVIATURAS.................................................................................. 76
ANEXO II.
SIGMA
79
ANEXO III.
COMPONENTES .......................................................................................................... 81
ANEXO IV.
ANEXO V.
ANEXO VI.
WEB
LIBROS
ELECTRNICOS
RECOMENDADOS....................................................................................................... 85
Pg. 4
1)
QU ES SEIS SIGMA?
1.1)
competencia japonesa).
De la mano de Mikel Harry y Leonard Schroeder, Seis Sigma se extendi con xito a
otras grandes empresas, como Allied Signal, Polaroid y sobre todo, a la compaa
presidida por el famossimo Jack Welch, General Electric. Jack Welch se convirti en
el primer pregonero de las maravillas de Seis Sigma, hasta el punto de incluir en las
memorias anuales algunos xitos alcanzados por GE con Seis Sigma (evidentemente
Pg. 5
1.2)
Mikel Harry facilita datos impactantes sobre los resultados de la aplicacin de Seis
Sigma. Entre ellos se encuentran unos resultados financieros espectaculares:
20% de mejora en el margen.
12 18% de mejora en la capacidad de produccin.
12% de reduccin en el nmero de empleados.
10 30% de reduccin de necesidades de capital.
En relacin con los cinturones negros, Mikel Harry proporciona los siguientes datos:
Una organizacin necesita un cinturn negro por cada unidad de negocio o por cada
100 empleados.
Pueden ahorrar unos 175,000 $/ao.
Pueden abordar unos 5 proyectos /ao.
Pg. 6
Estas cifras describen una especie de Eldorado. Si aplicamos al anlisis de estos datos
algunos de los principios de Seis Sigma, debemos cuestionarlos, ya que no est claro su
origen ni cmo se han obtenido. Es obvio que las cifras de ahorro dependen de:
El punto de partida. No es lo mismo una empresa que ya haya optimizado una buena
parte de sus procesos, que otra que lo tenga todo por hacer.
Lo bien que se hagan las cosas en Seis Sigma. La variabilidad est omnipresente y
no todos los cinturones negros son igual de competentes.
El modo de contabilizarlos. Los mismo resultados pueden contabilizarse de modo
muy distinto.
El nmero de cinturones negros que precisa una organizacin depende de la
complejidad de la misma y de la complejidad de sus procesos. Por lo tanto, el
tamao no es la nica cifra a tener en cuenta.
Por otra parte, en EE.UU. un curso de cinturn negro de cuatro semanas de duracin
cuesta unos $12.000, a los que hay que aadir el coste de las licencias del software,
desplazamientos, estancias, tiempo dedicado, etc. Naturalmente, de acuerdo con las
cifras dadas anteriormente, el retorno de estos $12.000 dlares sera inmediato.
Analizando esto con seriedad surge la pregunta de si Seis Sigma no es ms que un bluff
para vender formacin y consultora.
1.3)
BLUFF?
ES SEIS SIGMA UN
1.4)
ESTADSTICOS NO CONVENCIONALES?
Seis Sigma no cuenta con herramientas propias ni ningn arma secreta desconocida para
el resto de la humanidad:
Ninguna de las herramientas de anlisis estadstico es original de Seis Sigma (EDA,
SPC, ANOVA, DOE, etc.). Estos mtodos estadsticos han estado a disposicin de
las empresas desde hace 75 aos. Sin embargo solo una minora se han interesado
por ellos y han sabido aplicarlos. Como ejemplo se citar el caso de la triste
existencia del Comit de Mtodos Estadsticos de la AEC. Este Comit se fund en
1987 por un grupo de entusiastas. Sin embargo, la falta de inters de las empresas en
participar en el mismo aconsej disolverlo en 1992. Obsrvese el paralelismo de
fechas con el desarrollo de Seis Sigma en Motorola.
Pg. 8
1.5)
No solo son compatibles sino que se refuerzan mutuamente. No tendra lgica aplicar
un Programa Seis Sigma si no existiese un sistema de gestin de la calidad que sirviera
de marco y aportara cosas tan necesarias como la existencia de procedimientos
documentados, control de los registros de recogida de datos, instrumentos de medida
calibrados, etc. Por otra parte, las evaluaciones EFQM detectan oportunidades de
mejora a las que se pueden aplicar Proyectos de Mejora Seis Sigma, etc.
Pg. 9
MODELO
EUROPEO
EFQM
Desarrollar una
gestin
excelentede todos
los aspectos de la
empresa
Mantener y
documentar las
mejoras del proceso
ISO 9000
SEIS SIGMA
1.6)
CALIDAD
La definicin de Seis Sigma de Mikel Harry no se aleja demasiado de cualquiera de las
existentes sobre TQM. Si adems, Seis Sigma no aporta herramientas nuevas, entonces
Seis Sigma es algo nuevo o es lo mismo que TQM? Seguramente la pregunta no est
bien planteada en esos trminos. TQM en s mismo es un concepto vago, hay muchos
TQMs. Cada organizacin practicante de TQM ha hecho su propia versin.
La experiencia nos ha enseado que la mayor parte de las iniciativas de TQM han
acabado a la larga en fracaso. Por qu fallaron estas iniciativas TQM? Pues...las causas
ms comunes han sido las siguientes:
Frecuentemente emplean un concepto nebuloso de calidad, excelencia, etc, que no
es gestionable. Qu quiere decir satisfacer al cliente o hacer las cosas bien a la
Pg. 10
REQUIERE
Pg.
1111
JERARQUIZADA
PARA
CABO
LAS
IN GOD WE TRUST...
1.7)
CALIDAD
Lo que no se puede medirno se puede gestionar y por la tanto no se puede mejorar.
Lord Kelvin formaliz la necesidad de medir un hecho cientfico para poder progresar
en su conocimiento. Qu tiene esto que ver con un ingeniero de calidad, un ingeniero
de fiabilidad, un black belt, etc.? Pues ms de lo que parece
a primera vista. Un
LORD KELVIN
Modelos explicativos:
Adems incluyen el fenmeno que produce la realidad observada.
Ejemplos:
Astronoma a partir de Newton Galileo Coprnico, etc.
Pg.
