Introduccin
En este trabajo se plasma un caso de investigacin emprica, mediante
la metodologa DMAIC. La cual nos ayud para diagnosticar tanto las
necesidades del cliente, las causas raz (sistema de mantenimiento deficiente
y la falta de existencia de un sistema de inspeccin de materia prima) que
propiciaban los defectos en un proceso. Por otra parte tambin se desarrollan
Six Sigma & DMAIC
198
199
200
201
202
203
USD Anuales
$5,747.87
$2,587.50
$5.24
0
0
0
0
Frecuencia
relativa
69%
31%
0%
0%
0%
0%
0%
Frecuencia relativa
acumulada
69%
100%
100%
100%
100%
100%
100%
204
Defectos (Kg./TON)
4.46
2.96
2.8
3.2
3.4
2.1
1.4
3.2
2.0
2.2
2.5
3.5
Fuente: Elaboracin propia.
205
(1)
(2)
Factor Base=0.98
(3)
(4)
(5)
(6)
(7)
206
Medicin
Medicin
Situacin Actual
Objetivo
Variable/Atributo
Primaria
Cantidad de
defectos medida
en Kg/TON
Qu est mal?
En el 2012 se reportaron costos de
$5,747.87 por defectos en el producto
X
En dnde ocurre?
Este suceso se present en el proceso
X
Qu tanto ocurre?
Con una frecuencia de 3.14 Kg/TON
promedio mensual de defectos. Al
finalizar ese ao (2012) se cerr con
0.31% de productos defectuoso.
Cmo se sabe qu ocurre?
Los datos se obtuvieron mediante las
bitcoras de registros de inspeccin del
2012 y las inconformidades de los
consumidores.
Reduccin
del 65%
de los
defectos
del
producto
X.
Variable Continua
Secundaria
Aumento del
tiempo de
inspeccin medida
en minutos.
No se tiene registrado.
N/A
N/A
207
Kg de defecto
184,912.0
970.1
500.0
30.0
Porcentaje
99%
0.5%
0.3%
0.0%
208
209
GL
9
2
18
60
89
SC
0.0000073
0.0000000
0.0000002
0.0000004
0.0000080
SM
0.0000008
0.0000000
0.0000000
0.0000000
F
62.1591
1.0568
1.9235
P
0.000
0.368
0.031
210
VarComp
%Contribucin
(of VarComp)
Desv.Est
(SD)
Estudio de
Var (6*SD)
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000001
0.0000001
9.12
6.95
2.17
0.03
2.14
90.88
100.00
0.0000943
0.0000823
0.0000459
0.0000050
0.0000457
0.0002976
0.0003122
0.0005657
0.0004940
0.0002757
0.0000298
0.0002741
0.0017859
0.0018733
% Est de
Var
(%SD)
30.20
26.37
14.72
1.59
14.63
95.33
100.00
%Tolerancia
(SV/Toler)
0.06
0.05
0.03
0.00
0.03
0.18
0.19
211
!
!
!
Z/!
= Z!.!"/!
= Z!.!"#
= 1.962 = 3.8416
(El valor 1.962 se obtuvo de la tabla de la Distribucin normal)
!!/! !!!
n = !!
/! !!!!!
!.!"#$!"!.!!.!
(1)
(2)
n = !.!"#$!.!!.!!!"!.!!
(3)
n=27.59=28 pieza
(4)
212
99.9
Mean
StDev
N
AD
P-Value
99
Percent
95
90
22.32
0.2749
150
12.634
<0.005
80
70
60
50
40
30
20
10
5
1
0.1
21.5
22.0
22.5
C2
23.0
23.5
213
U S L*
transformed data
Data
22
*
23
22.322
150
0.28514
0.274869
O v erall C apability
A fter Transformation
LS L*
Target*
U S L*
S ample M ean*
S tDev (Within)*
S tDev (O v erall)*
Within
O v erall
P otential (Within) C apability
Cp
0.61
C P L 0.38
C P U 0.85
C pk 0.38
Pp
PPL
PPU
P pk
C pm
5.15363e+006
*
6.43635e+006
5.55026e+006
348282
335928
0.64
0.39
0.88
0.39
*
E xp.
PPM
PPM
PPM
Within P erformance
< LS L* 127389.41
> U S L*
5477.13
Total
132866.55
214
Efecto
0.000017
0.000050
-0.000017
Coeficiente
0.022575
0.000008
0.000025
-0.000008
Error
Est Coef
0.000012
0.000012
0.000012
0.000012
T
1915.55
0.71
2.12
-0.71
P
0.000
0.500
0.067
0.500
S=0.0000408248
PRESS=0.00000003
R-Sq = 40.74%
Fuente: Elaboracin propia utilizando el software Minitab.
