Calidad y Productividad

Calidad y Productividad
Expositor:
MBA. Alejandro Gallegos Chocce
AGENDA
1. Introduccin al Seis Sigma
2. Proyectos Seis Sigma
3. Metodologa Seis Sigma
4. Fase I: Definir y Medir
5. Fase II: Analizar

6. Indicadores y TC
7. Fase III: Implementar mejoras
8. Fase IV: Controlar

22
1. Introduccin al Seis Sigma
1.1 Qu es Seis Sigma?
1.2 Calidad Seis Sigma
1.3 Desarrollo de Seis Sigma
1.4 Principios de Seis Sigma
1.5 Seis Sigma e ISO 9001
33
1.1 Qu es Seis Sigma ?
Es un sistema empresarial para lograr y mantener el xito

por medio de la orientacin al cliente, la gestin por
procesos, as como la utilizacin de los hechos y de los
datos.
Mide el desempeo de un proceso

Como Mtrica en cuanto a su nivel de productos o
servicios fuera de especificacin
Como Filosofa Mejoramiento continuo de procesos
Tener procesos de clase mundial,

Como Meta no producir servicios o productos
defectuosos (3.4 pmo)
44
LS LI LS
LI
Distribucin 32 min. 23 min. 32 min.
23 min.
Alta Alta Baja Baja

probabilidad Tiempo (minutos) probabilidad probabilidad probabilidad
error de error de error de error
Ejemplo: El tiempo que un cliente esta dispuesto

esperar por una pizza esta entre 23 y 32 minutos
55
1.2
3.4 defectos
por milln
de oportunidades
305 537 defectos

por milln
de oportunidades
697 700 defectos

por milln
de oportunidades
66
3 SIGMA 6 SIGMA
Malas Recetas mdicas 54, 000 / ao 3 / ao
Bebes que se caen 40, 500 / ao 3 / ao
Tomar agua contaminada 4 h. / mes 1 / 16 aos
Corte de seal de TV 27 min. / semana 6 / 50 aos
Mala Operacin mdica 1, 350 / semana 1 / ao
Devolucin Sacos de Azcar 44.000 / ao 5 / ao
77
Implementacin Seis Sigma y sus niveles de calidad Empresas 6S

Empresas No- 6S
E E
M A M B
P P
R R
E 100% E
S S 100%
A A
S 80% S
80%
T D
R 60% E
A 60%
N M
S 40%
A
N N
40%
A U
20%
C F
I 20%
A
O 0% C
N 25% 50% 75% 100% T 0%
A 0% U
L R 0 1 2 3 4 5
E A
S NIVEL CALIDAD
GRANDES EMPRESAS
El 90% de las empresa que emplean Seis Sigma pertenece a grandes empresas.
El 49% pertenece al sector manufactura, 38% Servicios y 13% otros tipos.
88
Estamos en el quinto ao de trabajos con Seis

Sigma, y estos han generado ms de $2,000
millones en beneficios en 1999, con
proyecciones an mayores para esta dcada.
J. Welch Comenzamos a implementar Seis Sigma a

Past CEO, General Electric principios de 1998. De los 250 proyectos
implementados, 31 fueron finalizados a
fines de 1999.Estos 31 proyectos han
Du Pont generado ahorros anuales de $10.4
Ford millones, o $334,000 por proyecto.
Dow Qumica Kenneth I. Chenault,
President American Express
Sherwin Williams
Toshiba Seis Sigma se ha consolidado despus
de 3 aos de funcionamiento. Este
Texas Instruments modelo de mejora de procesos y
Coca Cola actividades ha conseguido un ahorro para
Telefnica de Espaa de ms de 93
Allied Signal
millones de euros, a travs de la
Nokia implementacin de 178 proyectos.
C. Alierta
CEO Grupo Telefonica
99
Distribucin de proyectos Seis Sigma segn el sector de la empresa
Operaciones / Manufactura
Administracin
Atencin al Cliente
Logstica y Distribucin
Ingeniera
Ventas
Compras
Finanzas
RR HH
I+D
Otros sectores
Marketing
Nivel de Uso 1 2 3 4 5
La mayor parte de proyectos Seis Sigma se destinan a reas funcionales de

operaciones o manufactura, seguidas por las reas administrativas y de servicios al
cliente, quedando en cuarto lugar el sector logstico y distribucin.
10
10
1.3
Desarrollo de Seis Sigma
Fig. 3 : Nivel de Calidad Empresas 6S Empresas No 6S
C
A 50
N
T
I
40
D
A 30
D
20
D
E
10
E
M
P 0
R
E 0 1 2 3 4 5 6
S
A
S
NIVEL DE CALIDAD
Las empresas que emplean Seis Sigma poseen un nivel de calidad de su proceso de
negocio principal un 40% superior al resto de las empresas encuestadas.
11
11
Primer Autentica orientacin al cliente, satisfacer al

principio cliente es la prioridad nmero uno.
Segundo Todo debe y puede ser mejorado alineado

principio con los objetivos de la organizacin.
Objetivos
12
12
Las decisiones deben basarse en hechos,

Tercero datos estadsticos, pues lo nico
constante en los procesos es la variacin.
principio Se debe evitar el ...Yo creo que... o ...Yo
pienso que...
13
13
Al mejorar se debe mirar el proceso

Cuarto completo (Pensamiento Sistemtico),
principio pues optimizar un subproceso nos puede
llevar a suboptimizar el proceso global.
Procesos de la Organizacin
C C
L L
I I
E Proceso A Proceso B Proceso C E
N N
T T
E E
Sub Sub Sub

proceso a proceso b proceso c
14
14
Las causas de los problemas deben ser

Quinto eliminadas en su raz para prevenir que
principio vuelvan a aparecer y as poder hacer bien
las cosas desde la primera vez.
Causa 1
Sntoma 1
Causa 2
Sntoma 2
PROBLEMA
Causa n
Sntoma n
15
15
Sexto Cada vez que un proceso es mejorado

debe garantizarse que los resultados se
principio mantengan en el tiempo.
16
16
Stimo El recurso humano es el capital

principio fundamental de la empresa.
Todos los miembros de la empresa deben ser lderes, maestros

y modelos en la prctica de los principios.
17
17
1.5 Seis Sigma e ISO 9001
Seis Sigma como Sistema de Gestin de

Sistema de Gestin Calidad segn la
Equivalentes
de Calidad Norma ISO 9001
CLICO DE DEMING
Mejora continua Mejora continua
Seis Sigma como Sistema de Gestin

Complemento
proyecto de mejora de Calidad segn la
Norma ISO 9001
18
18
2. Proyectos Seis Sigma
2.1 Requisitos para un Proyecto Seis Sigma
2.2 Criterios de seleccin
2.3 Equipo Seis Sigma
2.4 Seleccin del Equipo
19
19
2.1 Requisitos para un proyecto SS
Alineado con la estrategia

del negocio. Tiene una
meta clara. ESFUERZO
Existen datos histricos, o FOCALIZADO
pueden ser obtenidos.
Mide el rendimiento del
proceso, mediciones
financieras para el
Beneficia Cuantificable
negocio e impacto en el Negocio
cliente.
Puede ser hecha por un
equipo de Trabajo.
Apoyo de Alineado con
Cumple con las la Visin del
Administracin
expectativas de tiempo Negocio
establecidas por la
gerencia.
20
20
2.2 Criterios de seleccin
21
21
Controler
Onwer
22
22
CHAMPIONS:
Conformado generalmente por la alta gerencia. Son quienes
seleccionan los proyectos y supervisa su funcionamiento.
Participan en la eleccin de BB y GB.
MASTER BLACK BELT:

Son los responsables del entrenamiento de BB. Son
especialistas en la Metodologa y certifican BB. Lideran
proyectos de mucha complejidad organizacional. Remueven
las barreras que impiden avances de proyectos.
23
23
BLACK BELT:
Son los especialistas en la aplicacin metodologa. Lideran
proyectos Seis Sigma. Su rol es guiar al Equipo durante las
fases del Proyecto. Sinergizan los conocimientos y esfuerzos
de los miembros del equipo. Dan soporte a los GB. La
interaccin con el dueo del proceso continua despus de
terminado el proyecto.
GREEN BELT:
Son miembros del equipo de proyecto que conocen las
herramientas bsicas de la metodologa. Son
interdisciplinarios y multifuncionales. Estn preparados para
participar o liderar proyectos Seis Sigma.
24
24
OWNER:
Son los lderes de las reas en las que se van a desarrollar
proyectos Seis Sigma.
Es el socio estratgico del BB, para alcanzar la meta. Es el
responsable de mantener y superar los estndares
alcanzados despus de finalizados los proyectos.
CONTROLLER:
Es el responsable de dar el visto bueno cada vez que haya
algn tipo de evaluacin financiera y cuantifica los beneficios
obtenidos.
25
25
26
26
2.4 Seleccin de equipo Seis Sigma
TEST: Inventario de Utilizacin de Energas
Se utiliza para indicar que atributos emplea una persona en su

relacin con los dems bajo dos tipos de condiciones: Cuando
todo marcha bien y cuando se enfrenta con un conflicto.
27
27
3. Metodologa Seis Sigma
3.1 DMAMC
3.2 DMAMC y el PHVA
3.3 Diagrama Metodolgico
28
28
3.1 DMAMC (o DMAIC)
1.- Definir el Problema, definir objetivos
2.- Definir y Describir el proceso

3.- Evaluar Sistema de medicin
4.- Evaluar Capacidad del proceso
5.- Determinar las causas del problema
6.- Determinar variables significativas
7.- Optimizar y robustecer
8.- Validar Mejora
9- Controlar y dar seguimiento al proceso

10.- Mejorar continuamente
29
29
3.2 DMAMC y el PHVA
1.- Definir el Problema, definir objetivos

Planear
2.- Definir y Describir el proceso
3.- Evaluar Sistema de medicin

4.- Evaluar Capacidad del proceso
Hacer 5.- Determinar las causas del problema

6.- Determinar variables significativas
7.- Optimizar y robustecer
Verificar 8.- Validar Mejora
9- Controlar y dar seguimiento al proceso

Actuar
10.- Mejorar continuamente
30
30
3.3 Ruta Metodolgica
C
Control y aseguramiento
I del desempeo alcanzado
A Implementacin de
mejoras o
Anlisis transformacin del
M del
proceso
proceso
Medicin del
D desempeo
del proceso
Definicin
del
proyecto
Managemt Equipo Six Sigma + Dueo Proceso con el apoyo del Sponsor Dueo de
Team y la gua del Master Black Belt / Black Belt Proceso
31
31
3.3 Diagrama Metodolgico
Definir el Problema, Determinar las

definir objetivos causas del problema
Definir y Describir el Determinar variables

proceso significativas
Optimizar y
robustecer
Proce
so Eliminar
Estable causas
? NO
especiales Validar Mejora
SI
Controlar proceso
Proce NO
so
Capaz?
Mejorar
Si continuamente
32
32
4. Fase I: Definir y Medir
4.1 Definir el problema
4.2 Disear para el cliente: Valor y QFD
4.3 Definir y describir el proceso
4.4 Evaluar Capacidad del proceso
4.5 Sistema de Medicin
33
33
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hiptesis
X (KPIV) significativas Correlacin
Regresin
X (KPIV) que afectan al proceso FMEA, Lean, Plan de

Mejoras
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable clave del proceso
Y Key Process Ouptput Variables (KPOV) Problema
34
34
4.1 Definir Problema
Informacin
Ideas Creencias
Incompleta
Situacin problemtica inespecfica
Identificacin de los clientes, CTQ, VOC

Diagrama de Pareto
Histogramas, etc.
PROBLEMA DEFINIDO
Objetivos definidos
Alcance del proyecto definido
35
35
CTQ (Critical to Quality). Son los atributos a

factores crticos para la calidad de un producto o
CTQ servicio que influyen en la decisin de compra por
parte del cliente.
VOC (Voice of Client). Es la voz del cliente que se

VOC obtiene por dos medios:
Sistemas proactivos: Quejas del consumidor,
llamadas telefnicas, devoluciones de productos,
etc.
Sistemas Reactivos: Observacin del cliente,
encuestas, entrevistas, etc.
36
36
IDENTIFICAR CLIENTES Y CTQ
1. Definir Clientes Internos y Externos

2. Definir el tipo de cliente y el canal de comunicacin para
obtener la VOC
3. Identificar preguntas claves para cada uno de ellos
4. Elaborar un plan de contacto con el cliente (quien, como,
cuando, donde, etc)
5. Identificar los CTQ
Ver Separata Caso Fastpizzas
37
37
100
Insatisfaccin del cliente

(8, 83%) Muy Importante y
poca satisfaccin
75
0 10
Importancia para el cliente
Valoracin %
Factor de queja Quejas
CTQ relativo
(Escala: 1-10)
Tiempo de entrega inaceptable 764 83
Tiempo de entrega 8
Sabor de la Pizza 7 Tipo de masa incorrecta 56 6.1
Cantidad de Ingredientes 7 Cantidad de ingredientes reducidos 50 5.4
Ingredientes correctos 10 Ingredientes incorrectos 30 3.3

Cortesa del repartidor 5 Descortesa del repartidor 20 2.2
38
38
4.1 Definir Problema: Voz del ciudadano
DEFENSORIA DEL PUEBLO
1.- Nunca recibi tantas quejas

como en el 2007. En total 32.9K.
2.- El 50% de ellas se concentra
en cinco instituciones.
3.- Concluidas 74.2% de las
cuales fundadas fueron el 61%.
4.- La demora en la atencin de
reclamos es una de las
principales causas.
5.- Maltrato y falta de informacin
motivaron las principales quejas
en el sector salud.
Fuente: Defensora del pueblo 11 Informe

anual
39
39
4.1 Definir Problema: Enfoque CAD
Establece que el sector pblico puede establecer mejoras continuas de la

gestin orientndolas a la ciudadana. Este enfoque supone pasar de una
visin basada en la ley y en el poder monoplico del estado, para centrar
la atencin en los atributos de servici brindado al ciudadano,
independiente del servicio que brinda y el nivel del gobierno
40
40
41
41
Se identifican 6 atributos, con sus respectivas clases y la importancia (peso) que le da el

ciudadano. Las principales dificultades observadas son: Lentitud en resolver tramites,
falta de comprensin del problema por parte del personal, falta de inters,
descoordinacin entre oficinas, excesivos tramites, informacin poco clara.
42
42
43
43
4.1 Definir Problema: Enfoque CAD 2010
Segn el estudio denominado

Ranking CAD 2010.
En el mbito de los organismos

pblicos con sede en Lima,
destaca en la lista el Banco de la
Nacin, donde el 100% de los
encuestados considera que
siempre se les brinda a los
ciudadanos un trato que respeta el
principio de igualdad.
En el extremo inferior se
encuentra Promper con tan solo
13% de ciudadanos que considera
que recibe un trato igualitario en
esta entidad.
44
44
45
45
46
46
Grafica de barras que representa en

Diagrama de forma ordenada el grado de importancia
Pareto de las causas de un determinado
problema, considerando la frecuencia con
la que ocurren las causas.
O regla 80-20. Es el comportamiento que

Principio de sigue la grafica de PARETO: El 80% de
Pareto los problemas se encuentra en el 20% de
las causas.
Ver Separata Caso Fastpizzas
47
47
Ejemplo Fastpizzas
48
48
Ejemplo Fastpizzas
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Maana Fines de Semana Feriados Noche
49
49
Ejemplo Fastpizzas
Hoja de Vida del Proyecto
Quejas de los clientes por tiempo de entrega

ALCANCE
inaceptable.
Disminuir en 50% las quejas por tiempo de entrega

OBJETIVO
en el Turno de la maana.
-Disminucin de las llamadas en el

S/.165,000
Call Center
AHORRO
-Disminucin de las perdidas de
US$51,080
clientes
50
50
4.2 Disear para el cliente
Casa de la
Calidad
Despliegue
Ideal
Adaptar Anlisis
de la funcin
de valor
de calidad Producto
51
51
Ideas nuevas
Necesidades de producto
Mercadotecnia Investigacin
avanzada
Promocin Conceptos
Especificacin tcnicos Producto
del producto
Diseo Planeacin Sistema de

Cliente del del Produccin Mercado del
producto Producto cliente
Visitas
Pedidos de Produccin
Ventas
Pedidos
del cliente
52
52
1.- Anlisis de Valor
Mtodo de gestin cuyo objetivo es lograr La

satisfaccin de las necesidades del
Consumidor a un costo mnimo.
Es desarrollado por equipos multifuncionales
que utilizan como herramienta las Tormenta de
Ideas.
Consiste en eliminar o sustituir componentes
del producto que aaden costo pero no valor.
El producto tiene algunas caractersticas del

diseo innecesarias.
Cambio de cajas por
Es posible combinar dos o ms partes?.
Como podemos reducir el peso? bandejas y pelcula
plstica
53
53
2.- Despliegue de la funcin de calidad
Permite a una organizacin entender la prioridad de las necesidades de un

cliente encontrar respuestas innovadoras a esas necesidades a travs de la
mejora continua de los productos y servicios en bsqueda de maximizar la oferta
de valor.
54
54
Mapa de procesos de
la organizacin
Mapa de un conjunto
de procesos
Mapa del Proceso de