1414
REALIDAD
OBSERVADA
FORMULAR
HIPTESIS QUE
EXPLIQUE LA
REALIDAD (MODELO)
NUEVAS
OBSERVACIONES
No
COMPATIBLES
CON EL
MODELO?
MANTENER
HIPTESIS (MODELO)
Figura 4: El conocimiento cientfico
En ingeniera de calidad y de fiabilidad se puede aplicar el mtodo cientfico a la
resolucin de los problemas. Es decir, se busca el conocimiento emprico de una
relacin causa - efecto (modelo) que explique aspectos como el fallo, valor de la
caracterstica de calidad obtenida, etc. (fenmeno observado). Para ello se analizan
datos observados, de la misma forma que hicieron los astrnomos para formular las
F ( X 1 , X 2 ,L, X n
)
G( X 1 , X 2 ,L, X n )
Un buen Black Belt debe tratar de parecerse a un cientfico con la intuicin y capacidad
deductiva de un detective: Galileo y Sherlock Holmes.
--------------------------------------------------------------------------------------------------------------------
MEJORAR SU CARACTERSTICA
DISMINUIR SU VARIABILIDAD=
MEJORA DE CAPACIDAD DE PROCESO
HACERLO INSENSIBLE A
FACTORES EXTERNOS= ROBUSTO
Figura 5: Posibilidades de mejora el proceso
1.8)
Pg. 17
--------------------------------------------------------------------------------------------------------------------
Pg. 18
--------------------------------------------------------------------------------------------------------------------
2)
NIVEL SIGMA
La metodologa de mejora Seis Sigma requiere que la calidad se mida de una manera
objetiva. En este aspecto no se diferencia de otros mtodos de mejora preexistentes. Sin
embargo, Seis Sigma aporta una mtrica de medida originaria de MOTOROLA. Esta
mtrica es conceptualmente igual a los ndices de capacidad de proceso cp (para el nivel
sigma a corto plazo) y cpk (para el nivel sigma a largo plazo) que se utilizan en
ingeniera de calidad desde hace dcadas.
Sigma ( ) es la letra griega que se emplea para representar el parmetro que mide la
variabilidad de una distribucin estadstica (desviacin tpica).
Sin entrar en detalles estadsticos que estn aqu fuera de lugar, si el proceso sigue una
funcin de distribucin de probabilidad normal (nuestra vieja amiga la campana de
Gauss) y el intervalo de tolerancia fuera igual a 12
lado del valor nominal), entonces la fraccin defectuosa de un proceso centrado sera
0.002 ppm. En esta caso, se dira que el proceso tiene un nivel de calidad 6 . Si la
amplitud fuera de cinco desviaciones tpicas, el nivel de calidad sera de
5 , y as
sucesivamente.
Naturalmente, en el mundo real los procesos no estn estables con la media invariable
en el valor nominal. Supongamos que el proceso derivara 1.5
extremos. En este caso, la fraccin defectuosa aumentara hasta 3.4 ppm, que es el
objetivo fijado en un Programa Seis Sigma. Este 1.5
es indudablemente arbitrario y
est muy
cuestionado por los distintos expertos. En opinin de este autor, es una discusin estril.
En la Figura 6 se pone de manifiesto el efecto del desplazamiento.
A travs de la campana de Gauss, fijado un nivel sigma, es posible conocer la fraccin
defectuosa y a la inversa. Si no se considera el desplazamiento se denomina nivel a
corto plazo (Zst), ya que el proceso no puede operar totalmente centrado de manera
indefinida; y si se considera el desplazamiento se denomina nivel a largo plazo (Zlt). En
la Tabla 1 se ha presentado la relacin que existe entre el nivel sigma, la fraccin
defectuosa y lo que en terminologa Seis Sigma se denomina FTY (First Time Yield, es
decir la fraccin de elementos fabricados bien a la primera sin ningn defecto). En
esta tabla puede observarse que en la medida que se sube de nivel, resulta ms difcil la
siguiente etapa.
Cualquier practicante de SPC identificar rpidamente la relacin que tiene el nivel de
calidad sigma empleado en la metodologa Seis Sigma con los ndices tradicionales cp y
cpk
Pg.
2020
-7
-6
-5
-4
-3
-2
-1
NIVEL SIGMA
CENTRADA
2,699.93
66,810.63
0.99730007
0.93318937
3.5
465.35
22,750.35
0.99953465
0.97724965
63.37
6,209.70
0.99993663
0.99379030
4.5
6.802
1,349.97
0.99999320
0.99865003
0.574
232.67
0.99999943
0.99976733
5.5
0.038
31.69
0.99999996
0.99996831
0.002
3.40
1.00000000
0.99999660
2.2)
Pero cunto significa el nivel sigma en trminos prcticos? Veamos algunos ejemplos:
NIVEL
SIGMA
3
4
5
6
EN UN TEXTO
1,5 erratas por pgina
1 errata cada 30 pginas
1 errata en una enciclopedia
1 errata en una biblioteca
EN TIEMPO
3,5 meses por siglo
2,5 das por siglo
30 minutos por siglo
6 segundos por siglo
pequea
Tabla 2: Ejemplos de orden de magnitud para cada nivel sigma
Supongamos que se quiere limpiar una alfombra de 10 m2. En la Figura 7 se ha
representado la superficie sucia para cada nivel sigma.
Total 10 m2
Si la calidad de mi proceso de
limpieza es 3 Sigma, me dejo
sucio 0,67 m2
Si la calidad de mi proceso de
limpieza es 4 Sigma, me dejo
sucio 0,062 m2 = 621 cm2
Si la calidad de mi proceso de
limpieza es 5 Sigma, me dejo
sucio 0,002 m2 = 23.3 cm2
Si la calidad de mi proceso de
limpieza es 6 Sigma, me dejo
sucio 0,00003 m2 = 0,3 cm2
2.3)
3.4 PPM?
Aparentemente, 3.4 ppm parece un objetivo absolutamente desproporcionado y fuera
del alcance de una empresa salvo que est dispuesta a dilapidar recursos. Lo anterior
tiene dos aspectos, el primero es la idoneidad del objetivo y el segundo si puede ser
alcanzado de una manera rentable. Abordemos de momento el primer aspecto. En la
Tabla 3 se representa el FTY en funcin del nmero de componentes que lo integran y
del nivel sigma con el que han sido fabricados dichos componentes. Por ejemplo, si el
elemento est compuesto por 100 componentes distintos, fabricados con 4 , para que el
elemento sea conforme debern serlo sus 100 componentes, por lo que nicamente se
fabricarn bien a la primera el 53.64%. Obviamente esta cifra est lejos de cualquier
estndar competitivo, por lo que es necesario que los componentes se fabriquen con un
nivel sigma mayor.
