Vous êtes sur la page 1sur 54

Seis Sigma

Mejorando los procesos en la industria

ETAPA ANALIZAR

Jesús Restrepo A
EAFIT-2012
Herramientas a aplicar
 5 por qué’s
 Estadística básica
 Análisis gráfico
 Gráfico de torta
 Gráfico de barras
 Histogramas
 Boxplots
 Diagrama de pareto
 Serie de tiempo
 Multivariación
 Gráficos de dispersión
 Estadística inferencial

2
Una mirada preliminar a los
datos

Estadística básica- Curso


relámpago
El engaño estadístico
Comentar los siguientes casos (1)
COMPARACIONES INADECUADAS
En el mismo día 2 periódicos de Nueva York publicaron titulares completamente opuestos. Uno afirmaba que el
consumo de energía había disminuido, mientras que el otro decía lo contrario. Para colmo de males ambos estaban
en lo correcto!. .. pero el uno comparaba el consumo con la semana anterior y el otro con el año anterior.

Durante la Segunda Guerra murieron en accidentes en Estados Unidos 375.000 personas. En el frente de batalla
murieron 408.000. Esto parece sugerir que no era mucho más peligroso el frente de batalla que la ciudad. Que piensa
usted?

El 87% de la gente muere en la cama y sólo el 0.0016% de las personas mueren esquiando. Entonces, es más
peligroso estar en la cama que esquiar?

A mediados de 1949, los Chinos nacioanalistas argumentaban que no estaban todavía derrotados por los
Comunistas: "Los Nacionalistas retienen todavía aproximadamente la mitad del área de la China", decían.
Lástima que no dijeran que era en el otro 50% donde estaba la mayoría de la población, de los recursos, la
infraestructura y el desarrollo de la China.
Comentar los siguientes casos (2)
CAMBIO EN LA COMPOSICIÓN DE LOS GRUPOS
Los ex-alumnos de una cierta promoción de la UNM tenían un promedio de edad de 87 años y al siguiente año
el promedio había descendido a 85. Será que ser ex- alumno de la UNM lo hace a uno rejuvenecer?.

La tasa de muertes por tuberculosis es muchísimo más alta en Arizona que en cualquier otro estado. Parecería
que Arizona tiene el peor clima para la tuberculosis. Pues no!. Es todo lo contrario, y por esa misma razón, las
personas enfermas de tuberculosis buscan vivir allí. Lamentablemente allí mueren también.

En 1936, la revista Literary Digest pronosticó que el presidente de los Estados Unidos sería Landon (vs
Rooselvelt), luego de recibir 10 millones de llamadas de sus suscriptores. Como se sabe, la predicción resultó
ser un fiasco total. Dónde cree usted que estuvo el problema?

CORRELACIÓN
En un estudio sobre escolares, un profesor descubrió que existe una correlación entre el tamaño del pie y la
calidad de la escritura. Comente este hallazgo.

Se ha reportado una correlación positiva entre el aumento de nidos de cigüeñas y el aumento de nacimientos en
Europa. No crean que las cigüeñas traen los niños, lo que sucede es que el aumento de población aumenta el
número de edificaciones con lo que aumenta también la disponibilidad de sitios para que las cigüeñas hagan
sus nidos.

Durante la Segunda Guerra, en la campaña de Italia se encontró una correlación positiva entre los panfletos
lanzados y los terrenos recuperados. Si bien esto es consistente con la hipótesis de que los panfletos eran muy
efectivos, también lo es con otras hipótesis como que los panfletos se lanzaban antes de comenzar una gran
ofensiva.
Comentar los siguientes casos (3)

LA DISPERSIÓN NO IMPORTA?
Una conocida marca de crema dental reporta que su utilización reduce las caries 23%. Esto lo certifica ante notaría. Pero
cuidado... Estos resultados pueden provenir de la estadística y ser certificados y sin embargo ser incorrectos. Si elegimos
una muestra pequeña para el experimento pueden suceder 3 cosas: No pasa nada, las caries aumentan (en cuyos 2 casos
la prestigiosa crema dental archiva los resultados donde nadie los vea) o puede producirse un mejoramiento y una gran
campaña publicitaria. Los 3 casos empero, pudieron haberse producido al azar. Con una muestra grande, los efectos del
azar son bien reducidos. Ojo con la letra menuda donde se reportan los tamaños de las muestras y los errores posibles.

