Curso Seis Sigma

1. Dr. Primitivo Reyes Aguilar Mail: primitivo_reyes@yahoo.com Seis Sigma

3. 1. Introducción

11. Las fases DMAIC de 6 Sigma Medición Definición Proyecto Seis Sigma Mejora Control Análisis

15. Interpretación estadística y métricas para Seis Sigma

16. Distribución gráfica de la variación – Curva normal LAS PIEZAS VARÍAN DE UNA A OTRA: Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal LAS DISTRIBUCIONES PUEDEN DIFERIR EN: SIZE TAMAÑO TAMAÑO TAMAÑO TAMAÑO TAMAÑO TAMAÑO TAMAÑO TAMAÑO TAMAÑO UBICACIÓN DISPERSIÓN FORMA . . . O TODA COMBINACIÓN DE ÉSTAS

19. La distribución Normal Estándar Tiene media 0 y desviación estándar de 1. El área bajo la curva desde +- infinito vale 1. La distribución normal es simétrica, cada mitad tiene área 0.5. La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z. Para cada valor Z se asigna una probablidad o área bajo la curva mostrada en la Tabla de distribución normal

20. z x x+s x+2s x+s3 x-s x-2s x-3  La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal La Distribución Normal Estándar 0 1 2 3 -1 -2 -3 X

21. 68% 34% 34% 95% 99.73% + 1s + 2s + 3s Características de la Distribución Normal

22. El valor de Z Determina el número de desviaciones estándar entre algún valor x y la media de la población, mu Donde sigma es la desviación estándar de la población . z = x -  

23. 0 1 86 87 85.36 ¿Cuál es la probabilidad de que una batería dure entre 86.0 y 87.0 horas? Área bajo la curva normal

24. ¿Que porcentaje de las baterías se espera que duren 80 horas o menos? Z = (x-mu) / s Z = (80-85.36)/(3.77)= - 5.36/ 3.77 = -1.42 P(Z) = distr.norm.estand(-1.42) = 7.78% 85.36 80 -1.42 0 Área bajo la curva normal

25. _ X xi s Z LIE Especificación inferior LSE Especificación superior p = porcentaje de partes fuera de Especificaciones La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal Interpretación de Sigma y Zs

28. Definición estadística de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm Media del proceso Corto plazo Largo Plazo LSE - Límite Superior de especificación LIE - Límite inferior de especificación 4.5 sigmas El proceso se puede recorrer 1.5 sigma en el largo plazo La capacidad Del proceso Es la distancia En Sigmas de La media al LSE 3.4ppm +4  +5  +6  +1  +2  +3  -2  -1  -4  -3  -6  -5  0

29. 2. Despliegue de Seis Sigma en la empresa

34. Organización para Seis Sigma

40. 3. Gestión de Procesos de negocio

43. Funciones vs proceso

44. Enfoque de procesos

45. PROCESO Conjunto de actividades interrelacionadas o que interactúan Proceso: Salida PRODUCTO Entrada (Incluyendo recursos) Eficiencia Resultados contra recursos empleados ISO 9004:2000 Eficacia Capacidad para alcanzar resultados deseados ISO 9001:2000 Procedimiento Especificación de la forma en que se realiza alguna actividad Actividades de medición y seguimiento

48. ¿Con quien? Personal involucrado ¿Con qué? Recursos, cap. ¿Cómo? Procedimientosy métodos ¿Cuánto, Cuáles Indicadores, eficiencia, eficacia Diagrama de tortuga

49. Mapa de procesos SIPOC

51. Diagrama de pulpo - Procesos COPs

53. Símbolos de diagrama de flujo

54. Paso 2A Paso 2B Paso 2C Paso 1 Paso 3 Retrabajo Sí No Diagrama de flujo Inicio Fin ¿Bueno?

57. Actividades sin valor agregado Actividades con valor agregado Diagrama de flujo de valor

68. Matriz de Causa Efecto Lista para el Pareto Ordenando los números resultantes se observa que: Las actividades A, B y C son importantes. Ahora se evalúan los planes de control para sus variables clave (KPIV’s) Importancia del Ciente 10 8 Entradas del Proceso Respuesta Exactitud Trato Requisito Requisito Requisito Requisito Requisito Requisito Requisito Requisito Requisito Requisito Requisito Total 1 Actividad A 10 10 262 2 Actividad B 9 10 252 3 Actividad C 10 6 218 5 Actividad D 6 7 171 10 Actividad E 4 8 168 9 Final 4 0 104 11 13 15 12 14 4 7 8 6 9 9 8 6 7 8 9 Salidas o CTQ’s