215
216
U S L*
transformed data
Data
0.022
*
0.023
0.02255
60
8.4366e-005
0.0001
O v erall C apability
A fter Transformation
LS L*
Target*
U S L*
S ample M ean*
S tDev (Within)*
S tDev (O v erall)*
Within
O v erall
P otential (Within) C apability
Cp
1.98
C P L 2.18
C P U 1.77
C pk 1.77
Pp
PPL
PPU
P pk
C pm
0.148324
*
0.151658
0.150166
0.000281284
0.000333268
1.67
1.84
1.49
1.49
*
217
Sample M ean
U C L=0.022700
0.0225
_
_
X=0.022345
0.0220
LC L=0.021990
1
1
10
13
16
Sample
19
22
28
0.00100
Sample Range
25
0.00075
U C L=0.000616
0.00050
_
R=0.000189
0.00025
0.00000
LC L=0
1
10
13
16
Sample
19
22
25
28
Sample M ean
0.0227
0.0226
_
_
X=0.02255
0.0225
0.0224
LC L=0.0223710
1
0.0223
1
10
13
16
Sample
19
22
25
28
U C L=0.0003109
Sample Range
0.0003
0.0002
_
R=0.0000952
0.0001
0.0000
LC L=0
1
10
13
16
Sample
19
22
25
28
218
Conclusiones
Como conclusin del proyecto en Abril 2013 se tuvo un total de 0.86
Kg/TON de desperdicio y en Abril 2012 se tuvo un total de 3.19 Kg/TON con
lo que hubo una reduccin del 73% de desperdicios. Por lo tanto no solo se
cumpli con el objetivo (reduccin de un 65% de los desperdicios) sino que la
superamos por un 8% del objetivo planteado. En cambio en el aspecto
econmico se proyect una reduccin del 2%, en cambio se redujo el costo
un 5% con respecto al 2012, superando el objetivo general un 3% de lo
estimado.
El sistema de mantenimiento integral mejor debido a que se cambi la
cultura del operador para mejorar la eficiencia de las operaciones. Esto a las
juntas de seguimiento y a los controles establecidos del proyecto a travs del
mantenimiento autnomo.
El sistema de inspeccin de materia prima dio pauta a que el proveedor
tomara acciones correctivas. El anlisis de capacidad de un proceso es de
gran utilidad para demostrar que un fabricante cuenta con un proceso que
cumple con los requerimientos de sus clientes. Esto sirve para poder
comparar competencias en el mercado y as poder tomar la mejor decisin
desde la perspectiva del cliente.
Como se pudo observar la metodologa DMAIC ayuda en la toma de
decisiones en la mejora del proceso a analizar. Es decir, al disminuir la
variabilidad del proceso se aumenta la capacidad potencial del mismo.
Aunque el disminuir la variabilidad se tienen que considerar muchos factores
como: ambiente natural de trabajo, caractersticas de la materia prima, el
factor humano, factor maquinaria, etc. Despus de lograr reducir la
variabilidad, es ms fcil aumentar la capacidad real, ya que esto se refiere a
realizar ajustas ms sencillos al proceso.
Referencias
Acua, J. (2003)., Ingeniera de confiabilidad. Cartago, Costa Rica: Tecnolgica de Costa
Rica.
Anderson, D. (2003). Mtodos cuantitativos para los negocios. Mxico: Thompson.
Cabrera, R. C. (s.f.). Lean Six Sigma TOC. Simplificado. PYMES. Mxico.
Carot, V. (1998). Control estadstico de calidad. Valencia: Universidad Politecnica de
Valencia, servicios de publicaciones.
M. M. Quezada & J. B. Garza
219
Cuatrecasas, L. (2009). Diseos avanzados en procesos y plantas de produccin flexible.
Barcelona: Profit Editorial.
Dennis, P. (2002). Lean Production Simplified: A plain language guide to the world's most
powerful production system. New York: Productivity Press.
Escalante, E. J. (2008). Seis-sigma: metodologa y tcnicas. Mexico: LIMUSA.
Evans, J. R. (2008). Adminstracin y control de la calidad. Mxico: CENGAGE.
Ginn, D. (2004). The desing for six sigma. Salem, N.H: GOAL/QPC.
Gutierrez, H. (2009). Control estadstico de la calidad y seis sigma. Guadalajara, Mxico:
McGraw Gill.
Herrscher, E. (2010). El valor sistmico de las organizaciones. Mxico: Granica.
Long, N. (2001). Psicologa del desarrollo una perspectiva centrada en el actor. Mxico:
Norman Long.
Meier, J. L. (2006). The Toyota Way Fieldbook. Nueva York: McGraw Hill.
Montgomery, D. C. (2004). Diseo y anlisis de experimentos. Mxico: Limusa Wiley.
Rey, F. (2003). Tcnicas de resolucin de problemas. Mxico: Publiequipo.
Salafranca, L. (2005). Anlisis estadstico mediante aplicaciones informticas: SPSS,
Stratgraphics, Minitab y Excel. Barcelona: Grficas Rey.
Tovar, A. (2007). CPIMC. Un modelo de administracin por procesos. Mxico: Panorama
Editorial.
Tsuchiya, S. (1995). Mantenimiento de calidad. Portland: Productivity Press