Es importante resaltar que este objetivo de 3.4 ppm se aplica a defectos en los procesos
de fabricacin, no a unidades finales.
En relacin con el segundo aspecto, las empresas pioneras en Seis Sigma han
demostrado que esto es posible. Por otra parte, este xito no debe resultar sorprendente,
ya que las herramientas empleadas van encaminadas a la prevencin y sobre todo, a
incrementar el conocimiento sobre los procesos y las necesidades de los clientes.
Pg.
2323
4 SIGMA
5 SIGMA
6 SIGMA
ppm (1,5 SIGMA) ppm (1,5 SIGMA) ppm (1,5 SIGMA)
6.210
232,7
3,4
Nmero de
componentes
1
5
10
50
100
500
1000
5000
99,3790%
96,9335%
93,9610%
73,2382%
53,6383%
4,4399%
0,1971%
0,0000%
99,9767%
99,8837%
99,7676%
98,8432%
97,6999%
89,0163%
79,2391%
31,2390%
99,9997%
99,9983%
99,9966%
99,9830%
99,9660%
99,8301%
99,6605%
98,3140%
NIVEL
SIGMA
COSTE DE LA CALIDAD
OBSERVACIONES
25 40%
Baja competitividad
15 25 %
Situacin tpica
5 15%
< 1%
(% FACTURACIN)
Situacin de buena
competitividad
Situacin de excelencia
A. Bender y D. H. Evans . Por las fechas no puede decirse que estos trabajos sean
excesivamente novedosos y recomiendan aplicar un coeficiente de 1,5 a la desviacin
tpica del proceso calculada a corto plazo para tener en cuenta el efecto de los
desplazamientos que pueda tener la media. Por lo tanto, este 1,5 no debe entenderse
como una frmula exacta sino ms bien como un coeficiente de seguridad.
Es preciso reconocer que el hecho de que se haya fijado este coeficiente tiene algunas
ventajas:
Pone de manifiesto que los controles deben ser capaces de detectar derivas del
proceso de 1.5 . En la realidad esto no es tan sencillo; por ejemplo, la
probabilidad de que un grfico de medias con un tamao de muestra de cinco
unidades detecte esta deriva en la primera muestra es aproximadamente un 60%
solamente.
Facilita la comparacin entre procesos, lo que no sera posible si se emplearan
coeficientes diferentes.
2.5)
Para estimar
a corto plazo debe considerarse datos (piezas) entre los que solo puedan
Statistical Tolerancing,: The State of the Art, Part III: Shift and Drifts. Journal of Quality Technology,
Abril 1975.
subgrupo homogneo racional (variabilidad a corto plazo). Esto puede justificarse por
el desgaste de la herramienta, cambios de lotes de materia prima, cambios de operario,
fluctuacin de temperaturas, etc.
Sin entrar en detalles, la variabilidad a corto plazo se corresponde con la variabilidad
media de las diez muestras de cinco piezas (variabilidad dentro de cada muestra),
mientras que la variabilidad a largo plazo debe incluir adems la variabilidad entre las
diez muestras, por lo que esta ltima es siempre mayor. El hecho de que la variabilidad
a largo plazo sea siempre mayor que la variabilidad a corto plazo, hace que el nivel
sigma a corto plazo sea mayor que el nivel correspondiente a largo plazo. En la Tabla 5
se sintetiza el proceso de conversin.
DE
A
+1,5
-1,5
10
N m ero d e m u
estra
2.6)
--------------------------------------------------------------------------------------------------------------------
Frecuencia
30
20
10
Tinf
Tsup
0
2
10
12
14
16
18
20
22
Espesores
Pg. 28
--------------------------------------------------------------------------------------------------------------------
Frecuencia
20
10
0
1.0
1.1 Tinf
1.2
1.3 Tsup
1.4
Espesores
Pg. 29
2.7)
CONTINUA?
Si la caracterstica no es de tipo continuo se emplea la Tabla 1 para pasar de fracciones
defectuosas a nivel sigma. Esta tabla se obtiene de la propia definicin del nivel sigma.
Ahora bien, en general resulta muy aconsejable no limitarse a la simple clasificacin de
las piezas en conformes y no conformes, sino dar un paso ms y contabilizar los
defectos que se producen. Este enfoque permite una escala de medida ms matizada y
consecuentemente, ms sensible.
Los pasos a dar son los siguientes:
Definicin de lo que se considera defecto. En algunos casos esto no resulta
sencillo (por ejemplo, cuando se trate de inspeccin visual) y es posible que sea
necesario contar con defectos patrn a disposicin de los inspectores.
En aquellos casos en los que se prevea un grado de subjetividad importante,
debe hacerse un estudio R&R entre los inspectores que vayan a intervenir, de
modo que se asegure que todos los inspectores emplean los mismos criterios.
Calcular las oportunidades que presenta cada unidad fabricada para producir
un defecto. Habitualmente se expresan en oportunidades / milln de piezas. Este
es un punto muy importante, ya que si se eleva artificialmente el nmero de
oportunidades de error, se eleva tambin el nivel sigma. En general no deben
considerarse aquellas oportunidades de errores que no se comprueban, que
no se hayan presentado nunca o para las que se ya se haya implantado
medidas preventivas para evitar su aparicin.
Contar los defectos encontrados y dividirlo por el nmero de unidades
inspeccionadas. En la jerga Seis Sigma, se denomina habitualmente DPU
(Defects Per Unit).
Pg.
3030
dpu
Dividir las DPU por las oportunidades de defecto que presenta cada unidad. En
la jerga Seis Sigma, se denomina habitualmente DPO (Defects Per Opportunity)
o DPMO (Defects Per Million of Opportunities).