El editor de una revista ordenó una investigación sobre el humo expedido por diferentes tipos de marcas de cigarrillo,
encontrándose que los cigarrillos Old Gold producían menos sustancias dañinas que los demás. La diferencia sin embargo
no era apreciable, como para que Old Gold hiciera lo que hizo: una enorme campaña publicitaria citando estos resultados sin
cifras.....

AFIRMACIONES TENDENCIOSAS
"La tercera parte las estudiantes de la Universidad de John HopKins se casan un su primer año con miembros de la
facultad". Esta afirmación crea una prevención que no está garantizada por los hechos. Sólo 3 mujeres estaban estudiando
en esa Universidad (años 30's)

El jefe de radares del Mediterráneo en la Segunda Guerra se quejaba sin éxito que sólo tenía 7 mecánicos. En vista que no
le autorizaban personal adicional escribió a la sección de personal: "El mes pasado el 14% de los mecánicos se volvieron
locos por exceso de trabajo". Inmediatamente le aumentaron la planta de personal.

En Palo Alto California, el 25 de julio de 1946, cayó 90 veces más agua en un día que durante todos los meses precedentes
de julio desde 1910. En 6 horas cayó 19 veces más agua que en 26784.
Bueno, en realidad el "diluvio" consistió solamente de 4.8 milímetros, pero eso no es todo. En los 36 previos meses de julio
había caído solamente una lluvia de 0.25 mm.
ESTADÍSTICA- una definición
Conjunto de métodos para recopilar, resumir, presentar,
analizar información con el propósito de:

•Apoyar la toma de decisiones en condiciones de


incertidumbre

Esta es la aplicación en los negocios

•Ganar conocimiento

Esta es la aplicación filosófica


Pero el conocimiento es base fundamental de la acción
Se requiere tener la información correcta, y la estadística ayuda a identificar el tipo y la cantidad de
información requerida.
Datos
La estadística se vale de datos, de hecho para mucha
gente, estadística = datos.

Los datos provienen de:

fuentes primarias: en general, más costosas

fuentes secundarias: más baratas, pero ojo! con la


confiabilidad
Captura de datos

Las fuentes capturan datos:

Tomando registros

Haciendo experimentos, que es cualquier proceso que genera


resultados bien definidos

Tomando muestras, que es un subconjunto seleccionado de la


población

Con encuestas
En presencia de datos:
·Observar

pueden modificar el orden


· Crear hipótesis

· Predecir (anticipar lo que se vería si se hicieran ciertas observaciones que todavía no se


han llevado a cabo)

· Verificar

ESTE ES EL MISMO MÉTODO CIENTÍFICO


Población y muestra

POBLACIÓN
Conjunto completo de los individuos o elementos de
interés.

MUESTRA:
Sub-conjunto seleccionado de la población
Población y muestras

En la mayoría de los casos de datos


estadísticos; se observan propiedades de
las muestras,

Muestra
Población

buscando inferir las propiedades de la


población.
Población y muestras
En un sinnúmero de veces, auscultar la población es:

Muy costoso.

Toma mucho tiempo

No es práctico

Es imposible

Luego…… para eso están las muestras ….y la


ESTADÍSTICA
Entonces…que hacer?
Cómo caracterizar la población a través de muestras?

Técnicas de muestreo y tamaños de muestras

Intervalos de confianza

Medidas de la tendencia central

Medidas de la dispersión

Asociación de variables, análisis de variación,etc


Pero en los procesos de manejo de
información...
Se presenta...

Manipulación descarada

Ignorancia

Uso de la memoria anecdótica

Extensión de la memoria reciente

En fin… hay una peligrosa multitud de trampas


Y ahora que?