70. Casa de la calidad (QFD)

72. Gestión de Proyectos Seis Sigma 4. Gestión de proyectos

79. Costos de calidad óptimos Costo total de calidad Costo de evaluación Más prevención Costo de falla CALIDAD DE CONFORMANCIA 100% C O S T O S E R V . Al infinito

83. PERT (Program evaluation review technique)

84. Gráfica de Gantt

92. 5. Metodología Seis Sigma Fase de Definición

95. Identificación del cliente En términos simples, un cliente es el receptor de un producto o servicio.

105. Definición del problema

111. 6. Metodología Seis Sigma Fase de medición

114. Tipos de información para proyectos Variables Atributos PASA NO PASA CIUDAD UNIDAD DESCRIPCION TOTAL 1 $10.00 $10.00 3 $1.50 $4.50 10 $10.00 $10.00 2 $5.00 $10.00 ORDEN DE ENVIO Error Tiempo

126. Capacidad de Proceso

127. _ X xi s Z LIE Especificación inferior LSE Especificación superior p = porcentaje de partes fuera de Especificaciones

128. Nigel´s Trucking Co. Teoría del camión y el túnel El túnel ( especificación ) tiene 9' de ancho. El camión ( variación del proceso ) tiene 10’ y el chofer es perfecto. ¿Pasaría el camión? NO, la variabilidad del proceso es mayor a la especificación. El proceso debe estar en control, tener capacidad y estar centrado Ancho 9´

129. Capacidad del proceso – Fracción defectiva Zi = LIE - Media del proceso Desviación Estándar LSE - Media del proceso Desviación Estándar La fracción defectiva se calcula con las tablas de distribución normal P(Zi) = Área en tabla (-Z) P(-Zs) = Área en tabla Zs = Fracción defectiva = P(Zi) + P(Zs)

130. Cálculo de la capacidad del proceso Habilidad o capacidad potencial Cp = (LSE - LIE ) / 6  Debe ser  1 para tener el potencial de cumplir con especificaciones (LIE, LSE) Habilidad o capacidad real Cpk = Menor | Z I - Z S | / 3 El Cpk debe ser  1 para que el proceso cumpla especificaciones

132. Capacidad de Proceso Nota: La capacidad a largo plazo, asume la media de proceso como desplazada de la especificación por 1.5 sigma . MEDIA ORIG. CORRIDA LSE Cpk PPM. lt Z.lt Z.st 1.50 3.4 4.5 6.0 1. Z.st es el número de sigmas, en el mejor nivel que puede tener el proceso, a corto plazo. Este el indicador de capacidad de procesos 6S 2. Z.st siempre es un valor mayor a Z.lt, debido a que el valor a largo plazo es reducido por los cambios del proceso (en promedio, 1.5s) 0.00 500,000 0.0 1.5 0.17 308,538 0.5 2.0 0.50 66,807 1.5 3.0 0.83 6,210 2.5 4.0 1.00 1,350 3.0 4.5 1.17 233 3.5 5.0 1.33 32 4.0 5.5

133. Ejemplo de capacidad de proceso

134. Rendimiento de la capacidad real Recibo de partes del proveedor 45,000 Unidades desperdiciadas 51,876 Unidades desperdiciadas Correcto la primera vez Después de la inspección de recepción De las operaciones de Maquinado En los puestos de prueba - 1er intento 125,526 unidades desperdiciadas por millón de oportunidades 28,650 Unidades desperdiciadas 95.5% de rendimiento 97% de rendimiento 94.4% de rendimiento YRT = .955*.97*.944 = 87.4% 1,000,000 unidades

137. Capacidad de los sistemas de medición Estudios R&R por atributos

139. GR&R de Atributos - Ejemplo REPORTE Legenda de Atributos FECHA: 1 G = Bueno NOMBRE: 2 NG = No Bueno PRODUCTO: SBU: COND. DE PRUEBA: Población Conocida Persona #1 Persona #2 Muestra # Atributo #1 #2 #1 #2 % DE EFECTIVIDAD DE DISCRIMINACION (3) -> 85.00% (4) -> 85.00% % DEL EVALUADOR (1) -> 95.00% 100.00% % VS. EL ATRIBUTO (2) -> 90.00% 95.00% Esta es la medida general de consistencia entre los operadores y el “experto”. ¡90 % es lo mínimo! Acuerdo Y=Sí N=No Acuerdo Y=Sí N=No % DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO 1 G G G G G Y Y 2 G G G G G Y Y 3 G G G G G Y Y 4 G G G G G Y Y 5 G G G G G Y Y 6 G NG G G G N N 7 G G G G G Y Y 8 G G G G G Y Y 9 NG G G NG NG N N 10 NG NG NG G G N N 11 G G G G G Y Y 12 G G G G G Y Y 13 NG NG NG NG NG Y Y 14 G G G G G Y Y 15 G G G G G Y Y 16 G G G G G Y Y 17 NG NG NG NG NG Y Y 18 G G G G G Y Y 19 G G G G G Y Y 20 G G G G G Y Y

