UNIVERSIDAD TECNOLGICA DEL PER

FACULTAD DE ADMINISTRACIN Y NEGOCIOS

TRABAJO DE INVESTIGACIN
SIX SIGMA

Integrantes:
CURILLA QUINTANILLA, Cesar Kevin
FERNANDEZ VASQUEZ, Sal Eduardo
JUNCHAYA HUAMAN, Juan Carlos Krishna
LOPEZ MELENDEZ, Gustavo Jim
VARGAS CALLE, Kimberly Giorgette
FRANCIA GODOY, Walther Arthuro

Profesor:
PINEDA HUERTA, Oscar Vidal

LIMA - 2017
Contenido
INTRODUCCIN ............................................................................................................................................................ 2
MARCO HISTRICO..................................................................................................................................................... 3
ANTECEDENTES ........................................................................................................................................................ 4
LOS PRIMEROS PASOS DE SIX SIGMA .................................................................................................................. 6
SIX SIGMA EN NUESTROS DIAS ............................................................................................................................. 7
MARCO TERICO: ........................................................................................................................................................ 16
FASE DE DEFINICIN.............................................................................................................................................. 26
FASE DE MEDICIN ................................................................................................................................................ 42
FASE DE ANLISIS .................................................................................................................................................. 79
FASE DE MEJORA .................................................................................................................................................... 94
FASE DE CONTROL ............................................................................................................................................... 109
SIX SIGMA KAIZEN .................................................................................................................................................... 132
PRACTICA DE LA METODOLOGIA SEIS SIGMA................................................................................................... 146
PASOS PARA IMPLEMENTACION DE LA METODOLOGIA SIX SIGMA ...................................................... 146
Identificacion del problema ....................................................................................................................................... 148
El Analisis .................................................................................................................................................................. 148
(causas) ...................................................................................................................................................................... 148
Generacin de Soluciones .......................................................................................................................................... 148
Selecin planificacin de soluciones ........................................................................................................................ 148
Implantacin .............................................................................................................................................................. 148
Evaluacin yNormalizacin ....................................................................................................................................... 148
. CAUSA-EFECTO ............................................................................................................................................... 151
Falla de equipos ......................................................................................................................................................... 151
. DIAGRAMA PARETO ........................................................................................................................................... 151
Problemas Falta de personal ...................................................................................................................................... 153
Solucin ..................................................................................................................................................................... 153
DIAGRAMA DE GANTT .................................................................................................................................... 154
CONCLUSIONES .......................................................................................................................................................... 158
RECOMENDACIONES ................................................................................................................................................ 159
BIBLIOGRAFIA ............................................................................................................................................................ 160
ANEXO .......................................................................................................................................................................... 161

Pgina 1
INTRODUCCIN

Seis Sigma, es una filosofa de trabajo y una estrategia de negocios, la cual se basa en el
enfoque hacia el cliente, en un manejo eficiente de los datos y metodologas y diseos
robustos, que permite eliminar la variabilidad en los procesos y alcanzar un nivel de
defectos menor o igual a 3,4 defectos por milln. Adicionalmente, otros efectos obtenidos
son: reduccin de los tiempos de ciclo, reduccin de los costos, alta satisfaccin de los
clientes y ms importante an, efectos dramticos en el desempeo financiero de la
organizacin.
En general, los procesos estndar tienden a comportarse dentro del rango de tres Sigma,
lo que equivale a un nmero de defectos de casi 67.000 por milln de oportunidades
(DPMO), si ocurre un desplazamiento de 1,5 Sigma; esto significa un
nivel de calidad de apenas 93,32 %, en contraposicin con un nivel de 99,9997 % para un
proceso de Seis Sigma. Comparativamente, un proceso de Tres Sigma es 19.645 veces
ms malo (produce ms defectos) que uno de Seis Sigma.
El Seis Sigma es una herramienta de mejoramiento que permite obtener organizaciones
eficaces y eficientes, continuamente alineadas con las necesidades de los clientes. Se
fundamenta en el trabajo en equipo como estrategia para generar las capacidades
competitivas de la organizacin y de las personas involucradas. Para lograr estos objetivos
el Seis Sigma est basado en cinco etapas que en su orden son: 1) definir el problema de

Pgina 2
calidad, 2) obtener la informacin adecuada de cada una de las variables crticas del
proceso evaluando de igual forma sus sistemas de medicin, 3) utilizar herramientas
estadsticas que permitan analizar en forma adecuada cada una las variables crticas
identificadas en el proceso, 4) optimizar el proceso para su mejora y 5) un efectivo control
que nos permita realizar el seguimiento a estas mejoras

MARCO HISTRICO

El Mtodo de Seis Sigma es una filosofa que inicia en los aos ochenta como estrategia
de mercado y de mejoramiento de la calidad en la empresa Motorola, cuando el ingeniero
Mikel Harry, promovi como meta estimable en la organizacin; la evaluacin y el anlisis
de la variacin de los procesos de Motorola, como una manera de ajustarse ms a la
realidad. Es en esta poca, con el auge de la globalizacin las empresas del sector
industrial y comercial, que se empezaron a desarrollar tcnicas ms eficientes que le
permitieran optimizar los procesos para mejorar su competitividad y productividad, lo que
involucr como objetivo principal reducir la variabilidad de los factores o variables crticas
que de una u otra forma alteran el normal desempeo de los procesos. Por lo que se tom
como medida estadstica confiable la evaluacin de la desviacin estndar del proceso,
representada por el smbolo, como indicador de desempeo y a su vez permita determinar
la eficiencia y eficacia de la organizacin. Esta iniciativa se convirti en el punto central del
esfuerzo para mejorar la calidad en Motorola, llamando la atencin al director ejecutivo Bob
Galvin; con su apoyo, se hizo nfasis no slo en el anlisis de la variacin sino tambin en
la mejora continua, observ que cuando se realiza el control estadstico a un proceso se
toma como variabilidad natural cuando este valor de sigma oscila a tres desviaciones del
promedio. Criterio que se modifica con el Mtodo Seis Sigma en donde se exige que el
proceso se encuentre a cuatro punto cinco desviaciones de la media. Esto implica que una
considerable informacin del proceso debe estar dentro de este intervalo, lo que
estadsticamente implica que se considera normal que 34 elementos del proceso no
cumplan los criterios de calidad exigidos por el cliente, de cada milln de oportunidades
(1.000.000). Esta es la causa del origen filosfico del Mtodo Seis Sigma como medida de

Pgina 3
desempeo de toda una organizacin. Fue as como con el transcurrir del tiempo ha surgido
esta nueva filosofa de calidad como evolucin de las normas de calidad que actualmente
muchas empresas aplican.

Esta nueva iniciativa de mejoramiento motiv a Lawrence Bossidy, quien en 1991 despus
de su retiro de la General Electric, toma la direccin del conglomerado Allied Signal para
transformarla de una empresa con dificultades econmicas, a una organizacin exitosa.
Durante los aos noventa, Allied Signal ampli sus ventas de manera sorprendente. Este
modelo de calidad fue imitado por Texas Instruments, alcanzando xitos similares. Durante
1995 el director ejecutivo de General Electric, Jack Welch, se entera del xito de esta nueva
estrategia de mejoramiento gracias a la informacin suministrada por Lawrence Bossidy,
facilitando as a la ms grande transformacin en esta organizacin.

Esta forma novedosa de orientar las polticas de calidad establecidas en la organizacin,

se afianza de los criterios establecidos en las normas de calidad ISO y lo complementa con
un mayor compromiso con las tcnicas avanzadas de control estadstico de la calidad, lo
que indica que el Seis Sigma no es una metodologa de calidad que se aleje de los criterios
de mejoramiento que actualmente se desarrollan, por el contrario la integracin de estos
mtodos de mejoramiento continuo inducen a una mejor eficiencia y eficacia dentro de la
organizacin

ANTECEDENTES
La empresa de finales de los ochenta parece haber encontrado su nuevo credo: el de la
calidad total. Las empresas que se limitaban a hacer el control a posteriori de su nica
calidad presentaron la quiebra una tras otra. Las empresas de hoy si quieren sobrevivir,
deben trabajar para sus clientes ms que para s misma.

Philip Crosby populariz el concepto de Cero Defecto como orientacin para el control de
calidad. Este enfoque establece la meta de resultados que carezcan de errores al 100 por

Pgina 4
ciento. Crosby sostiene que si se establece un nivel aceptable de defectos, ello tiende a
provocar que dicho nivel (o uno ms alto) se conviertan en una profeca que se cumple; Si
los empleados saben que est bien trabajar dentro de un nivel determinado de errores,
llegarn a considerar que ese nivel es la norma. Es evidente que dicha norma est por
debajo de lo ptimo. Crosby sostiene que a las personas se le establecen estndares de
desempeo mucho ms holgados en sus trabajos que lo que regan sus vidas personales.
Ellos esperaban hacer las cosas bien, cuando se trataba de sostener a un beb, de pagar
las facturas o de regresar temprano a la casa correcta. En cambio, en los negocios se les
fijaban niveles aceptables de calidad, mrgenes de variacin y desviaciones.

La idea de un porcentaje de error aceptable (a veces denominado un nivel de calidad

aceptable) es un curioso remanente de la era del control de calidad. En aquellos tiempos,
se podan encontrar maneras de justificar estadsticamente las naturales fallas humanas,
sosteniendo que nadie poda ser posiblemente perfecto. De modo que si el 100% es
inalcanzable, por qu no conformarse con el 99%, e incluso con el 95%? Entonces, si
alcanzramos el 96,642%, podramos dar una fiesta y celebrar el hecho de haber superado
los objetivos. La cuestin es que el 96,642% significa que de 100.000 transacciones
efectuadas por un servicio, 3.358 resultaran desfavorables. Como las fallas de uno entre
mil paracaidistas. Los clientes insatisfechos, aquellos que habran estado fuera del
porcentaje de transacciones perfectas, no regresaran jams.

En los aos ochenta la TQM (Gestin de Calidad Total) fue muy popular, pero sufri un
proceso de desgaste y en muchas empresas de agona; ante las circunstancias descriptas,
empresas mexicanas se han visto en la necesidad imperiosa de realizar un cambio total en
su manera de gestionar las empresas, dando lugar ello a adoptar la metodologa de Six
Sigma en funcin de tres caractersticas:

1. Six Sigma est enfocado en el cliente.

2. Los proyectos Six Sigma producen grandes retornos sobre la inversin. En un

Pgina 5
 artculo de la Harvard Business Review, Sasser y Reichheld sealan que las
compaas pueden ampliar sus ganancias en casi un 100% si retienen slo un
5% ms de sus clientes gracias al logro un alto grado de calidad.
3. Six Sigma cambia el modo que opera la direccin. Six Sigma es mucho ms que
proyectos de mejora. La direccin y los supervisores aprenden nuevos enfoques
en la forma de resolver problemas y adoptar decisiones.

LOS PRIMEROS PASOS DE SIX SIGMA

Esta filosofa y sistema de gestin surge en los aos 80 como una estrategia de negocios
y de mejoramiento de la calidad. Da sus primeros pasos en Motorola cuando el ingeniero
Mikel Harry comienza a influenciar a la organizacin para que estudie la variacin en los
procesos como una manera de mejorar los mismos. Estas variaciones son lo que
estadsticamente se conoce como desviacin estndar. Tal iniciativa dio origen a un
esfuerzo centrado en mejorar la calidad poniendo cmo objetivo a alcanzar un nivel de 6
Sigma (representativo de 3,4 dpm). Lawrence Bossidy, CEO de Allied Signal, al tomar
conocimiento de sta nueva metodologa la toma para s implementndola en la
corporacin, logrando con ello importantes incrementos en la rentabilidad de la misma.

Tras dos aos de implantacin de la metodologa Six Sigma, Motorola recibi el Premio
Nacional de Calidad Malcolm Baldrige (MBNQA). A los diez aos de aplicacin, Six Sigma
haba pasado de ser una metodologa de mejora en el rea de fabricacin, a ser una cultura
presente en todos los mbitos y a todos los niveles de la organizacin. Entre otros logros
espectaculares, cabe destacar que en este periodo, el ahorro acumulado proporcionado
por la iniciativa Six Sigma ascendi a catorce mil millones de dlares USA.
Posteriormente Jack Welch, CEO de General Electric, pone como objetivo transformar a
GE en una organizacin Six Sigma, tomando bajo su firme liderazgo las acciones
pertinentes a los efectos de alcanzar el objetivo fijado.

LA CONSOLIDACIN DE SIX SIGMA

Pgina 6
A mediados de los aos noventa, Jack Welch, entonces CEO de General Electric,
impresionado por los resultados de Six Sigma, decide adoptarla como filosofa de gestin,
como cultura empresarial y como metodologa operativa en su organizacin, realizando un
despliegue de medios sin precedentes. A finales de los noventa, los analistas de Wall
Street, valoraban en cinco mil millones de dlares USA el aumento de beneficio
proporcionado por la implantacin de Six Sigma. Actualmente, los indicadores financieros
de GE siguen mejorando ejercicio tras ejercicio de manera espectacular.
Paralelamente, la filosofa Six Sigma se fue implantando en innumerables empresas de
todos los sectores y de todos los tamaos, reportando resultados espectaculares en ahorro
de costes, crecimiento de ventas, aumento del beneficio, reduccin del tiempo de diseo,
aumento de productividad, fidelizacin de clientes, mejora de procesos logsticos... y en
general en cualquier proceso en el que se haya implantado.

SIX SIGMA EN NUESTROS DIAS

Con el cambio de milenio, la cultura Six Sigma cruz de manera decidida el Atlntico, y
empez a calar hondo en las empresas del Viejo Continente, de la mano de las filiales de
las grandes multinacionales norteamericanas. Hoy en da, Six Sigma est considerada
como una herramienta de gestin generalmente aceptada en pases como Reino Unido,
Francia y Espaa, al haber demostrado su validez y su potencial en sectores como
automocin, servicios financieros, alta tecnologa, manufactura, qumico, aeronutico,
tecnologas de la informacin, software, banca, administraciones pblicas, hospitales... con
independencia del tamao y del volumen de negocio.
Six Sigma se ha convertido en una contrastada metodologa e iniciativa estratgica que las
empresas estn utilizando para alcanzar elevados beneficios. Empresas como Motorola,
General Electric, Honeywell y Polaroid estn materializando elevadas ganancias
econmicas gracias a la implementacin de Six Sigma. Para muchos es como un mito,
algn exclusivo sistema de gestin o programa adecuado nicamente para grandes
empresas. Entender que es Six Sigma es el primer paso para que un directivo logre
acometer su implantacin con xito.

Pgina 7
Por otro lado, es comn la idea equivocada de que Six Sigma es simplemente un enfoque
estadstico al anlisis de los problemas. Pero es mucho ms que eso, es una cultura, una
manera de pensar o un conjunto de nuevos comportamientos.
Desde el comienzo de la revolucin de la Calidad, el Doctor Deming resalt la necesidad
de la gestin del liderazgo en la transformacin de las organizaciones, el enfoque Six Sigma
trata de satisfacer esta necesidad.

Qu es Six Sigma?
Six Sigma es una forma ms inteligente de dirigir un negocio o un departamento. Six Sigma
pone primero al cliente y usa hechos y datos para impulsar mejores resultados. Los
esfuerzos de Six Sigma se dirigen a tres reas principales:

Mejorar la satisfaccin del cliente

Reducir el tiempo del ciclo
Reducir los defectos

Las mejoras en estas reas representan importantes ahorros de costes, oportunidades para
retener a los clientes, capturar nuevos mercados y construirse una reputacin de empresa
de excelencia.

Podemos definir Six Sigma como:

1. Una medida estadstica del nivel de desempeo de un proceso o producto.
2. Un objetivo de lograr casi la perfeccin mediante la mejora del desempeo.
3. Un sistema de direccin para lograr un liderazgo duradero en el negocio y un
desempeo de primer nivel en un mbito global.

La letra griega minscula sigma () se usa como smbolo de la desviacin estndar, siendo
sta una forma estadstica de describir cunta variacin existe en un conjunto de datos, es
decir, obtener slo 3.4 defectos por milln de oportunidades o actividades.

Pgina 8
La metodologa Six Sigma, engloba tcnicas de Control Estadstico de Procesos,
Despliegue de la funcin de calidad (QFD), Ingeniera de calidad de Taguchi,
Benchmarking, entre otras; siendo una slida alternativa para mejorar los procesos y por lo
tanto, lograr la satisfaccin de los clientes.

La estrategia Six Sigma incluye el uso de herramientas estadsticas dentro de una

metodologa estructurada incrementando el conocimiento necesario para lograr de una
mejor manera, ms rpido y al ms bajo costo, productos y servicios que la competencia.

Se caracteriza por la continua y disciplinada aplicacin de una estrategia maestra "proyecto

por proyecto" tal como lo recomienda Joseph Juran en su triloga de la calidad, donde los
proyectos son seleccionados mediante estrategias clave de negocios, lo cual conduce a
recuperar la inversin realizada y obtener mayores mrgenes de utilidad. La gente que
coordina los proyectos de Six Sigma son comnmente llamados: BlackBelts, Green Belts,
etc.
A continuacin se presentan y describen las fases de la metodologa Six Sigma:

DEFINICIN
Fases de Identificacin y Definicin de proyectos en relacin con los aspectos
clave del negocio.

Pgina 9
 Reconocer como afectan los procesos los resultados organizacionales.
Reconocer como afectan los procesos a la rentabilidad.
Definir cuales son las caractersticas crticas del proceso de negocio.

Fases de Medicin y Anlisis para conocer en forma profunda los niveles actuales de
desempeo
Se selecciona una o ms de las caractersticas clave y se crea una descripcin
detallada de cada paso del proceso.
Se evala el proceso a travs de mediciones y sirve de referencia para establecer
los objetivos de la empresa.
Se crea un plan de accin despus de analizar la situacin actual para lograr los
objetivos establecidos
Identificacin y comparacin competitiva (benchmark) de las caractersticas clave
del producto. Anlisis de brechas y factores de xito.

MEDICIN
Seleccionar las caractersticas clave del producto a mejorar
Crear el diagrama sistemtico de variabilidad del producto
Definir las variables de desempeo
Crear mapa de procesos
Medir las Variables de desempeo
Determinar la capacidad de desempeo y del proceso en trmino de niveles de
sigma.

ANALISIS
Seleccionar las variables de desempeo
Hacer un benchmarking de las mtricas de desempeo
Descubrir el desempeo mejor en su clase
Realizar un anlisis de brechas

Pgina 10
 Identificar factores de xito
Definir objetivos de desempeo

Fases de mejora y control, para lograr mejoramiento con cambio mayor

Identificar que pasos seguir para mejorar el proceso y reducir las fuentes de
mayor variacin que influyen negativamente en el proceso.
Se identifican las variables clave o pocas vitales que impactan al proceso, a
travs del DOE y se ajustan para optimizar el proceso.
Puede ser necesario modificar el proceso, cambiar los materiales, etc.

MEJORA
Seleccionar variables de desempeo;
Diagnosticar desempeo de las variables;
Definir variables causales (DOE);
Confirmar variables causales;
Establecer lmites de operacin;
Verificar mejoramiento del desempeo

CONTROL
Seleccionar variables causales;
Definir el sistema de control estadstico;
Validar el sistema de control;
Implantar el sistema de control;
Auditar el sistema de control;
Monitorear las mtricas de desempeo

A continuacin se esquematiza el propsito, los entregables, los mtodos y las

herramientas estadsticas utilizadas en cada una de las fases:

Pgina 11
 Figura 1 Herramientas utilizadas en la metodologa Six Sigma

Para aplicar la filosofa Six Sigma dentro de una organizacin implica "Cambiar la cultura
de la organizacin", ya que se fomenta el trabajo en equipo para la solucin de
problemas, se mejoran la comunicacin, y aumenta el grado de confianza y seguridad en
los individuos para realizar el trabajo, de esta manera se rompe la resistencia al cambio
para poder ser ms agresivos y alcanzar metas cada vez ms desafiantes.

Recomendaciones para seleccin de proyectos:

o Fuentes externas:
Considerar la voz del cliente
Considerar la voz del mercado
Considerar la comparacin con la competencia

Algunas de las preguntas que surgen a partir de estas fuentes:

En qu estamos fallando o vamos a fallar en la satisfaccin de las
necesidades del cliente?

Pgina 12
 Dnde nos encontramos detrs de nuestros competidores?
Cmo va a evolucionar el mercado?Estamos preparados para ello?
Cules son las necesidades futuras de nuestros clientes?

o Fuentes internas:
Considerar la voz del proceso
Considerar la voz del personal

Algunas de las preguntas que surgen a partir de estas fuentes

Cules son los mayores retrasos que ralentizan a nuestros procesos?
Dnde hay un volumen elevado de defectos y/o retrabajos repetidos?
Dnde se incrementan los costos de mala Calidad?
Qu preocupaciones o ideas aportan el personal o los directivos?

Otras recomendaciones
Debe de estar alineado con las iniciativas del negocio.
Mejorar un proceso existente.
Asegurarse de que el alcance no sea demasiado extenso, y tambin
que el proyecto sea realizable. En este caso, se puede segmentar para
ser realizado por diferentes personas, cada uno con distintos alcances.
Escoger un proyecto en el cual se pueda generar o se tengan
suficientes datos para ser medidos.
Que genere ahorros financieros.
De ser posible escoger un proceso con ms ciclos, altos volmenes o
tiempos de ciclo cortos.

Barreras para alcanzar el xito en los proyectos

Los proyectos no tienen el soporte de la gerencia.

Pgina 13
 Alcance demasiado largo o confuso.
Los objetivos del proyecto no son significativos o generan conflicto con
otros.
No se tienen medidas claras de los resultados.
No se destina un tiempo para la realizacin del proyecto.
El proyecto no esta alineado con las prioridades del negocio.
Green Belt / Black Belt no entrenado.
Informacin no disponible.
El proyecto no utiliza una metodologa de mejora.