Ahora sí…..

Abrámosle la
puerta a la
estadística
Clasificación de la estadística
•CLASIFICA

•RESUME
DESCRIPTIVA
•PRESENTA

•CREA HIPÓTESIS

•PLANEA OBSERVACIONES

ANALÍTICA •ANALIZA

•FUNDAMENTA DECISIONES
Presentación de información
Ventas del model RX 2001 (MUS$) MONEDAS
Total ventas=11.8 MUS$ Marzo 12 TRM 2264.01
Com pra Pe s os Col US$ 1
Euro 2106.43 1.0748
Libra esterlina 1060.01 2.1358
25%
Marco alemán 1077.08 2.102
46% Florín holandés 956 2.3682
Marco suizo 1366.74 1.6565
9% Yen 18.93 119.6172
Dólar Canadiense 1464.43 1.546
20%
Fuente: IOA, 2001 Lira 1.09 2083.33

Zona Norte Zona Centro Zona Este Zona Sur Peseta 12.66 178.8901
Fuent e:B anco de la Rep.

Gráfica de Pastel Línea y tendencia Tabla

Pesaje de cisternas TRSP Salarios por grupos


Ventas Modelo RX -MUS$
junio-dic 2000 Ago-Dic 2000
Acum Personas

80 200
60 150 6
equipos)
Frec (#

100 5
40 4

MUS$
50
3
20 0 2
0 <8 10 12 15 20 30 50 80 >80 1

<140 140 150 160 170 180 >180 0


Salario anual KUS$ Zona Nor te Zona Centr o Zona Este Zona Sur

Rango de peso

Histograma Ojiva Gráfica de efectos v


Medidas de tendencia central

 MODA

 MEDIANA

 PROMEDIOS
 Aritmético
 Geométrico
 Armónico
Medidas de tendencia central

Media aritmética
es la suma de los valores dividida por el número de valores

Características de la media aritmética


1.Los valores en una escala de razón o de intervalos tienen un media
2. Es sensible a los valores extremos
3. La suma de las desviaciones de la media de los números es cero
4. La suma de los cuadrados de las desviaciones es mínima

Mediana
Es el elemento central en el conjunto de observaciones dispuesta en orden de
magnitud

Características de la mediana
1 Todo conjunto de datos tiene una mediana
2. No es sensible a los valores extremos
Medidas de dispersión

 VARIANZA

 DESVIACIÓN ESTÁNDAR

 RANGO

 RANGO INTERCUARTIL
Medidas de dispersión
S= desviación estándar de la muestra, = desviación estándar de la población.

 (x  )
2

VARIANZA  
2

 (x  )
2

DESVIACIÓN ESTÁNDAR 
N

s
COEFICIENTE DE VARIACIÓN cv 
x
Identificación de valores atípicos

 3 SIGMAS

 1.5 IQR

 FUNDAMENTOS DEL CONTROL ESTADÍSTICO


Estadística descriptiva

Un ejemplo...
Estadística descriptiva-reservas pasajeros

Proemedio aritmético 76.0


Error estándar 3.2
Mediana 77.0
Moda 69.0
Desviación estándar 14.5
Varianza de la muestra 210.8
Curtosis -1.1
Sesgo 0.0
Rango 46.0
Mínimo 52.0
Máximo 98.0
Suma 1597
Conteo 21
Estadística analítica o inferencial

•Planeación
•Muestreo y experimentación
Errores
Tamaño de muestras
Intervalos de confianza
•Análisis
•Inferencia
•Conclusiones
Teoría elemental de la probabilidad

ESPACIO MUESTRAL Conjunto de todos los resultados posibles de un experimento


EXPERIMENTO: Cualquier proceso que genera resultados bien definidos
SUCESO:Resultado posible de un experimento
POBLACIÓN O UNIVERSO: Conjunto completo de los individuos o elementos de interés
MUESTRA: Una parte de la población
PROBABILIDAD: Es la posibilidad de que ocurra un suceso en el futuro
Teoría elemental de la probabilidad