Anlisis para el
proyecto
55
55
Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -
Clientes
INICIO N1 C1
E1
E2 X3
C2
S1
S2
FIN
E3
E4
C3
N2 E5
C, N y E son Entradas al
proceso
S son Salidas 56
56
Formato de Matriz SIPOC
CODIGO CARACTERIZACION DE LOS PROCESOS
Proceso :
Objetivo :
Proveedores Entradas Actividades Salidas Clientes

Quines son los Quin est pidiendo la salida del
Breve descripcin del paso del proceso
que proveeran los Recursos necesarios proceso?
Entregables del proceso
recursos para el proceso
necesarios? Requisitos Requisitos
Suployer Input Process Output Client
Parmetros de Control / Medicin /

Responsables Documentos
Seguimiento
Proceso de Soporte Recursos Requisitos a cumplir
57
57
Proveedores Entradas Proceso Salidas Clientes
-Estudio de fact.
OFICINA DE
-Ficha PAPS IDEA
PROYECTOS
-Cronograma
EVALUACIN
Comunicacin
OSIPTEL
a OSIPTEL
GCIA.
Adquisiciones ESPECIFICACIN
COMPRAS
Procesos de CLIENTES
Contingencia INTERNOS
Requisitos de las salidas: IMPLEMENTACIN
-Procesos de contingencia eficaces

-Dif de normativa 3 das antes del
-Sist. Adec.
inicio de la comercializacin -Punlicidad
LANZAMIENTO -Normativa RED COMERCIAL
- Capacitacin 3 das antes del inicio -Contratos
de la comercializacin -Capacitacin
- Sistemas que garanticen el cumpl.
del 100% de la casustica.
-Facturas sin errores en los copnceptos
o montos facturados. Publicidad CLIENTE
58
58
Variables de Ruido o no
controlables (N)
Entiende las X (KPIV) y
controlars las Y (KPOV)
N1 N2 N3
C1
S1 , S2
Variables
Controlables C2 PROCESO Caractersticas de
calidad (Y)
Y = f ( X1,X2,....Xn)
E1 E2 E3 E4
Variables experimentales (E)
C ENTRADA CONTROLABLE Aquella que puede ser controlada
N ENTRADA RUIDOSA Es impredecibles, altera el proceso.No es controlable por el momento. X

Aquella que puede ser estudiada bajo diversos parmetros para ver su
(KPIV)
E ENTRADA EXPERIMENTAL
comportamiento en el proceso.
Segn donde impactan se suelen clasificar en :

CTQ: Criticas para la calidad Y
S SALIDA
CTD: Criticas para la Entrega (KPOV)
CTC: Criticas para el Costo. 59
59
Acciones a seguir
Tipo Caractersticas Accin
Controlable (C) Se puede controlar fcilmente Estandarizar el control
Verificar si impactan sobre

Experimental (E) Variable sobre la que se tiene el indicador (fase 2).
capacidad de accin pero no se
conoce su valor optimo. Establecer Nivel optimo
(fase 3)
Variable que se sabe afecta a las

Ruido (N) KPOV pero que por ahora no se
puede controlar ------------------------
60
60
INICIO
NA
VA VA
VA
VA
VA
FIN
NA VA
Valor agregado son las caractersticas dadas a aquella

Operacin con Valor
VA operaciones indispensables por las cuales el cliente esta
agregado
dispuesto a pagar
Operacin de no Valor
NA No generan valor (pero si generan costos)
agregado
61
61
Eliminar la fabrica oculta
62
62
INICIO
INFO
INFO
FIN
INFO
INFO Etapas donde se registran datos del proceso
63
63
Formato de Matriz FEMEA
Funcin Mtodos de falla Efectos de falla Causas Controles de

del potenciales S potenciales O D N
potenciales proceso
proceso (defectos de E de falla C E P
(KPOVs) actuales
(paso) proceso) V (KPIVs) C T R
2
Se hace una
Simple
3 descripcin Deteccin
Del proceso Severidad Ocurrencia
4
Forma como el Efecto que
5
proceso podra Razn por la Controles
puede tener
no cumplir con cual ocurre la que detectan
6 el defecto
las especificaciones falla o previenen
en el cliente
7 la falla si es
que ocurre
8
9
NPR = SEV * OCC * DET
10 Nivel de prioridad de riesgo
64
64
Matriz FEMEA
NPR = SEV * OCC * DET
Donde:
NPR : Nmero de probabilidad de riesgo o de prioridad de riesgo.

EI NPR es la multiplicacin de la severidad de la falla, la ocurrencia de esta y
su posible deteccin. Este ser mejor en tanto sea menor.
SEV : Severidad.
Es el impacto de mayor o menor intensidad en que la falla de un proceso
puede repercutir en el cliente (interno o externo) y su comportamiento
respecto a nuestros servicios.
OCC : Ocurrencia
Frecuencia en la que puede ocurrir una falla.
DET : Deteccin
Posibilidad de identificar la falla en algn momento durante el proceso.
65
65
Capacidad Capacidad Medida

Habilidad basada en Capacidad del proceso
rendimiento demostrado, cuantificada, de datos que
de un proceso, en son resultado de
satisfacer los mediciones de trabajo
requerimientos del cliente. realizado por el proceso.
66
66
Anlisis de Normalidad
Prueba de Normalidad
Probability Plot for Grupos

LSXY Estimates-Complete Data
C orrelation C oefficient
Smallest Extreme Value Normal
S mallest Extreme V alue
99.9 99.9
0.957
90 99 N ormal
50 90 0.985
Logistic
Percent
Percent
10 50 0.975
1 10
1
0.1 0.1
-20 0 20 0 10 20 30
Grupos Grupos
Logistic
99.9
99
90
Variacin de los datos
Percent
50
10
0.1
0 20 40
Grupos
Si los datos son normales, se podr hacer el anlisis de la Capacidad

del Proceso.
67
67
Para analizar si un indicador es capaz de cumplir con las

especificaciones, se suele utilizar el ndice de capacidad
Diremos que un indicador es capaz de cumplir con las

especificaciones cuando su dispersin es menor que la distancia
entre especificaciones.
LSE - LIE
Cp =
6
Cp < 1 INCAPAZ
1< Cp < 1.33 APENAS CAPAZ
Cp = 1 Cp = 2 1.33 < Cp < 2 CAPAZ

Cp > 2 MUY CAPAZ
68
68
CENTRAMIENTO (Cpk)
No solo interesa ver si el indicador puede cumplir con las
especificaciones, nos interesa saber si este centrado respecto a las
mismas.
Para analizar esto, existe el ndice de centramiento denominado

Cpk que mide la menor distancia del promedio de los datos a las
especificaciones comparada contra el ancho de media distribucin.
Promedio
Especificacin de los datos
LSE - X X - LIE
Cpk = Min ,
3 3
69
69
3 3
Primer Ejemplo problema Variacin y Centrado
Cpk Superior < Cpk inferior, u tiende hacia el LSE

Cpk Inferior < Cpk Superior, u Tiende hacia el LIE
70
70
Segundo Ejemplo problema Variacin y Centrado
Process Capability of % de Saturacin
LSL Target USL

P rocess Data Within
LS L 0 Ov erall
Target 0.1
USL 0.2 P otential (Within) C apability
S ample M ean 0.0626415 Cp 0.31
S ample N 106 C PL 0.19
S tDev (Within) 0.107208 C PU 0.43
S tDev (O v erall) 0.107447 C pk 0.19
C C pk 0.31
O v erall C apability
Pp 0.31
PPL 0.19
PPU 0.43
P pk 0.19
C pm 0.29
-0.15 0.00 0.15 0.30 0.45 0.60