Six Sigma es una filosofa enfocada a la mejora continua

6 vs. Calidad Total / CT vs. 6

Ventajas Six Sigma vs. Calidad Total Ventajas Calidad Total vs. Six Sigma
Mayor uso de tcnicas estadsticas en la Realiza un diagnstico operativo y
implementacin de proyectos de mejora. cultural en la empresa antes de llevar a
cabo la implementacin del sistema.
Las tcnicas estadsticas son ms fciles de Propone el desarrollo de polticas de
comprender y de seleccionar ya que utiliza calidad las cuales deben de ser son
un lenguaje ms digerible para la mayora de congruentes con los planes estratgicos
los usuarios. de la empresa.
Utilizacin de reportes de Confiabilidad para Dicta procedimientos de entrenamiento,
la seleccin de proyectos de mejora. educacin y reconocimiento a los logros
de calidad (mayor administracin del
recurso humano).
La seleccin de los equipos de mejora y Propone el uso de un sistema de
entrenamiento son ms robustos ya que es Aseguramiento de Calidad, el cual
conducida a travs de grupos de gente que proporciona la certeza de que el
poseen el conocimiento, experiencia, resultado del proceso productivo tendr

Pgina 14
disciplina tcnica, liderazgo y conocimientos los niveles de calidad deseados.
en el rea especfica. (Champions, Black
Belts, Green Belts, etc.)

Realiza estudios de la capacidad del Desarrollo de crculos de calidad

mediante los cuales se forman grupos
proceso, cuando los ndices Cp 2.0 y Cpk voluntarios de trabajadores para discutir

1.5, se tiene un buen indicador de que se temas relacionados con la calidad,

fortaleciendo la actitud de los
est logrando el nivel Six Sigma. trabajadores hacia el trabajo.
Anlisis de los proceso crticos mediante las
tcnicas de Diseo de experimentos y
Superficie de respuesta.
Para la implementacin y control de las
condiciones ptimas del proceso se utiliza en
gran medida el Diseo de experimentos,
CEP y Superficie de respuesta.
Anlisis de los sistemas de medicin
(calibracin), como parte de la metodologa.
Garantiza el cumplimiento mediante
muestreos aleatorios.
Los objetivos son medidos mediante el logro
de la mtrica 6 , y las utilidades que genera
cada proyecto.

Tabla 1 Comparativos 6 y Sistemas de Calidad

Desventajas de los sistemas de Aseguramiento de Calidad vs. Six Sigma

El sistema de comunicacin es lento.
La calidad depende de las inspecciones que realiza el departamento de

Pgina 15
 Aseguramiento de calidad.
Cuando un auditor descubre oportunidades de mejora, pueden existir fricciones
entre los administradores de lnea y en ocasiones las recomendaciones no se llevan
a cabo.
Los auditores son los nicos que hacen llegar disconformidades a la alta gerencia.
El seguimiento de las recomendaciones corresponde exclusivamente al
departamento de auditora y en ocasiones no se involucra a la alta administracin.
Cuando las auditoras son anunciadas (que sucede en la mayora de los casos), los
departamentos auditados se dedican a maquillar y ocultar datos y evidencias.
Al llevar a cabo una auditora es frecuente que las relaciones humanas sean
bastante tensas.

MARCO TERICO:
Six Sigma es un sistema diseado cuyo objetivo de cuasi perfeccin en la satisfaccin de
las necesidades del cliente.

Six Sigma: Un enfoque completo y flexible para conseguir, mantener y maximizar el xito
en los negocios. 6 funciona especialmente gracias a una comprensin total de las
necesidades del cliente, del uso disciplinario del anlisis de los datos y hechos, y de la
atencin constante a la gestin, mejora y reinvencin de los procesos empresariales.

En un principio es difcil integrar a las personas para realizar sus proyectos y que dediquen
el tiempo necesario para hacerlo, sin embargo cuando la gente adopta Six Sigma como una
Cultura adems de realizar sus proyectos aplica la metodologa en su trabajo diario, para
la solucin de problemas y mejora de los procesos.

La Estadstica es utilizada en gran medida dentro de la metodologa, pero hay que aclarar
que est es un medio y no un fin. A los clientes no les importa que un producto haya sido
producido bajo el esquema Six Sigma, cuando tiene fallas o defectos, lo que les interesa

Pgina 16
es tener un producto de excelente calidad, a tiempo, sin defectos y que sea lo ms
econmico posible.

El nivel de capacitacin requerido es muy alto en la implementacin, implica costos

ocasionados por capacitacin, tiempos, materiales, entre otros; sin embargo el retorno de
la inversin puede ser muy grande, cuando los proyectos son bien conducidos, ya que los
ahorros y/o mejoras que se presentan cuando un proyecto 6 sigma funciona son cuantiosos.

La implementacin de la filosofa Six Sigma requiere que los directivos, Champions, Green
Belt, Black Belt, tcnicos y otros responsables del departamento de calidad que sean
capaces de desempear el papel de administradores del sistema de calidad y de
proporcionar tcnicas especficas especializadas a los grupos de operacin, para poder
realizar sus proyectos.

El resultado de proyecto general se mide por la suma del ahorro econmico que ha
presentado el mismo. Es importante que el Champion, directivos, Black Belts dediquen
tiempo a discutir con los miembros del equipo en fase de formacin y les ayuden a elegir
correctamente el tema de su proyecto de mejora.

Hoy en da los clculos manuales toman mucho tiempo adems de que la probabilidad de
cometer un error es muy grande, se recomienda ampliamente la adquisicin de un Software
como por ejemplo el Minitab, ya que es una herramienta muy poderosa que ayuda al
manejo de los datos estadsticamente hablando.

1.1 La mtrica de Seis Sigma (Control estadstico de calidad y seis sigma, 2da
Edicion, Gutierrez y De la Vara, 108) El nivel sigma, es utilizado comnmente como
medida dentro de el Programa Six Sigma, incluyendo los cambios o movimientos tpicos
de 1.5 de la media. Las relaciones de los diferentes niveles de calidad sigma no son
lineales, ya que para pasar de un nivel de calidad a otro, el porcentaje de mejora del nivel

Pgina 17
de calidad que se tiene que realizar no es el mismo, cuando avanzamos a un nivel mayor
el porcentaje de mejora ser ms grande. La tabla siguiente muestra el porcentaje de
mejora requerido para cambiar de un nivel sigma a otro mayor.

Nivel actual Cambio Porcentaje de mejora

requerido
10x
30x

40x
Tabla 1.1

En esta otra tabla se aprecia la cantidad de defectos por cada nivel sigma

Nivel en Defectos por milln de

sigma oportunidades

6 3.4

5 233.0

4 6,210.0

3 66,807.0

2 308,537.0

1 690,000.0

Tabla 1.2

Realizando un comparativo de el nivel de calidad sigma de varias empresas se determin

que el promedio de estas se encuentra en el nivel 4 Las empresas con nivel 6 son
denominadas de Clase Mundial (World Class). El objetivo de la implementacin Six Sigma

Pgina 18
es precisamente convertirse en una empresa de Clase Mundial.

En la figura se muestra el concepto bsico de la mtrica de Six Sigma, en donde las partes
deben de ser manufacturadas consistentemente y estar dentro del rango de
especificaciones.
La distribucin normal muestra los parmetros de los niveles tres sigma y Six Sigma.

Figura 1.1. La figura muestra el nmero de partes por milln (ppm) que estaran fuera de
los lmites de especificacin tomando como lmite el valor de cada desviacin estndar.

Figura 1.2 Distribucin normal centrada.

Con la distribucin normal centrada dentro de los lmites 6 , se tendra nicamente una
porcin de 0.002 ppm.

Para compensar las inevitables consecuencias de los errores de centrado de procesos, la

media de la distribucin de desplazamiento 1.5 . Este ajuste proporciona una idea ms

Pgina 19
realista de la capacidad del proceso a travs de varios ciclos de manufactura.
El desplazamiento puede ser en direccin positiva o negativa, pero nunca en ambas
direcciones

Figura 1.3 Distribucin normal descentrada 1.5

Una medida que describe el grado en el cual el proceso cumple con los requerimientos es
la capacidad del proceso. Los ndices utilizados son Cp y Cpk, Un nivel Six Sigma tiene la
habilidad de lograr ndices de 2.0 y 1.5 respectivamente. Para lograr esta capacidad la meta
a alcanzar de un programa Six Sigma es producir al menos 99.99966% de calidad, no ms
de 3.4 defectos en un milln de piezas producidas en el largo plazo.

Nivel en Porcentaje Defectos por milln de

sigma oportunidades

6 99.99966 3.4

5 99.9769 233.0

4 99.379 6,210.0

3 93.32 66,807.0

2 69.13 308,537.0

Pgina 20
 1 30.23 690,.000.0

Tabla 1.3 Porcentajes y cantidad de defectos a los que corresponden los diferentes niveles
Sigma

1.2 Mediciones para Six Sigma

La letra griega minscula sigma () se usa como smbolo de la desviacin estndar, siendo
sta una forma estadstica de describir cunta variacin existe en un conjunto de datos.

La medida en sigma se desarroll para ayudarnos a:

1. Enfocar las medidas en los clientes que pagan por los bienes y servicios. Muchas
medidas slo se concentran en los costes, horas laborales y volmenes de ventas,
siendo stas medidas que no estn relacionadas directamente con las necesidades
de los clientes.
2. Proveer un modo consistente de medir y comparar procesos distintos.
3. Es de suma importancia medir la capacidad del proceso en trminos cuantificables
y monitorear las mejoras a travs del tiempo.

Definiciones bsicas:

Unidad (U): Es un artculo producido o procesado.

Defecto (D): Cualquier evento que no cumpla la especificacin de un CTQ.
Defectuoso: Una unidad que tiene uno o ms defectos.
Defectos por unidad (DPU): Es la cantidad de defectos en un producto

Pgina 21
 Oportunidad de defectos (O): Cualquier acontecimiento que pueda medirse y de una
oportunidad de no satisfacer un requisito del cliente.
Defectos por oportunidad (DPO):

Defectos por milln de oportunidades (DPMO): Es el nmero de defectos

encontrados en cada milln de unidades.
Capacidad del proceso: Capacidad del proceso para cumplir especificaciones o
requerimientos del cliente.
Rendimiento estndar o de primera pasada YFT: Es el porcentaje de producto sin
defectos antes de realizar una revisin del trabajo efectuado.
Rendimiento al final o de ltima pasada: YLT: Es el porcentaje de producto sin
defectos despus de realizar la revisin del trabajo.

1.3 Clculo de Sigmas del proceso.

Rendimiento de primera pasada (YFT) y ltima pasada (YLP)

Los resultados y el nmero de defectos pueden medirse antes o despus de que se

detecten, corrijan o revisen los defectos. Los resultados se miden en % y el nmero de
efectos en defectos por oportunidad (DPO) o defectos por milln de oportunidades (DPMO).

1.4 Diez pasos de Motorola para la mejora de procesos (Modelo de direccin para la
aplicacin de six sigma, UNAM, Mejia Bernal y Alvarez Pardo, pag.31,2011)
Motorota sugiere una serie de pasos para mejorar el desempeo de los procesos utilizando
la metodologa Six Sigma, como se muestra a continuacin:

Pgina 22
1. Priorizar oportunidades de mejora: Conocer y especificar los problemas haciendo
las siguientes preguntas: cmo, cundo, dnde, por qu y quin. Indicar cual es el
impacto al cliente, confiabilidad, calidad del producto, costos de calidad.

2. Seleccionar el equipo de trabajo adecuado: Seleccionar un pequeo grupo de gente

que conozca el producto/ proceso, con la experiencia, disciplina tcnica y conocimiento
en el rea relativa. Establecer el rol del equipo y de cada miembro, Seleccionar un
Champion que ser el encargado de proporcionar los recursos, conducir y asesorar al
grupo.

3. Describir el proceso en su totalidad: Mediante el uso de diagramas de flujo ilustrar

Pgina 23
 las posibles variaciones y alternativas del proceso. Incluyendo todo el equipo, gente,
mtodos, herramientas instrumentos y equipos de medicin.

4. Anlisis del desempeo de los sistemas de medicin: Determinar la exactitud,

repetibilidad y reproducibilidad, linealidad y estabilidad de cada instrumento o indicador
utilizado, para asegurar que la capacidad de los mismos sea la adecuada, a lo ms del
10% de la variacin total permitida para caractersticas crticas o 30% mximo para
caractersticas no crticas. Asegurar que la resolucin de la divisin o dgito ms
pequeo sea al menos 10 veces mayor que la magnitud que se va a comparar. Por
ejemplo si la tolerancia es de 10 mm. el medidor debe tener una resolucin o distancia
entre marcas de al menos 1 mm.

5. Identificar y describir los procesos y productos potencialmente crticos: Enumerar

todos los procesos crticos potenciales, mediante el uso de tormentas de ideas, datos
histricos, reportes de rendimiento, anlisis de falla etc.

6. Aislar y verificar los procesos crticos: Reducir la lista enfocndonos a los pocos
vitales, identificar las relaciones de entrada y salida que provocan problemas
especficos. Verificar las causas potenciales de variacin en los procesos, mediante el
uso de diseo de experimentos, diagramas de dispersin, y diagramas multivariados.

7. Estudio del desempeo del proceso y medicin de la capacidad: Identificar y definir

las limitaciones de los procesos. Asegurar que los procesos sean capaces de alcanzar

su mximo potencial. Determinar las especificaciones reales. Se considera que un

proceso es capaz cuando Cp Cpk 1.0 , si el proceso es capaz se contina con el

paso 8. , de lo contrario se requiere tomar acciones rediseando el proceso o el

producto.

Pgina 24
8. Implementacin de condiciones de operacin y control ptimas: Llevar a cabo un
plan permanente de acciones correctivas para prevenir causas especiales de variacin.
Es necesario tener un proceso estable y predecible, por lo cual se deber tener
continuamente controles de proceso.

9. Monitoreo de procesos a travs de la mejora continua: Los sistemas, mtodos,

procedimientos debern de ser modificados cuando sea necesario para evitar las
causas especiales de variacin. Tambin ser necesario identificar las acciones futuras
requeridas para mejorar el proceso.

10. Reducir causas comunes de variacin para alcanzar Six Sigma: Se deben
reconocer las limitaciones del proceso. Solamente a travs de la reduccin y eliminacin
de las causas comunes de variacin y el diseo para la manufactura es posible alcanzar
el nivel Six Sigma. Una vez que las causas especiales se han eliminado solamente
pueden permanecer causas comunes las cuales se irn eliminando a travs de la mejora
continua de los procesos.

1.5 Las fases DMAIC de Six Sigma

La metodologa Six Sigma es un mtodo disciplinado de mejora de los procesos

conformado por las fases siguientes: Definicin, Medicin, Anlisis, Mejora y Control
(DMAIC en ingles), como se explican con ms detalle a continuacin:

Pgina 25
 Figura 1.5 Fases de DMAIC

En el siguiente captulo se vern las herramientas ms utilizadas en la Fase de Definicin,

en la cual se debe de definirse claramente en qu problema se ha de trabajar?, Porque se
trabaja en ese problema en particular?, Quin es el cliente?, Cules son los requerimientos
del cliente?, Cmo se lleva a cabo el trabajo en la actualidad?, Cules son los beneficios
de realizar una mejora?.

FASE DE DEFINICIN

Pgina 26
El propsito de esta fase es identificar el problema a resolver, estratificando tanto como sea
posible, por ejemplo: reclamacin de un cliente por falla, identificar la familia de productos
por importancia mediante el uso del diagrama de Pareto, despus identificar el producto, la
lnea donde se hace, el equipo especfico, etc. En este momento ya se puede definir el
problema y la oportunidad de mejora.

En esta fase la primera de la metodologa de Six Sigma, se trata de detectar cual es el

problema, definir los CTQs (Crtico para la calidad) con base en la voz del cliente (VOC),
el impacto que tiene para el negocio la realizacin del el proyecto, las metas que se
pretenden lograr, el alcance y los ahorros financieros.

Las Herramientas a utilizar pueden ser:

Figura 2.1 Herramientas en la Fase de Definir

Pgina 27
Los objetivos de esta fase son:
Definicin del problema
Establecer el Alcance del proyecto
Conocer el uso de las herramientas de la fase de definicin

Etapas de la fase de definicin

Las etapas de la fase de definicin son las siguientes:

Identificacin de clientes internos y externos:

El primer paso en la definicin de un proyecto es identificar cuales son los clientes a los
cuales el proceso impacta, se define como cliente interno a la persona o las personas
siguientes en el proceso, esto es dentro de la compaa. Como se describe a continuacin
hay 2 tipos de clientes y son:
Cliente Interno: Es el personal interno afectado por el producto o servicio generado
(siguiente operacin).
Cliente Externo: Los clientes externos son todos aquellos a los que la empresa
provee un producto o servicio, estos se dividen en usuarios finales, clientes
intermediarios y otros que son impactados pero que no usan ni compran el producto
o Usuarios finales: comprar o usan el producto para su uso
o Intermediarios: comprar el producto para su reventa, reempaque,
modificacin o ensamble final para venta al usuario final. Ejemplo: detallistas,
distribuidores, mayoristas, etc.
o Grupos impactados: no compran ni usan el producto pero son impactados por
el. Por ejemplo la comunidad, gobierno, padres, grupos civiles, etc.

Determinar los CTQs del proyecto:

CTQ Crtico para la calidad (Critical to Quality), es un atributo o caracterstica de calidad de

Pgina 28
un producto o servicio que es importante para el cliente.

Nota: Tambin existen otros conceptos como:

o Caractersticas Crticas para la Entrega (CTDs)
o Caractersticas Crticas para los Costos (CTOs)
o Caractersticas Crticas para el Proceso (CTPs)
o Caractersticas Crticas para la Satisfaccin (CTSs)
o Caractersticas Crticas prale Control (CTCs)

Tanto en los CTQ, CTD y CTC el objetivo para la empresa es reducir los costos, aumentar
la satisfaccin del cliente y aumentar las utilidades.

Para determinar los CTQ, tenemos que conocer la voz del cliente interno o externo (VOC),
o sea que es lo que espera nuestro cliente acerca del servicio o producto que le
proporcionamos. Mediante la voz del cliente podemos saber cual es el grado de
satisfaccin que este tiene.

Para determinar los CTQS se pueden tomar como base lo siguientes puntos:

Metas del negocio

Entrevistas
Encuestas
Quejas
Datos de Benchmarking
Discusiones ejecutivas
Discusiones de trabajo especfico
Matriz de Causa Efecto
QFD
Tendencias del mercado futuras

Pgina 29
Seleccin del problema:
El problema se puede dar debido a: devoluciones, bajo nivel de servicio, entregas tardas,
desperdicios, producto defectuoso, documentos inadecuados.

El problema se selecciona basndose en las polticas de la organizacin, al grupo de

trabajo, jefe inmediato y a los resultados de sus actividades diarias.

Criterios para seleccionar el problema

Seguridad
Calidad
Costo
Entrega
Nivel de servicio

Es muy recomendable expresar los antecedentes, la importancia y la prioridad de los

problemas. Se debe de explicar porqu se seleccion el problema ya sea por:

1. Efecto econmico, reclamo de mercado, rechazos, % de ventas prdidas, disponibilidad

otros.
2. Impacto para los procesos posteriores, monto de prdida, incremento de tiempo de
operacin, paro de lnea, desperdicio, costo de falla, baja eficiencia etc.

Entre todos los integrantes del equipo pueden evaluar las razones arriba descritas y
enfocarse en un solo tema.

Impacto en el negocio:
En este punto se enuncia como impacta la mejora del proceso al negocio. Se mencionan
cules seran las consecuencias en caso de no realizar el proyecto. Se debe conocer cual
ha sido la situacin en el negocio debido al proceso actual. Qu nos ha ocasionado: Prdida
de clientes? Incumplimiento en los niveles de servicio?, As como cuantificar (en

Pgina 30
porcentajes y en prdidas de utilidades).

Es importante describir cmo se alinea el proyecto con las iniciativas y metas del negocio.
Estas ltimas son definidas por la direccin.

Descripcin del problema:

Se debe estratificar (se recomienda utilizar la herramienta estadstica de 5 porque?) para
definir el problema que tiene el proceso, el producto o el servicio de forma especfica,
indicando cualitativamente de ser posible en cifras, o porcentajes que demuestran la
necesidad de modificar su estado actual. Es necesario expresar concretamente el grado
del problema. (se recomienda no dejar el tema demasiado amplio). Es mejor no usar la
solucin para nombrar un problema, sin antes realizar la bsqueda de la causa verdadera
(llamada tambin causa raz), se crear duda de si esa solucin es la definitiva.

Definicin y Alcance del proyecto:

Para determinar los objetivos del proyecto nos cuestionamos qu es lo que vamos a
obtener con la realizacin del proyecto? Generalmente es mejorar e implementar el proceso
para una fecha especfica. El Alcance nos sirve para delimitar el proceso, es decir:
Punto de inicio: Identificar la actividad en donde empieza el proceso.
Punto final: Identificar la actividad donde termina el proceso.
Dentro del alcance: Actividades que se encuentran dentro del proceso.
Fuera del alcance: Actividades que no estn dentro del proceso.

La realizacin de los proyectos normalmente son asignados a lderes de proyecto

denominados Green Belts quienes aplican la metodologa Six Sigma en los proyectos de
mejora del desempeo de los procesos.

Ahorros: Identificar de dnde se van a obtener los ahorros tanto financieros como no
financieros para el proyecto tales como:
Utilidades adicionales por mejoras en costo, calidad, disponibilidad

Pgina 31
 Menores prdidas por desperdicio, devoluciones, garantas, costo de falla, baja
eficiencia, etc.
Costos de: personal, materiales, equipos, rentas, subcontratacin, consultora, fondos
de contingencia

Cabe mencionar que no siempre hay ahorros financieros, si el CTQ se deriva de una mejora
de la competencia, se har una inversin.

Seleccin del equipo de trabajo.

- Seleccionar a las personas clave que intervienen o que estn involucradas directamente
y que reciben beneficios del proceso.
- Incluir nombre, posicin roles y responsabilidades a desempear en el desarrollo del
proyecto.
- Es necesario incluir adems de los miembros del equipo, al Champion del proceso as
como un Black Belt que apoye y asesore a los equipos de proyecto guiados por Green
Belts.