EVENTOS INDEPENDIENTES: Los eventos A y B son independientes si la ocurrencia de un suceso


no afecta la probabilidad de que ocurra el otro. Ej: Tirar a la cara y sello una moneda 2 veces. Si la
primera vez sale Cara esto no modifica la probabilidad que la segunda vez sea Sello.
EVENTOS MUTUAMENTE EXCLUYENTES: Cuando solo puede ocurrir uno de ellos en un ensayo
Ej: Sé es hombre o mujer
Otros ejemplos: Suponga que en una caja hay 2 bolas rojas y 3 blancas, Una de las 2 bolas rojas es
grande y 2 bolas blancas son grandes.
El evento BOLA ROJA es mutuamente excluyente con el evento BOLA BLANCA
Pero los eventos BOLA ROJA y BOLA GRANDE no son excluyentes puesto que puede haber una
bola que sea roja y grande al mismo tiempo

Si de la caja sacamos una bola blanca y no la reponemos estamos cambiando la probabilidad de


sacar otra bola blanca. En estas condiciones los eventos no son independientes.
Si reponemos la bola blanca y hacemos otra vez el ensayo, en este caso los eventos son
independientes
Teoría elemental de la probabilidad

LEYES BÁSICAS DE LA PROBABILIDAD


• La probabilidad de un evento cualquiera P(A) es un número entre 0 y 1
• La probabilidad de todos los eventos en un espacio muestral P(S) es 1
• Si los eventos A y B son excluyentes, entonces P(A o B)= P(A)+P(B)
• Si los eventos A y B no son excluyentes, entonces P(A o B)= P(A)+P(B)-P(A y B)
• Si los eventos A y B son independientes entonces P(A y B)= P(A)xP(B)
•Si los eventos A y B no son independientes entonces P(A y B)= P(A)xP(B/A)
• La probabilidad del complemento de A es P(Ac)= 1-P(A)

P(B/A) se lee la Probabilidad de que ocurra B DADO QUE HA OCURRIDO A. NO es la probabilidad


de B/A.
Estimaciones y muestreos
Estimación puntual
Es un solo valor que se mide a partir de una muestra y se usa como
una estimación del parámetro poblacional correspondiente: v.g.
media, desviación estándar

Estimación por intervalo


Establece un intervalo dentro del cual es muy probable que se
encuentre el parámetro poblacional.

s
x z
n
Tamaño de la muestra y error de la
estimación
PASOS
Determinar el nivel de confianza y el valor de z

Determinar el error tolerable E

Estimar la desviación estándar de la población

Calcular con las siguientes ecuaciones:


2
 z 
2 z p(1  p) 
n    n   

 E   E 

Para datos que no son proporciones Para proporciones


La famosa curva normal
•Es una distribución de densidad probabilística al igual que la distribución de Poisson, la binomial, la
hipergeométrica.
•Esto significa que es la enumeración de valores posibles que puede tomar una variable aleatoria
junto con sus probabilidades
•Tiene forma de campana
•Está determinada por su media y su desviación estándar
•Hay un número infinito de distribuciones normales

Propiedades

•Es simétrica respecto a su media


•Es necesario conocer la media y la desv estándar para conocer la distribución normal específica
•La distribución normal se extiende hasta el infinito por sus 2 extremos
•El área bajo la curva es 1
•La probabilidad de que una variable tenga un valor entre cualesquiera 2 puntos es igual al área
bajo la curva entre esos puntos.

1
f ( x) 
ECUACIÓN
(1/2)[x   )/ ]2
DE LA CURVA NORMAL e
 2
EN RESUMEN….