6
10 dpu
oportunidades de defecto / unidad
dpmo
dpo
dpu
oportunidades de defecto / unidad
Araazos en el tablero
Falta cantonera
Color diferente
Patas dobladas
Araazos en estructura y
patas
0-5
IIII
III
IIII
II
IIII
6-10
IIII
11-15
II
16-20
TOTAL
12
3
5
2
6
2.8)
UNIDADES
1.000
1.000
1.000
1.000
1.000
NMERO
DEFECTOS
5
25
20
50
OPORT. /
TARJETA
50
50
400
500
OPORT. / DEFECTOS
TOTALES
50.000
5
50.000
25
400.000
20
500.000
50
DPU
DPO
0,0050
0,0250
0,0200
0,0500
0,0001
0,0005
0,0001
0,0001
DPMO
NIVEL
(ppm)
SIGMA
100,0
5,2
500,0
4,8
50,0
5,4
0,0
5,2
--------------------------------------------------------------------------------------------------------------------
Pg. 34
--------------------------------------------------------------------------------------------------------------------
3)
Pg. 35
--------------------------------------------------------------------------------------------------------------------
Pg. 36
--------------------------------------------------------------------------------------------------------------------
CHAMPION
Pg. 37
BLACK BELT
--------------------------------------------------------------------------------------------------------------------
USOS
QUE
UNA
ORGANIZACIN
PUEDE
HACER
DE
UN
--------------------------------------------------------------------------------------------------------------------
Pg. 39
--------------------------------------------------------------------------------------------------------------------
--------------------------------------------------------------------------------------------------------------------
FIJACIN OBJETIVOS
ANUALES
(DIRECCIN
/ CHAMPION/
COMIT 6 SIGMA)
SELECCIN DE
PROYECTOS
6 SIGMA
(CHAMPION/
COMIT 6 SIGMA)
PROYECTOS
DFSS
(MBB/BB)
PROYECTOS
DMAIC
(MBB/BB/GB)
RECONOCIMIENTO
RESULTADOS DEL
PROYECTO
(D. FINANCIERA /
CHAMPION/
COMIT 6 SIGMA)
SEGUIMIENTO
OBJETIVOS ANUALES
(CHAMPION/
COMIT 6 SIGMA)
--------------------------------------------------------------------------------------------------------------------
RESPONSABLES
TPICO
INPUT
OUTPUT
INDICADORES TPICOS
FIJACIN
OBJETIVOS
ESTRATGICOS
FIJACIN
OBJETIVOS
ANUALES
DIRECCIN /
CHAMPION /
COMIT 6 SIGMA
DIRECCIN /
CHAMPION /
COMIT 6 SIGMA
RESULTADOS PERIODOS
ANTERIORES
ESTRATEGIA COMPETITIVA
SELECCIN DE
PROYECTOS 6
SIGMA
CHAMPION /
COMIT 6 SIGMA
(ver epgrafe 4)
ESTRATEGIA COMPETITIVA
1. MAPA
DE
PROCESOS
PRINCIPALES.
2. DESPLIEGUE DE LA VOZ
DEL CLIENTE (VOC->CTQ,
CTC). REALIZADO A ALTO
NIVEL.
3. MTRICAS
DE
LA
ESTRATEGIA (CUADRO DE
MANDO) Y OBJETIVOS A
1.
MAPA DE
PROCESOS
PRINCIPALES.
2. DESPLIEGUE DE LA VOZ
DEL CLIENTE (VOC->CTQ,
CTC). REALIZADO A ALTO
NIVEL.
3. MTRICAS
DE
LA
ESTRATEGIA
(CUADRO
DE MANDO) Y OBJETIVOS
A ALCANZAR
4. PRESUPUESTO
DEL
PROGRAMA 6 SIGMA
1. RESULTADO
DE
LA 1. FRACASO: PROYECTOS CANCELADOS /
EVALUACIN DE LOS
PROYECTOS FINALIZADOS
PROYECTOS DE MEJORA.
2. PROJECT
CHARTER
PRELIMINAR
DE
LOS
PROYECTOS LANZADOS.
3. ASIGNACIN
DEL
MBB/BB/GB y EQUIPO AL
PROYECTO.
PROCESO
RESPONSABLES
TPICO
EJECUCIN
DE
PROYECTOS
DE
MEJORA 6 SIGMA:
(DMAIC
O
DFSS)
MBB/BB/GB
RECONOCIMIENTO
DEL RESULTADO
DE LOS
PROYECTOS 6
SIGMA
SEGUIMIENTO DE
D. FINANCIERA /
CHAMPION /
COMIT 6 SIGMA
Pg.
4343
CHAMPION /
INPUT
OUTPUT
ALCANZAR
4. PRESUPUESTO
DEL
PROGRAMA 6 SIGMA
5. OPORTUNIDADES
DE
MEJORA
1. RESULTADO
DE
LA INFORME FINAL DE LOS
EVALUACIN
DE
LOS PROYECTOS:
PROYECTOS DE MEJORA.
PROYECTOS DMAIC (ver
2. PROJECT
CHARTER
epgrafe 5)
PRELIMINAR
DE
LOS
PROYECTOS DFSS (ver
PROYECTOS LANZADOS.
epgrafe 6)
3. ASIGNACIN
DEL
MBB/BB/GB y EQUIPO AL
PROYECTO.
INFORME DE
RECONOCIMIENTO DE
RESULTADOS FINANCIEROS
INDICADORES TPICOS
1. CUMPLIMIENTO
FECHAS:
FASES
CERRADAS EN FECHA/ FASES TOTALES
CERRADAS.
2. CUMPLIMIENTO
OBJETIVOS
ECONMICOS: OBJETIVOS ECONMICOS
ALCANZADOS POR LOS PROYECTOS
CERRADOS/ OBJETIVOS ECONMICOS
ASIGNADOS
A
LOS
PROYECTOS
CERRADOS.
3. CUMPLIMIENTO
OBJETIVOS
NO
ECONMICOS.