Recomendaciones:
- Se debe definir claramente el problema (proyecto)
- Definir el cliente, sus CTQ y los procesos involucrados
- Medir el desempeo de los procesos involucrados
- Analizar los datos colectados y el mapa del proceso para determinar las causas raz de
defectos y oportunidades de mejora
- Mejorar el proceso seleccionado con soluciones creativas para corregir y prevenir la
reincidencia de problemas
- Controlar las mejoras para mantener su curso

A continuacin se presenta la fase de medicin donde se colectan datos para establecer

un diagnstico de la situacin actual del problema y sus posibles causas.

Pgina 32
2.3 Mapa del proceso:

Realizar un mapeo del proceso de alto nivel, identificando cuales son los proveedores,
entradas, proceso, salidas, clientes. Comnmente llamado SIPOC.

Construccin de un Diagrama SIPOC COPIS:

1) El equipo crea el mapa de proceso apoyado con Post Its pegados a la pared
2) El proceso puede tener 4 o 7 pasos claves Cmo se transforma el producto?
3) Listar las salidas del proceso Cul es el resultado final, producto o servicio de este
proceso?
4) Listar los clientes de la salida del proceso quin es el usuario final del proceso?
5) Listar las entradas del proceso De dnde vienen los materiales?
6) Listar los proveedores del proceso quines son los proveedores clave?
7) Como paso opcional identificar algunos requerimientos preliminares de los clientes
8) Involucrar al lder del equipo, champion, y otros grupos interesados en la verificacin del
proyecto

Pgina 33
Modelo Kano

Noritaki Kano desarrollo un modelo explicativo que demuestra la relacin entre la

satisfaccin del cliente y la organizacin proveedora segn se muestra en la siguiente figura

El modelo de Kano muestra que existe un nivel bsico de calidad que los clientes asumen
que el producto traer consigo. Sin embargo proveer dicha calidad bsica no es suficiente
para crear satisfaccin al cliente.

La calidad esperada representa aquellas expectativas explcitamente consideradas por los

clientes.

La calidad excitante (o exciting quality), muestra una curva que se encuentra en la zona de
satisfaccin. Este es el efecto de la innovacin. Esto representa algn atributo inesperado
por el cliente. Es decir los clientes reciben ms de lo que esperan.

Pgina 34
 Figura 2.4 Modelo Kano

Este modelo tambin se evala doblemente cada atributo: cuando se ofrece en el servicio
(modo funcional) y cuando est ausente del mismo (modo disfuncional). La escala aqu
utilizada no es ordinal, sino categrica, siendo el cruce de dichas categoras en cada uno
de los modos evaluados (funcional y disfuncional) la que clasificara cada atributo dentro
de uno de los seis tipos contemplados en este modelo:

Atributos que satisfacen: son aquellos en los que la satisfaccin est relacionada
de forma directamente proporcional con la funcionalidad del mismo.
Atributos requeridos: los que aumentan la insatisfaccin si no se ofrecen, pero no
contribuyen a aumentar la satisfaccin por encima de un lmite.
Atributos que deleitan: estos no disminuyen la satisfaccin del cliente cuando no
estn funcionales, pero la aumentan mucho y rpidamente cuando s se presentan.
Atributos neutros: su presencia o ausencia no contribuye a aumentar o disminuir la
satisfaccin.
Atributos cuestionables: los que producen valoraciones contradictorias.
Atributos invertidos: producen valoraciones positivas cuando no estn presente y

Pgina 35
 negativas cuando s lo estn.

Diagrama Matricial
El diagrama matricial (DM) es una herramienta que ordena grandes grupos de
caractersticas, funciones y actividades de tal forma que se pueden representar

grficamente los puntos de conexin lgica existentes entre ellos. Tambin se muestra la
importancia relativa de cada punto de conexin en relacin con el resto de correlaciones.

Se base en el principio de que si se sita un conjunto de elementos en las filas de una

matriz (horizontales) y otro conjunto de elementos en columnas de la misma matriz
(verticales), los puntos de interseccin de filas y columnas indicarn la relacin entre ambos
conjuntos. Una de las caractersticas ms importantes de ste diagrama es la utilizacin de
smbolos que indican de forma visual la forma visual la fuerza de las relaciones existentes
en cada interseccin.

Cmo se indica si existe o no una relacin entre los distintos elementos, y en caso
afirmativo la fuerza de tal relacin?

El mtodo consiste en utilizar un cdigo visual (Los smbolos utilizados tambin suelen
variar)con el objeto de que el DM proporcione el mximo de informacin. Existen muchas
formas de codificar aunque las ms utilizadas parten del supuesto de categorizar tres
distintos grados de relacin: relacin fuerte, relacin moderada y relacin dbil.

En ocasiones se utilizan estas matrices con el objeto de identificar rea o reas

responsables de algn problema y la codificacin pudiera ser:

2.7 Benchmarking

Pgina 36
Proceso sistemtico y continuo para evaluar los productos, servicios y procesos de trabajo
de las organizaciones que son reconocidas como representantes de las mejores prcticas,
con el propsito de realizar mejoras organizacionales.

Objetivo del BMK

Obtener superioridad en todas las reas - calidad, fiabilidad del producto y costos.
Actuar como una herramienta por la cual se identifican, establecen y logran estndares
de excelencia, basndose en la realidad del mercado.

Qu cosas se deben someter al proceso de benchmarking?

Productos y servicios
Procesos de trabajo
Funciones de apoyo
Desempeo organizacional
Estrategias

Las cinco etapas del benchmarking:

Pgina 37
Plan de Accin:

Por qu utilizar el benchmarking?

Ofrece un camino ms rpido de desempeo notorio

Muestra qu procesos son candidatos para mejora continua y cules requieren
cambios mayores
Tiene orientacin al cliente y le da valor
Hay falta de tiempo para la mejora gradual
Ubica a la firma en donde est con respecto a prctica y procesos de su clase, y qu
debe ser cambiado
Aporta un modelo mejor en su clase para ser adoptado o, mejorado
Es un compromiso hacia la calidad total, ya que la apoya a dar los mejores medios
para la mejora y rpida, significativa de procesos o prcticas

Pgina 38
 Sirve de apoyo al proceso de planificacin estratgica
Sirve como base para la fijacin de objetivos
Como base para las nuevas ideas

Costos de Calidad

Los costos de calidad son un vehculo para evaluar los esfuerzos de control de costos e
identificar oportunidades de reduccin de costos por medio de mejoras al sistema
Las categoras de los costos de calidad son:
Costos de Prevencin
Costos de Evaluacin
Costos de Falla interna
Costos de Falla externa

Algunos ejemplos de los Costos de Prevencin:

Costos de Evaluacin:

Pgina 39
Costos de Falla interna

Costos de Falla externa

Ventajas del sistema de costos de calidad

Es una herramienta para administrar con base a la calidad

Alinea calidad y metas de la empresa
Proporciona una forma de medir el cambio
Mejora el uso efectivo de los recursos

Pgina 40
 Enfatiza hacer las cosas bien a la primera
Ayuda a establecer nuevos productos y proceso

2.9 Entregables:

En esta etapa los entregables seran:

Identificar los requerimientos del cliente
o Identificar al cliente
o Recolectar los datos para identificar los requerimientos del cliente
o Construir un mapa de proceso a detalle para identificar los requerimientos
del cliente
Project Charter
o Desarrollar el enunciado del problema y de la meta
o Evaluar el alcance del proyecto
o Seleccionar a los integrantes del equipo y sus roles
o Desarrollar el contrato
o Buscar la aprobacin del contrato

Plan de Trabajo
Mapa del proceso

En el siguiente captulo se vern las herramientas ms utilizadas en la Fase de Medicin;

medir persigue dos objetivos fundamentales:

1. Tomar datos para validar y cuantificar el problema o la oportunidad. Esta es una

informacin crtica para refinar y completar el desarrollo del plan de mejora.
2. Nos permiten y facilitan identificar las causas reales del problema.

El conocimiento de estadstica se hace fundamental. La calidad no se mejora, a no ser que

Pgina 41
se la mida.

FASE DE MEDICIN
Esta fase se enfoca a seleccionar una o ms caractersticas para ser medidas, definiendo
cmo sern medidas, estableciendo un plan de recoleccin de datos y la recoleccin de
datos.
Esta fase es importante porque asegura que los datos que se relacionan con los
requerimientos del cliente y el desempeo actual del proceso sean precisos, claros y
confiables.

Las Herramientas a utilizar pueden ser:

Figura 3.1 Herramientas en la Fase de Medicin

Los objetivos de esta fase son:

Conocer el uso de las herramientas de la fase de medicin
Determinar que mediciones son importantes para el proyecto
Identificar los tipos, fuentes y causas de la variacin en el proceso
Desarrollar un plan de recoleccin de datos relevantes

Pgina 42
 Convertir los datos en nmeros para conocer su comportamientos
Realizar un anlisis del sistema de medicin (MSA)
Detectar cual es la frecuencia con la que ocurren los defectos

En todos los procesos existe variacin, en esta fase el propsito es medir dicha variacin,
para saber si existen datos que se encuentren fuera de especificaciones, que estn
causando problemas en nuestros procesos. Para realizar esta actividad es de suma
importancia conocer: qu es lo que necesitamos medir? y cmo lo vamos a medir? A lo
largo de este captulo tenemos diferentes herramientas que nos ayudarn a responder
estas preguntas.

Dependiendo de las condiciones y necesidades que tengamos seleccionaremos una o ms

herramientas, cabe mencionar que no necesariamente se utilizan todas las herramientas,
lo importante es seleccionar cuidadosamente aquellas que nos proporcionen la
informacin ms objetiva y precisa.

3.2 Etapas de la fase de medicin

Esta fase consta de las siguientes etapas:

Seleccionar los CTQS del proceso (Crtico para la Calidad)

Observemos la siguiente tabla:
Y = F(X)
Y X1, X2,..Xn Zs
Variable Variable Variables de ruido
dependiente independiente Incontrolables
Salida (respuesta) Entrada-Proceso
Efecto Causa
Sntoma Problema
Monitorable Controlable.

Pgina 43
Para la seleccin de Ys podemos utilizar un diagrama de Pareto para priorizar y centrar
nuestra atencin en el(los) efecto(s) ms importantes. La variable dependiente Y (o de
respuesta) fue previamente determinada en la fase de definicin, las Xs son las variables
de entrada, las Zs son las variables de ruido. En esta etapa se tratarn de determinar las
Xs, ya que son las variables que podemos medir y controlar.

En otras palabras:

Y (=) Son los CTQs del cliente (interno o externo)

Xs (=) Son CTQs del proceso

Para determinar los CTQs del proceso (Xs) seleccionaremos alguna o algunas de las
herramientas apropiadas a las necesidades del proyecto que se enuncian de manera
general:

Herramienta Para qu es utilizada?

5 Porqus? Se utiliza despus de haber determinado las causas ms
importantes de un problema, preguntando sistemticamente 5 veces
porqu, podremos llegar a la solucin del problema
5W/1H Tcnica en la cual se responde a las siguientes preguntas: que,
quin, porque, cuando, donde, como, para la solucin de problemas.
Anlisis de Campo Analizar cuales son las fuerzas dentro de una organizacin o
de Fuerzas. proceso que estn dando empuje a las soluciones y cuales estn
frenando el progreso.

Pgina 44
Benchmarking Estudio que ayuda a realizar un comparativo de productos, procesos
o servicios contra el "mejor en la clase" puede ser dentro de la
empresa o, para identificar oportunidades de mejora.
Capacidad de los Sirve para determinar que tan grandes son las variaciones en base
sistemas de a ciertos parmetros de los sistemas de medicin, incluyendo equipo
medicin (MSA) y gente.
Carta de Conocer el comportamiento de un proceso grficamente para poder
tendencias tomar las acciones correctivas a tiempo cuando es necesario.
Diagrama Causa- Representa de forma ordenada y completa todas las causas que
Efecto (Ishikawa o pueden originar un problema (efecto) es una herramienta muy
Fishbone) efectiva para encontrar las causas ms importantes de un problema
y en base al anlisis de las causas encontrar la mejor solucin.
Diagrama de Agrupar en categoras afines las posibles causas que ocasionan un
Afinidad problema, permitiendo obtener fcilmente la causa que lo origina.
Diagrama de Es una tcnica utilizada para estudiar la relacin entre dos variables,
Dispersin facilitando la comprensin del problema planteado.
Diagrama de Priorizar los problemas que tienen el potencial ms grande de
Pareto mejora. Muestra la frecuencia relativa en una grfica de barras
descendiente.
Diagrama de Permite al equipo identificar, analizar y clasificar sistemticamente
Relaciones las relaciones causa y efecto que existen entre todos los elementos
crticos, para lograr una solucin efectiva.
Diagramas Matriz Mtodo utilizado para mostrar las relaciones que existen entre
mtodos, causas, actividades etc. determinando la fuerza que existe
entre estas. Permite Identificar las medidas ms convenientes para
la solucin.
Hoja de Recolectar datos basados en la observacin del comportamiento de
Verificacin un proceso con el fin de detectar tendencias, por medio de la
captura, anlisis y control de informacin relativa al proceso.

Pgina 45
Lluvia de ideas Cada miembro del equipo propone posibles soluciones a un
problema, se determinan las mejores soluciones por consenso.
Mapa de procesos Proveen una secuencia grfica de cada uno de los pasos o
actividades que componen una operacin desde el inicio hasta el
final. Permitiendo una mejor visualizacin y comprensin del
proceso. Sirve para identificar pasos innecesarios, compara el
proceso actual contra el ideal.

Matriz Causa y Relaciona las entradas claves a los CTQs y el diagrama de flujo
efecto del proceso como su principal fuente. Sirve para priorizar las
entradas clave a usar en AMEFS, planes de control y estudios de
capacidad.
QFD Mtodo grfico (matriz de relaciones) en el que se identifican los
deseos del cliente (CTQS) y las caractersticas de diseo del
producto, procesos o servicios. Permite traducir de un lenguaje
ambiguo a los requerimientos especficos del diseo del producto,
proceso o servicio. En otras palabras relacionas los qu? del
cliente con los como? del proceso.
Tcnica de grupos Permite al equipo rpidamente realizar un consenso de la
nominales. importancia relativa de asuntos, problemas o soluciones posibles.
Las causas ms importantes son atacadas y se priorizan para
encontrar la mejor solucin

Ventajas de sta herramienta:

Provee una estrategia clara y documentada al recolectar datos confiables.
Da a los miembros del equipo una referencia comn.
Ayuda a asegurar que los recursos sean usados efectivamente para recolectar

Pgina 46
 nicamente datos crticos.

Para poder obtener consecuencias y deducciones vlidas de los datos de una estadstica,
es muy til contar con informacin sobre los valores que se agrupan hacia el centro y sobre
que tan distanciados o dispersos estn unos respecto a otros.

Las medidas de tendencia central son: la media, mediana y moda.

Las medidas de dispersin: son el rango, la desviacin estndar y el coeficiente de
variacin.
Otras medidas son: percentiles, deciles y cuartiles representados en el diagrama de
caja.

Herramientas Estadsticas para solucin de problemas

Mapa de procesos

Dentro de los sistemas de calidad resulta de gran utilidad representar la estructura y

relaciones de los sistemas mediante diagramas de flujo.

Ventajas de los diagramas de flujo

Proveen una secuencia grfica de cada uno de los pasos que componen una operacin
desde el inicio hasta el final. Permitiendo una mejor visualizacin y comprensin del
proceso.
Los diagramas de flujo pueden minimizar grandes volmenes de documentacin,
incluyendo la documentacin ISO 9000.
Facilitan el desarrollo de Procedimientos Estndar de Operacin.
Al tener un procedimiento de operacin estndar se reduce en gran medida la variacin
y el tiempo de ciclo.
Los diagramas de flujo permiten detectar reas de mejora en los procesos.

Pgina 47
Descripcin de smbolos

En la construccin de diagramas de flujo de procesos se utilizan los smbolos descritos a

continuacin:

Pasos para la elaboracin de un diagrama de flujo

1. Describir el proceso a evaluar: Es importante comenzar con los procesos que se

consideran de mayor impacto en la organizacin.

2. Definir todos los pasos que componen un producto o servicio: Existen

diferentes maneras de hacerlo. Una de ellas consiste en que el equipo de trabajo
anote en tarjetas los diferentes pasos que conforman el proceso, con este mtodo
el equipo puede arreglar y ordenar los pasos del proceso. Otra manera de hacerlo

Pgina 48
 es mediante el uso de programas de diagramas de flujo en computadoras, de esta
manera se tiene mayor flexibilidad que en el mtodo anterior y se ahorra bastante
tiempo.
Cada paso deber de ser discutido y analizado a detalle utilizando la pregunta por
qu se hace de esta manera?

3. Conectar las actividades: Cuando los pasos que componen el proceso han sido
descritos se construye el diagrama de flujo, conectando las actividades mediante
flechas, cada smbolo debe describir la actividad que se realiza con pocas palabras.

4. Comparar el proceso actual con el proceso considerado como ideal las

siguientes preguntas pueden servir de gua:
Existen pasos demasiado complejos?
Existe duplicidad o redundancia?
Existen puntos de control para prevenir errores? deberan de existir?
El proceso funciona en la manera en la cual debera de hacerse?
Se puede realizar el proceso de diferente manera?

5. Mejoras del proceso: Una vez que se contestan las preguntas mediante tormenta
de ideas se realizan mejoras. Definiendo los pasos que agregan valor y los que no
agregan se puede llevar a cabo una simplificacin sustancial del proceso.
Las mejoras son priorizadas y se llevan a cabo planes de accin.

6. Implementar el nuevo procedimiento: Una vez realizadas las mejoras se dan a

conocer a las personas involucradas en el proceso y se verifica su efectividad.

Pgina 49
Lluvia de ideas

Es una tcnica de grupo para crear ideas originales en un ambiente relajado. Esta
herramienta fue creada cuando se realiz una bsqueda de ideas creativas, el cual
generaba ms y mejores ideas que las que los individuos podan producir trabajando de
forma independiente.

Para utilizar la tcnica de lluvia de ideas se sugiere la siguiente tcnica:

1.Escoger a alguien para que sea el facilitador y apunte las ideas.
2.Escribir en un rotafolio o pizarrn el problema a discutir.
3.Escribir cada idea en el menor nmero de palabras y si se llega a repetir una idea
verificarla con su contribuidor. Nunca el facilitador puede interpretar o cambiar las ideas.
4. Establecer un tiempo lmite. (Aprox. 25 minutos)
5. Fomentar la creatividad. Construir sobre las ideas de otros pero nunca criticar las ideas.
6. Revisar la lista para verificar su comprensin.
7.Converger las ideas (Eliminar las duplicaciones, problemas irrelevantes y aspectos no
aplicables). El grupo llegar al consenso en las principales ideas y propondr unas
medidas a tomar en funcin del anlisis.

La tcnica Lluvia de ideas puede ser aplicada con gran frecuencia al llevar a cabo otras
herramientas, como por ejemplo, diagramas causa-efecto, 5 Porqus?, Diagrama de
Afinidad, Diseo de experimentos, pruebas de confiabilidad, etc.

Ventajas:
La tormenta, o lluvia, de ideas posee una serie de caractersticas que la hacen muy til
cuando se pretende obtener un amplio nmero de ideas sobre las posibles causas de un
problema, acciones a tomar, o cualquier otra cuestin.
Una observacin aadida es que este mtodo sirve de entrada, o de fase previa, para otras
tcnicas de anlisis.

Pgina 50
Diagrama de Pareto

Herramienta utilizada para el mejoramiento de la calidad en la solucin de problemas, para

representar datos sobre un problema que permite identificar fcilmente los aspectos ms
significativos del mismo.

El principio enuncia que aproximadamente el 80% de los efectos de un problema se debe

a solamente 20% de las causas involucradas.

El diagrama de Pareto es una grfica de dos dimensiones que se construye listando las
causas de un problema en el eje horizontal, empezando por la izquierda para colocar a
aquellas que tienen un mayor efecto sobre el problema, de manera que vayan
disminuyendo en orden de magnitud. El eje vertical se dibuja en ambos lados del diagrama:
el lado izquierdo representa la magnitud del efecto provocado por las causas, mientras que
el lado derecho refleja el porcentaje acumulado de efecto de las causas, empezando por la
de mayor magnitud.

Ventajas:
Ayuda a concentrarse en las causas que tendrn mayor impacto en caso de ser
resueltas.
Proporciona una visin simple y rpida de la importancia relativa de los problemas.
Ayuda a evitar que se empeoren algunas causas al tratar de solucionar otras.
Su formato altamente visible proporciona un incentivo para seguir luchando por ms
mejoras

Pgina 51
Diagrama de Causa Efecto (Ishikawa)
Algunas veces es llamado diagrama de Ishikawa o espina de pescado, es la representacin
de varios elementos (causas) de un sistema que pueden contribuir a un problema (efecto).

Es utilizado cuando se necesita identificar las posibles Causas de un problema especfico,

La naturaleza grfica del diagrama permite que los grupos organicen grandes cantidades
de informacin sobre el problema y determinar exactamente las posibles causas
principales.

Una vez elaborado, el diagrama causa-efecto representa de forma clara, ordenada y

completa todas las causas que pueden determinar cierto problema.

1. Identificar el problema. El problema es algo que queremos mejorar o controlar, este debe
ser fsico y concreto, sino el nmero de elementos en el diagrama ser muy alto.

2. Registrar la frase que resume el problema. Escribir el problema en la parte extrema

derecha del papel y dejar espacio para el resto del diagrama a la izquierda. Dibujar una
caja alrededor de la frase que resume el problema

Pgina 52
3. Dibujar y marcar las espinas principales, estas representan la entrada principal /
categoras de recursos o factores causales; las categoras a usar son materiales, mtodos,
mquinas, mente de obra, medio ambiente.