Lo importante de la interpretación de los datos estadísticos es


que estos deben ser interpretados

La estadística no puede ser usada como la lámpara del


borrachito… QUE LA USA PARA SOSTENERSE NO PARA
ALUMBRARSE.
Analizar
Diagrama de flujo Seis Sigma DMAIC

Caracterización del proceso Optimización del proceso

Definir Medir Analizar Improve Controlar

$ 6
16 $
Revisión de 21 26
1 Establecer y 11
Interesado Desarrolle Transición al
Justificación y verificar Datos mostrados
Causas princip. Implementación y Propietario del
Plan del proyecto requerimientos gráficamente
confirmadas Planes de comm. proyecto
del cliente

√ Iinicio del proyecto


Tiempo de ciclo
12
2 7 17 22 27
Estadísticas básicas;
Seleccionar Determinar Descubra Alinee estructura del Documentar y
Sistema para analizar
Champion y medidas Interacciones; Sistema; compartir aprendizaje
Medidas; Definir
equipos de los primarias y Regresiones; Influencie la y otras oportunidades
capacidad del
proyectos secundarias DOE estrategia del proyecto
proceso
Iinicio del proyecto
Tiempo de ciclo

8
$ 23
13 28
3 Alinear el equipo 18 Revisión de
Desarrollar plan para Monitorear la
Revisar y Con el problema Generar posibles Interesado
Recolección de datos implementación y
aprender de Y objetivos del soluciones Implement.
De X’s clave; sistemas de control
trabajos previos Proyecto; Benchmarking Aprobada
Recordar datos de procesos
Confirme el plan

√ √ √
19 24
$
9 14 29
Revisión de Evaluar riegos y Iniciar implementación Confirme resultados;
4 Análisis gráfico;
Interesado Alternativas; De solucion (es) Actualice
Movilizar al Identificar posibles
Plan Seleccionar solución (es) aprobadas conocimiento
equipo causas principales
confirmado Actualizar FMEA compartido


20
10 15 25 30
Revisión de
5 Identificar X´s clave; Valide Diseñar sistemas Celebre las
Interesado
Desarrollar Mapa del proceso estadísticamente De control para mejoras y reconozca
Q-Solutions
SIPOC FMEA; matriz –XY Las causas Procesos (PCP) 36
al equipo
Aprobadas
Lean opps principales
¿Por Qué Analizar?

 Comprender la magnitud del problema

 Evitar adoptar soluciones en forma prematura

 Cuantificar las oportunidades

 Determinar la Fuente de Variación en su Proceso

 Determinar la Causa Raíz o Causas Raíces del


problema/defecto

 Establecer objetivos

 Ajustar el alcance del proyecto 37


Identificar las Fuentes de variación

Todos los procesos tienen variación

 Todas las actividades repetitivas de un proceso tienen una cierta


fluctuación.
 Esta fluctuación se llama variación.
 Hacer cambios sin entender la variación natural del proceso es
desperdiciar recursos.

Medición
Fluctuación

Tiempo
38
Aproximarse al Análisis

1 Identificar por qué el problema ocurre


- Carta de Pareto
- Gráficos de barra, histogramas
- Análisis exploratorio

2 Investigue causas potenciales preguntando


“¿Por qué?”
- Diagrama de Espina de Pescado + 5 Por qué
- Segmentar las razones de las causas

3 Validar sus causas


- Verificar los datos
- Obtener concepto de los expertos en el proceso
39
Ejemplos de Herramientas de Análisis de Datos

BASICO INTERMEDIO AVANZADO

 Causa y Efecto/
Diagramas de Espina de  Estudios de  Diseño de
Pescado Capacidad de Experimentos
10%
Other Proceso
 Gráficos de
40%
Hours of 15%
Operation Item Check

35%

Torta Billing

 Prueba de Hipótesis
(Y)

 Gráficos de
Number

 Diagramas de
of
Employees

(X)

Barras under 2-5


2 yrs years
6-10 11-15 16-20 over

Length of Service in Years


20 yrs

Dispersión
PARETO CHART

 Gráficos Pareto  Correlación y


Regresión
1 2 3 4 5
HISTOGRAM

 Histogramas 400
350
300  Gráficos de Control
250
200
150
100
0 15 30

 Gráficos de Múltiples
 Gráficos de Líneas Measurement
RUN CHART

Variables
de Tendencia Average

Time or Sequence

 Estratificación 40
Diagrama de Espina de Diagrama causa-efecto
Torta

Pescado Gráfico de barras


Pareto
Medición Métodos Maquinaria Histograma
Serie de tiempo
Box Plot
¿Por qué?