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 PPM < LS L 279509.11 P P M < LS L 279947.66
P P M > U S L 103773.58 PPM > U S L 100055.21 P P M > U S L 100557.92
P P M Total 103773.58 PPM Total 379564.32 P P M Total 380505.59
71
71
4.5 Evaluar Sistema de Medicin
Un Sistema de medicin es la coleccin de operaciones,

procedimientos, instrumentos de medicin, software y
personal definido para asignar un numero a la caracterstica
que esta siendo medida (Measurement Systems Analysis 1995)
La evaluacin del sistema de medicin consiste en determinar

la capacidad y estabilidad de los sistemas por medio de
estudios de:
Repetibilidad
Reproducibilidad
72
72
Precisin y Exactitud
Preciso, Exacto,
no exacto no preciso
Ni preciso, Preciso y
Ni exacto Exacto
73
73
Es la variacin en las mediciones hechas por

Repetibilidad un mismo operador en una misma pieza y
con el mismo instrumento de medicin. Se
define como la variacin alrededor de la
media.
Variacin entre las medias de las mediciones

Reproducibilidad hechas por varios operarios con las mismas
piezas y con el mismo instrumento de
medicin.
74
74
4.5 Intervalos de confianza
- Un intervalo de confianza es un rango de valores (calculado en una

muestra) en el cual se encuentra el verdadero valor del parmetro, con
una probabilidad determinada.
- La probabilidad de que el verdadero valor del parmetro se encuentre en

el intervalo construido se denomina nivel de confianza, y se denota 1-.
La probabilidad de equivocarnos se llama nivel de significancia y se
simboliza . Generalmente se construyen intervalos con confianza 1-
=95% (o significancia =5%). Menos frecuentes son los intervalos con
=10% o =1%. Probar que la distribucin es normal.
75
75
5. Fase II: Analizar
5.1 Determinar las causas del problema
5.2 Variables Discretas y Continuas
5.3 Prueba hiptesis
5.4 Procedimiento de prueba hiptesis
5.5 Ejemplos
76
76
CTQs
X (KPIV) Cp, Cpk
Prueba de Hiptesis
Regresin

Mejoras
SPC
5 Ss
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente
77
77
5.1 Determinar las causas
Diagrama de Causa-Efecto (Ishikawa)
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro
poblewma (Y o KPOV), usaremos el Diagrama Causa Efecto, o Ishikawa.
Criterio de Criterio de Criterio de

agrupacin 1 agrupacin 2 agrupacin 3 CONSTRUCCION
Listar por tormenta de ideas las

causa causa causa causas generales que afectan
causa causa causa
al indicador.
causa causa causa
causa causa Agrupar las causas en 4 o 6
PROBLEMA grupos. Se suele usar:
causa causa causa Por 4M Por 6M

causa Mano O. Mano O
causa causa Material Material
causa causa Maquinaria Maquinaria
causa Mtodo Mtodo
Criterio de Criterio de Criterio de Medicin
agrupacin 4 Medio amb.
agrupacin 6 agrupacin 5
Nota: Si las causas vienen de los KPIV, se deben sealar si son E,C,N
78
78
Anlisis Causa Efecto:
Personal No conoce
Material
No conoce los procesos
Formatos lejos de
las ventanillas los procesos No conoce
No hay Personal los procesos
papel para lento
recibos
Computadoras Atencin
son lentas Lenta
Existen pocas
agencias No existe manual de
Sistema cerca Procedimiento procedimientos en la
se cae incorrecto agencia
Equipo Ambiente Procedimiento
Anlisis causa efecto para analizar la demora en la atencin en

una agencia bancaria
79
79
Matriz Causa-Efecto
Se ha visto que la KPIV, puede impactar en las KPOV:
afecta Posteriormente se validaran cuales

X Y causas son definitivamente las que
son las responsables del Problema
Ejemplos:
Nmero de Contratos
Tiempo de Calificacin
Conocimientos norma de crditos
% de crditos rechazados
Numero de Analistas
Costo Evaluacin.
Tiempo de entrega de Contratos
Para mejorar el proceso, se debe identificar cules son las X que ms

afectan a las Y para determinar cules deben ser atacadas.
80
80
ENTRADAS DEL CAPACIDAD DEL FEMEA
PROCESO PROCESO
INICIO
N1 C
1
X
1 X
X2
3
C
2
Y
1
Y
2
FIN
X
3
X
4
C3
N2 X5
ISHIKAWA
PRUEBA DE
HIPOTESIS
VARIABLES SIGNIFICATIVAS
81
81
5.2 Variables Discretas y Continuas
tienen un nmero fijo de valores

Datos
Discretos Ejemplos: estado civil, tipo
sanguneo, nmero de nios
Datos tienen un nmero infinito de valores

Continuos Ejemplos: estatura, peso,
temperatura
82
82
5.3 Prueba Hiptesis
PRUEBA DE HIPOTESIS
Para conocer si un factor ( X: KPIV ) influye sobre nuestro

indicador ( Y: KPOV ) del proceso; se suele variar este
factor de manera de ver si su variacin afecta al indicador.
La manera de ver esta variacin es a travs de las

pruebas de hiptesis que nos permitirn concluir si el factor
en estudio afecta significativamente al indicador.
83
83
5.3 Prueba Hiptesis
Errores posibles al evaluar una hiptesis
Verdad de H0
V F
(no hay diferencia) (si hay diferencia) P(Error Tipo) =
:Probabilidad de
Decisin correcta encontrar una
Aceptar H0
1- Error tipo 2
diferencia cundo
(no hay esta no existe.
(nivel de significan
diferencia) = 0.01, 0.05
ca)
P(Error Tipo2) =
: Probabilidad de no
encontrar una
Aceptar Ha Decisin correcta
Error tipo 1 diferencia cuando
(si hay
1 esta si existe.
diferencia)
(poder la prueba)
F V
Verdad de Ha
84
84
5.3 Prueba Hiptesis
RECORDANDO
Ho : El factor no gener diferencias Antes Vs Despus (X no afecta Y)

Ha : El factor si gener diferencias Antes Vs Despus (X si afecta Y)
Si p val > 0.05 () NO se rechaza H0
VOCABULARIO
Conclusin Robusta:
Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en
0.05)
Conclusin Dbil:
Aceptar H0 sin conocer el valor de . En estos casos se suele decir No puede
rechazarse H0
Potencia de una prueba estadstica:
Es la probabilidad de rechazar correctamente una H0
Potencia = 1 -
85
85
5.3 Prueba Hiptesis
Prueba Anova
ONE SAMPLE t TAMAO DE MUESTRA

(Si la Poblacin es Normal)
Prueba t (One Sample t)

Estadstico t = X-
s / n
Hiptesis Nula H0: = 0
Hiptesis Alterna
Ha: <0 ; t < t , n-1
> 0; t > t , n-1
0 ; | t | > t /2 , n-1
Minitab
Stat-Basic Statisc- 1sample t
86
86
5.3 Prueba Hiptesis
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
Individual 95% CIs For Mean Based on

Pooled StDev
Level N Mean StDev --------+---------+---------+---------+-
ADULTO 52 6158 3863 (----*----)
JOVEN 17 9055 4226 (--------*--------)
VIEJO 52 5331 3369 (----*----)
6000 8000 10000 12000
Boxplot of HUEVOS INCUBADOS by TIPO LOTE

16000
14000
12000
HUEVOS INCUBADOS
10000
8000
6000
4000
2000
0
ADULTO JOVEN VIEJO
TIPO LOTE
87
87
5.3 Prueba Hiptesis
Correlacin y Regresin
INTRODUCCIN:
Al interior de un proceso, usualmente existe una relacin entre 2

variables.
Si una Y (KPOV) se correlaciona con una X; podremos decir que X es
una KPIV.
De esta manera diremos que existe una ecuacin que liga a ambas Y
= f (x). Esta ecuacin se denomina Modelo matemtico.
Esta ecuacin se calcula usando tcnicas de regresin.
Usualmente la correlacin para determinar la fuerza que liga a 2

variables sin necesidad de alterar el proceso como se hizo en las
Pruebas de hiptesis o como har en los DOE (Fase 3).
88
88
5.3 Prueba Hiptesis
Correlacin
Es la Fuerza de Asociacin entre 2 Variables.