--------------------------------------------------------------------------------------------------------------------
RESPONSABLES
TPICO
OBJETIVOS
ANUALES
COMIT 6 SIGMA
INPUT
PROYECTOS
INFORME
RECONOCIMIENTO
RESULTADOS
FINANCIEROS.
OUTPUT
DE
DE
INDICADORES TPICOS
--------------------------------------------------------------------------------------------------------------------
3.4)
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7 Mes 8 Mes 9 Mes 10
1234123412341234123412341234123412341234
PEDIDO
1 CURSO CHAMPION
2 CURSO CINTURON
NEGRO
3 ESTRUCTURACIN
SEIS SIGMA EN LA
ORGANIZACIN
4 TUTORA
CINTURONES
NEGROS
3.5)
FORMACIN DE BB Y GB
http://www.asq.org/certification/six-sigma/bok-07.html
programa
de
conocimiento
requerido
por
la
ASQ
puede
para
consultarse
un
BB
el
en
http://www.asq.org/certification/six-sigma-green-belt/bok.html el correspondiente a un
GB.
Los asistentes al curso deben contar con un ordenador dotado de un paquete estadstico
(el ms habitual es MINITAB), MS Office o equivalente. Es conveniente que cuenten
con una buena herramienta para diagramar procesos (por ejemplo iGraf Process) y para
realizar despliegues QFD (por ejemplo QUALICA). Este software ser fundamental para
desarrollar el trabajo de BB de un modo eficiente.
Para conseguir llevar casos reales al curso, es muy til contar con herramientas de
simulacin de procesos que permitan que el asistente se enfrente a casos reales donde
pueda aplicar las tcnicas y herramientas aprendidas. Entre estas herramientas destacan
SimDoe y SimSPC desarrolladas por ATISAE.
Para que los asistentes puedan seguir el curso con aprovechamiento y que pueden
desempear posteriormente el papel de BB con competencia, han de reunir el siguiente
perfil:
Es preciso que manejen con soltura las funciones matemticas bsicas. Deseable
ingeniero tcnico / ingeniero superior / licenciado en ciencias / licenciado en
econmicas o empresariales.
Familiaridad con el manejo de programas informticos en entorno Windows.
Perspicacia, capacidad analtica y de razonamiento deductivo.
Personalidad y capacidad de liderazgo que le permitan dirigir grupos de mejora.
SEMANA
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Mdulo 1
Mdulo 2
Mdulo 3
Mdulo 4
Test
comprobacin
conocimientos
Definicin del proyecto
prctico de mejora
Realizacin
proyecto
prctico de mejora
Presentacin y evaluacin
Proyecto
3.6)
SEIS SIGMA ?
A esta pregunta no se puede responder de una manera concluyente. En la Figura 16 se
representan los tiempos que habitualmente se consideran necesarios para progresar. Por
ejemplo, para progresar de 3 a 4 se precisa una ao; para progresar de 4 a 5 se
--------------------------------------------------------------------------------------------------------------------
Aos
4
3
2
1
0
DFSS
3
Nivel Sigma
Pg. 50
--------------------------------------------------------------------------------------------------------------------
4)
SELECCIN DE PROYECTOS
4.1)
INTRODUCCIN
Seis Sigma no solo debe establecer pautas sobre cmo mejorar, sino que tambin debe
establecer qu hay que mejorar. Esto supone que se deben implantar mecanismos para:
a) Detectar las oportunidades de mejora, es decir los "problemas" que tiene la
organizacin.
b) Seleccionar aquellas oportunidades de mejora qu se consideren prioritarias.
--------------------------------------------------------------------------------------------------------------------
Para una organizacin un problema es todo aquello que le impide alcanzar sus fines. Es
decir, que mientras la organizacin no resuelva ese problema no alcanzar sus fines.
Como consecuencia de la definicin dada, para que una organizacin tenga problemas,
primero ha de tener unos fines (objetivos). Esto relativiza el concepto de problema.
Algo que puede ser un problema muy importante para una organizacin (por ejemplo, la
reduccin de plazos de entrega), puede no tener ninguna importancia para otra
organizacin o incluso para la misma organizacin si cambia su estrategia competitiva y
consecuentemente los objetivos a alcanzar.
Lo anterior no quiere decir que una organizacin sin objetivos no pueda resolver
problemas. Naturalmente que s. Lo que ocurre es que es muy posible que los
problemas que resuelva no sean sus verdaderos problemas y que por tanto est
perdiendo el tiempo y dilapidando recursos. Una vez ms retoman actualidad los
escritos de Sneca, De Constantia Sapientis, que nos deca que a un barco que no sabe
adonde va cualquier viento le viene bien.
4.3)
Seis Sigma se caracteriza por basarse en datos. En metodologa Seis Sigma, los datos
son como el estetoscopio en la medicina. Se trata de auscultar a la organizacin para ver
qu datos produce y cmo se pueden interpretar. Las fuentes de informacin tpicas para
proponer proyectos de mejora se pueden clasificar en:
Fuentes de informacin externas: Este tipo de fuentes permite responder a preguntas
como "en qu estamos fallando o vamos a fallar en la satisfaccin
de las
Pg. 52
--------------------------------------------------------------------------------------------------------------------
Pg. 53
--------------------------------------------------------------------------------------------------------------------
4.4)
--------------------------------------------------------------------------------------------------------------------
--------------------------------------------------------------------------------------------------------------------
4.5)
Ttulo. Debe ser corto pero suficientemente explcito. Por ejemplo "Reduccin del
plazo de entrega de XXX".
II.
III.
Pg. 56
--------------------------------------------------------------------------------------------------------------------
V.
VI.
Condicionantes.
En
algunas
ocasiones
los
proyectos
tienen
algunos
condicionantes que hacen que no valga cualquier solucin. Por ejemplo, en el caso
anterior, el Project Charter podra decir "no se puede modificar la disposicin en
planta del taller XX" o "la pieza XX debe seguir siendo de acero por lo que no
deben considerarse soluciones con materiales cermicos".
VII. Presupuesto. En la ejecucin de los Proyectos Seis Sigma la partida de gasto ms
importante suele ser las horas dedicadas por el equipo asignado, pero a veces
Pg. 57
--------------------------------------------------------------------------------------------------------------------
--------------------------------------------------------------------------------------------------------------------
--------------------------------------------------------------------------------------------------------------------
Pg. 60
--------------------------------------------------------------------------------------------------------------------
Pg. 61
--------------------------------------------------------------------------------------------------------------------
Pg. 62
Pg.