4. Realizar una lluvia de ideas de las causas del problema, este es el paso ms importante
en el diagrama de Ishikawa. Las ideas generadas en este paso guiarn la seleccin de las
causas de raz. Para asegurar que el equipo est al nivel apropiado de profundidad se
deber hacer continuamente la pregunta Por qu por cada una de las causas iniciales
mencionadas.

5. Identificar los candidatos para la causa ms probable. Las causas seleccionadas por el
equipo son opiniones y deben ser verificadas con ms datos. Todas las causas en el
diagrama no necesariamente estn relacionadas de cerca con el problema: el equipo
deber reducir su anlisis a las causas ms posibles. Hay que encerrar en un crculo la(s)
causa(s) ms probable seleccionada por el equipo o marcarla con *.

6. Cuando las ideas ya no pueden ser identificadas, se deber analizar ms a fondo el

diagrama para identificar mtodos adicionales para la recoleccin de datos.

Ventajas:

Permite que el grupo se concentre en el contenido del problema, no en la historia

del problema ni en los distintos intereses personales de los integrantes del equipo.
Ayuda a determinar las causas principales de un problema, o las causas de las
caractersticas de calidad, utilizando para ello un enfoque estructurado.
Estimula la participacin de los miembros del grupo de trabajo, permitiendo as
aprovechar mejor el conocimiento que cada uno de ellos tiene sobre el proceso.
Incrementa el grado de conocimiento sobre un proceso.

Pgina 53
Ejemplo:
El Sr. Prez tuvo un accidente automovilstico en el carretera, el equipo de mejora continua
que trabaja con l se reuni y analiz el problema, utilizando una Lluvia de ideas; despus
de que convergieron en 16 ideas se utiliz el Diagrama de Ishikawa para clasificarlas como
a continuacin de ejemplifica. Se construye el diagrama espina de pescado con las causas
primarias (Ms), a partir de estas causas se agrupan las causas secundarias y terciarias
derivadas de la lluvia de ideas.

Diagrama de Causa Efecto o Ishikawa

Diagrama de rbol
El Diagrama de rbol, o sistemtico, es una tcnica que permite obtener una visin de
conjunto de los medios necesarios para alcanzar una meta o resolver un problema.

Partiendo de una informacin general, como la meta a alcanzar, se incrementa

gradualmente el grado de detalle sobre los medios necesarios para su consecucin. Este
mayor detalle se representa mediante una estructura en la que se comienza con una meta
general (el "tronco") y se contina con la identificacin de niveles de accin ms precisos
(las sucesivas "ramas"). Las ramas del primer nivel constituyen medios para alcanzar la

Pgina 54
meta pero, a su vez, estos medios tambin son metas, objetivos intermedios, que se
alcanzarn gracias a los medios de las ramas del nivel siguiente. As repetidamente hasta
llegar a un grado de concrecin suficiente sobre los medios a emplear.

Diagrama de Afinidad

El Diagrama de Afinidad, referido a veces como mtodo KJ, es una herramienta que

Pgina 55
sintetiza un conjunto de datos verbales (ideas, opiniones, temas, expresiones,...)
agrupndolos en funcin de la relacin que tienen entre s. Se basa, por tanto, en el
principio de que muchos de estos datos verbales son afines por lo que pueden reunirse
bajo unas pocas ideas generales.

Es una herramienta muy til cuando se dispone de una gran cantidad de informacin
proveniente de diferentes fuentes; sta herramienta es muy sutil al momento de analizar y
extraer la informacin de stos datos.Es considerado como una clase especial de "tormenta
de ideas", constituyendo, frecuentemente, esta tcnica de creatividad el punto de partida
para la elaboracin del diagrama.

Figura 3.6 Diagrama de Afinidad

Diagrama de Relaciones
Es una herramienta Que determina que idea tiene influencia sobre otra, representando sta

Pgina 56
relacin mediante una flecha en la direccin de influencia.

En particular el Diagrama de Relaciones se utiliza cuando:

a) Un tema es lo suficientemente complejo como para que la Inter.-relacin entre ideas

(causas y efectos) sea difcil de determinar, clasificar y priorizar
b) Es critico en la resolucin del problema la secuenciacin correcta de las actividades
por parte de la direccin
c) Existe un sentimiento de que el problema en cuestin en realidad es un solo sntoma.
d) El nmero de causa y las relaciones entre estas es significativo y difcil de analizar
por separado

Desarrollar aprox. 50 conceptos del problema (post its)

Colocar en forma aleatoria los conceptos
Relacionar los conceptos con flechas causa efecto
Se requieren varias revisiones al diagrama por los miembros del equipo
El equipo llega a un consenso sobre los conceptos sobre los que necesita trabajar
Causa raz = ms flechas de salida; Resultado = ms flechas de llegada

Figura 3.7 Diagrama de Relaciones

Pgina 57
 Mtodos de Muestreo Estadstico

El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es

determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse
con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido
al hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin
de slo una parte de ella, se denomina error de muestreo.

Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin,
que reproduzca de algn modo sus rasgos bsicos.

Muestreo probabilstico:
El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la
poblacin, y dicha probabilidad no es nula para ningn elemento.
Los mtodos de muestreo no probabilsticos no garantizan la representatividad de la
muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin.
Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin
encontramos:
Caractersticas Ventajas Desventajas
Aleatorio Se selecciona una muestra de Sencillo y de fcil Requiere que
simple tamao n de una poblacin de comprensin. se posea de
N unidades, cada elemento Clculo rpido de antemano un listado
tiene una probabilidad de medias y varianzas. completo de toda la
inclusin igual y conocida de poblacin.
n/N. Se basa en la
teora estadstica, y por Cuando se
tanto existen paquetes trabaja con muestras
informticos para analizar pequeas es posible

Pgina 58
 los datos que no represente a
la poblacin
adecuadamente

Sistemtico Conseguir un listado de Fcil de aplicar. Si la

los N elementos de la No siempre es constante de
poblacin necesario tener un listado muestreo est
Determinar tamao de toda la poblacin. asociada con el
muestral n. fenmeno de inters,
Cuando la
Definir un intervalo las estimaciones
poblacin est ordenada
k=N/n. obtenidas a partir de
siguiendo una tendencia
Elegir un nmero la muestra pueden
conocida, asegura una
aleatorio, r, entre 1 y k contener sesgo de
cobertura de unidades de
(r=arranque aleatorio). seleccin
todos los tipos.
Seleccionar los
elementos de la lista.
Estratificado En ciertas ocasiones resultar Tiende a asegurar Se ha de
conveniente estratificar la que la muestra conocer la
muestra segn ciertas represente distribucin en la
variables de inters. Para ello adecuadamente a la poblacin de las
debemos conocer la poblacin en funcin de variables utilizadas
composicin estratificada de la unas variables para la
poblacin objetivo a muestrear. seleccionadas. estratificacin.
Una vez calculado el tamao Se obtienen
muestral apropiado, este se estimaciones ms
reparte de manera precisa
proporcional entre los distintos
estratos definidos en la Su objetivo es

Pgina 59
 poblacin usando una simple
regla de tres.
Conglomerad Se realizan varias fases
os de muestreo sucesivas
(polietpico)
La necesidad de
listados de las unidades de
una etapa se limita a aquellas
unidades de muestreo
seleccionadas en la etapa
anterior.
conseguir una muestra lo
mas semejante posible a
la poblacin en lo que a
la o las variables
estratificadoras se refiere.
Es muy eficiente El error
cuando la poblacin es estndar es mayor
muy grande y dispersa. que en el muestreo
aleatorio simple o
No es preciso
estratificado.
tener un listado de toda la
poblacin, slo de las El clculo del
unidades primarias de error estndar es
muestreo. complejo

Tabla 3.3 Tipos de muestreos

Clculo del tamao muestral

Cada estudio tiene un tamao muestral idneo, que permite comprobar lo que se pretende
con la seguridad y precisin fijadas por el investigador.

Estudios de Capacidad de sistemas de medicin MSA (R&R)

En muchas ocasiones las organizaciones no consideran el impacto de no tener sistemas

de medicin de calidad, el hecho de que las mediciones no sean exactas puede llevar a
cometer errores en el clculo, y en los anlisis y conclusiones de los estudios de capacidad

Pgina 60
de los procesos.

Cuando los operadores no miden una pieza de manera consistente, se puede caer en el
riesgo de rechazar artculos que estn en buen estado o aceptar artculos que estn en mal
estado.

Por otro lado si los instrumentos de medicin no estn calibrados correctamente tambin
se pueden cometer errores. Cuando sucede lo mencionado anteriormente tenemos un
sistema de medicin deficiente que puede hacer que un estudio de capacidad parezca
insatisfactorio cuando en realidad es satisfactorio.

Lo anterior puede tener como consecuencia gastos innecesarios de reproceso al reparar

un proceso de manufactura o de servicios, cuando la principal fuente de variacin se deriva
del sistema de medicin.

Pgina 61
Posibles Fuentes de la Variacin del Proceso

Figura 3.8 Fuentes de Variacin

Definiciones:

Repetibilidad: es la variacin de las mediciones obtenidas con un instrumento de

medicin, cuando es utilizado varias veces por un operador, al mismo tiempo que mide
las mismas caractersticas en una misma parte.

Pgina 62
 Reproducibilidad: Es la variacin, entre promedios de las mediciones hechas por
diferentes operadores que utilizan un mismo instrumento de medicin cuando miden las
mismas caractersticas en una misma parte.

Valor verdadero:
Valor correcto terico / estndares NIST
Precisin: Es la habilidad de repetir la misma medida cerca o dentro de una misma
zona

Exactitud:
Es la diferencia entre el promedio del nmero de medidas y el valor verdadero.

Resolucin: La medicin que tiene exactitud y precisin.

Estabilidad: es la variacin total de las mediciones obtenidas con un sistema de

medicin, hechas sobre el mismo patrn o sobre las mismas partes, cuando se mide una
sola de sus caractersticas, durante un perodo de tiempo prolongado.

Pgina 63
 Linealidad: diferencia en los valores de la escala, a travs del rango de operacin
esperado del instrumento de medicin.

Sesgo: distancia entre el valor promedio de todas las mediciones y el valor verdadero.
Error sistemtico o desviacin.

Calibracin: Es la comparacin de un estndar de medicin con exactitud conocida

con otro instrumento para detectar, reportar o eliminar por medio del ajuste, cualquier
variacin en la exactitud del instrumento.

Pgina 64
 Nota:
Importante: para que el equipo de medicin tenga una discriminacin adecuada en la
evaluacin de las partes.
Resolucin debe ser al menos 1/10 de la variabilidad del proceso.

Criterios segn el MSA:

<10% Aceptable
10-30%. Puede ser aceptable, dependiendo si la caracterstica a medir no es crtica.
>30%. Inaceptable!
En cualquier problema que involucre mediciones, algunas de las variaciones observadas
son debidas al proceso y otras son debidas al error o variacin en los sistemas de medicin.
La variacin total es expresada de la siguiente manera:

Existen 2 mtodos mtodos para realizar los estudios de R&R, conocidos como Mtodo
corto y Mtodo largo, a continuacin se explica ste ltimo:

Estudio de R&R Mtodo largo

Generalmente intervienen de dos a tres operadores

Se sugiere se tomen 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.
La resolucin del equipo de medicin debe ser de al menos el 10% del rango de
tolerancia o del rango de variacin del proceso.
Las partes deben seleccionarse al azar, cubriendo el rango total del proceso. Es
importante que dichas partes sean representativas del proceso total (80% de la
variacin)
10 partes NO son un tamao de muestra significativo para una opinin slida sobre

Pgina 65
 el equipo de medicin a menos que se cumpla el punto anterior.

Procedimiento para realizar un estudio de R&R

1. Asegrese de que el equipo de medicin haya sido calibrado.

2. Marque cada pieza con un nmero de identificacin que no pueda ver la persona
que realiza la medicin.
3. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un
orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un
orden al azar.
5. Contine hasta que todos los operadores hayan medido las muestras una sola vez
(Este es el ensayo 1).
6. Repita los pasos 3-4 hasta completar el nmero requerido de ensayos
7. Determine las estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
8. Analice los resultados y determine las acciones a seguir si las hay.

Mtodos de estudio del error R&R:

I.Mtodo de Promedios- Rango

Permite separar en el sistema de medicin lo referente a la Reproducibilidad y a la

Repetibilidad.
Los clculos son ms fciles de realizar.

Pgina 66
II. Mtodo ANOVA
Permite separar en el sistema de medicin lo referente a la Reproducibilidad y a la
Repetibilidad.
Tambin proporciona informacin acerca de las interacciones de un operador y otro en
cuanto a la parte.
Calcula las varianzas en forma ms precisa.
Los clculos numricos requieren de una computadora.

El Mtodo ANOVA es ms preciso

Ejemplo (MINITAB)

Mtodo X Barra - R
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida tres
veces por tres operadores. Los datos son los siguientes, realice un estudio R&R mediante
el mtodo X-R.

Pgina 67
 Ejemplo de Estudio R&R

Anlisis de los resultados:

El error de R&R vs tolerancia es 26.20% lo que hace que el equipo de medicin no sea
adecuado para la medicin.

Por otro lado el nmero de categoras es slo de 1 cuando debe ser al menos 4 indicando
que el instrumento discrimina las diversas partes diferentes.

Pgina 68
 Figura 3.9 Resultados del estudio de R&R

La grfica R se mantiene en control por 2 analistas y solamente 1 analista presenta

variacin, lo que representa un rea de oportunidad en cuestin de recapacitacin y
estandarizacin de conocimientos.

Los resultados son muy parecidos, aunque ms estrictos en este mtodo, ya que el error
de R&R vs tolerancia es 32.26%

El resultado total del estudio nos dice que se necesita urgentemente de una mejora en
nuestro sistema de Medicin, sobre todo la parte de Reproducibilidad, hay que trabajar
fuertemente en el mtodo de anlisis de cada uno de los analistas que va desde la tcnica,
la capacitacin y la efectividad de la misma, tambin la Repetitividad que se refiere al
equipo con que estamos midiendo, no sea adecuado para la medicin.

Pgina 69
La Distribucin Normal
La distribucin normal es una de las distribuciones ms usadas e importantes. Su propio
nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que
ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin. Muchos
eventos reales y naturales tienen una distribucin de frecuencias cuya forma es muy
parecida a la distribucin normal.

La distribucin normal es llamada tambin campana de Gauss por su forma acampanada.

Figura 3.10 Distribucin Normal

Propiedades de la distribucin normal

La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene media = 0 y
desviacin estndar = 1.
El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1.
La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea
de 0.5.
La escala horizontal de la curva se mide en desviaciones estndar.
La forma y la posicin de una distribucin normal dependen de los parmetros y
, en consecuencia hay un nmero infinito de distribuciones normales.

Pgina 70
Existe una relacin del porcentaje de poblacin a la desviacin estndar. En la figura
observamos por ejemplo que el rea bajo la curva para 1 tiene un porcentaje de 68.26%,
2 = 95.46% y 3= 99.73%.

Figura 3.11 Distribucin Normal en niveles de sigma y %

Pgina 71
La desviacin estndar () representa la distancia de la media al punto de inflexin de la
curva normal.

Figura 3.12 Distribucin Normal en niveles de Z

La distribucin normal estndar

El valor de z
Determina el nmero de desviaciones estndar entre algn valor X y la media de la
poblacin . Para calcular el valor de Z usamos la siguiente frmula.

La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y desviacin

estndar 1; esto es Z se distribuye normalmente con media cero y desviacin estndar =
1 Z ~ N(0,1): La grfica de densidad de probabilidad se muestra en la figura.

Pgina 72
 La distribucin f (Z) se encuentra tabulada en la tabla de distribucin normal estndar. En
esta tabla podemos determinar los valores de Z o la probabilidad de determinado valor Z.

Capacidad de procesos normales

Al planear los aspectos de calidad de la manufactura, es sumamente importante asegurarse
de antemano de que el proceso ser capaz de mantener las tolerancias. En las dcadas
recientes ha surgido el concepto de capacidad del proceso habilidad del proceso, que
proporciona una prediccin cuantitativa de qu tan adecuado es un proceso. La habilidad
del proceso es la variacin medida, inherente del producto que se obtiene en ese proceso.

Definiciones bsicas.
Proceso: ste se refiere a alguna combinacin nica de mquinas, herramientas,
mtodos, materiales y personas involucradas en la produccin.
Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el
desempeo probado, para lograr resultados que se puedan medir.
Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de
los lmites de especificaciones de calidad.
Capacidad medida: Esto se refiere al hecho de que la capacidad del proceso se
cuantifica a partir de datos que, a su vez, son el resultado de la medicin del trabajo
realizado por el proceso.
Capacidad inherente: Se refiere a la uniformidad del producto que resulta de un
proceso que se encuentra en estado de control estadstico, es decir, en ausencia de
causas especiales o atribuibles de variacin.
Variabilidad natural: Los productos fabricados nunca son idnticos sino que
presentan cierta variabilidad, cuando el proceso est bajo control, solo actan las
causas comunes de variacin en las caractersticas de calidad.
Valor Nominal: Las caractersticas de calidad tienen un valor ideal ptimo que es el
que desearamos que tuvieran todas las unidades fabricadas pero que no se
obtiene, aunque todo funcione correctamente, debido a la existencia de la

Pgina 73
 variabilidad natural.

Objetivos de determinar la capacidad del proceso

1. Predecir en que grado el proceso cumple especificaciones.

2. Apoyar a diseadores de producto o proceso en sus modificaciones.

3. Especificar requerimientos de desempeo para el equipo nuevo.

4. Seleccionar proveedores.

5. Reducir la variabilidad en el proceso de manufactura.

6. Planear la secuencia de produccin cuando hay un efecto interactivo de los procesos en

las tolerancias.

Figura 3.13 p = porcentaje de medidas bajo la curva de probabilidad fuera de

especificaciones.

Partes fuera de especificaciones, como vamos a mejorar esto?

Pgina 74
 Para solucionar este problema, podemos reducir la desviacin estndar.

Tambin podramos cambiar la media.

Lo ideal sera, por supuesto cambiar ambas.

Pgina 75
Condiciones para realizar un estudio de capacidad del proceso

Para realizar un estudio de capacidad es necesario que se cumplan los siguientes

supuestos:

El proceso se encuentre bajo control estadstico, es decir sin la influencia de fuerzas

externas o cambios repentinos. Si el proceso est fuera de control la media y/o la
desviacin estndar del proceso no son estables y, en consecuencia, su variabilidad
ser mayor que la natural y la capacidad potencial estar infravalorada, en este caso no
es conveniente hacer un estudio de capacidad.
Se recolectan suficientes datos durante el estudio de habilidad para minimizar el error
de muestreo para los ndices de habilidad. Si los datos se componen de menos de 100
valores, entonces deben calcularse los lmites de confianza inferiores.
Los datos se recolectan durante un periodo suficientemente largo para asegurar que las
condiciones del proceso presentes durante el estudio sean representativos de las
condiciones actuales y futuras.
El parmetro analizado en el estudio sigue una distribucin de probabilidad normal, de
otra manera, los porcentajes de los productos asociados con los ndices de capacidad
son incorrectos.

Tambin es importante al realizar un estudio de capacidad, asegurarnos que la variacin

en el sistema de medicin no sea mayor al 10%.

Variacin a corto plazo y a largo plazo

Existen dos maneras de expresar la variabilidad:

Variacin a corto plazo (Zst): Los datos son recogidos durante un periodo de tiempo
suficientemente corto para que sea improbable que haya cambios y otras causas
especiales.

Pgina 76
Las familias de variacin han sido restringidas de tal manera que los datos considerados,
slo son los que se obtuvieron del subgrupo racional. Ayuda a determinar subgrupos

racionales importantes.

Variacin a Largo Plazo (Zlt): Los datos son recogidos durante un periodo de tiempo
suficientemente largo y en condiciones suficientemente diversas para que sea probable que
contenga algunos cambios de proceso y otras causas especiales. Aqu todas las familias
de variacin exhiben su contribucin en la variacin del proceso general.

Para el clculo de Z utilizamos las siguientes formulas:

donde:
Zst = variacin a corto plazo.
nom = Valor nominal u objetivo
Zlt = variacin a largo plazo.

Z shift: A largo plazo los procesos tienen un desplazamiento natural de 1.5 desviaciones
estndar.

Pgina 77
Zlt = Zst-1.5shift

Clculo de la capacidad del proceso:

Para calcular la capacidad del proceso utilizamos la siguiente frmula:

donde:
Cp = capacidad potencial
LSE = lmite superior de especificaciones
LIE = lmite inferior de especificaciones
= desviacin estndar

El ndice Cp debe

ser para tener el potencial de cumplir con especificaciones (LIE, LSE)

Para calcular la capacidad real utilizamos la siguiente frmula:

El menor valor absoluto de Zl o Zs

Para que el proceso cumpla con las especificaciones el Cpk = debe de ser .

Capacidad del proceso a partir de histogramas

Procedimiento:
1. Seleccionar un proceso especfico para realizar el estudio

Pgina 78
 2. Seleccionar las condiciones de operacin del proceso

3. Seleccionar un operador entrenado

4. El sistema de medicin (MSA) debe ser en cuestin de error R&R < 10%

5. Recolectar la informacin

6. Construir un histograma de frecuencia con los datos

7. Calcular la media y desviacin estndar del proceso

8. Calcular la capacidad del proceso.

FASE DE ANLISIS

En esta fase se efecta el anlisis de los datos obtenidos en la etapa de Medicin, con el
propsito de conocer las relaciones causales o causas raz del problema.

La informacin de este anlisis nos proporcionar evidencias de las fuentes de variacin y

desempeo insatisfactorio, el cual es de gran utilidad para la mejora del proceso.

Pgina 79
Las Herramientas a utilizar pueden ser:

Figura 4.1 Herramientas en la Fase de Medicin

Los objetivos de esta fase son:

Determinar el nivel de desempeo del proceso actual.
Identificar cuales son las fuentes de variacin.
Una vez identificadas las causas potenciales por medio de una lluvia de ideas y un
diagrama de causa efecto, se realiza un proceso de validacin estadstica de las mismas
apoyndose en Anlisis de regresin, Pruebas de Hiptesis y Anlisis de varianza.