Efecto
Causas Potenciales (Xs) Resultado
(Y)

Madre Personas Materiales


Naturaleza

¿POR QUÉ USARLO?


• Desarrolla Teorías de Causalidad
• Identifica cambios en las Variables (Xs) de Insumos y Proceso que
pueden generar un cambio/variación en la Variable Resultado (Y)
41
Gráfica de torta
Diagrama causa-efecto
Torta
Gráfico de barras

Gráfico de torta Pareto


Histograma
Serie de tiempo

¿QUÉ ES? Box Plot

• Las gráficas de torta muestran la relación entre cantidades, dividiendo


la torta (100%) en trozos menores.

¿POR QUÉ USARLA?


• EntregaNumber of LTIs Byvisión
una rápida Location de proporciones y como impacta la situación.

2 4
4 HORAS DOWN POR LUBRICANTES-2004
5
34 954 1155
19% 23%

10
2900
58%

15
PALAS TRACTORES TALADROS

¿Qué hay de malo con esta gráfica? 42


Gráfica de barras
Diagrama causa-efecto
Gráfico de barras Torta

¿QUÉ ES? Gráfico de barras


Pareto
Histograma
• Las gráficas de barras son similares a los histogramas con
Serie de tiempo
la salvedad que se usan con datos de atributos, así las barras
Box Plot
están separadas a lo largo del eje X. La altura de la barra
representa la magnitud del valor medido.

¿POR QUÉ USARLA?

• Ayuda a identificar la contribución de cada atributo al valor medido.


4000

3500
DEMORAS POR GRUA PALAS HITACHI
ENE-AGO 2004
160
3000
140
120
2500
HORAS
100
NAM
2000 80
PATILLA
CENTRO 60
1500 40
20
1000
0
60101 60102 60103 60104 60105 60106 60107
500
PALA No
0 43
ENE FEB MAR ABR
Gráfica de Pareto

Gráfico d Pareto
Diagrama causa-efecto
Torta
¿QUÉ ES? Gráfico de barras
Pareto
• La gráfica de Pareto es una Histograma
gráfica de barras verticales Serie de tiempo
ordenadas de la mayor a la Box Plot
menor.
Pareto Costo de rellenos 2004
1600

¿POR QUÉ USARLA? 1400 100

1200 80
1000
• Ayuda a enfocarse en esas

Percent
60

KUS$
800

pocas categorías que tienen la 600 40


400
mayor contribución al impacto 200
20

medido (El principio de Pareto: 0 0


FLOTA I L er
CH AG D9 AU 1N RR 1R
80/20). HITA DE
M
UR NE D1
EBHE D1 O
th

TO LI
• Gráficas de Pareto secuenciales LE
Count 529 454 108 106 69 68 59 60
son útiles para identificar Percent 36.4 31.2 7.4 7.3 4.7 4.7 4.1 4.1
Cum % 36.4 67.7 75.1 82.4 87.1 91.8 95.9 100.0
causas raíces. 44
Histograma
Diagrama causa-efecto
Torta
Histograma Gráfico de barras
Pareto
Histograma

¿QUÉ ES? Serie de tiempo


Box Plot
• Un histograma muestra la
distribución de frecuencia de
un dato continuo (e.g., Tiempo,
Temperatura, Recuperación,
Calidad). Ilustra el grado de
variación en un proceso. Histogram of Suspensiones Reconstruidas en el 2005

Cantidad de Suspenciones Frontales Reconstruidas


Normal
9 Mean 22.02
StDev 6.150
8 N 41

¿POR QUÉ USARLO? 4

• La forma de la distribución nos 2

1
ayuda a entender si la variación 0
10 15 20 25 30 35
es esperada (causas normales/ DURACION DEL CICLO DE OT EN EL 2005

comunes) o no esperada (causas 45

no normales/ comunes).
Analizar Patrones en Histogramas

Busque patrones en los datos que puedan usarse para


identificar la variación.