Se mide con el Coeficiente de Pearson (r)
-1 r 1
-1 r < 0 r=0 0<r 1

Correlacin Negativa No hay Correlacin Correlacin Positiva
Cunto ms cercano est el coeficiente de Correlacin de Pearson

a 1 o 1; mayor probabilidad de Correlacin
89
89
5.3 Prueba Hiptesis
Correlacin
Precauciones:
Dado que no estamos modificando el proceso ( variando x) y

midiendo su efecto ( en Y) : encontrar que hay correlacin
no siempre significa que al variar X, variar Y (Causa
Efecto)
Solo debemos usar correlacin cuando hay una persuasin

razonable que X podra afectar Y
90
90
5.3 Prueba Hiptesis
Regresin
Con la regresin se determina el Modelo Matemtico que relacione las
Variables X con Y.
Estas Xi, son la

PROCESO Y ,Y
1 2 Indicador (Y)
que se han
obtenido
Y = f ( X1,X2,....Xn) despus de:
X1 X2 X3 X4 Prueba de
Hiptesis.
Variables
Correlacin.
Experimentales
LOS MODELOS MATEMATICOS PUEDEN SER

Y = 0 + 1 X LINEAL
Y = 0 + 1X + 2X2 CUADRTICO
Y = 0 + 1X + 2X2 + 3X3 CBICO
Y = 0 + 1X1 + 2X2+... +nXn) LINEAL
MLTIPLE
91
91
5.4 Procedimiento de pruebas
Procedimiento para la Prueba Hiptesis
Accin
1. Identificar de acuerdo al tipo de variable discreta o continua tanto para KPIV

como KPOV el tipo de Prueba Estadstica a utilizar.
2. Establecer la Hiptesis Nula Ho.
3. Especificar una hiptesis alternativa apropiada Ha.
4. Elegir un nivel de significacin (Usualmente: 0.05).
5. Establecer un estadstico de prueba apropiado.
6. Establecer la regin de rechazo del estadstico.
7. Calcular las cantidades muestrales necesarias, sustituirlas en la ecuacin del
estadstico de la prueba y calcular es valor.
8. Decidir si deber rechazarse o no Ho.
9. Traducir la decisin en trminos de proceso.
92
92
FLUJOGRAMA PRUEBA HIPTESIS
1 Inicio
Recopilar data
Ubicar las variables importantes

( Fase 1 )
Aplicar la prueba
de hiptesis
H0 no hay variacin antes vs despus
Ha si hay variacin antes vs despus
Seleccionar la
prueba de hiptesis
a usar Si
p val > 0.05 Factor no afecta
Acepto H0
Rechazo H0
No
Variar el factor de
manera de tener 2
Situaciones :
Factor si afecta 1
Antes
Despus
Fin
93
93
Seleccin de la Prueba Hiptesis
Y Continua Y Discreta
X Correlacion-Regresion Correlacion-Regresion
Continua
Para distribucion normal de Y

Prueba T1
Prueba T2
Prueba Anova
X Chi cuadrado
Discreta Para distribucion no normal de Y
Prueba W
Prueba xxxx
Prueba kk
94
94
5.4 Procedimiento de Pruebas
para "Y"
Y continua / NO SI
Es normal?
X discreta Agrupar
Prueba F
Con ms de 2 prueba Normalidad para"Y"
para Y agrupada segn las X
muestras
SI
Es
normal? NO
NO P> ?
Transformar Datos
prueba Normalidad para"Y"
SI
NO
Es normal?
SI
Prueba F
NO
P> ? Prueba KW
SI
Prueba de Anova
95
95
para "Y"
NO SI
Es normal?
Y continua /
X discreta Agrupar Prueba F
prueba Normalidad para"Y" para Y agrupada segn las X
Con 2 muestras
SI
Es normal?
NO
NO P> ?
Transformar Datos
SI
NO
Es normal?
SI
Prueba F
NO
P> ? Prueba KW
SI Prueba T2
96
96
para "Y"
Y continua /
NO SI
X discreta Es
normal?
Con 1 muestra
Agrupar
prueba Normalidad para"Y" Prueba T 1
SI
Es normal?
NO
Transformar Datos
SI
Es
normal?
NO
Prueba One Sample

Sign
97
97
Probar la correlacion
de todos los x con y
Y continua o No Si
r = 0?
discreta /
X Continua No Si No hay correlacion
Y es
continua
?
No Si lineal
Hay es
mas de lineal o
Prueba Regresion
una x? curva?
Logistica
curva
Prueba Regresion
Multiple
lineal curva
es lineal
o curva? Prueba Regresion
Superficie de Respuesta
Prueba de Regresion Prueba de Regresion

lineal curva lineal
98
98
5.5 Ejemplos: EMPRESA COURIER EL RAPIDO
X Y
cantidad pedido Qu tipo de
devueltos semanal prueba?
X1= Zona Geografica 20

30 X1= Discreta, tiene 10
.
. 48 datos (48 semanas) valores (menos de 30)
Zona 1 .
10
Y= continua
20 Por lo tanto se utiliza la

40
Zona 2 . Prueba de Anova para
. 48 datos (48 semanas)
.
probar la significancia de
. 30 X en Y.
.
. Nota: no se utiliza T1 ni
. 30 T2 porque son ms de 1
. 50 y 2 muestras
. 48 datos (48 semanas)
Zona 10 . respectivamente.
.
20
99
99
X Y
X2= Repartidores 20
30
.
X2= inicialmente es
Repartidor 1 . 48 datos (48 semanas)
. discreta, pero por tener
10
ms de 30 valores se
le considera continua.
Repartidor 2
20
. 40
Y= continua
. .
48 datos (48 semanas)
.
. .
30 Por lo tanto se utiliza la
.
Prueba de Regresion.
.
. 30
. 50
.
. . 48 datos (48 semanas)
.
Repartidor 50 20
100
100
X Y
X3= El repartidor usa

Guia ? X3= Discreta
50
10
Si Y= Continua
.
.
Por lo tanto se utiliza la
.
Prueba T2 para probar
20
la significancia de X en
Y
10
20
No Nota: no Anova porque
.
solo son 2 muestras.
.
.
30
101
101
5.5 Ejemplos: FABRICA DE PASTAS NAPOLITANO
X Y
cantidad de Qu tipo de
pasta quemada prueba?
X1= Presion en el X1= es continua

cabezal (Bar) Tiene mas de 30 datos
40 bar 10 kg Y= continua
65 bar 15 kg
50 bar 12 kg Por lo tanto se utiiliza la
30 bar 8 kg Prueba de Regresion
. .
100 datos . .
. .
. .
. .
. .
60 bar 14kg
102
102
X Y
X2= Temperatura de X2= es continua

cocido (C) Tiene mas de 30 datos
45 C 15 kg Y= continua
35 C 10 kg
55 C 20 kg Por lo tanto se utiiliza la
32 C 8 kg Prueba de Regresion
. .
105 datos . .
. .
. .
. .
. .
50 C 25kg
103
103
X Y
X3= Humedad relativa X3= es continua

(%) Tiene mas de 30 datos
60% Y= continua
15 kg
55% 10 kg
70% Por lo tanto se utiiliza la
20 kg
45% Prueba de Regresion
8 kg
. .
103 datos . .
. .
. .
. .
. .
72% 25kg
104
104
6. Indicadores
6.1 Pasos para elaborar un indicador
6.2 Tipos de indicadores
6.3 Beneficios de los indicadores
6.4 Tablero de Control
105
105
6.1 Pasos para la elaboracin del Indicador
Contar con objetivos

y estrategias
Identificar factores
crticos de xito
Establecer
indicadores por
factor de xito
Establecer estado y
umbral por indicador
Disear la medicin
106
106
Objetivos y estrategias
Una condicin fundamental para

el proceso de formulacin y
construccin de indicadores, es
poder contar tanto con objetivos
claros, precisos, cuantificados,
como con el conjunto de las
actividades claves que se
emplearn para lograr los
objetivos propuestos. Sin esta
definicin no es posible conocer
el punto de llegada, ni las
caractersticas del resultado que
se espera
107
107
Factores Crticos de xito
Los factores claves de xito son

factores internos o externos a la
empresa que deben ser
identificados y reconocidos
porque soportan o amenazan el
logro de los objetivos de la
empresa e incluso su existencia.
Requieren de atencin especial

para evitar sorpresas
desagradables o la prdida de
oportunidades
108
108
Establecer indicadores de Operaciones
Atributo a medir N de solicitudes completas y sin ambigedad

Eficaz Valor esperado Total de solicitudes aceptadas
Recurso desperdiciado N de hojas de vida cumplen el perfil

Eficiencia
Recurso utilizado Total de Hojas de vida aceptadas
Valor del Atributo de salida a medir Costo Real

Efectividad Costo Presupuestado
Valor esperado del atributo
109
109
Estado, umbral y rango de gestin
Estado: Valor inicial o actual de un

indicador.
Umbral: Es el valor del indicador
que se quiere lograr o mantener.
Rango de gestin: Es el espacio
comprendido entre los valores
mnimo y mximo aceptables, que el
indicador puede tomar
110
110
Disear la medicin
Para el clculo de cada indicador

es necesario determinar las
fuentes de informacin, la
frecuencia de la medicin de las
distintas variables, la forma de
tabulacin, el anlisis y la
presentacin de la informacin.
Para facilitar la comprensin de

los valores medidos para un
indicador se recomienda la
utilizacin de presentaciones
grficas.
111
111
6. 2.- Tipos de indicadores
Eficiencia, si se enfocan en el control de los recursos o las

entradas del sistema;
Eficacia, si se enfocan en el control de los resultados del sistema y
el valor esperado (meta).
Efectividad son el resultado del logro de la eficiencia y de la
eficacia.
112
112
6.3.- Beneficios del Control Operaciones
1. Tener estrategias completamente desarrolladas.
2. Incrementar la lealtad de los usuarios hacia la empresa
3. Evaluar que parte de la demanda podemos satisfacer
4. Mejorar la eficiencia y eficacia de nuestros procesos.
5. Reducir costos
113
113
6.4.- Tablero de control
114
114
7. Fase III: Implementar
7.1 Anlisis de riesgo: Matriz FMEA.
7.2 DOE: Diseo de Experimentos
7.3 Lean
7.4 Plan de Mejora
115
115
PROCESO FMEA
F Elabora FMEA preliminar.