4.2 Etapas de la fase de Anlisis

La fase de anlisis consta de las siguientes etapas:

Definir el objetivo de desempeo

En esta etapa se define la meta hacia la cual nos dirigimos, o sea cuales son los niveles

Pgina 80
sigma esperados en nuestro proceso en el tiempo.

Una opcin es realizar un Benchmarking, el cual es el mecanismo para identificar y

comparar quien tiene el mejor desempeo del proceso, ya sea dentro de la organizacin
u otra organizacin, y comparamos nuestros valores contra ese parmetro de referencia
para determinar el GAP existente e identificar acciones para reducirlo.

Identificar las fuentes de variacin

Cuando un proceso se encuentra fuera de las especificaciones permitidas, se tiene
evidencia de que existe variacin. Para comprobarlo utilizamos alguna de las herramientas
de anlisis, segn sea el el caso por ejemplo, el anlisis Multi-Vari es una herramienta
estadstica que nos permite determinar las fuentes que presentan mayor variacin, a travs
de la descomposicin de los componentes de variabilidad del proceso. Una vez
determinadas las causas de variacin, nos enfocaremos en los pocos vitales X que estn
afectando la variable de respuesta y. Una opcin para priorizar estas causas es el uso del
diagrama de Pareto.

A continuacin se muestra un diagrama de posibles fuentes de variacin del proceso:

Pgina 81
 Figura 4.2 Fuentes de Variacin

Para una validacin estadstica de causas se utilizan diversas herramientas estadsticas

como las que se explican a continuacin.

Herramientas bsicas para la fase de Anlisis

4.3 AMEF (Proceso actual)

El AMEF o FMEA ( Failure Mode and Effect Analisis) es una tcnica de prevencin,
utilizada para detectar por anticipado los posibles modos de falla, con el fin de establecer
los controles adecuados que eviten la ocurrencia de defectos.

Objetivos
Identificar los modos de falla potenciales, y calificar la severidad de su efecto.
Evaluar objetivamente la ocurrencia de causas y la habilidad de los controles para
detectar la causa cuando ocurre.
Clasifica el orden potencial de deficiencias de producto y proceso.
Se enfoca hacia la prevencin y eliminacin de problemas del producto y proceso

Cundo iniciar un AMEF

Al disear los sistemas, productos y procesos nuevos.
Al cambiar los diseos o procesos existentes o que sern usados en aplicaciones o
ambientes nuevos.
Despus de completar la Solucin de Problemas (con el fin de evitar la incidencia de
los mismos).
El AMEF de sistema, despus de que las funciones del sistema se definen, aunque
sea antes de seleccionar el hardware especfico.
El AMEF de diseo, despus de que las funciones del producto son definidas,
aunque sea antes de que el diseo sea aprobado y entregado para su manufactura.
El AMEF de proceso, cuando los dibujos preliminares del producto y sus

Pgina 82
 especificaciones estn disponibles.

Tipos de AMEFS
AMEF de Diseo: Se usa para analizar componentes de diseos. Se enfoca hacia los
Modos de Falla asociados con la funcionalidad de un componente, causados por el
diseo.
AMEF de Proceso: Se usa para analizar los procesos de manufactura y ensamble. Se
enfoca a la incapacidad para producir el requerimiento que se pretende, un defecto. Los
Modos de Falla pueden derivar de causas identificadas en el AMEF de Diseo.

Procedimiento para la elaboracin del A.M.E.F (Diseo o Proceso)

1. Determinar el proceso o producto a analizar.
2. Establecer los modos potenciales de falla.
3. Determinar el efecto de la falla
4. Determinar la causa de la falla
5. Describir las condiciones actuales: Anotar los controles actuales que estn dirigidos a
prevenir o detectar la causa de la falla.
6. Determinar el grado de ocurrencia: Es necesario estimar el grado de ocurrencia de la
causa de la falla potencial. Se utiliza una escala de evaluacin del 1 al 10. El 1 indica
remota probabilidad de ocurrencia, el 10 indica muy alta probabilidad de ocurrencia.
(Tabla 4-3.1)
7. Determinar el grado de severidad: Para estimar el grado de severidad, se debe de
tomar en cuenta el efecto de la falla en el cliente. Se utiliza una escala del 1 al 10: el 1
indica una consecuencia sin efecto. El 10 indica una consecuencia grave. (Tabla 4-3.2)
8. Determinar el grado de deteccin: Se estimar la probabilidad de que el modo de falla
potencial sea detectado antes de que llegue al cliente. El 1 indicar alta probabilidad de
que la falla se pueda detectar. El 10 indica que es improbable ser detectada. (Tabla 4-
3.3)
9. Calcular el nmero de prioridad de riesgo (NPR): Es un valor que establece una

Pgina 83
jerarquizacin de los problemas a travs de la multiplicacin del grado de ocurrencia,
severidad y deteccin, ste provee la prioridad con la que debe de atacarse cada modo
de falla, identificando tems crticos.

NPR = Grado de Ocurrencia * Severidad * Deteccin.

Acciones recomendadas: Anotar la descripcin de las acciones preventivas o

correctivas recomendadas , incluyendo responsables de las mismas. Anotando la
fecha compromiso de implantacin.
10. Una vez realizadas las acciones correctivas o preventivas, se recalcula el grado de
ocurrencia, severidad, deteccin y el NPR.

Cada vez que haya alguna modificacin en el proceso o en el producto se debe de

actualizar el A.M.E.F.

4.4 Cartas Multi Vari

El anlisis Multi-Vari permite determinar las fuentes que presentan mayor variacin, a
travs de la descomposicin de los componentes de variabilidad del proceso.

El objetivo general de las cartas Multi-Vari es, descubrir los componentes de variacin en
el proceso y cuantificar las diferentes fuentes de variabilidad, las cules pueden ser, por
ejemplo: de lote a lote, dentro del lote, de turno a turno, entre turnos, dentro del turno, de
mquina a mquina, dentro de la mquina, de operador a operador, dentro del operador,
entre operadores, etc.

Su propsito fundamental es reducir el gran nmero de causas posibles de variacin, a un

conjunto pequeo de causas que realmente influyen en la variabilidad. Sirven para
identificar el patrn principal de variacin de entre tres patrones principales:

Pgina 84
1.-Temporal: Variacin de hora a hora; turno a turno; da a da; semana a semana; etc.
2.- Cclico: Variacin entre unidades de un mismo proceso; variacin entre grupos de
unidades; variacin de lote a lote.
3.- Posicional:
Variaciones dentro de una misma unidad (ejemplo: porosidad en un molde de metal)
o a travs de una sola unidad con mltiples partes (circuito impreso).
Variaciones por la localizacin dentro de un proceso que produce mltiples unidades
al mismo tiempo. Por ejemplo las diferentes cavidades de un molde
Variaciones de mquina a mquina; operador a operador; planta a planta

Una vez identificados las fuentes de variacin, el anlisis Multi-Vari esta diseado y
enfocado a identificar la variable independiente de mayor influencia dentro de las familias
de variacin descritas anteriormente.

4.5 Correlacin

Establece si existe una relacin entre las variables y responde a la pregunta, Qu tan
evidente es esta relacin?"
Los Diagramas de Correlacin se utilizan para estudiar las relaciones y posibles
dependencias entre dos variables.
Tipos de Correlaciones:

Pgina 85
 Figura 4.3 Tipos de Correlaciones
La Correlacin:
Mide la fuerza de la asociacin lineal entre dos variables
No mide las relaciones fuertes no lineales
No mide causa y efecto
Puede ser utilizada como un primer paso para la regresin
Debe ser utilizada en conjunto con tcnicas grficas

La medicin de la fuerza de la asociacin lineal en un anlisis de correlacin es R (el

coeficiente de correlacin.) que dependiendo del valor nos dice que tan bien se ajuntan
los datos a la ecuacin.

4.6 Anlisis de Regresin

El anlisis de regresin es un mtodo estandarizado para localizar la correlacin entre
dos grupos de datos, y, quiz ms importante, crear un modelo de prediccin.

Puede ser usado para analizar las relaciones entre:

Pgina 86
 Una sola X predictora y una sola Y
Mltiples predictores X y una sola Y
Varios predictores X entre s

Regresin lineal simple

La Regresin lineal se refiere a la prediccin del valor de una variable a partir de una o ms
variables. En ocasiones se denomina a la variable dependiente (y) variable de respuesta y
a la variable independiente (x) variable de prediccin.

Usamos un modelo probabilstico para explicar el comportamiento de la variable

independiente vs la variable dependiente, llamado modelo de regresin lineal, y se
expresa de acuerdo a la siguiente ecuacin:

Modelo de regresin lineal

Donde:
y = variable dependiente
0 = ordenada al origen
1 = pendiente
x = variable independiente
e = Error aleatorio

La expresin 0 + 1X se denomina componente determinstico del modelo de regresin

lineal. La muestra de pares de datos se usar para estimar los parmetros 0 y 1

Supuestos para el modelo de regresin lineal

1. Para cada valor de x, la variable aleatoria se distribuye normalmente.

2. Para cada valor de x, la media o valor esperado de es 0; esto es, .

Pgina 87
3. Para cada valor de x, la varianza de es la constante 2 (llamada varianza del error).
4. Los valores del trmino de error son independientes.
5. Para un valor fijo de x, la distribucin muestral de y es normal, porque sus valores
dependen de los de .
6. Para un valor fijo x, es posible predecir el valor de y.
7. Para un valor fijo x, es posible estimar el valor promedio de y

Regresin lineal mltiple

En ocasiones la informacin de una variable independiente no es suficiente, Cuando se usa

ms de una variable independiente para predecir los valores de una variable dependiente,
el proceso se llama anlisis de regresin mltiple; y se expresa de acuerdo a la siguiente
ecuacin:

Modelo de regresin mltiple

Y= 0 + 1 x1 + 2 x2 +.... + n
Donde:
y = variable dependiente
0 = ordenada al origen
1, 2 = coeficiente de cada variable.
x1, x2 = variables independientes
= Error aleatorio

La estimacin de los coeficientes de una regresin mltiple es un clculo bastante

complicado y laborioso, por lo que se requiere del empleo de programas de computacin
especializados. Sin embargo, la interpretacin de los coeficientes es similar al caso de la
regresin simple: el coeficiente de cada variable independiente mide el efecto separado
que esta variable tiene sobre la variable dependiente. El coeficiente de determinacin, por

Pgina 88
otro lado, mide el porcentaje de la variacin total en Y que es explicado por la variacin
conjunta de las variables independientes.

4.7 Pruebas de Hiptesis:

Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en parmetro

poblacional. Despus de recolectar una muestra aleatoria, se compara la estadstica
muestral, as como la media (x), con el parmetro hipottico, se compara con una supuesta
media poblacional (). Despus se acepta o se rechaza el valor hipottico, segn proceda.
Se rechaza el valor hipottico slo si el resultado muestral resulta muy poco probable
cuando la hiptesis es cierta.

Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el
valor hipottico del parmetro que se compra con el resultado muestral resulta muy poco
probable cuando la hiptesis es cierta.

Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de significancia

del 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral es tan
diferente del valor hipottico que una diferencia de esa magnitud o mayor, pudiera ocurrir
aleatoria mente con una probabilidad de 1.05 o menos.

Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica
muestral (el estimador no segado del parmetro que se prueba) o una versin transformada
de esa estadstica muestral. Por ejemplo, para probar el valor hipottico de una media
poblacional, se toma la media de una muestra aleatoria de esa distribucin normal,
entonces es comn que se transforme la media en un valor z el cual, a su vez, sirve como
estadstica de prueba.

Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba. Habiendo

Pgina 89
especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que se van
a utilizar, se produce a establecer el o los valores crticos de estadstica de prueba. Puede
haber uno o ms de esos valores, dependiendo de si se va a realizar una prueba de uno o
dos extremos.

Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un
valor hipottico de la media poblacional, se toma una muestra aleatoria y se determina el
valor de la media muestral. Si el valor crtico que se establece es un valor de z, entonces
se transforma la media muestral en un valor de z.

Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestral con
el valor (o valores) crticos de la estadstica de prueba. Despus se acepta o se rechaza la
hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta decisin tendr
efecto sobre otras decisiones de los administradores operativos, como por ejemplo,
mantener o no un estndar de desempeo o cul de dos estrategias de mercadotecnia
utilizar.

La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin de

rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima regin no se puede
rechazar la hiptesis nula y se llega a la conclusin de que el proceso funciona
correctamente.

Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico en
la distribucin estadstica que divide la regin del rechazo (en la cual la hiptesis nula no
se puede rechazar) de la regin de rechazo. A hora bien el valor crtico depende del tamao
de la regin de rechazo.

Pasos de la prueba de hiptesis:

1. Definir el Problema ( Problema Prctico).
2. Sealar los Objetivos ( Problema Estadstico).

Pgina 90
 3. Determinar tipo de datos: Atributo o Variable.
4. Si son datos Variables: Prueba de Normalidad.
5. Establecer las Hiptesis: Hiptesis Nula (Ho),Hiptesis Alterna (Ha).
6. Seleccionar el nivel de Alfa (normalmente 0.05 o 5%).
7. Establecer el tamao de la muestra, .
8. Desarrollar el Plan de Muestreo.
9. Seleccionar Muestras y Obtener Datos.
10. Decidir la prueba estadstica apropiada y calcular el estadstico de prueba (Z, t,
X2 o F) a partir de los datos.
11. Obtener el estadstico correspondiente de tablas o Excel.
12. Determinar la probabilidad de que el estadstico de prueba calculado ocurra al
azar.
13. Comparar el estadstico calculado con el de tablas y ver si cae en la regin de
rechazo o ver si la probabilidad es menor a alfa, rechace Ho y acepte Ha. En
caso contrario no rechace Ho.
14. Con los resultados interprete una conclusin estadstica para la solucin
prctica.

Si el valor del estadstico de

prueba cae en la regin de
rechazo rechazaremos Ho de otra
manera no podemos rechazar Ho.

4.8 Anlisis de varianza de una va (ANOVA)

Pgina 91
El anlisis de la varianza de un criterio (ANOVA) es una metodologa para analizar la
variacin entre muestras y la variacin al interior de las mismas mediante la determinacin
de varianzas. Es llamado de un criterio porque analiza un variable independiente o Factor.
Como tal, es un mtodo estadstico til para comparar dos o ms medias poblacionales.

Tipos de ANOVAS:
ANOVA de un factor o direccin
ANOVA de un factor y una variable de bloqueo
ANOVA de un factor y dos variables de bloqueo CUADRADO LATINO
ANOVA de un factor y tres variables de bloqueo CUADRADO GRECOLATINO

El ANOVA de un factor o direccin:

Se trata de probar si el efecto de un factor o Tratamiento en la respuesta de un proceso o
sistema es Significativo, al realizar experimentos variando los niveles de ese factor (Temp.
1, Temp. 2, Temp.3, etc)

Prueba de Hiptesis:
Ho : 1 = 2 = 3 .. n
Ha: Alguna media es diferente

Condiciones:
Todas las poblaciones son normales
Todas las poblaciones tiene la misma varianza
Los errores son independientes con distribucin normal de media cero
La varianza se mantiene constante para todos los niveles del factor

ANOVA de un factor y una variable de bloqueo:

Se trata de probar si el efecto de un factor o Tratamiento en la respuesta de un proceso o

Pgina 92
sistema es Significativo, al realizar experimentos variando los niveles de ese factor
(Temp.1, Temp.2, etc.) Por RENGLN y considerando los niveles de otro factor que se
piensa que tiene influencia en la prueba FACTOR DE BLOQUEO Por COLUMNA

Prueba de Hiptesis:
a) Para el tratamiento en renglones
Ho : 1 = 2 = 3 .. n
Ha: Alguna media es diferente

b) Para el factor de bloqueo en columnas

Ho : 1 = 2 = 3 .. n
Ha: Alguna media es diferente

ANOVA de un factor y dos variables de bloqueo CUADRADO LATINO:

El diseo de Cuadrado latino utiliza dos factores de bloqueo adicionales al de Tratamiento

El clculo de suma de cuadrados para renglones y para columnas es similar al de ANOVA
de un factor principal y otro de bloqueo.

ANOVA de un factor y tres variables de bloqueo CUADRADO GRECOLATINO:

El diseo de Cuadrado Grecolatino utiliza tres factores adicionales al del Tratamiento

El clculo de suma de cuadrados para renglones y para columnas es similar al de ANOVA
de un factor principal y otro de bloqueo.

En todos los casos, la Ho se rechaza si..

Fc > F tablas Aceptando Ha donde las medias son diferentes tambin considerando

Pgina 93
 el valor de P-value (del minitab)

Del correspondiente de Fc P < Aceptando Ha donde las medias son diferentes

4.9 Entregables:

En esta etapa los entregables seran:

Establecer Capacidad del Proceso

o Analizar datos grficamente para para la Y del proyecto. (datos continuos)
o Calcular el sigma inicial (de referencia) para la Y del proyecto.
Definir Objetivos de Desempeo
o Definir objetivos de rendimiento
Identificar Fuentes de Variacin
o Identificar las posibles causas de variacin
o Reducir la lista de causas potenciales

La siguiente fase es la de mejora, la cual implica tanto el diseo como la implementacin.

En esta fase de diseo es muy importante ya que asume una preponderancia fundamental
la participacin de todos los participantes del proceso, como as tambin la capacidad
creativa, de los mismos; tambin considera la actividad de benchmarking a los efectos de
detectar en otras unidades de la misma empresa o en otras empresas (competidoras o no)
formas ms efectivas de llevar a cabo un proceso.

FASE DE MEJORA

En la fase de Anlisis es cuando el equipo selecciona las caractersticas de desempeo del

producto que deben ser mejoradas para alcanzar la meta de mejora identificando las
mayores fuentes de variacin del proceso. S

Pgina 94
e identificaron las causas de variacin. En esta fase se utilizar el diseo de experimentos
(DOE), para seleccionar las causas que ms afectan nuestro CTQ e investigar estas causas
para conocer el comportamiento del proceso.

El mtodo de DOE consiste en realizar cambios en los niveles de operacin de los factores
(Xs) para obtener los mejores resultados en la respuesta "Y". Esta informacin es de gran
ayuda para la optimizacin y mejora de procesos.

Pgina 95
Los objetivos de esta fase son:

Identificar especficamente cmo el proceso debe ser mejorado.

Conocer el uso de las herramientas de mejora.
Conducir el diseo de experimentos para la optimizacin de procesos.
Obtener las mejoras del proceso en el proyecto.

Las principales herramientas utilizadas en esta fase son las siguientes:

5.2 Etapas de la fase de Mejora

Las etapas de la fase mejora son las siguientes:

Mostrar las causas potenciales y caracterizacin de X:
En la fase de anlisis encontramos los pocos vitales Xs, en esta fase vamos a determinar
aquellos que especficamente afectan nuestro proceso. Esto se lleva a cabo a travs de
datos histricos, conocimiento y discusiones. Con base a lo anterior tambin desechamos
las variables que no son utilizadas. Una opcin para realizar esta actividad es mediante el

Pgina 96
uso del diagrama de Ishikawa.

Los cambios en los parmetros de operacin referentes a las Xs pueden ser puestos en
niveles mltiples, para estudiar como afectan la respuesta en el proceso Y

El Diseo de Experimentos es un mtodo para probar la significancia, o sea que tanto

afectan cada uno de los factores a la variable de respuesta. Y para determinar la
interaccin entre dichos factores.

Consideraciones:
El Diseo de Experimentos sirve para identificar los pocos vitales de los CTQs
En la optimizacin es utilizada para determinar los niveles ms apropiados de los pocos
vitales.
Sirve para comparar el resultado experimental contra el proceso actual

5.3 Terminologa
Bloques: Unidades experimentales homogneas.

Bloqueo: Considerar las variables que el experimentador desea reducir su efecto o

variabilidad.

Colinealidad: Ocurre cuando 2 variables estn completamente correlacionadas.

Covarianza: Cosas que cambian durante los experimentos pero no fueron planeadas a
cambiar

Diseo robusto: De acuerdo a Taguchi, un experimento en el cual la variable de respuesta

es
inmune a los factores de ruido.

Pgina 97
Diseo simples: Un diseo espacial usado para determinar todas las combinaciones
posibles de factores de entrada en una prueba experimental.

DOE: Diseo de Experimentos.

Efecto principal: Un estimado del efecto de un factor independientemente del efecto de

los dems.

Error experimental: Variacin en respuesta bajo las mismas condiciones de prueba.

Tambin se denomina error residual.

Error residual: Es la diferencia entre los valores observados y los estimados por un
modelo.

Fraccional: Un arreglo con menos experimentos que el arreglo completo (1/2, , etc.).

Factorial completo: Arreglo experimental que considera todas las combinaciones de

factores y niveles.

Grados de libertad (DOF, DF, df): Nmero de mediciones independientes para estimar un
parmetro poblacional.

Interaccin: Ocurre cuando el efecto de un factor de entrada en la respuesta depende del

nivel de otro factor diferente.

Nivel: Un valor especfico para un factor controlable de entrada.

Optimizacin: Hallar las combinaciones de los factores que maximicen o minimicen la

respuesta.

Pgina 98
Ortogonal o balanceado: Es el arreglo que permite estimar los efectos de los factores
principales y de sus interacciones sin confundirlos (el factorial completo es un ejemplo).

Rplicas: Experimentos repetidos en diferente tiempo para estimar el error experimental.

Variable de respuesta: Variable que muestra los resultados observados de un tratamiento

experimental, es la variable dependiente.

Tratamientos: Son los diversos niveles de los factores que describen como se debe
realizar el experimento (50 y 7.5 pH).