 Tendencia central (media, mediana, moda)


 Ubicación de la distribución – ¿está centrada?
 Ancho de la distribución – amplia o angosta
 Evidencia de puntos anómalos – irregularidades
 Forma de la distribución – simétrica, sesgada hacia un
lado, dos crestas, plana

46
Gráfica de línea-Serie de tiempo

Serie de tiempo
¿QUÉ ES?
• Una gráfica simple que muestra los datos en el orden que van
ocurriendo.

¿POR QUÉ USARLA?


• Se usa para monitorear cambios en el proceso con el tiempo.
Son útiles para ver tendencias, comportamientos o cambios en
el proceso.

47
Analizando los Patrones de un gráfica de línea

median Cambios

Tendencia

Ciclo

Anómalo

Mismo valor
48
Diagrama causa-efecto
Torta

Gráfico de Rango (box plot) Gráfico de barras


Pareto
Histograma
Serie de tiempo
¿QUÉ ES? Box Plot
• Una gráfica que muestra para grupos de datos su centramiento y
dispersión

¿POR QUÉ USARLA?


• Permite ver rápidamente la dispersión de los datos y el centramiento
de los grupos que la componen
NAM - Falta de Material (Cargadores)
Mar.15 a Jun.15 2005
3.5

3.0

2.5
Horas Durac

2.0

1.5

1.0
0.862069
0.653226 0.607759 0.594828
0.5 0.439516 0.516129

0.16129 0.224138
0.0 49
Hora 4a5 5a6 6a7 7a8 4a5 5a6 6a7 7a8
Tipo CT_1 D-N N-D
Unas recomendaciones para el análisis

Seleccione herramientas de su “caja de herramientas”


que le ayuden a evaluar la variación en su proceso e
identificar patrones
Siempre:
1. Rotule y titule sus gráficos
2. Grafique los datos al menos de 3 formas
distintas
3. Use gráficas que muestren tanto la medición
instantánea (barras) como el continuo (gráfica
de líneas).

50
Causa raíz de los problemas
Cómo llegar a las causas raíz de los
problemas?
Perdimos
$Mxx Estructura de Arbol / Diagrama de Causa y Efecto:

Derrame Tapón PM
Combustible Corregir
Aceite Suelto No se Hizo
Causado por

Incendio Oxígeno Aire libre Un Hecho

Encendido Alambre Sin No está en


Agregar
del Motor Caliente Aislante el Diseño

Personas Métodos Sobrecarga Operación ?

No hay análisis
Falta de Poco PMs no
causa-raíz
sentido entrenamiento actualizados
de
urgencia No hay auditoria
No se No hay de los procesos
solucionan estándares
problemas de
Responsabilidad cuando se preparación Falta general de
necesita procedimientos
Bajo nivel de
cumplimiento
de PMs
Partes dañadas

Carcazas
Pobre
Alineamiento desarrollo de
Engranes Refrigerante
herramientas viejo

Eje Metal Partes


desgastado dañadas End of coil
issues 52

Máquinas Material
Encontrar las causas raíz -Los
5 por qué
 Encontrar la causa raíz es necesario para identificar
soluciones efectivas

 Los 5 POR QUÉ? Es una técnica sencilla y útil para llegar


al fondo de los problemas

 Para responder las sucesivas preguntas POR QUÉ?, se


requiere ayuda de los entendidos en el problema

 Permite filtrar las causas aparentes de las reales

 Ayuda a diferenciar síntomas de causas 53


Encontrar las causas raíz y ACTUAR

Hasta este momento ya:

D efinimos
M edimos
A nalizamos y encontramos causas

Hecho esto, nos queda ACTUAR:

M ejorar
C ontrolar
54

Vous aimerez peut-être aussi