6363
5,00
4,00
3,00
2,00
1,00
0,00
M
L
J
4 Aumento ventas
{
42,00
126,00
89,00
89,00
29,00
261,00
85,00
765,00
Proyectos
Criterios
Peso Criterio
C
B
A
Emite
Directrices,
estrategia,
objetivos, etc
Maestro Cinturones
Negros
Cinturn Negro
Responsables de los
Procesos
Personal
Define
procedimiento
de seleccin de
proyectos
Aprueba
procedimiento
de seleccin de
proyectos
Identifican
problemas
(Programa de
sugerencias)
Propone
proyectos
Proponen
proyectos
Proponen
proyectos
(VOP, VOC)
Evalan
proyectos
Proyectos
seleccionados
Gestin
Proyecto Seis
Sigma
5)
--------------------------------------------------------------------------------------------------------------------
Definir (DEFINE).
Medir (MEASURE).
Analizar (ANALYZE).
Mejorar (IMPROVE).
Controlar (CONTROL).
--------------------------------------------------------------------------------------------------------------------
Pg. 67
--------------------------------------------------------------------------------------------------------------------
Mejorar
El objetivo de esta fase es demostrar con datos que la solucin propuesta resuelve el
problema y supone una mejora. Junto con la fase anterior, la utilizacin de las
herramientas estadsticas es esencial.
En esta fase se trata de la
anterior. En algunos casos esta puesta en prctica puede ser inmediata (por ejemplo,
cambio de la temperatura de trabajo de un horno), pero en otros puede ser ms lenta
(por ejemplo, por requerir la preparacin de utillaje especial).
Una vez puesta en marcha la solucin, se trata de verificar si los resultados del nuevo
proceso son mejores que los del proceso antiguo y llegar a la optimizacin final.
Obviamente el anlisis estadstico es de gran ayuda para respaldar estas conclusiones.
En el caso de que los datos obtenidos respalden las mejoras, puede adoptarse esa
solucin y pasar a la siguiente fase. En caso contrario, debe aprovecharse la informacin
obtenida para definir las siguientes investigaciones.
En esta fase necesariamente:
Deben fijarse los valores ptimos de los CTP.
Deben quedar definidas las tolerancias de los parmetros.
Controlar
El objetivo de esta fase es asegurarse de que la mejora se incorpora a la operativa
normal. Sin esta fase todo lo anterior no valdra para nada.
La implantacin de la solucin de una manera permanente tiene tres aspectos
diferenciados:
Definicin de responsabilidades del proceso una vez finalizado el proyecto de
mejora. El nuevo proceso puede requerir nuevas actividades a las que sea preciso
asignar personal responsable.
Pg.
6969
FASE
OBJETIVOS
DEFINIR
MEDIR
ANALIZAR
MEJORAR
CONTROLAR
CIERRE
Cuantificar
las
aportaciones
econmicas del proyecto
DOCUMENTACIN A
ENTREGAR EN EL TOLLGATE
Project Charter (actualizado).
Anlisis de partes implicadas.
SIPOC.
VOC.
AMFE (cuando se juzgue necesario)
Plan de recogida de datos.
Despliegue CTQ/CTP->CTP.
R&R del sistema de medida que genere
los datos (cuando se juzgue necesario).
Datos recogidos.
Informe justificativo.
Informe justificativo.
Procedimientos e instrucciones de
trabajo que sea necesario modificar.
Informe de caracterizacin del proceso
final
Informe financiero de cierre del
proyecto.
1
1
5
3
3
3
5
21
Tiempo
tpico
reunin
1,00
4,00
2,00
3,00
3,00
1,00
1,00
BB con el
Horas trabajo
BB
Total Distribucin
grupo de personal del BB / Individual
horas
trabajo
horas reunin
1,00
2,00
2,00
3,00
2%
4,00
3,00
12,00
16,00
9%
10,00
3,00
30,00
40,00
22%
9,00
5,00
45,00
54,00
29%
9,00
5,00
45,00
54,00
29%
3,00
2,00
6,00
9,00
5%
5,00
1,00
5,00
10,00
5%
41
145
186
100%
MES 3
LANZAMIENTO
DEFINIR
MEDIR
ANALIZAR
MEJORAR
CONTROLAR
SEGUIMIENTO
CIERRE PROYECTO
RECONOCIMIENTO
RESULTADOS
MES 8
COMIT SEIS
SIGMA
CONTROLLER
FINANCIERO
SELECCIN
PROYECTO
FASE DEFINIR
No Aprobad
TOLLGATE 1
Aprobado
FASE MEDIR
No Aprobad
TOLLGATE 2
Aprobado
FASE
ANALIZAR
No Aprobado
TOLLGATE 3
Aprobado
FASE
MEJORAR
No Aprobad
Aprobado
TOLLGATE 4
No Aprobado
Aprobado
CIERRE
PROYECTO
FASE
CONTROLAR
RECONOCIMI
ENTO DE
AHORROS Y
BENEFICIOS
ECONMICOS
--------------------------------------------------------------------------------------------------------------------
6)
INTRODUCCIN AL DFSS.
Es bien sabido que no puede haber una buena calidad si no hay un buen diseo. La idea
del DFSS (Design For Six Sigma) es anticiparse en la etapa de diseo de manera que se
eliminen o neutralicen las causas que pueden propiciar no conformidades. Sin embargo
DFSS, no llega a un nivel de detalle metodolgico comparable al DMAIC. Una de las
causas que explican este hecho puede ser la heterogeneidad de situaciones que pueden
encontrarse bajo la palabra diseo. En efecto, seguramente tiene muy poco en comn
disear un nuevo modelo de telfono mvil, una pliza de seguros o el sistema
contraincendios de un aeropuerto.
Dentro de DFSS existen varias escuelas, entre las que se encuentran las siguientes:
DMADV (Define, Measure, Analyze, Design and Verify). Probablemente es la ms
difundida y es una adaptacin de DMAIC a un proceso de diseo. Por esta razn
funciona bien cuando se aplica al diseo de nuevos procesos.