5.4 Diseo de Experimentos (DOE)

Un experimento es una prueba o serie de pruebas en las cuales se hacen modificaciones
a las variables de entrada de un proceso o sistema para que puedan ser observadas y
definidas las respuestas de salida

Los propsitos del diseo de experimentos son:

Determinar
o Cules variables son de mayor influencia a la salida.
o Dnde fijar las entradas para producir la salida al nivel deseado.
o Dnde fijar las entradas de mayor influencia para reducir la variabilidad en la
salida.
o Dnde fijar las entradas controlables para que los efectos de las entradas
incontrolables sean minimizados.
Encontrar la ecuacin (y = f(x)) para optimizar el proceso

Por lo anterior, los mtodos de diseo de experimentos pueden utilizarse ya sea para el
desarrollo o la mejora de los procesos, para mejorar el desempeo o para obtener un
proceso que sea robusto o insensible a fuentes externas de variabilidad.

Pgina 99
Existen diferentes tipos de experimentos entre los cuales se encuentra los siguientes:

Tipos comunes de Nmero tpico

1 Objetivos
Experimentos de factores
controlables
Factorial Completo Encontrar los niveles de factor que 4 o menos
(todas las combinaciones proporcionan los mejores resultados.
de factores y niveles) Construir un modelo matemtico (evala
todas las interacciones)

Fraccional Factorial Encontrar los niveles de factor que 5 o ms

(subgrupo del nmero proporcionan los mejores resultados.
total de combinaciones) Construir un modelo matemtico (evala
todas las interacciones).

Diseo Central Optimizar 3 o menos

Compuesto Construir un modelo matemtico cuando
no haya efectos lineales (Superficie de
respuesta).

1.1 Diseo Robusto Optimizar 5 o ms

Para encontrar los niveles de factores a
fin de reducir al mnimo la variacin ante
factores de ruido cambiantes

Diseo Robusto Optimizar 7 o ms

Dinmico de Taguchi Optimizar la funcin de un producto o
proceso de manufactura.
Reducir al mnimo la sensibilidad al ruido

Pgina 100
 y aumentar al mximo la sensibilidad a la
seal de entrada.

Tabla 5.1 Tipos de Experimentos

Los mtodos de diseo de experimentos pueden tambin jugar un papel mayor en las
actividades de ingeniera de desarrollo de nuevos productos o mejora de los productos
actuales. Algunas aplicaciones del diseo de experimentos incluyen:

1. Evaluacin y comparacin de configuraciones bsicas de diseo.

2. Evaluacin de alternativas de material.
3. Determinacin de parmetros clave de diseo con impacto en el desempeo.

Claves para Experimentar con xito

a) Medicin Adecuada de los Resultados
Usar un resultado relacionado directamente con la funcin del proceso, usar datos
variables.
b) Diseo Experimental Slido
Ni el mejor anlisis de datos puede compensar un experimento mal diseado.
Selecciona cuidadosamente la respuesta de salida, los factores y los niveles as
como el esquema del DOE.
c) Planeacin Meticulosa
Para asegurar que las condiciones se puedan controlar como se estableci en el
diseo experimental, se deben preparar con anticipacin todos los recursos (gente,
materiales, etc.) necesarios para realizar el experimento.
d) Sistemas de Medicin Verificados
Para asegurar que todos los datos sean buenos, verifica todos los sistemas de
medicin antes de realizar el DOE.
e) Identifica las Unidades Experimentales

Pgina 101
 Marca cada unidad de acuerdo con la condicin experimental que la produce. De lo
contrario, se perder toda la informacin.

Pasos para Disear y Realizar un Diseo de Experimentos

1.- Observar datos histricos y/o recolectar datos para establecer la capacidad actual
del proceso debe estar en control estadstico.
2.- Determinar el objetivo del experimento (CTQs a mejorar).

Por medio de un equipo de trabajo multidisciplinario

3.- Determinar qu se va a medir como resultado del experimento.
4.- Identificar los factores (factores de control y de ruido) que pueden afectar el
resultado.
5.- Determinar el nmero de niveles de cada factor y sus valores reales.
6.- Seleccionar un esquema experimental que acomode los factores y niveles
seleccionados y decidir el nmero de replicas.
7.- Verificar todos los sistemas de medicin (R&R < 10%)
8.- Planear y preparar los recursos (gente, materiales, etc.) para llevar a cabo el
experimento. Hacer un plan de prueba.
9.- Realizar el experimento, marcar partes con la condicin experimental que la
produce.
10.- Medir las unidades experimentales.
11.- Analizar los datos e identificar los factores significativos.
12.- Determinar la combinacin de niveles de factores que mejor alcance el objetivo.
13.- Correr un experimento de confirmacin con esta combinacin "ptima".
14.- Asegurar que los mejores niveles para los factores significativos se mantengan
por largo tiempo mediante la implementacin de Procesos de Operacin Estndar y
controles visuales.
15.- Re evaluar la capacidad del proceso.

Pgina 102
El diseo factorial 2K :

Un diseo muy comn es el que considera varios factores (K) en dos niveles (alto y bajo),
el diseo ms simple es el diseo 2k

Las cinco razones principales para usar Diseos 2k:

1. La razn nmero uno para usar factorial es: Y = f(x)
2. Son fciles de entender y analizar
3. Forman la base de los diseos factoriales fraccionados, material de las tcnicas
avanzadas
4. Pueden ser aumentados para formar diseos compuestos, en caso que se requiera
informacin ms detallada.
5. Requieren de relativamente pocas corridas por cada factor estudiado.

El diseo 2
Este el diseo ms simple, usa dos factores A y B, cada uno en dos niveles. Requiere la
realizacin de 4 experimentos que pueden replicarse n veces, tomando las sumas de los
resultados de las rplicas se tiene:
b ab
(1) A = -, B = -
(a) A = +, B = -
(b) A = -, B = +
(ab) A = +, B = + (1) a

Figura 5.2 Diseo 22

Los efectos de inters en el diseo son los efectos principales de A y B y los efectos de la
interaccin AB, se denominan contrastes calculados como sigue:

Pgina 103
Las cantidades entre parntesis se denominan contrastes, aqu los coeficientes siempre
son +1 1. Tambin se pueden determinar usando una tabla de signos para los efectos
en el diseo 22 como sigue:

Efectos factoriales
Corrida I A B AB
1 (1) + - - + ANOVA
2 a + + - - Fo = SST / SSE
3 b + - + - glSST = 4n - 1
4 ab + + + + gl.SSE = 4(n-1)

Para obtener la suma de cuadrados de A, B, y AB se usa:

Por tanto la suma de cuadrados para A, B y AB son:

Pgina 104
El diseo Factorial Fraccional:
Cuando crece el nmero de factores, aparecen tantas combinaciones en los ensayos
factoriales, que es prudente reducir la labor experimental. En lugar de ejecutar el ensayo
completo con un nmero muy alto de tentativas, se recurre a los diseos factoriales
fraccionales o incompletos, donde, en lugar de analizar la totalidad de las posibilidades, se
considera una fraccin bien elegida. Con cinco factores a tres niveles se llegan a 243
combinaciones posibles y si la tarea se redujese a una fraccin de un tercio, bastaran 81
ensayos. Si fuese 1/9, tendramos 27. La ventaja de este enfoque es que reduciendo mucho
el esfuerzo, no se pierde un panorama muy amplio y ambicioso de las relaciones entre
causas y efectos en sistemas multivariables. El estudio de una fraccin no le quita validez
al anlisis final.

Ventajas
Se pueden obtener conclusiones parecidas que con experimentacin de diseos
factoriales completos con menos experimentos ( o )
Resulta ms econmico
Dado que en muchos casos las interacciones no son significativas, no importa que
su efecto se confunda con los de los factores principales

Desventajas

En muchos casos slo se pueden estimar los efectos principales de los factores
(diferencia de promedios)

Pgina 105
El diseo Taguchi
Sugiere tres pasos que son:
a) Diseo del sistema
b) Diseo de parmetros
c) Diseo de tolerancias

De estas tres etapas, la ms importante es el diseo de parmetros cuyos objetivos son:

a) Identificar qu factores afectan la caracterstica de calidad en cuanto a su magnitud y en

cuanto a su variabilidad.
b) Definir los niveles ptimos en que debe fijarse cada parmetro o factor, a fin de
optimizar la operacin del producto y hacerlo lo ms robusto posible.
c) Identificar factores que no afecten substancialmente la caracterstica de calidad a fin de
liberar el control de estos factores y ahorrar costos de pruebas.

Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como
Arreglos Ortogonales y las Grficas Lineales. La herramienta son diseos Factoriales
Fraccionados, sin embargo cuando el nmero de factores se ve incrementado, las posibles
interacciones aumentan, as como la complicaciones para identificar cules son las
condiciones especficas a experimentar.

Un arreglo ortogonal se puede comparar con una replicacin factorial fraccionada, de

manera que conserva el concepto de ortogonalidad y contrastes. Un experimento factorial
fraccionado es tambin un arreglo ortogonal. Taguchi desarroll una serie de arreglos
particulares que denomin:

La (b)C

a = Representa el nmero de pruebas o condiciones experimentales que se tomarn.

Esto es el nmero de renglones o lneas en el arreglo.

Pgina 106
b = Representa los diferentes niveles a los que se tomar cada factor
c = Es el nmero de efectos independientes que
se pueden analizar, esto es el nmero de
columnas.

Mtodos de Superficies de Respuesta

La tcnica de superficies de respuesta se ha utilizado principalmente en las industrias de

proceso y qumicas, donde despus de realizar un diseo de experimentos para identificar
las variables relevantes, se hace un estudio posterior en los rangos relevantes de las
variables con objeto de optimizar el proceso. Para la optimizacin, si las variables de control
son dos o tres cuantitativas, se puede optimizar el proceso.

El mtodo de superficie de respuesta es un conjunto de tcnicas con el objeto de:

Preparar una serie de experimentos que proporcionen una medicin adecuada y

confiable de la respuesta de inters.
Determinar un modelo matemtico que mejor ajuste los datos colectados del diseo
seleccionado en (1), realizando pruebas de hiptesis apropiadas en relacin con los
parmetros del modelo, y
Determinar el ajuste ptimo de los factores experimentales que produzcan el valor
mximo o mnimo de la respuesta.

Para evaluar el efecto de ciertos factores en el comportamiento de una variable de

respuesta medible, se utiliza la regresin, la cual ayuda a establecer una relacin emprica
entre la variable de respuesta y los factores de influencia. La variable de respuesta es la
variable dependiente y es llamada la respuesta, los niveles de los factores de influencia se
denominan, regresores, explicatorios o variables de entrada.

Pgina 107
 Figura 5.3 Modelos de polinomios, (a) lnea recta, y (b) parbola

La funcin de la respuesta de prediccin Y-gorro est en funcin de los parmetros

estimados b0, b1, b2, etc., establecindose como sigue:

La superficie de respuesta est representada por la ecuacin de prediccin, por ejemplo

para el caso de una ecuacin de segundo orden se tiene:

donde las xs son variables codificadas. Con k factores la superficie de respuesta es un

subconjunto de un espacio euclidiano de (k + 1) dimensiones.

La representacin del contorno de una superficie de respuesta son las lneas o curvas de
respuesta constante en funcin de las variables de entrada Xs.

La regin de operacin es el espacio factorial donde se realizan los experimentos y la regin

experimental de inters R representa una parte limitada de la anterior.

Pgina 108
Entregables:

En esta etapa los entregables seran:

Filtrar Causas Potenciales

o Verificar las xs vitales
Relacionar Variables y Proponer soluciones
o Generar una funcin de transferencia para optimizar los cambios de las xs
crticas
o Proponer la solucin
o Refinar la solucin
Establecer y probar las Tolerancias
o Establecer las tolerancias operativas para las xs vitales.

La ltima fase, control, consiste en disear y documentar los controles necesarios para
asegurar que lo conseguido mediante el proyecto Six Sigma se mantenga una vez que se
hayan implantado los cambios. Cuando se han logrado los objetivos y la misin se d por
finalizada, el equipo informa a la direccin y se disuelve.

FASE DE CONTROL

6.1 Introduccin
Una vez implementadas las mejoras en nuestro proceso, el ltimo paso es asegurar que
las implementaciones se mantengan y estn siendo actualizadas a travs del tiempo,
nuestras salidas sern:

Pgina 109
 Plan de control y mtodos de control implementados
Capacitacin en los nuevos mtodos
Documentacin completa y comunicacin de resultados, lecciones aprendidas y
recomendaciones

Las Herramientas a utilizar pueden ser:

Figura 6.1 Herramientas en la Fase de Control

Los objetivos de esta fase son:

Mantener las mejoras por medio de control estadstico de procesos, Poka Yokes y
trabajo estandarizado
Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo
Uso de las herramientas de control.
Verificar que las implementaciones se sigan y estn bajo control.
Identificar las actividades o procesos que estn fuera de control para corregirlos
inmediatamente.

Pgina 110
 Que las mejoras sean implementadas consistentemente para tener un adecuado
control.

Los proyectos Six-Sigma se van actualizando constantemente. En la siguiente grfica

observamos que la metodologa es cclica, tambin se puede regresar de una fase a otra,
en caso de no haber obtenido la informacin necesaria, pero lo que no est permitido es
saltar fases.

Figura 6.2 Metodologa cclica

6.2 Etapas de la fase de control

Las etapas de esta fase son las siguientes:

Validar el sistema de medicin.

En la Fase de Medicin validamos el sistema de medicin para las Ys, en este punto
se utiliza la misma metodologa, con la diferencia de que ahora mediremos las Xs del
proceso, el plan ser validado para las Xs

Pgina 111
6.3 Determinar la capacidad del proceso.
La capacidad del proceso solo tiene sentido cuando el proceso est bajo control.

Control de Proceso y Capacidad del Proceso

Identificacin de los casos:

Pgina 112
 Figura 6.3 Diferentes casos de control de proceso

Implementar el sistema de control

Los procesos tienden a degradarse con el tiempo, por lo que es de gran importancia la
implementacin de un plan de control para cada Xs, para establecer el pan es necesario
tener procesos y procedimientos documentados y entrenar al personal que llevar a cabo
esta actividad.

Una vez implementadas las mejoras se vuelve a calcular los niveles sigma del proceso,
para saber en que nivel nos encontramos actualmente. (ver Fase de Medicin)

Un plan de control es:

Un resumen de todas las actividades de control para el proceso.
Un mtodo para identificar deficiencias en el sistema de control.
Una lista de las actividades de control para implantar.
Una entrada al AMEF (Procesos maduros).
Una salida para el AMEF (procesos nuevos).

Desarrollo de un plan de control del proceso

Entradas para el plan de control:

Mapa de proceso final

AMEF
Documentacin del proceso
Requerimientos del cliente
Capacidades de IT
ASMs
Estudios de capacidad
Mantenimiento de procedimientos

Pgina 113
 Materiales de entrenamiento
Guas de solucin de problemas
Calendarios de Calibracin
Ventanas de operacin
Planes de accin fuera de control

Identificacin del proceso

Paso del proceso:

Del mapa de proceso. Mantener coherencia en nombres con el mapa de proceso,

AMEF, etc.
Slo Alto riego, pasos crticos del proceso.
Qu est controlado?
Nombre de la entrada o la salida.
Entrada o Salida? Especificar
Inicialmente, el plan debe tener ms controles en las salidas que en las entradas.
Las metas son para el control de la entrada, no el monitoreo de la salida

Cartas de Control
Las cartas de control son la herramienta ms poderosa para monitorear y analizar la
variacin en la mayora de los procesos.

Las cartas de control enfocan la atencin hacia las causas especiales de variacin cuando
estas aparecen y reflejan la magnitud de la variacin debida a las causas comunes,
manteniendo las soluciones.

Las causas comunes o aleatorias se deben a la variacin natural del proceso.

Pgina 114
Las causas especiales o asignables son por ejemplo: un mal ajuste de mquina, errores
del operador, defectos en materias primas.

Un proceso est bajo Control Estadstico cuando presenta causas comunes nicamente,
con un proceso estable y predecible.

Cuando existen causas especiales el proceso est fuera de Control Estadstico; las cartas
de control detectan la existencia de estas causas en el momento en que se dan, lo cual
permite que podamos tomar acciones al momento.

En resumen podemos decir que una Carta de Control es:

Simplemente un registro de datos en el tiempo con lmites de control superior e

inferior.
Una carta de control identifica los datos secuenciales en patrones normales y
anormales.
El patrn normal de un proceso se llama causas de variacin comunes.
El patrn anormal debido a eventos especiales se llama causa especial de variacin.
Tener presente que los lmites de control NO son lmites de especificacin.

Ventajas:
Es una herramienta simple y efectiva para lograr un control estadstico.
El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede
dar informacin confiable a la gente cercana a la operacin en el momento en que
se deben de tomar ciertas acciones.
Cuando un proceso est en control estadstico puede predecirse su desempeo
respecto a las especificaciones. En consecuencia, tanto el proveedor como el cliente
pueden contar con niveles consistentes de calidad y ambos pueden contar con
costos estables para lograr ese nivel de calidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento

Pgina 115
 puede ser mejorado posteriormente reduciendo la variacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una
buena indicacin de cundo un problema debe ser corregido localmente y cuando
se requiere de una accin en la que deben de participar varios departamentos o
niveles de la organizacin.

Cartas de control por variables y por atributos.-

En Control de Calidad mediante el trmino variable se designa a cualquier caracterstica
de calidad medible tal como una longitud, peso, temperatura, etc. Mientras que se
denomina atributo a las caractersticas de calidad que no son medibles y que presentan
diferentes estados tales como conforme y disconforme o defectuoso y no defectuoso.

Segn sea el tipo de la caracterstica de calidad a controlar as ser la carta de control

correspondiente, por tanto, se clasifican en Cartas de Control por Variables y Cartas de
Control por Atributos.

Pgina 116
Comparacin de las cartas de control por variables vs. atributos
Cartas de Control por Cartas de control por
VARIABLES ATRIBUTOS
Son potencialmente aplicables a
Conducen a un mejor cualquier proceso
procedimiento de control. Los datos estn a menudo
disponibles.
Ventajas Proporcionan una utilizacin Son rpidos y simples de obtener.
significativas mxima de la informacin Son fciles de interpretar.
disponible de datos. Son frecuentemente usados en
los informes a la Gerencia.
Ms econmicas

No se entienden a menos que No proporciona informacin

se de capacitacin; puede detallada del control de
Desventajas causar confusin entre los caractersticas individuales.
significativas limites de especificacin y los No reconoce distintos grados de
lmites de tolerancia. defectos en las unidades de
producto.

Pgina 117
Paso 1: Colectar los datos.

Los datos son el resultado de la medicin de las caractersticas del producto, los cuales
deben de ser registrados y agrupados de la siguiente manera:
Se toma una muestra (subgrupo) de 2 a 10 piezas consecutivas y se anotan los
resultados de la medicin (se recomienda tomar 5). Tambin pueden ser tomadas en
intervalos de tiempo de - 2 hrs., para detectar si el proceso puede mostrar
inconsistencia en breves periodos de tiempo.
Se realizan las muestras de 20 a 25 subgrupos.

Paso 2: Calcular el promedio para cada subgrupo

Paso 3: Calcule el rango promedio y el promedio del proceso .

Donde K es el nmero de subgrupos, R1,R2..es el rango de cada subgrupo; son el

promedio de cada subgrupo.

Paso 4: Calcule los limites de control

Los lmites de control son calculados para determinar la variacin de cada subgrupo, estn
basados en el tamao de los subgrupos y se calculan de la siguiente forma:

Pgina 118
Donde D4, D3, A2 son constantes que varan segn el tamao de muestra. A continuacin se
presentan los valores de dichas constantes para tamaos de muestra de 2 a 10.

N 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 0 0 0 0 0 0.08 0.14 0.18 0.22
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31

Paso 5: Seleccione la escala para las grficas de control

Para la grfica la amplitud de valores en la escala debe de ser al menos del tamao de
los lmites de tolerancia especificados o dos veces el rango promedio .

Para la grfica R la amplitud debe extenderse desde un valor cero hasta un valor superior
equivalente a 1 - 2 veces el rango.

Paso 6: Trace la carta de control

Dibuje las lneas de promedios y lmites de control en las grficas.

Los lmites de Control se dibujan con una lnea discontinua y los promedios con una lnea
continua para ambas cartas.

Marcar los puntos en ambas grficas y unirlos para visualizar de mejor manera el
comportamiento del proceso.

Pgina 119
Paso 7: Analice la grfica de control

Figura 6.5 Patrones fuera de control

Pgina 120
Carta de Individuales y rango mvil (Datos variables I-MR)
A menudo esta carta se llama I o Xi.
Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden
ser muestreados en lotes o grupos.
Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales
de una unidad o pieza.
Este tipo de grfica es utilizada cuando las mediciones son muy costosas (Por ejemplo
Pruebas destructivas), o cuando la caracterstica a medir en cualquier punto en el tiempo
es relativamente homognea (por ejemplo el PH de una solucin qumica)
La lnea central se basa en el promedio de los datos, y los lmites de control se basan
en la desviacin estndar (+/- 3 sigmas)

Cartas de control por atributos

Cualquier caracterstica de calidad que pueda ser clasificada de forma binaria: cumple o
no cumple, funciona o no funciona, pasa o no pasa, etc., a los efectos de control del
proceso, ser considerado como un atributo y para su control se utilizar una Carta de
Control por Atributos.

Los criterios de aceptacin al utilizar grficas de control por atributos deben estar
claramente definidos y el procedimiento para decidir si esos criterios se estn alcanzando
es producir resultados consistentes a travs del tiempo. Este procedimiento consiste en
definir operacionalmente lo que se desea medir. Una definicin operacional consiste en:

1 . Un criterio que se aplica a un objeto o a un grupo

2. Una prueba del objeto o del grupo y
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.

Paso 1- Frecuencia y tamao de la muestra:

Pgina 121
Establezca la frecuencia con la cual los datos sern tomados (horaria, diaria, semanal). Los
intervalos cortos entre tomas de muestras permitirn una rpida retroalimentacin al
proceso ante la presencia de problemas. Los tamaos de muestra grandes permiten
evaluaciones ms estables del desarrollo del proceso y son ms sensibles a pequeos
cambios en el promedio del mismo. Se aconseja tomar tamaos de muestra iguales aunque
no necesariamente se tiene que dar esta situacin, el tamao de muestra debera de ser
mayor a 30. El tamao de los subgrupos ser de 25 o ms.