A
S
E Discusin para definir NPR.
I
Plan de Accin de mejora de los
NPR.
Ejecucin del Plan.

F
A
S Evaluacin de Resultados.
E
II
NO
OK
SI
Emisin del FMEA definitivo.
116
116
Se vuelve usar la matriz FMEA

Persona
mostrado anteriormente. Acciones S O D N
responsab Acciones E C E P
Recomen
En esta parte se establecen las le & Fecha Tomadas V C T R
dadas
Objeto
posibles soluciones para aquellas
actividades que tienen un NPR
alto. Las acciones
recomendadas
El NPR despus
que son llevadas
de haber tomado
A cabo.
las accin (es). El
cual se supone
Son las acciones
debe ser menor
orientadas a seguir
para las causas con
NPR alto, destinadas El responsable
mejorar la deteccin de llevar acabo
de la causa o disminuir la accin (es)
la frecuencia de
ocurrencia de las fallas
117
117
7.2 DOE
Introduccin al DOE
Es una estrategia experimental estructurada que permite la

evaluacin de mltiples variables de proceso en cuanto a su
capacidad para influir sobre las caractersticas de un producto o
proceso.
Determinar que factores son importantes.

Establecer la estabilidad del proceso.
Encontrar el mejor conjunto de condiciones de operacin.
118
118
7.2 DOE
Diseo Factorial Completo
El Factorial Completo estudiar cada combinacin posible en los

niveles escogidos. Estos diseos proveern una gran
informacin que nos permitir determinar el efecto de los
factores principales sobre la respuesta seleccionada.
Cantidad de pruebas que se necesitan =
(niveles factor 1) x (niveles factor 2) x (niveles factor 3) x .

(niveles factor n)
Donde:
Factor = Son las variables (KPVI) X1, X2, X3 Xn
Nivel = Es la cantidad de valores que toma cada factor
119
119
7.2 DOE
Limitaciones para el Diseo Factorial

Completo
La limitacin del Factorial completo no es terica sino

practica. Los recursos (ej. Tiempo, costos) necesarios para
correr un factorial completo pueden ser significantes.
Factorial completo puede ser usado en investigaciones
donde el numero de variables es pequeo (2-4), pero no son
recomendables cuando el numero de variables a investigar es
mayor (5 o ms).
Factorial Completo son efectivo cuando son usados de la
manera adecuada, en el momento propicio dentro del proceso
de mejora del estudio.
120
120
7.2 DOE
Diseo Factorial Completo con 2 niveles
Por Ejemplo 3 factores cada uno con 2 niveles:
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8

3
2
Donde:
3 = Factor = K = variables (KPVI) X1, X2, X3
2 = Nivel = Es la cantidad de valores que toma cada factor
K
2
121
121
7.2 DOE
Diseo Factoriales Fraccionados
Son diseos donde se elige adecuadamente una parte o fraccin

de los tratamientos de un factorial completo, con la intencin de
poder estudiar el efecto de los factores utilizando menos corridas
experimentales, debido a que es imposible en la practica correr
todos los tratamientos.
La teora de los diseos factoriales fraccionados se basa en la

jerarquizacin de los efectos: Son ms importantes los efectos
principales, seguidos por la interacciones dobles, luego las
triples, las cudruples , etc.
Nmero de factores (K)
K-p
2
Nmero de generadores
Nmero niveles (2) del diseo
122
122
7.2 DOE
Aclaraciones para el Diseo Factoriales

fraccionados:
Se pierde informacin, ya que habr efectos que no se podrn
estimarse y se tienen menos grados de libertad disponibles para
la estimacin del error. Los efectos que se pierden se espera que
sean, en la medida de los posible, interacciones de alto orden, las
cuales se pueden ignorar de antemano con bajo riesgo.
Se utiliza sobre todo para probar un gran nmero de x

potenciales con un mnimo de corridas y lograr la seleccin de las
pocas X vitales.
Los experimentos altamente fraccionados son experimentos

donde el nmero de corridas es solo un poco mayor que el nmero
de factores y sirven para detectar solo efectos principales.
123
123
7.2 DOE
Recomendaciones para el Diseo Factoriales

fraccionados:
Los experimentos altamente fraccionados se usan a menudo

para cernido, para encontrar las variables que merecen mayor
estudio
Los experimentos ms tiles tiene 8, 16 0 32 corridas.
Usted puede aadir niveles (use 3, 4 o 5 niveles) para un

estudio ms detallado de las variables importantes.
Recuerde adems que usted puede correr la otra media fraccin

si los resultados del primer experimento no son claros.
124
124
7.2 Procedimiento DOE
Pasos para la experimentacin

1. Definir el problema.
2. Establecer el objetivo.
3. Seleccionar las variables de respuesta.
4. Seleccionar las variables independientes y su niveles.
5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de
medicin. Entender el espacio de inferencia.
6. Seleccionar el Diseo Experimental: tipo de diseo a utilizar y nmero de
replicas.
7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.
8. Recolectar los datos.
9. Analizar los Datos.
10. Obtener las conclusiones estadsticas.
11. Replicar los resultados, si corresponde.
12. Establecer soluciones practicas y comunicar.
13. Implementar soluciones. 125
125
Seleccin de factores
Podemos utilizar las siguientes fuentes:

FMEA (Puesta al da despus de la Fase de Anlisis)
Lista de Calsificacin de Entrada. Mapa de procesos.
Factores de Estudio de Variacin Mltiple
Resultados de la Prueba de Hiptesis
Conocimiento de los expertos, experiencia de los operadores
Requerimientos de los clientes
Opinin de los proveedores
Literatura, tormenta de ideas.........
126
126
Accin Minitab
El problema es aumentar/disminuir.....
1. Plantear el problema a Y = Nombre del indicador
resolver y objetivo que se Nivel Bajo Nivel alto
requiere alcanzar (-) (+)
X1 : Nombre del factor
X2 : Nombre del factor
2. Identificar los factores y sus X3 : Nombre del factor

niveles.
2 Level Factorial
Number Of. Factors
3. Cree la hoja de toma de datos
para el experimento DESGNIS Full factorial
Center points=
Stat / DOE / FACTORIALS / # Replicates=
CREATE FACTORIAL / FACTORS En la columna Name ponerle el
DESIGNS nombre del factor
OPTIONS . Do not fold
Randomize Runs
Store Design on Worksh
Summary table, alias table
RESULTS Default interactions
127
127
Accin Minitab
4. Determine el tamao RESPONSES Poner el indicador

apropiado de la muestra. TERMS Seleccionar todos los factores
y pasarlos a Selected Terma
5. Realice el experimento
GRAPHS
siguiendo la hoja de datos
Normal
obtenidas.
Paretto
6. Analice los datos Alpha = 0.1
obtenidos
Residual for plots : Regular
Sta t/ DOE / ACTORIALS RESULTS Coefficients and ANOVA table
Analyze Factorial Design STORAGE Fits (Desmarcar)
Residuals (Desmarcar)
Nota:
1. Si se ha usado 2 o mas replicas Minitab arroja p-vales asociados a
cada factor e interacciones; los cuales deben ser usados para
probar hiptesis:
H0: El efecto del factor no es importante sobre Y Si p-val>0.05

Ha: El efecto del factor si es importante sobre Y Acepto H0
128
128
7.3 Qu es Lean ?
Es una forma de vida, una enloquecida pasin por el control, un

modelo operacional que busca la excelencia, reducir los costos
totales y disear una organizacin que aprende, es la M=Mejorar de
Seis Sigma.
Conjunto de herramientas para reducir los desperdicios.