142. 7. Metodología Seis Sigma Fase de análisis

146. Análisis del Modo y Efecto de Falla (AMEF)

149. Definiciones Modo de Falla - La forma en que un producto o proceso puede fallar para cumplir con los requerimientos. - Normalmente se asocia con un Defecto, falla o error. Alcance insuficiente Omisiones Recursos inadecuados Monto equivocado Servicio no adecuado Tiempo de respuesta exc.

150. Definiciones Efecto - El impacto en el Cliente o siguiente proceso cuando el Modo de Falla no se previene ni corrige. Ejemplos: Serv. incompleto Servicio deficiente Operación errática Claridad insuficiente Causa - Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con variables de Entrada Claves Ejemplos: Material incorrecto Error en servicio Demasiado esfuerzo No cumple requerimientos

152. Pasos del proceso Del diagrama de flujo

153. CTQs del QFD o Matriz de Causa Efecto

154. Causas potenciales De Diagrama de Ishikawa Diagrama de árbol o Diagrama de relaciones

156. Causas probables a atacar primero

158. Herramientas de la Fase de Análisis Identificación de causas potenciales Análisis de Regresión Pruebas de Hipótesis

159. Identificación de causas potenciales Tormenta de ideas Diagrama de Ishikawa Diagrama de Relaciones Diagrama de Árbol Verificación de causas raíz

163. Diagrama de Ishikawa

164. Diagrama de relaciones Programación deficiente Capacidad instalada desconocida Marketing no tiene en cuenta cap de p. Mala prog. De ordenes de compra Compras aprovecha ofertas Falta de com..... Entre las dif. áreas de la empresa Duplicidad de funciones Las un. Reciben ordenes de dos deptos diferentes Altos inventarios No hay control de inv..... En proc. Demasiados deptos de inv..... Y desarrollo Falta de prog. De la op. En base a los pedidos No hay com..... Entre las UN y la oper. Falta de coordinación al fincar pedidos entre marketing y la op. Falta de control de inventarios en compras Influencia de la situación econ del país No hay com..... Entre compras con la op. general No hay coordinación entre la operación y las unidades del negocio Falta de coordinación entre el enlace de compras de cada unidad con compras corporativo Influencia directa de marketing sobre compras Compra de material para el desarrollo de nuevos productos por parte inv..... Y desarrollo’’’ No hay flujo efectivo de mat. Por falta de programación de acuerdo a pedidos Perdida de mercado debido a la competencia Constantes cancelaciones de pedidos de marketing No hay coordinación entre marketing operaciones Falta de comunicación entre las unidades del negocio

165. Diagrama de árbol o sistemático Primer nivel Segundo nivel Tercer nivel Cuarto nivel Meta Medio Meta Meta Medio Medio Meta u objetivo Medios o planes Medios o planes Medios Medios Medios

167. Modelando relaciones entre variables Análisis de regresión

169. Definiciones Correlación Regresión Establece si existe una relación entre las variables y responde a, ”¿Qué tan evidente es esta relación?" Describe con más detalle la relación entre las variables. Construye modelos de predicción a partir de información experimental u otra fuente disponible. Regresión lineal simple Regresión lineal múltiple Regresión no lineal cuadrática o cúbica

170. Correlación de la información de las X y las Y Correlación Positiva Evidente r=1 0 5 10 15 20 25 0 5 10 15 20 25 X Y Correlación Negativa Evidente r = -1 0 5 10 15 20 25 0 5 10 15 20 25 X Y Correlación Positiva r=0.8 0 5 10 15 20 25 0 5 10 15 20 25 X Y Correlación Negativa r=-0.8 0 5 10 15 20 25 0 5 10 15 20 25 X Y Sin Correlación r = 0 10 15 20 25 5 10 15 20 25 X Y 0 5 0

171. Ejemplo Predecir las ventas mensuales en función del costo de publicidad. Determinar el coeficiente de correlación, el de determinación y la recta. Ventas Publicidad 4.1 2.1 2.2 1.5 2.7 1.7 6 2.5 8.5 3 4.1 2.1 9 3.2 8 2.8 7.5 2.5