Paso 2- Calculo de la fraccin defectuosa (p) del subgrupo:

Registre la siguiente informacin para cada subgrupo:

El nmero de partes inspeccionadas n
El nmero de partes defectuosas np

Calcule la fraccin defectuosa (p) mediante:

Paso 3 Calculo de fraccin defectuosa promedio y lmites de control

La fraccin defectuosa promedio para los k subgrupos se calcula con la siguiente frmula:

donde es el tamao de muestra promedio. NOTA: Cuando y/o es pequeo, el

lmite de control inferior puede resultar negativo, en estos casos el valor del lmite ser = 0

Pgina 122
Paso 4- Trace la Carta y analice los resultados.
6.6 Dispositivos a Prueba de Error o Poka Yokes

Poka-yoke es una tcnica de calidad desarrollada por el ingeniero japons Shigeo Shingo
en los aos 1960s, que significa "a prueba de errores". La idea principal es la de crear un
proceso donde los errores sean imposibles de realizar.

La finalidad del Poka-yoke es la eliminar los defectos en un producto ya sea previniendo o

corrigiendo los errores que se presenten lo antes posible.

Un dispositivo Poka-yoke 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.

El concepto es simple: si los errores no se permite que se presenten en la lnea de

produccin, entonces la calidad ser alta y el retrabajo poco. Esto aumenta la satisfaccin
del cliente y disminuye los costos al mismo tiempo. El resultado, es de alto valor para el
cliente. No solamente es el simple concepto, pero normalmente las herramientas y/o
dispositivos son tambin simples.

Los sistemas Poka-yoke implican el llevar a cabo el 100% de inspeccin, as como,

retroalimentacin y accin inmediata cuando los defectos o errores ocurren. Este enfoque
resuelve los problemas de la vieja creencia que el 100% de la inspeccin toma mucho
tiempo y trabajo, por lo que tiene un costo muy alto.
La prctica del sistema Poka-yoke se realiza ms frecuentemente en la comunidad
manufacturera para enriquecer la calidad de sus productos previniendo errores en la lnea
de produccin.
Un sistema Poka-Yoke posee dos funciones: una es la de hacer la inspeccin del 100% de
las partes producidas, y la segunda es si ocurren anormalidades puede dar
retroalimentacin y accin correctiva. Los efectos del mtodo Poka-Yoke en reducir

Pgina 123
defectos va a depender en el tipo de inspeccin que se este llevando a cabo, ya sea: en el
inicio de la lnea, auto-chequeo, o chequeo continuo.
Los efectos de un sistema poka-yoke en la reduccin de defectos varan dependiendo del
tipo de inspeccin.

Funciones reguladoras Poka-yoke

Existen dos funciones reguladoras para desarrollar sistemas Poka-Yoke:

1. Mtodos de Control

Existen mtodos que cuando ocurren anormalidades apagan las mquinas o bloquean los
sistemas de operacin previniendo que siga ocurriendo el mismo defecto. Estos tipos de
mtodos tienen una funcin reguladora mucho ms fuerte, que los de tipo preventivo, y por
lo tanto este tipo de sistemas de control ayudan a maximizar la eficiencia para alcanzar
cero defectos.

No en todos los casos que se utilizan mtodos de control es necesario apagar la mquina
completamente, por ejemplo cuando son defectos aislados (no en serie) que se pueden
corregir despus, no es necesario apagar la maquinaria completamente, se puede disear
un mecanismo que permita "marcar" la pieza defectuosa, para su fcil localizacin; y
despus corregirla, evitando as tener que detener por completo la mquina y continuar con
el proceso.

2. Mtodos de Advertencia

Este tipo de mtodo advierte al trabajador de las anormalidades ocurridas, llamando su

atencin, mediante la activacin de una luz o sonido. Si el trabajador no se da cuenta de la
seal de advertencia, los defectos seguirn ocurriendo, por lo que este tipo de mtodo tiene
una funcin reguladora menos poderosa que la de mtodos de control.

Pgina 124
En cualquier situacin los mtodos de control son por mucho ms efectivos que los mtodos
de advertencia, por lo que los de tipo control deben usarse tanto como sean posibles. El
uso de mtodos de advertencia se debe considerar cuando el impacto de las anormalidades
sea mnimo, o cuando factores tcnicos y/o econmicos hagan la implantacin de un
mtodo de control una tarea extremadamente difcil.

Clasificacin de los mtodos Poka-yoke

1. Mtodos de contacto. Son mtodos donde un dispositivo sensitivo detecta las

anormalidades en el acabado o las dimensiones de la pieza, donde puede o no haber
contacto entre el dispositivo y el producto.

2. Mtodo de valor fijo. Con este mtodo, las anormalidades son detectadas por medio de
la inspeccin de un nmero especfico de movimientos, en casos donde las operaciones
deben de repetirse un nmero predeterminado de veces.

3. Mtodo del paso-movimiento. Estos son mtodos en el cual las anormalidades son
detectadas inspeccionando los errores en movimientos estndares donde las operaciones
son realizadas con movimientos predeterminados. Este extremadamente efectivo mtodo
tiene un amplio rango de aplicacin, y la posibilidad de su uso debe de considerarse
siempre que se este planeando la implementacin de un dispositivo Poka-Yoke.

Medidores utilizados en sistemas Poka-Yoke:

Los tipos de medidores pueden dividirse en tres grupos:

Medidores de contacto
Medidores sin-contacto
Medidores de presin, temperatura, corriente elctrica, vibracin, nmero de ciclos,

Pgina 125
 conteo, y transmisin de informacin.

Las caractersticas principales de un buen sistema Poka-Yoke:

Son simples y baratos.
Son parte del proceso.
Son puestos cerca o en el lugar donde ocurre el error.

Mejora Continua-Kaizen

Qu significado tiene la palabra Kaizen? Es una palabra japonesa compuesta por otras
dos palabras, una KAI que significa cambio y la otra ZEN que significa bueno, lo que
implica que KAIZEN signifique cambio para mejorar y, como dicho cambio para mejorar
es algo que continuamente debe buscarse y realizarse el significado termina siendo mejora
continua.

Caractersticas del Kaizen:

Por otra parte, KAIZEN significa un esfuerzo constante no slo para mantener los
estndares sino para mejorarlos.
Otra caracterstica de KAIZEN es que requiere virtualmente los esfuerzos de todos.
Para que el espritu de KAIZEN sobreviva, la administracin debe hacer un esfuerzo
consciente y continuo para apoyarlo. KAIZEN se interesa ms en el proceso que en
el resultado.
KAIZEN requiere una dedicacin sustancial de tiempo y esfuerzo por parte de la
administracin.
KAIZEN est orientado a las personas, en tanto que la Innovacin est orientada a
la tecnologa y al dinero.

Pgina 126
 La filosofa de KAIZEN est mejor adaptada a una economa de crecimiento lento,
en tanto que la Innovacin est mejor adaptada a una economa de crecimiento
rpido.
En una economa de crecimiento lento, caracterizada por costos elevados de
energa y materiales, sobrecapacidad y mercados estancados, con frecuencia
KAIZEN rinde mejores resultados que la Innovacin.
Otro factor que ha propiciado el enfoque de la Innovacin ha sido el creciente nfasis
en los controles financieros y en la contabilidad, que obligan a los gerentes a dar
cuenta de toda accin que emprendan y detallar los resultados precisos. Tal sistema
no se presta a formar un entorno favorable par el mejoramiento.
El mejoramiento es por definicin, lento, gradual, a menudo invisible, con efectos
que se sienten a largo plazo.
Occidente ha sido ms fuerte en el lado de la Innovacin y Japn ms fuerte en el
lado de KAIZEN. Estas diferencias en el nfasis tambin estn reflejadas en las
diferentes herencias sociales y culturales, tales como el nfasis que se da al sistema
educativo occidental sobre la iniciativa y creatividad individuales contra el nfasis
que pone el sistema educativo japons en la armona y colectivismo.

Ventajas y beneficios del Kaizen

El Kaizen es un sistema de mejora continua e integral que comprende todos los elementos,
componentes, procesos, actividades, productos e individuos de una organizacin. No
importa a que actividad se dedique la organizacin, si es privada o pblica, y si persigue o
no beneficios econmicos, siempre debe mejorar su performance a los efectos de hacer un
mejor y ms eficiente uso de los escasos recursos, logrando de tal forma satisfacer la mayor
cantidad de objetivos posibles. Mucho ms es necesario la mejora continua cuando se trata
de actividades plenamente competitivas, se trate de lo econmico, en lo deportivo, o en
cualquier otro orden.
La mejora continua es no slo necesario, sino adems una obligacin permanente del ser

Pgina 127
humano para consigo mismo y la sociedad. La mejora continua hace a la cultura, tica y
disciplina de toda sociedad que piense avanzar y participar en los avances y adelantos de
la humanidad.

El kaizen ideado por consultores y empresas japonesas se ha diseminado en empresas de

otras naciones va crculos de calidad, sistemas de produccin just-in-time, mantenimiento
productivo total, tablas de costes, sistema de sugerencias, y mtodos rpidos de
preparacin de mquinas-herramientas; logrando sorprendentes e importantes resultados.

De lo que se trata es de adecuar las diferentes herramientas, instrumentos y mtodos que

hacen al kaizen, a las caractersticas de cada empresa y cultura. Es en ste particular
aspecto donde el Desarrollo Organizacin cobra como tcnica y disciplina un incuestionable
y gran valor, permitiendo evaluar las caractersticas socio-culturales propias de cada
empresa, ajustando los diversos sistemas productivos a las caractersticas de las mismas,
como as tambin facilitando el reacomodamiento y cambio psico-social por parte de los
integrantes de la organizacin.

A la hora de inventariar las ventajas y beneficios en la implementacin y puesta en prctica

del sistema kaizen cabe apuntar las siguientes:

Reduccin de inventarios, productos en proceso y terminados.

Disminucin en la cantidad de accidentes.
Reduccin en fallas de los equipos y herramientas.
Reduccin en los tiempos de preparacin de maquinarias.
Aumento en los niveles de satisfaccin de los clientes y consumidores.
Incremento en los niveles de rotacin de inventarios.
Importante cada en los niveles de fallas y errores.
Mejoramiento en la autoestima y motivacin del personal.
Altos incrementos en materia de productividad.
Importante reduccin en los costes.

Pgina 128
 Mejoramiento en los diseos y funcionamiento de los productos y servicios.
Aumento en los beneficios y rentabilidad.
Menores niveles de desperdicios y despilfarros. Con su efecto tanto en los costes,
como as tambin en los niveles de polucin ambiental, entre otros.
Notables reducciones en los ciclos de diseo y operativos.
Importantes cadas en los tiempos de respuestas.
Mejoramiento en los flujos de efectivo.
Menor rotacin de clientes y empleados.
Mayor y mejor equilibrio econmico-financiero. Lo cual trae como consecuencia una
mayor solidez econmica.
Ventaja estratgica en relacin a los competidores, al sumar de forma continua
mejoras en los procesos, productos y servicios. Mediante la mejora de costos,
calidad, diseo, tiempos de respuesta y servicios a los consumidores.
Acumulacin de conocimientos y experiencias aplicables a los procesos
organizacionales.

Estas son razones suficientes para pensar seriamente en aplicar el kaizen en las
organizaciones. No hacerlo privar a sus propietarios, directivos, personal, clientes y a la
sociedad en su conjunto, de las ventajas de generar autnticos y slidos puestos de trabajo
que permitan generar productos con valor agregado, calidad de vida laboral, altos
rendimientos sobre la inversin, ms y mejores productos y servicios, y menores niveles de
desperdicios.

La mejora continua es lo que permite al mundo gozar cada da de mejores productos,

mejores comunicaciones, mejores medicamentos, entre muchsimas otras cosas. Hay
empresas, sociedades, gobiernos y pases que aceptan el reto, y otras que slo se limitan
a ver como otros mejoran. La mejora continua es compromiso con el conocimiento, la
calidad y la productividad. Requiere de tica y disciplina, como de planes estratgicos que
permitan lograr mejoras graduales, continuas e integrales. En una era del conocimiento
como lo es sta Tercer Ola pasarn a ocupar los primeros lugares aquellos individuos,

Pgina 129
organizaciones, y sociedades que hagan del conocimiento y perfeccionamiento sistemtico
su objetivo prioritario.

Las 5 Ss

Qu significan las 5Ss ?

Seiri: clasificar, organizar, arreglar apropiadamente

Seiton: orden
Seiso: limpieza
Seiketsu: limpieza estandarizada
Shitsuke: disciplina
Seiri: eliminar:

Consiste en retirar del rea de trabajo todos aquellos elementos que no son necesarios
para realizar la labor. No hay que pensar en que este o aquel elemento podra ser til en
otro trabajo o si se presenta una situacin muy especial, los expertos recomiendan que
ante estas dudas hay que desechar dichos elementos.

Seiton: Ordenar:

Es la organizacin de los elementos necesarios de modo que resulten de fcil uso y acceso,
los cuales debern estar, cada uno, etiquetados para que se encuentren, retiren y
devuelvan a su posicin, fcilmente por los empleados. Se deben usar reglas sencillas
como: lo que ms se usa debe estar ms cerca, lo ms pesado abajo lo liviano arriba, etc.

Seiso: Limpiar:

Incluye, adems de la actividad de limpiar las reas de trabajo y los equipos, el diseo de
aplicaciones que permitan evitar o disminuir la suciedad y hacer ms seguros los ambientes

Pgina 130
de trabajo. A travs de la limpieza se pueden identificar fallas, por ejemplo, si todo est
limpio y sin olores extraos es ms probable que se detecte un principio de incendio o un
malfuncionamiento de un equipo por una fuga de fluidos, etc.

Seiketsu: Estandarizar:

Esta prctica pretende mantener el estado de limpieza y organizacin alcanzado con la

aplicacin de las primeras tres S, el seiketsu solo se obtiene cuando se trabajan
continuamente los tres principios anteriores. En esta etapa (que debe ser permanente),
son los trabajadores quienes adelantan programas y disean mecanismos que les permitan
beneficiarse a s mismos.

Shitsuke: Disciplina:

En esta etapa se busca evitar que se rompan los procedimientos ya establecidos. Solo si
se implanta la disciplina y el cumplimiento de las normas y procedimientos ya adoptados
se podr disfrutar de los beneficios que ellos brindan.

Como un aspecto preliminar al esfuerzo de las 5 S, debe asignarse un tiempo para analizar
la filosofa implcita en las 5 S y sus beneficios:

Creando ambientes de trabajo limpios, higinicos, agradables y seguros.

Revitalizando el gemba (campo/piso de trabajo) y mejorando sustancialmente el
estado de nimo, la moral y la motivacin de los empleados.
Eliminando las diversas clases de mudas (desperdicios), minimizando la necesidad
de buscar herramientas, haciendo ms fcil el trabajo de los operadores, reduciendo
el trabajo fsicamente agotador y liberando espacio.

Beneficios de la aplicacin de manera constante de las 5 Ss:

Ayuda a los empleados a adquirir autodisciplina

Pgina 131
 Destaca los muchos y diversos tipos de mudas
Ayuda a detectar productos defectuosos y excedentes de inventario
Reduce el movimiento innecesario y el trabajo agotador
Facilita identificar visualmente los problemas relacionados con escasez de
materiales, lneas desbalanceadas, averas en las mquinas y demoras de entrega.
Resuelve de manera simple problemas de logstica en el gemba.
Hace visible los problemas de calidad.
Mejora la eficiencia en el trabajo y reduce los costos de operacin
Reduce los accidentes y enfermedades de trabajo
Mejora la relacin de la empresa con los consumidores y la comunidad.

SIX SIGMA KAIZEN

El Six Sigma debe ser un proceso prctico y activo con el que se logren resultados
concretos. Cuando Motorola empez a aplicarlo en la dcada del los ochentas, buscaba
corregir los defectos de los productos antes de que llegaran al cliente, hoy da los proyectos
Six Sigma estn enfocados a mejorar la productividad y la rentabilidad de las empresas,
siendo este aspecto algo que lo hace tan atractiva a muchos directores.

Con el Six Sigma Kaizen, se busca determinar la capacidad real de los procesos para
cumplir con los requisitos del cliente, y reducir la probabilidad de que stos fallen,
reducindola a 3.4 defectos por milln de oportunidades.

Los proyectos Six Sigma Kaizen pueden ser integrados con otros conceptos como lo son
los equipos de alto desempeo, ya que ambas metodologas se complementan totalmente

Origen y sus significados

Pgina 132
Six Sigma

Motorola acu el termino Six Sigma en los aos ochentas, pero el termino fue un objetivo
de desempeo y no el enfoque para alcanzar ese nivel de desempeo, as Six Sigma
significa alcanzar 3.4 defectos por cada milln de unidades procesadas. Fue al inicio de los
noventa que el termino Six Sigma comenz a ser empleado como un mtodo para
implementar un modelo de Mejora. Cuando esto ocurri el termino ya no se refera al
objetivo (3.4 partes por milln) y si a la serie de actividades para alcanzar la excelencia.

Kaizen

Como parte de un mtodo para lograr mejoras es usualmente entendido como parte de
Lean, de cualquier forma el trmino Kaizen es usado en dos formas: la primera se refiere a
la bsqueda de la perfeccin de todo lo que hacemos. En este sentido Kaizen representa
el elemento de la mejora continua que es parte fundamental del modelo de Calidad. En un
contexto de negocios esto incluye todas las actividades individuales y de grupo que
permiten hacer un proceso mejor y satisfacer los requerimientos del cliente. El segundo
trmino se refiere a caminos especficos para lograr mejoras.

Estos mtodos que se han etiquetado como Kaizen son variados, generalmente son
sistemas de planeacin de eventos para identificar que procesos sistemticamente ocultan
desperdicios y eliminarlos. En este segundo sentido Kaizen puede ser mas antiguo que
Lean mismo, sus orgenes parecen estar en la segunda guerra mundial (Huntzinger 2002).

Porque funciona Six Sigma - Kaizen?

Muchos de los procesos realmente nunca fueron diseados considerando el tiempo, un

evento acelerado de cambio para identificar partes del proceso que no agreguen valor,

Pgina 133
utilizar el sentido de simplicidad y de mejora continua de Kaizen combinado con las
herramientas Six Sigma de enfoque estadstico y reduccin de variacin permitir la
identificacin de las causas raz que originan los problemas en un menor tiempo.

Proyecto

El proyecto de nivel y variabilidad

El propsito de este proyecto fue utilizar las herramientas de Six Sigma Kaizen para
maximizar las ventajas de un ambiente de manufactura de alto desempeo, y reducir el
desperdicio y posibles reclamaciones de mercado sin afectar parmetros de calidad
estipulados para el producto premier.

Metodologa DMAIC

Paso 1- Fase de Definicin

Voz del cliente

En este proyecto hay un cliente interno, por ende al corregir la variacin el cliente externo
(consumidor) se va a ver beneficiado por la mejora en el proceso.

Mapeo del proceso

Figura 7.1 Mapa del Proceso

Una vez delimitado el proyecto, se estableci un plan para verificar con que informacin
se contaba para poder as realizar un mapa de Calidad, el cual qued de la siguiente
manera:

Pgina 134
 Variable Especificaci Estndares Dato Real Datos
n Proveedor Operacin Histricos

Tabla 7.1 Identificacin de Variables

Conclusiones: Se encontraron algunas diferencias en las especificaciones definidas por los

fabricantes de la mquina contra las definidas en los estndares de operacin de la planta.

Paso 2 - Fase de Medicin

Durante los meses de enero a diciembre se inicia la recoleccin de datos histricos

relacionados con el alcance del proyecto. Se realizaron los Mapas de Spaghetti y Calidad.
Se inici la deteccin de reas de oportunidad (xs). Se valid que los sistemas de medicin
fueran confiables y se calcul la capacidad del proceso.

Diagrama de Espaguetti

El equipo utiliz esta herramienta para indicarnos el flujo de material y los posibles
problemas que se encontraran
Figura 7.2 Diagrama de Espagueti

Resultado del anlisis del Diagrama del Espagueti fue:

Pasos reas de Oportunidad

Introduccin de Agua Baja presin de agua
Nivel de agua bajo tanque
Cierre hermtico incorrecto en by-
pass
Tabla 7.2 reas de Oportunidad

Pgina 135
Conclusiones: Se visualizaron a manera de detalle los pasos de la operacin y se
identificaron algunas reas de oportunidad en cuanto a calibracin de equipos.

Capacidad del Proceso

Siguiente con la metodologa de Six Sigma Kaizen fue la recoleccin de datos de diversas
fuentes.

Tabla 7.3 Recoleccin de datos

La recoleccin de informacin ayud a analizar la situacin actual:

Figura 7.3 Estadstica de la situacin actual (antes del proyecto)

Pgina 136
 Figura 7.4 Capacidad del Proceso situacin actual (antes del proyecto)

Conclusiones: El proceso se encuentra cargado hacia la parte inferior de especificaciones,

adems se aprecia la variabilidad en el proceso.

Una vez que se analiz los datos recolectados, se hizo el anlisis del sistema de medicin,
debido a la gran variabilidad que se encontr en el proceso, que pudiera ser por un sistema
de medicin inadecuado.

Sistema de Medicin
Una de las herramientas utilizadas en esta etapa fue la del MSA, la cual consisti en
analizar a 3 operadores con un mismo aparato de medicin y obtener los valores de
repetitibidad y reproducibilidad, para ver si las variaciones de nivel reportadas en nuestro
anlisis son realmente por variaciones de proceso o por variaciones en la tcnica de
medicin y/o el aparato de medicin, el estudio dio como resultado lo siguiente:

Pgina 137
 Figura 7.5 MSA Actual (antes del proyecto)

La grfica R nos indica la diferencia que cada operador obtiene entre la lectura mayor y
menor de cada muestra, en la grfica se presenta que el operador Rafael es el que tiene
ms variabilidad en sus mediciones que los otros 2.

Pgina 138
La grfica X representa el promedio de las mediciones de cada operador, en la cual hay 28
puntos fuera de control lo representa ms del 50%, esto se puede interpretar como que el
sistema de medicin es capaz de identificar las diferencias entre piezas.