Filosofa basada en la reduccin de los plazos de entrega de
los rdenes de compra a los clientes.
Mtodo de produccin basado en la demanda de los clientes
y en el flujo de una sola pieza.
Un estado mental.
Un modelo operativo que ignora las economas de escala.
Una metodologa empresaria orientada a crear una
organizacin comprometida con el aprendizaje.
Un modelo operativo basado en la mejora contina.
129
129
7.3 Qu es Lean ?
130
130
7.3 Los 7 Desperdicios
Los ingenieros de Toyota, Taiichi Ohno y Shigeo Shingo

identificaron siete desperdicios en el Sistema de Produccin
de Toyota.
1.- Espera
2.- Sobreproduccin
3.-Inventarios. Consecuencia de la sobreproduccin
4.-Procesamiento innecesario: El cliente no esta

dispuesto a pagar por ello, no hay valor.
Shigeo Shingo
Naci en 1909, contribuy al
desarrollo de la filosofa
5- Movimiento innecesario: Ergonoma
Just-In-Time, inspecciones
en la fuente, y el Poka-Yoke
(a prueba de errores). 6.- Transporte innecesario: Debe de estar cerca del
cliente y proveedores.
7.- Defectos en los productos: Bienes daados o
equivocados.
131
131
7.3
132
132
7.3
133
133
7.3 Organizacin que aprende
134
134
7.3 Reforzando a la Organizacin
que aprende
135
135
7.3 Que es Lean Seis Sigma
Lean y Six Sigma son principios complementarios. No

rivales
Lean provee la inspiracin para la M de DMAMC. Permite
comprender el proceso ( por qu y cmo ) y mejorarlo
136
136
7.3
137
137
7.3
138
138
7.4 Plan de Mejora
Los planes de Implementacin Final de soluciones debe

contener:
La solucin (accin) recomendada.
La causa verificada y el efecto esperado de la solucin.
Definir al responsable que llevara a la prctica la
solucin.
Donde y cuando se realizara (fecha de inicio-fecha
final).
Como se realizara (descripcin operativa).
Recursos necesarios para la implementacin.
Retorno esperado (beneficio).
El Plan de Gerenciamiento.
139
139
7.4 Plan de Mejora
Formato Plan de Implementacin de Soluciones.
PROYECTO: FECHA:
MIEMBROS DEL EQUIPO:
ACCION EFECTO QUIEN FECHA

Nro RECOME CAUSA ESPERA RESPON OPERACI DONDE CUANDO COMO
INICIO FIN
NDADA DO SABLE N
RECURSOS NECESARIOS RETORNO ESPERADO PORCENTAJE DE STATUS OBSERVACIONES

ENTRENAM
TIEMPO S$ IENTO SOPORTE OTROS S$ SATISFACCIN AVANCE
140
140
7.4 Plan de Mejora
Tipo de Fecha de % de
ID Oportunidad de Mejora Acciones de Mejora Responsable Observaciones
Mejora Compromiso Avance
Problemas para identificar la
Desarrollo de una Base de Datos correspondencia de los nmeros
Falta de un control de las altas en
1 donde se registra las altas por dslam Corto plazo Veronica Avila 15 de Abril 50% a los DSLAM por falta de
DSLAM que presentan saturacin
saturados etiquetas y creacin de nuevos
perfiles
Se requiere la participacin de
Falta de un sistema que controle Desarrollo de la BD que controle la
la Subgerencia de Tx y el
2 la capacidad disponible de Tx por capacidad disponible de Tx por Largo Plazo Ernesto Saravia Por definir Por definir
conocimiento del Aplicativo
DSLAM's DSLAM's
Asig2000.
Falta de previsin en el crecimiento Desarrollo de un sistema que realice Se requiere la participacin de

3 Mediano Plazo Veronica Avila Por definir Por definir
de trafico por cliente la previsin de trafico por DSLAMs GSI
Solicitar a GSI, el desarrollo de una

No se registras las fechas de inicio
rutina que permita que los campos : Se requiere establecer un
y culminacin de las Obras en el
4 In Real y Fin. Real se han obligatorios Corto plazo Walter la Matta Por definir Por definir requerimiento, y el posible
Aplicativo SAP-Modulo Gestin de
cuando se cambia el status del costeo de esta nueva rutina
Proyectos
proyecto
Elaboracin de un procedimiento para
Falta de un procedimiento para la ampliacin de los enlaces en la Red Se requiere la participacin de
5 realizar la ampliacin de los Speedy que abarca desde la Largo Plazo Ernesto Saravia Por definir 15% las Gerencia de Desarrollo y
enlaces en los DSLAM'S deteccin de su sobrecarga hasta su Planificacin
ampliacin.
Desarrollo de una Base de Datos que
registra las fechas de denuncias de
Falta de un sistema que controle Se tiene la informacin hay que
los sobrecargas hasta su ampliacin,
6 las denuncias de sobrecarga hasta Corto Plazo Veronica Avila 15 de Abril 25% armar la data a partir del
con la finalidad de realizar el
su ampliacin en la Red presente ao 2005
seguimiento de las ampliaciones en
planta
141
141
8. Fase IV: Controlar
8.1 Objetivo
8.2 Mantenimiento de Resultados.
8.3 Control estadstico de procesos
8.4 POKA YOKE
8.5 Las 5 S
8.6 Fabrica visual
8.7 Acciones Finales
142
142
CTQs
X (KPIV) Cp, Cpk
Prueba de Hiptesis
Regresin

Mejoras
SPC
5 Ss
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente
143
143
8.1 Objetivo
Concluida las mejoras en las Y, se debe controlar la variable en el

tiempo para que no retorne a la situacin anterior.
Y
FASE POST
CONTROL PROYECTO
MEJORAR
Fin de
Antes de
Proyecto Situacin No
la Mejora Deseada
144
144
8.2 Mantenimiento resultados
Se debe elaborar un plan de Mantenimiento de

Resultados:
El plan debe contener:
El mapa de proceso actualizado, con indicadores
crticos en la entrada y salida (Ya estuvieron definidos
en la primera etapa).
El tipo de control para cada indicador y las acciones
de reaccin ante el descontrol.
145
145
PLAN DEL CONTROL DEL PROCESO
Es el listado con las acciones generales que cada proceso debe

seguir para garantizar, mantener el resultado del indicador.
Ejemplo:
PLAN DE CONTROL
Proceso:_______ Fecha:____
Responsable:_____
Accin Responsable Periodicidad
1Analizar indicador Supervisor 1 Diario

2.Gage R & R
Normas y Supervisor 2 Mensual
procedimientos Gerente Quincenal
4.Revisin Todos Anual
FMEA
5.Charla de Six
Sigma en 5 minutos Jefe Mensual
146
146
TIPO DE CONTROL PARA CADA INDICADOR
Existen diferentes maneras de hacer el Control

para los indicadores. Entre los ms importantes, se
menciona:
Control Estadstico de Procesos.
Sistema a Prueba de Errores (Poka Yoke).
Filosofa de 5 Ss y Gerenciamiento Visual.
147
147
8.3 Control Estadstico de Procesos
Control Estadstico de Procesos (CEP)
Muestra el desempeo del Proceso.