172. Resultados de la regresión lineal

173. Interpretación de los Resultados La ecuación de regresión (Ventas = -4.67+4.39 Pub) describe la relación entre la respuesta de predicción Y y la variable predictora X r (coef. de correlación) indica el nivel de ajuste de los puntos a la recta de regresión (debe tender a ± 1 ) r 2 = R 2 (coef. de determinación) es el porcentaje de variación explicado por la ecuación de regresión respecto a la variación total en el modelo (R-sq)

175. Resultados de la regresión Múltiple Regression Analysis: Ventas versus Prod. A, Prod. B, Prod. C The regression equation is Ventas = 489 -0.28 Prod. A+3.21 Prod. B - 20.3 Prod. C Predictor Coef SE Coef T P Constant 488.74 88.87 5.50 0.032 Prod. A -0.278 1.395 -0.20 0.860 Prod. B 3.2134 0.5338 6.02 0.027 Prod. C -20.293 2.981 -6.81 0.021 S = 3.47637 R-Sq = 98.0% R-Sq(adj) = 95.0% Signifi- cativos

176. Pruebas de Hipótesis

177. Pruebas de Hipótesis Variables Atributos Tablas de Contingencia Chi Cuad. Correlación No Normal Normal Varianza Medianas Variancia Medias 1- Población - Chi 2- Pob. F Homogeneidad de Varianzas de Levene Homogeneidad de Varianzas de Bartlett Correlación Prueba de signos Wilcoxon Mann- Whitney Kurskal- Wallis Prueba de Mood Friedman Pruebas Z, t ANOVA Correlación Regresión 1- Población 2- Poblaciones Una vía Dos vías Residuos distribuidos normalmente Proporciones - Z

178. Pruebas de Medias Prueba Z o t de 1 población : Prueba si el promedio de la muestra es igual a un objetivo conocido. Prueba t de 2 poblaciones : Prueba si los dos promedios de las poblaciones son iguales. ANOVA de un factor, dirección o vía: Prueba si más de dos promedios de las muestras son iguales. Pruebas de Proporciones Prueba Z de 1 o 2 poblaciones : Prueba si una proporción es igual a la meta o si dos proporciones son iguales. Resumen de pruebas de Hipótesis – Datos normales

179. ¿Qué representa esto? Sit. antes Sit. después 80.0 82.5 85.0 87.5 90.0 92.5 ¿La mejora es significativa? A AA AAAA A A B B B B B BB B B B

181. Prueba de Hipótesis Debemos demostrar que ha habido una mejora, o sea que la Ho debe estar equivocada Ho: Hipótesis Nula: No existe diferencia entre el Antes y el Después Ha: Hipótesis Alterna: Las medias del Antes y Después son diferentes.

183. ANOVA – Análisis de varianza

184. ANOVA – Ejemplo de datos Niveles del Factor Horas entrenamiento y Nivel desempeño

185. One-way ANOVA: 15, 20, 25, 30, 35 Source DF SS MS F P Factor 4 475.76 118.94 14.76 0.000 Error 20 161.20 8.06 Total 24 636.96 S = 2.839 R-Sq = 74.69% R-Sq(adj) = 69.63% Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev ------+---------+---------+---------+--- 15 5 9.800 3.347 (-----*----) 20 5 15.400 3.130 (----*----) 25 5 17.600 2.074 (----*----) 30 5 21.600 2.608 (----*----) 35 5 10.800 2.864 (-----*----) ------+---------+---------+---------+--- 10.0 15.0 20.0 25.0

186. Pruebas de Hipótesis Variables Atributos Tablas de Contingencia Chi Cuad. Correlación No Normal Normal Varianza Medianas Variancia Medias 1- Población - Chi 2- Pob. F Homogeneidad de Varianzas de Levene Homogeneidad de Varianzas de Bartlett Correlación Prueba de signos Wilcoxon Mann- Whitney Kurskal- Wallis Prueba de Mood Friedman Pruebas Z, t ANOVA Correlación Regresión 1- Población 2- Poblaciones Una vía Dos vías Residuos distribuidos normalmente Proporciones - Z

187. Pruebas de la Mediana Prueba de signos: Prueba si el promedio de la mediana de la muestra es igual a un valor conocido o meta. Prueba Wilcoxon : Prueba si la mediana de la muestra es igual a un valor conocido o a un valor hipotético. Prueba Mann-Whitney : Prueba si dos medianas de muestras son iguales. Resumen de pruebas de Hipótesis – Datos no normales