La grfica de resultado por pieza se observa que nicamente en la pieza 2 hay una fuerte
variacin con respecto a las dems.

Conclusiones: El resultado total del estudio nos dice que se necesita mejorar el sistema de
Medicin, sobre todo la parte de metodologa en el proceso de medicin.

Paso 3 - Fase de Anlisis

Introduccin
Una vez que identificadas de lo que necesitamos medir y analizadas de manera general,
con el propsito de conocer las relaciones causales o causas raz del problema. La
informacin de ste anlisis nos proporcionar evidencias de las fuentes de variacin y
desempeo insatisfactorio.
Se analizaron los datos vivos a travs del Minitab, se realiz el anlisis comparativo, se
hizo convergencia de las reas de oportunidad y se gener el diagrama de pescado.

Diagrama de Ishikawa

Una de las herramientas que utilizamos en esta fase fue el Diagrama de Ishikawa para el
anlisis de posibles causa raz del problema, las ideas generadas despus de converger
las trasladamos al Ishikawa para clasificarlas en alguna de las Ms .

Figura 7.6 Diagrama de Ishikawa situacin actual (antes del proyecto)

Pgina 139
Conclusiones: Al analizar dicho diagrama la posible(s) causa raz del problema de
variabilidad se encuentran en los Materiales, la Maquinaria y Mtodo.

Una de las posibles causa que arroj el diagrama de Ishikawa fue la relacionada con el
material, especficamente el grosor del vidrio con el cual estn elaboradas las botellas, ya
que a mayor peso de la botella menor ser el contenido del lquido, para tal efecto se
procedi a analizar lotes de diferente aos de produccin arrojndonos lo siguiente:

Figura 7.7 Estudios con diferentes productos

Anlisis de Regresin

Debido a que la variacin se realiz un anlisis de regresin.

Pgina 140
 Figura 7.9 Correlacin de variables
Paso 4 - Fase de Mejora
Una vez que analizadas las variables que afectan al proceso, el equipo ser reuni
nuevamente para disear y establecer los planes de mejora, los cuales fueron:

Sistema de Medicin

Durante la etapa de medicin se realiz un estudio de R&R, el cual dio como resultado que
tanto el mtodo y el equipo de medicin tienen reas de oportunidad.

Se agregaron ayudas visuales para la correcta toma de lecturas.

Una vez recapacitado al personal operario en la toma de lecturas, se volvieron a realizarlos

estudios R&R para verificar que las mejoras realizadas al sistema de medicin fueron las
correctas, dando como resultado lo siguiente:

Resultados del Gage R&R

El error de R&R vs tolerancia es 36.39% y vs variacin total del proceso es 8.74% lo que
hace que el equipo de medicin sea adecuado para la medicin. (segn parmetros de

Pgina 141
AIAG)

Por otro lado el nmero de categoras es de 5, indicando que el instrumento no discrimina

las diversas partes diferentes.

Grficamente tenemos:Figura 7.10 MSA despus de las mejoras

La grfica R se mantiene en control indicando que las mediciones se realizaron en forma

adecuada.

La grfica X barra slo presenta 23 de 30 puntos fuera de control, lo cual es ms del 50%,
indicando que el equipo discrimina las diferentes partes..

Pgina 142
Utilizando el Minitab tenemos el siguiente resultado:

Figura 7.12 Anlisis de Varianza

Levene's Test (any continuous distribution) Test statistic = 26.10, p-value = 0.000

Paso 5 - Fase de Controlar

Introduccin
Es esta ltima fase nos detenemos a preguntar: Qu hicimos?
Medimos
o Claramente definimos el
problema
o Encontramos las salidas y las
entradas crticas
o Determinamos la capacidad de los sistemas y
procesos de medicin
Analizamos
o Examinamos los datos
o Identificamos la causa raz del
problema
Mejoramos
o y = f(x)
o Optimizamos el proceso

Pgina 143
En sta fase nos preguntamos:
Qu podemos hacer para asegurarnos que los defectos se mantengan reducidos?
Qu acciones se pueden tomar por el equipo para asegurarse que el incremento sea
permanente?
Con quin dejar el proyecto?

A continuacin se presentan los planes que desarrollamos para asegurarnos el control de

nuestro proceso y poder lograr la meta seleccionada.

Evento Kaizen

Se realiz un segundo evento Kaizen para generar dar seguimiento a los resultados de las
fases anteriores y generar planes de control de las mejoras realizadas.

Plan de Control

Una vez analizados y probados nuestros nuevos estndares se procedieron a modificar

el Plan de Calidad, para asegurarnos que con los nuevos parmetros establecidos vamos
a asegurarnos que nuestro proceso este en 5.39 y lograr el ahorro planeado.

Los puntos relevantes derivados del proyecto y que se solucionaron durante el mismos, se
pueden resumir en:

Pgina 144
7.4 Entregables /Resultados finales

Recapitulando:

De acuerdo al alcance del proyecto, se logr lo siguiente:

Promedio
Desviacin estndar del proceso mejorado = 1.67
Ahorros anuales

En la parte no cuantificable se logro:

Un mejor entendimiento del proceso
Mejor capacitacin de los operadores en los anlisis que ellos
efectan
Estandarizacin

Pgina 145
PRACTICA DE LA METODOLOGIA SEIS SIGMA
Se utiliza la metodologa SEIS SIGMA calidad para mejorar la atencin de los Clientes de
las cadenas de restaurantes de comida rpida BURGER KING en el departamento de Lima,
permitir a los gerentes de los restaurantes contar con una herramienta que puede ser
utilizada para lograr servicio de calidad en las distintas reas .En la propuesta se describen
los mtodos, actividades y normas para atender con calidad a los clientes, a travs de la
metodologa SIX SIGMA. Se espera que la aplicacin de la propuesta contribuya a que los
restaurantes, tengan una mayor rentabilidad y la fidelidad de los clientes al obtener stos
un servicio de calidad

PASOS PARA IMPLEMENTACION DE LA METODOLOGIA SIX SIGMA

1. Definir el producto o servicio

Se define el Problema
En esta etapa se plantean algunas preguntas que nos indicarn el estado actual de
la empresa para poder planear la implantacin.

2. Identificacin los requisitos de los clientes:

Deben ser analizados para que posteriormente sean modificados y adaptados a las
mejores prcticas conocidas en el giro. Los procesos nos van a ayudar a tener una
visin clara de lo que queremos hacer para establecer sistemas, controles e
indicadores de calidad para el ptimo funcionamiento de cada parte del Sistema
SEIS SIGMA.

Pgina 146
3. Comprar los requisitos con los Productos: En esta etapa es donde vamos
analizar nuestro producto o servicio que esperan los clientes y el que brindamos
4. Describir el proceso: En esta etapa es donde vamos a documentar el plan y la
poltica de todo el proceso. El Plan de Calidad es un documento que especifica qu
procedimientos y recursos asociados deben aplicarse, quin debe aplicarlos y
cundo deben aplicarse a un proyecto, proceso, producto.
La Poltica de Calidad debe incluir el objetivo de calidad principal, el compromiso que
existe con el cliente, y de qu manera se va a lograr a travs de una mejora continua.

5. Implementacin del proceso

Esta etapa es la ms difcil de todas, ya que significa cambiar la mentalidad del
recurso humano hacia un cambio basado en normas y procesos controlados.
Siempre existen personas en la empresa que se van a resistir al cambio, Una vez
creado, desarrollado y estructurado todo lo anterior, adems de la capacitacin al
personal, llega la etapa de la implementacin, en donde se pone en marcha todo el
sistema y el personal comienza con el uso de esta herramienta.

6. Medicin: con el objetivo de corregir las desviaciones detectadas en el trabajo con

la implementacin del Sistema SEIS SIGMA. con el objetivo de corregir las
desviaciones detectadas en

Pgina 147
 METODOLOGA

Identificacion
del problema

El Analisis
(causas)

Generacin de
Soluciones

Selecin
planificacin de

Implantacin

cc
Evaluacin
yNormalizacin

Pgina 148
1. Identificacin del Problema

Problemas N
Falta de higiene 10
Falta de normas y procedimientos 4
Falta de personal 68
Falta de estacionamiento 9
Falla de los equipos 7
Personal desmotivado y no apto 88
Falta de aire Acondicionado 6
Falta de higiene en las instalaciones 5

Se reporta aumento de quejas de los clientes sobre la mala atencin del personal en
las Cadena de Restaurantes Burger King, esto genera malestar en los clientes.

Se puede emplear la tcnica de Brainstorming para obtener un listado suficiente

amplio que le permita dar una visin ajustada del estado actual del rea de trabajo y
los problemas que se pueden presentar por ejemplo:
Mal Servicio de Atencin del Cliente por parte del personal
Infraestructura deficiente
Equipos de Produccin en mal estado.
Falta de procedimientos adecuados para el servicio de Atencin al cliente.
Demora en el Pedido
Mala coccin del producto.
Mal servicio en la atencin
Quejas de higiene, etc.

Pero en este caso para estar ms seguro de las posibles causas de los problemas se
canaliz a travs de un rea de reclamo, todas las quejas de los clientes para as
identificar especficamente cuales eran dichos problemas o quejas de los clientes, para
poder solucionarlos a travs de las herramientas de SEIS SIGMA.

Pgina 149
 Diagrama de Ishikawa
Es una herramienta que representa la relacin entre un efecto (problema) y todas las
posibles causas que lo ocasionan
Una vez recopilados los datos se procede a clasificar las diversas causa efecto y se
agrupo en 4 categoras.

PERSONAL.-
Existe falta de personal en horarios de noche
El personal se encuentra desmotivado o no cuenta con el perfil para el puesto de
trabajo.
HIGIENE
Deficiente higiene las instalaciones (baos, mesas, piso etc.).
Falta de Higiene en el personal y de los equipos (cocinas, Hornos), Etc.

DEMORA
Falta de procedimientos para agilizar el servicio de atencin al cliente.
Falla de Equipos.
INFRAESTRUCTURA
Falta de Aire Acondicionado.
Falta de Estacionamiento

Pgina 150
 . CAUSA-EFECTO

HIGIENE PERSONAL

Falta de motivacion Falta de Empleados en

Deficiente higiene o no apto horas puntas
en las instalaciones Falta de higene en el
personal y de los equipos QUEJAS DE LOS
CLIENTES

Falta de Estacionamiento
Falta Aire Acondicionado

Falta de normas y procedimientos

DEMORA
INFRAESTRUCTURA

DIAGRAMA DE ISHIKAWA

. DIAGRAMA PARETO
Como sabemos el anlisis de diagrama de Pareto es una herramienta de gestin de calidad,
que va a permitir determinar los problemas ms importantes de una organizacin para

Pgina 151
poder resolverlos.
Se ordena de mayor a menor los problemas

%
Problemas N % ACUM
Personal desmotivado 88 45.1 45.1
Falta de personal 68 34.9 80.0
Falta de higiene 10 5.1 85.1
Falta de estacionamiento 9 4.6 89.7
Falla de los equipos 7 3.6 93.3
Falta de aire Acondicionado 6 3.1 96.4
Falta de higiene en las instalaciones 5 2.6 99.0
Falta de normas y procedimientos 2 1.0 100.0
total 195 100.0 100

Si se realiza la interpretacin de la ley de Pareto a nuestros problemas esto lo podemos

interpretar como que el 80% de las quejas de nuestros clientes son productos del 20% de
nuestros errores.

100 120.0
90
80 100.0
70 80.0
60
50 60.0
40
30 40.0
20 20.0
10
0 0.0
Falta de
Falta de
Personal Falta de Falta de aire higiene en
Falta de Falta de Falla de los normas y
desmotivad estacionami Acondiciona las
personal higene equipos procedimien
o ento do instalacione
tos
s
Num. Quejas 88 68 10 9 7 6 5 2
% Acum. 45.1 80.0 85.1 89.7 93.3 96.4 99.0 100.0
Interpretacin de la Grafica
Los resultados de la grfica muestran que se deben priorizar la solucin de 2 causas
del problema que representan el 80% de los problemas.

Pgina 152
 Personal desmotivado y no apto.
Falta de personal

2. Explicar la solucin a la Gerencia :

Entonces implementamos la mejora continua corrigiendo las causas que generan

las quejas de los clientes de Burger King Personas desmotivado y no apto y Falta
de personal.

Solucin
Falta de Programar capacitaciones e
personal inducciones para los trabajadores
- Personal desmotivado. para una mejor atencin a los
clientes.

Contratar personal calificado y con

- Falta de Personal el perfil de vocacin de servicio.

3. Ejecucin de la Solucin :

Para este caso nos apoyaremos en un DIAGRAMA DE GANTT que nos va a permitir
mostrar la duracin de las actividades que vamos a realizar dichos programas

Pgina 153
DIAGRAMA DE GANTT

- Personal desmotivado

Elaborar un programa de capacitacin e induccin para los trabajadores

1. Definir los objetivos de la capacitacin; La importancia de brindar un servicios

de calidad a la hora de atender al cliente.
1. Elaborar el programa de capacitacin:
Contenido, fecha, horario, el grupo, instructor, etc

PROGRAMA DE CAPACITACION

actividades Pred. Duracin

A Objetivos de la Capacitacin - 1
B Asignar al Capacitador A 2
C Diseo del plan de Trabajo B 4
D Buscar rea para la capacitacin y Materiales B 3
E Coordinar la lista de trabajadores que asistirn C,D 1
F Coordinar fecha y horario E 2
G Ejecucin del programa de Capacitacin F 5
DIAS
ACTIVIDAD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
A
B
C
D
E
F
G

Pgina 154
 - Falta de Personal.-
Realizar un proceso de reclutamiento y seleccin de personal para cubrir esas horas
puntas

PROCESO DE RECLUTAMIENTO Y SELECCIN DE PERSONAL

actividades Pred. Duracin

A Diseo del proceso de reclutamiento - 2
B Bsqueda de Candidatos A 5
C Entrevista y evaluacin de candidatos B 3
D Seleccin y contratacin C 2
E Capacitacin D 5

Diagrama de Gantt

DIAS
ACTIVIDAD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
A
B
C
D
E

Pgina 155
6.- Evaluacin y mantenimiento de mejora del sistema de Calidad SEIS SIGMA:

En este paso se evala los resultados del programa a travs de indicadores, esto debe
realizarse durante y despus de ejecutarlo, para poder realizar alguna modificacin o
mejora al sistema.

Indicadores

PROGRAMA DE CAPACITACION

Actividades Indicadores
Objetivos de la Capacitacin 15
Asignar al Capacitador 10
Diseo del plan de Trabajo 20
Buscar rea para la capacitacin y Materiales 10
Coordinar lista de trabajadores y fecha y horario 10
Ejecucin del programa de Capacitacin 35

Pgina 156
 100

PROCESO DE RECLUTAMIENTO Y SELECCIN DE PERSONAL

Actividades Indicadores
Diseo del proceso de reclutamiento 10
Bsqueda de Candidatos 10
Entrevista y evaluacin de candidatos 20
Seleccin y contratacin 25
Capacitacin 35
100

Pgina 157
CONCLUSIONES

Esta herramienta Sigma es una metodologa estratgica que las empresas estn
utilizando hoy en da para alcanzar elevados beneficios. Como empresas como
Motorola, General Electric, etc.

Por otro lado Six Sigma es una herramienta de gestin que al utilizar este mtodo
cambia el modo el que opera la direccin como sabemos Six Sigma es mucho ms que
proyectos de mejora sirve para aprender nuevos enfoques en la forma de resolver
problemas y as tomar mejoras decisiones.

Pero para tomar esta herramienta es importante que la alta administracin de la

empresa est comprometida primero con la implantacin de un sistema de
administracin por calidad o de control total de calidad con enfoque al cliente, con base
en la creacin de calidad humana y direccin participativa, con un sistema de
reconocimientos adecuado de tal forma que se aliente al personal tanto a hacer
sugerencias, como a implantarlas. Cuando todo esto est funcionando ahora s se
puede pensar en la metodologa Six Sigma y as funcionara de manera exitosa.

Pgina 158
RECOMENDACIONES

Es recomendable utilizar esta herramienta de gestin para as de esta manera ahorrar en

costos ya que nos ayudara reducir los defectos, aprovechar oportunidades para retener a
los clientes asimismo mejorar la satisfaccin del cliente, captar nuevos mercados y
construirse una reputacin de empresa de excelencia.

Por otro lado nosotros recomendamos esta metodologa (Six Sigma) porque es
implantando para todo tipo de empresa de todos los sectores de todos los tamaos,
reportando resultados espectaculares en ahorro de costos, crecimiento de ventas, aumento
del beneficio, reduccin del tiempo de diseo, aumento de productividad, fidelizacin de
clientes, ya que tiene como primer importancia el enfoque al cliente, entonces permite
estar en constante mejora lograr la satisfaccin para as lograr la fidelizacin del cliente y
por ultimo permite la mejora de procesos, etc.

Pgina 159
BIBLIOGRAFIA

Acheson J. Duncan Control de Calidad y Estadstica Industrial: Alfaomega, 1996

Alberto Galgano Los siete instrumentos de la Calidad Total: Daz de Santos, 1995.
Asociacin Espaola para la Calidad Herramientas para la Calidad AEC 2002
A.V. Feigenbaum Total quality control 3a.ed.: McGraw-Hill Book, 1986
Brassard M Finn Lynda The Six Sigma Memory Jogger II Goal/Qpc 2002
Douglas C. Montgomery Introduction to statiscal quality control . 3rd ed. J. Wiley,
1996.
Douglas C. Montgomery Diseo y anlisis de experimentos. Grupo Editorial
Iberoamrica, 1991
Franklin A. Graybill, Hariharan K. Regression Analysis : concepts and applications
Duxbury, 1994
Galloway D. Mejora continua de Procesos Gestion 2000 2002
Kaplan Robet P Norton Cuadro de Mando Integral HBS Press 2002
Hitoshi Kume Herramientas estadsticas bsicas para el mejoramiento de la
Calidad Norma 1994
Imai, Masaaki, Kaizen: La clave de la ventaja competitiva, CECSA, Mxico, (1989)
1990

Pgina 160
ANEXO

Procedencia

En 1988 Motorola alcanz el prestigioso premio americano a la excelencia Malcom Baldrige

National Quality Award. Una de las bases fundamentales de su estrategia de calidad fue el
Programa Seis Sigma. Este programa lo dise y dirigi Bill Smith con el pleno apoyo del
CEO Bob Galvin. El objetivo de este programa fue reducir la
Variacin de los procesos hasta alcanzar una fraccin defectuosa media de 3.4 ppm (partes
por milln, s ha ledo bien, 3.4 defectos por cada milln de oportunidades). Bill falleci en
1993 en pleno xito de Seis Sigma.

Esta reduccin de la variabilidad se consigui empleando mtodos estadsticos (diseo de

experimentos, ANOVA, regresin, grficos de control, etc.) y tambin otras herramientas
no estadsticas (AMFE, QFD, 7M) combinado con tcnicas de gestin de procesos. La
columna vertebral de esta estrategia gravitaba sobre expertos en la aplicacin de estas
herramientas, que se denominaron posteriormente black belts, es decir, cinturones
negros, (probablemente fue una irona para hacer frente a la competencia japonesa).

De la mano de Mikel Harry y Leonard Schroeder, Seis Sigma se extendi con xito a otras
grandes empresas, como Allied Signal, Polaroid y sobre todo, a la compaa presidida por
el famossimo Jack Welch, General Electric. Jack Welch se convirti en el primer pregonero
de las maravillas de Seis Sigma, hasta el punto de incluir en las memorias anuales
algunos xitos alcanzados por GE con Seis Sigma (evidentemente cuantificados en
dlares). El xito en General Electric supuso el espaldarazo total a Seis Sigma y a partir
de ah empez una mimetizacin por casi todas las grandes corporaciones
norteamericanas. Naturalmente aquellas empresas que se limitaron a seguir la moda de
manera frvola no alcanzaron los xitos previstos, mientras que aquellas que entendieron
y adaptaron las esencias de Seis Sigma, consiguieron mejoras sus resultados de calidad y
su posicin competitiva. En 1988 Motorola alcanz el prestigioso premio americano a la
excelencia Malcom
Baldrige National Quality Award. Una de las bases fundamentales de su estrategia de
calidad fue el Programa Seis Sigma. Este programa lo dise y dirigi Bill Smith con el
pleno apoyo del CEO Bob Galvin. El objetivo de este programa fue reducir la variacin de
los procesos hasta alcanzar una fraccin defectuosa media de 3.4 ppm (partes por milln,
s ha ledo bien, 3.4 defectos por cada milln de oportunidades). Bill falleci en 1993 en
pleno xito de Seis Sigma.

Esta reduccin de la variabilidad se consigui empleando mtodos estadsticos (diseo de

experimentos, ANOVA, regresin, grficos de control, etc.) y tambin otras herramientas

Pgina 161
no estadsticas (AMFE,
QFD, 7M) combinado con tcnicas de gestin de procesos. La columna vertebral de esta
estrategia gravitaba sobre expertos en la aplicacin de estas herramientas, que se
denominaron posteriormente black belts, es decir, cinturones negros, (probablemente
fue una irona para hacer frente a la competencia japonesa).

De la mano de Mikel Harry y Leonard Schroeder, Seis Sigma se extendi con xito a otras
grandes empresas, como Allied Signal, Polaroid y sobre todo, a la compaa presidida por
el famossimo Jack Welch, General Electric. Jack Welch se convirti en el primer pregonero
de las maravillas de Seis Sigma, hasta el punto de incluir en las memorias anuales
algunos xitos alcanzados por GE con Seis Sigma (evidentemente cuantificados en
dlares). El xito en General Electric supuso el espaldarazo total a
Seis Sigma y a partir de ah empez una mimetizacin por casi todas las grandes
corporaciones norteamericanas. Naturalmente aquellas empresas que se limitaron a seguir
la moda de manera frvola no alcanzaron los xitos previstos, mientras que aquellas que
entendieron y adaptaron las esencias de Seis Sigma, consiguieron mejoras en sus
resultados de calidad y su posicin competitiva.

Pgina 162