Provee de un Lenguaje Comn para discutir el Proceso.
Permitir diferenciar Causas Comunes de Especiales.
Los componentes del CEP, son:

Cartas de Control.
Causas Especiales y Comunes.
ZONA PRUEBA
DE CONTROL
(MAL)
LSC : Lmite Superior de Control
ZONA EN
CONTROL (BIEN)
LIC : Lmite Inferior de Control

148
148
Cartas De Control
CARTA P
Controla la proporcin de piezas no conformes.
No controla la cantidad de no conformidades encontradas en la pieza.
d
p q 1 p
n
pq
LIC p p 3
n1 n2 nk n
n
k
pq
p p2 pk LSC p p 3
p 1 n
k
149
149
Cartas De Control
CARTA C
Controla el numero de no conformidades por unidad y slo es
aplicada cuando el nmero de elementos de las muestras
recolectadas es constante.
c1 c2 ck
c LIC p c 3 c
k
c1 c2 ck
LSCp c 3 c
Es la cantidad de no conformidades
encontradas en cada muestra.
150
150
Cartas De Control
CARTA X-R
Se utiliza cuando se trabaja con valores individuales del
proceso.
La amplitud (R), en este caso, es la calculada para cada par
sucesivo de datos registrados en la carta entre el Xmax-Xmin.
X1 X 2 X k
X
k
R X 1 X 2 , X 1 X 2 , X 1 X 2 , , X k 1 X k
R Es la media de los R individuales calculados.
LSCR D4 R LSCX X E2 R
c
LICR D3 R LICX X E2 R
151
151
Grfica X-R
152
152
8.4 POKA YOKE
Mecanismos a Prueba De Errores : POKA YOKE

Los defectos tienes su causa raz en errores
Defecto
La manera tradicional de evitar que lleguen defectos al cliente es

inspeccionar al 100% todo o parte de los servicios brindados. Pero esto es
muy costoso e ineficiente.
Se debe construir Calidad desde la fuente incorporada mecanismos que

prevengan los errores desde el principio
153
153
8.4 POKA YOKE
Errores
1 Olvido
2 Desconocimiento
Casi todos los
3 De identificacin
defectos estn
causados por 4 Inexperiencia
errores humanos.
5 Voluntarios
Sin embargo hay
como mnimo 10 6 Inadvertidos
clases de errores 7 Lentitud
8 Falta de estndares
9 Errores Sorpresa
10 Intencionales
154
154
8.4 POKA YOKE
Errores
Falta de estndares
Desconocimiento
No identificado
Inexperiencia
Inadvertido
Intencional
Voluntario
Humanos
Sorpresa
Lentitud
Olvido
Causa de
defectos
Proceso Omitido
Errores de Proceso
Piezas omitidas
Conexin
fuerte Piezas equivocadas
Conexin Error de ajuste
Operacin defectuosa
Procesamiento de Pieza
equivocada
Montaje errneo de piezas de
mquina
Equipo montado
inapropiadamente
Utiles y plantillas mal
preparados 155
155
8.4 POKA YOKE
Los errores Humanos usualmente lo son por inadvertencia.
Los errores inadvertidos incrementan el trabajo
Yokeru Evitar
Poka Errores Inadvertidos
Los mecanismos Poka-Yoke nos ayudan a evitar los defectos

aunque inadvertidamente se cometan errores.
Los Poka-Yoke ayudan a fabricar la calidad en el proceso.
Un dispositivo Pokayoke es cualquier mecanismo que ayuda a

prevenir los errores antes de que sucedan, o los hace que sean
muy obvios para que el trabajador se de cuenta y lo corrija a
tiempo.
156
156
8.4 POKA YOKE
Lista de Comprobacin
Equipo: Camin 785C

Operacin: Cambio de llantas delanteras
Fecha: 15/12/03
Personal Requerido Cantidad Conformidad

Tcnico en Llantas 2
Ayudante 1
Herramientas Cantidad Conformidad
Equipo Manipulador de llantas TAYLOR (1) 1
Barreta (1). 2
Gata 150 TN ( 1 2 ). 2
Gata Hidrulica-Neumtica. 2
Lista de Chequeo Extractor de vlvulas de aire.
Vlvulas de aire.
1
2
Herramientas de impacto 3
Extensin 5. 2
Encastre 2
Vlvulas de aire 1
Destalonador 2
Dado . 2
Material o insumos Cantidad Conformidad
Grasa vegetal 1 balde
Trapo Industrial 1 kilo
Sello O-Ring 2
Tacos de Madera 2
Llanta 2
Procedimientos estndares a seguir
EMATL001: Cambio de llantas delanteras 1 y 2
Camiones 785C
157
157
8.5 Las 5 S
SEIRI Retirar, desalojar lo innecesario.

(Clasificar)
SEISO Cada cosa en su lugar y un lugar para cada
(Organizar) cosa.
SEITON Limpieza es inspeccin.
(Limpiar)
SEIKETSU Evitar que se vuelva a ensuciar, desordenar.
(Prevenir)
SHITSUKE Estandarizar, cumplir con los estndares, Formar
(Disciplinar) buenos hbitos.
158
158
8.5 Las 5 S
Cmo se pueden definir las 5S?
Siempre se pueden evitar ineficiencias, evitar

desplazamientos, y eliminar desperdicios de tiempo y
espacio
159
159
8.5 Las 5 S
160
160
8.5 Las 5 S
161
161
8.6 Fabrica visual
Se debe tener de manera visible un Panel que permita ver:
Evolucin del Indicador. (Con Control Estadstico).

I-MR Chart of RESUL
Acciones Correctivas tomadas ante Ocurrencia de Fallas.
80
1
Estado del Cumplimiento

60 de Estndares U C L=67.16
y
Individual Value
Procedimientos.
40 _
X=31.32
20
Plan de Control del Proceso.
0
LC L=-4.52
1 9 17 25 33 41 49 57 65 73 81
O bser vation
1
U C L=44.03
40
Moving Range
30
20
__
M R=13.48
10
0 LC L=0
1 9 17 25 33 41 49 57 65 73 81
O bser vation
162
162
8.7 Acciones Finales
Para la implementacin de las Acciones Finales, deben estar

previamente definidos:
El desarrollo y la documentacin de prcticas estndares.
El entrenamiento del personal involucrado en las Actividades.
Despus de ello se podr hacer los cierres de los proyectos.

Se debe reconocer el esfuerzo y aporte de cada participante por
el trabajo y sus resultados asociados.
163
163

Calidad y Productividad

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calidad y Productividad

Transféré par

Droits d'auteur :

Formats disponibles

Calidad y Productividad

1. Introduccin al Seis Sigma

2. Proyectos Seis Sigma

3. Metodologa Seis Sigma

4. Fase I: Definir y Medir

5. Fase II: Analizar

7. Fase III: Implementar mejoras

8. Fase IV: Controlar

Es un sistema empresarial para lograr y mantener el xito

Mide el desempeo de un proceso

Como Filosofa Mejoramiento continuo de procesos

Tener procesos de clase mundial,

Alta Alta Baja Baja

Ejemplo: El tiempo que un cliente esta dispuesto

305 537 defectos

697 700 defectos

Malas Recetas mdicas 54, 000 / ao 3 / ao

Bebes que se caen 40, 500 / ao 3 / ao

Tomar agua contaminada 4 h. / mes 1 / 16 aos

Corte de seal de TV 27 min. / semana 6 / 50 aos

Mala Operacin mdica 1, 350 / semana 1 / ao

Devolucin Sacos de Azcar 44.000 / ao 5 / ao

Implementacin Seis Sigma y sus niveles de calidad Empresas 6S

Estamos en el quinto ao de trabajos con Seis

J. Welch Comenzamos a implementar Seis Sigma a

Distribucin de proyectos Seis Sigma segn el sector de la empresa

La mayor parte de proyectos Seis Sigma se destinan a reas funcionales de

Fig. 3 : Nivel de Calidad Empresas 6S Empresas No 6S

Primer Autentica orientacin al cliente, satisfacer al

Segundo Todo debe y puede ser mejorado alineado

Las decisiones deben basarse en hechos,

Al mejorar se debe mirar el proceso

Sub Sub Sub

Las causas de los problemas deben ser

Sexto Cada vez que un proceso es mejorado

Stimo El recurso humano es el capital

Todos los miembros de la empresa deben ser lderes, maestros

Seis Sigma como Sistema de Gestin de

Mejora continua Mejora continua

Seis Sigma como Sistema de Gestin

Alineado con la estrategia

MASTER BLACK BELT:

TEST: Inventario de Utilizacin de Energas

Se utiliza para indicar que atributos emplea una persona en su

1.- Definir el Problema, definir objetivos

2.- Definir y Describir el proceso

9- Controlar y dar seguimiento al proceso

1.- Definir el Problema, definir objetivos

3.- Evaluar Sistema de medicin

Hacer 5.- Determinar las causas del problema

7.- Optimizar y robustecer

Verificar 8.- Validar Mejora

9- Controlar y dar seguimiento al proceso

Definir el Problema, Determinar las

Definir y Describir el Determinar variables

X (KPIV) que afectan al proceso FMEA, Lean, Plan de

Y Key Process Ouptput Variables (KPOV) Problema

Situacin problemtica inespecfica

Identificacin de los clientes, CTQ, VOC

CTQ (Critical to Quality). Son los atributos a

VOC (Voice of Client). Es la voz del cliente que se

IDENTIFICAR CLIENTES Y CTQ

1. Definir Clientes Internos y Externos

Ver Separata Caso Fastpizzas