IDOV (Identify, Define, Optimize, Validate). Probablemente sea esta la versin que
mejor se adapte a los casos de diseo de productos industriales.
DCCDI (Define, Customer, Concept, Design, Implementation). Etc.
La opinin del autor es que resulta muy difcil definir una metodologa de diseo que se
adapte con xito a cualquier situacin, organizacin y tipo de producto o servicio. Por lo
tanto,
tomando como partida cualquiera de las anteriores y ha de hacer uso de las siguientes
herramientas y tcnicas:
AMFE. QFD.
Benchmarking.
DOE, en particular las aplicaciones dirigidas a diseos robustos.
Tcnicas de simulacin (en algunos casos, en combinacin con DOE).
Pg. 73
--------------------------------------------------------------------------------------------------------------------
SELECCIN
DEL
PROYECTO
PROCESO O
PRODUCTO
NUEVO
DFSS
No
REINGENIERA
DEL PROCESO?
No
DMAIC
Figura 22: DMAIC VS DFSS
Pg. 74
7)
CONCLUSIONES
A modo de resumen, Seis Sigma presenta las caractersticas siguientes:
Es una metodologa muy eficaz para la mejora de los procesos que basa las
decisiones en criterios estadsticos y su objetivo es la mejora de la cuenta de
resultados.
No emplea ninguna herramienta estadstica nueva u original.
Tiene definida una sistemtica de gestin de proyectos de mejora muy potente.
Es totalmente aplicable a la mejora de los servicios.
Ha vuelto a poner de manifiesto que las herramientas estadsticas presentan unas
posibilidades enormes para la mejora de los procesos, de los productos y de los
servicios.
Para aplicar estas herramientas con xito hay que tener una mezcla de rigor
estadstico matemtico y sentido prctico.
En general, no se debe implantar de manera mimtica el Seis Sigma de Motorola, de
GE ni ningn otro, sino adaptarlo a las necesidades de cada organizacin.
Es complementaria y se realimenta positivamente con ISO 9000 y EFQM.
De manera general, no se puede alcanzar ninguna meta que merezca la pena sin
esfuerzo y talento. Particularizando, no puede alcanzarse ninguna mejora si no se
asignan a ello personas capacitadas para ello y con suficiente disponibilidad de
tiempo.
Pg.
7575
ANEXO I.
ABREVIATURAS
CTC
Critical To Cost
OBSERVACIONES
Critical To Quality
Adaptacin de DMAIC
(reingeniera) al rediseo de un
proceso
Adaptacin de DMAIC
(reingeniera) al rediseo de un
proceso
10^6*DPO
DPMU
DPO
DPU
EDA
10^6*DPU
FTY
FY
Final Yield
Fraccin de la produccin
conforme a la primera en una
etapa del proceso, FTY = Unid.
Conf./ Unid. Procesadas. Se
recomienda emplear TY en lugar
de FTY.
Fraccin de la produccin
conforme a la primera en todas
las etapas del proceso, FY =
Unid. Conf. al final del Proceso/
Unid. Procesadas al principio del
Proceso. Se recomienda
emplear RTY en lugar de FY.
GB
Green Belt
Cinturn Verde
KPI
LT
MBB
NY
RTY
SIPOC
SMED
SSBS
ST
TOP
Total Opportunities
TT
Takt Time
Corto Plazo
OBSERVACIONES
Se refiere al sistema de gestin
de proyectos 6 sigma (no a la
gestin de "un proyecto seis
sigma").
Adaptacin de DMAIC
(reingeniera) al rediseo de un
proceso
Mtrica asociada a un CTP
Periodo de tiempo en el que el
proceso puede estar afectado
por otras fuentes de variabilidad
distintas de las causas comunes
(por ejemplo derivas de la
media).
NY=(RTY)^1/K (proceso de k
etapas).
Probabilidad de que una pieza
se fabrique a la primera sin
ningn defecto a lo largo de todo
el proceso. RTY = exp(-DPU),
DPU es la suma de los DPUs de
todas las etapas del proceso
Diagrama de flujo de alto nivel
(bajo nivel de detalle) que
representa el proceso
Diseo de utillajes para que se
puedan reemplazar muy
rpidamente y poder fabricar
piezas diferentes. Permite una
fabricain flexible con lotes
pequeos
DMAIC + DFSS + DESPLIEGUE
Periodo de tiempo en el que solo
influye la variabilidad natural del
proceso (causas comunes).
TOP =DPU x Nmero de
Unidades
Takt es la palabra alemana para
el comps de la orquesta. Se
refiere el tiempo en el que hay
que realizar una operacin.
TY
Throughput Yield
VOC
VOP
VSM
SIGLAS
INGLS
ACLARACIN SIGLAS
OBSERVACIONES
analizar flujos de proceso. Sirve
para identificar y reducir el
desperdicio.
ANEXO II.
SIGMA
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
4,1
4,2
4,3
4,4
4,5
4,6
4,7
4,8
4,9
5,0
5,1
5,2
5,3
CENTRADA
(CORTO PLAZO)
Frac. Defect.
(ppm)
45.500,124
35.728,715
27.806,798
21.448,162
16.395,058
12.419,360
9.322,444
6.934,046
5.110,381
3.731,760
2.699,934
1.935,342
1.374,404
966,965
673,962
465,347
318,291
215,660
144,745
96,231
63,372
41,337
26,708
17,092
10,834
6,802
4,229
2,605
1,589
0,960
0,574
0,340
0,200
0,116
DESPLAZADA
1,5 SIGMA
LARGO PLAZO
Frac. Defect.