188. Pruebas de la Mediana Prueba Mann-Whitney : Prueba si las medianas de dos poblaciones son iguales. Prueba Kruskal-Wallis : Prueba si más de dos medianas de poblaciones similares son iguales. Pruebas de Varianzas Prueba de Levene : Prueba si las varianzas de dos más poblaciones son iguales. Resumen de pruebas de Hipótesis – Datos no normales

190. 8. Metodología Seis Sigma Fase de Mejora

195. Métodos de Simulación para generar soluciones Excel, SimQuick y Arena

196. Simulación de oportunidad de inversión por medio de NPV

197. Simulación del comportamiento de colas de espera con programa Q

199. SimQuick

200. Simulación con Arena

201. Operación Bancaria

202. Diseño de Experimentos (DOE) para generar soluciones

203. ¿Qué es un diseño de experimentos? Cambios deliberados y sistemáticos de las variables de entrada ( factores ) para observar los cambios correspondientes en la salida ( respuesta ). Proceso Entradas Salidas (Y) Diseño de Producto Entradas Salidas (Y)

206. Los Factores Pueden Afectar... 2. El Resultado Promedio 3. La Variación y el Promedio 1. La Variación del Resultado 4. Ni la Variación ni el Promedio Tiempo de Ciclo Largo Tiempo de Ciclo Corto Tiempo de respuesta Tiempo de respuesta Satisf. Baja Satisf. alta Tiempo de respuesta Tiempo de respuesta T. Respuesta Bajo T. Respuesta Alto Ambos niveles producen el mismo resultado

209. Tabla ANOVA – Experimento de satisfacción del cliente El empleado es significativo. El Método combinado con el empleado, si es significativo. El Método sólo no es significativo. 250.000 7 Total 3.500 14.000 14.000 4 Error 0.011 20.57 72.000 72.000 72.000 1 Empl.* Método 0.492 0.57 2.000 2.000 2.000 1 Método 0.002 46.29 162.00 162.00 162.000 1 Empl. P F MS Aj SS Aj SS Sec DF Origen

210. Gráfica de efectos principales

211. Gráfica de interacciones

212. Gráfica superficie de respuesta

213. Generación de soluciones con métodos de creatividad

225. Implantación de soluciones PUNTO CRITICO ACTIVIDADES * Realizar las medidas como se habían acordado * Antes de aplicar las medidas correctivas * Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos * Dar capacitación y entrenamiento. secundarios que puedan afectar al producto o áreas* Los equipos implantan las acciones correctivas y después poner en práctica las soluciones. * Obtener la aprobación de las áreas relacionadas, turno o puesto, Jefe inmediato etc. Es decir, Comunicar a todos los involucrados de la mejora a realizar. EJEMPLO 1 LISTADO DE LAS MEDIDAS CORRECTIVAS NO CUANDO ¿A QUE? - ¿COMO? DONDE RESULTADO JUICIO QUIEN DOC. A PROC. DE AUTOR. 1 2 JULIO 97 JULIO 97 DEPTO. A DEPTO. B PERSISTENCIA DE ERRORES IMPACTO DE ERRORES J. PÉREZ L.TORRES

226. Implantación de soluciones HACERLO 15 GUOQCSTORY.PPT

227. Verificación de soluciones PUNTO CRITICO ACTIVIDADES * Verificar hasta obtener efectos estables ampliando * Hacer análisis comparativo antes y después los datos históricos en gráficas de la etapa de * En caso de aplicar varias medidas correctivas &quot;razón de selección del tema&quot; , Verificar los efectos intangibles sin omisiones * Comparar el efecto en gráfica entre antes y después de DMAIC respecto al objetivo. confirmar el efecto sobre cada concepto de (relación humana, capacidad, trabajo en equipo, contramedidas. entusiasmo, área de trabajo alegre). * Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen áreas y operaciones similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento. %D < 1 % Ejemplo 1. % D E F E C T U S O

228. 9. Metodología Seis Sigma Fase de Control

232. Plan de calidad

235. Variación – Causas comunes Límite inf. de especs. Límite sup. de especs. Objetivo

236. Variación – Causas especiales Límite inf. de especs. Límite sup. de especs. Objetivo

237. Patrones de anormalidad en la carta de control “ Escuche la Voz del Proceso” Región de control, captura la variación natural del proceso original Causa Especial identifcada El proceso ha cambiado TIEMPO Tendencia del proceso LSC LIC M E D I D A S C A L I D A D

239. Ejemplo: Carta I-MR Observar las situaciones fuera de control

241. Herramientas Lean para control

252. Prevención de la reincidencia – Estandarización 22 GUOQCSTORY.PPT