(ppm)
308.770,206
274.412,211
242.071,409
211.927,706
184.108,207
158.686,946
135.686,770
115.083,086
96.809,096
80.762,128
66.810,630
54.801,404
44.566,734
35.931,060
28.716,973
22.750,349
17.864,528
13.903,499
10.724,139
8.197,562
6.209,699
4.661,233
3.467,029
2.555,194
1.865,882
1.349,968
967,672
687,202
483,483
336,981
232,673
159,146
107,830
72,372
CENTRADA DESPLAZADA
1,5 SIGMA
Yield
0,954
0,964
0,972
0,979
0,984
0,988
0,991
0,993
0,995
0,996
0,997
0,998
0,999
0,999
0,999
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Yield
0,691
0,726
0,758
0,788
0,816
0,841
0,864
0,885
0,903
0,919
0,933
0,945
0,955
0,964
0,971
0,977
0,982
0,986
0,989
0,992
0,994
0,995
0,997
0,997
0,998
0,999
0,999
0,999
1,000
1,000
1,000
1,000
1,000
1,000
SIGMA
5,4
5,5
5,6
5,7
5,8
5,9
6,0
CENTRADA
(CORTO PLAZO)
Frac. Defect.
(ppm)
0,067
0,038
0,021
0,012
0,007
0,004
0,002
DESPLAZADA
1,5 SIGMA
LARGO PLAZO
Frac. Defect.
(ppm)
48,116
31,686
20,669
13,354
8,546
5,417
3,401
CENTRADA DESPLAZADA
1,5 SIGMA
Yield
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Yield
1,000
1,000
1,000
1,000
1,000
1,000
1,000
CENTRADA (CORTO
PPM
1,0E-01
1,0E-02
1,0E-03
SIGMA
LARGO PLAZO
1,0E-04
1,0E-05
1,0E-06
1,0E-07
1,0E-08
1,0E-09
1,0E-102,00
7,00
3,00
4,00
5,00
6,00
K SIGM A
Pg.
8080
ANEXO III.
Nmero de
componentes
1
5
7
10
20
40
50
60
80
100
150
200
300
400
500
600
700
800
900
1.000
1.200
3.000
5.000
10.000
50.000
100.000
150.000
93,32%
70,77%
61,63%
50,08%
25,08%
6,29%
3,15%
1,58%
0,40%
0,10%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,99379
0,96933
0,95733
0,93961
0,88287
0,77945
0,73238
0,68815
0,60755
53,64%
39,28%
28,77%
15,43%
8,28%
4,44%
2,38%
1,28%
0,69%
0,37%
0,20%
0,06%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,999767
0,998837
0,998372
0,99768
0,99536
0,99074
0,98843
0,98613
0,98156
97,70%
96,57%
95,45%
93,26%
91,11%
89,02%
86,97%
84,97%
83,01%
81,10%
79,24%
75,64%
49,75%
31,24%
9,76%
0,00%
0,00%
0,00%
0,999997
0,999983
0,999976
0,99997
0,99993
0,99986
0,99983
0,99980
0,99973
99,97%
99,95%
99,93%
99,90%
99,86%
99,83%
99,80%
99,76%
99,73%
99,69%
99,66%
99,59%
98,98%
98,31%
96,66%
84,36%
71,17%
60,04%
ANEXO IV.
AMFE
Anlisis de componentes de la varianza
Anlisis de la varianza
Anlisis de los sistemas de medida. Estudios R&R
Anlisis de partes implicadas
Anlisis de Tolerancias RSS
Anlisis del valor del proceso
rbol CTQ
rbol de Soluciones
Business case
Capacidad de proceso
Contrastes de hiptesis: t-test
Contrastes de hiptesis: t-test pareado
Diagrama de Afinidad
Diagrama de despliegue
Diagrama de Dispersin
Diagrama de Gantt
Diagrama de Ishikawa (causa - efecto)
Diagrama de Pareto
Diagrama SIPOC
Diagramas de concentracin
Diagramas de frecuencia
Diagramas estratificados de frecuencia
Diagramas temporales (run charts)
Diseos Box-Behnken
Diseos de mezclas
Diseos factoriales a dos niveles
Diseos factoriales fraccionales a dos niveles
Diseos Plakett Burmann
Diseos robustos
Estratificacin
Estudios R&R
Ficha de muestreo
Grficos CUSUM
Grficos de Control para series cortas
Grficos EWMA
Grficos I-MR
Herramienta
Grficos p, np, c y u
Grficos X-R / X-S
Histogramas
Hojas de comprobacin
Hojas de confirmacin
Intervalos de confianza
Matriz Impacto Esfuerzo
Mtodos superficie respuesta y EVOP
Muestreo
MULTIVARI / BOXPLOT
Plan de Control del Proceso
Plan de recogida de datos. Formularios de
recogida de datos
Project Charter
QFD y Matrices causa efecto, CTQ, CTP
Regresin logstica.
Regresin multiple
Regresin simple y correlacin.
Tabla de Planificacin
Test Chi-2 y tablas de contingencia
Tormenta de ideas
ANEXO V.
BIBLIOGRAFA RECOMENDADA
Pg.
8484
ANEXO VI.
PORTALES
WEB
LIBROS
ELECTRNICOS
RECOMENDADOS
ORGANISMO
URL
ASPECTOS INTERESANTES
NISThttp://www.itl.nist.gov/div898/handbo Texto on line sobre estadstica industrial
SEMATECH ok/index.htm
enfocado hacia la ingeniera de calidad y
fiabilidad. Merece la pena!!!!
Six Sigma
Zone
International
Society of Six
sigma
Professionals
Six Sigma
Companies
iSixSigma
http://www.sixsigmazone.com/
http://www.isssp.com/index.asp
Onesixsigma http://www.onesixsigma.com/
SixSigma.us http://www.6sigma.us/
QFD Institute http://www.qfdi.org/
QFD-Institut
Deutschland
QFD and
Voice of
Customer
Analysis
for Design
For Six
Sigma and
APQP
Six Sigma
Global
Registry
Web
http://www.qfd-id.de/en/index.html
http://www.mazur.net/publishe.htm
ORGANISMO
URL
dedicada al
TRIZ
Realinnovatio http://www.realinnovation.com/
n.com
Weibull.com http://www.weibull.com/
AEC
ASPECTOS INTERESANTES
innovadoras
Web dedicada a la innovacin
Pgina web dedicada a la fiabilidad (la
funcin de Weibull es una funcin de
probabilidad muy utilizada en fiabilidad).
Dispone de foro de discusin y sw de
anlisis de datos gratuitos. Se pueden
descargar pdf de las normas MIL
relacionadas con la fiabilidad.