Expositor:
Ing. Jorge Arroyo Salazar
AGENDA
33
1.1 ¿Qué es Seis Sigma ?
LS LI LS
LI
Distribución 32 min. 23 min. 32 min.
23 min.
55
1.2
3.4 defectos
por millón
de oportunidades
66
1.2 Calidad Seis Sigma
3 SIGMA 6 SIGMA
77
1.3 Desarrollo de Seis Sigma
E E
M A M B
P P
R R
E 100% E
S S 100%
A A
S 80% S
80%
T D
R 60% E
A 60%
N M
S 40%
A
N N
40%
A U
20%
C F
I 20%
A
O 0% C
N 25% 50% 75% 100% T 0%
A 0% U
L R 0 1 2 3 4 5
E A
S NIVEL CALIDAD
GRANDES EMPRESAS
El 90% de las empresa que emplean Seis Sigma pertenece a grandes empresas.
El 49% pertenece al sector manufactura, 38% Servicios y 13% otros tipos.
88
1.3 Desarrollo de Seis Sigma
Operaciones / Manufactura
Administración
Atención al Cliente
Logística y Distribución
Ingeniería
Ventas
Compras
Finanzas
RR HH
I+D
Otros sectores
Marketing
Nivel de Uso 1 2 3 4 5
C
A 50
N
T
I
40
D
A 30
D
20
D
E
10
E
M
P 0
R
E 0 1 2 3 4 5 6
S
A
S
NIVEL DE CALIDAD
Las empresas que emplean Seis Sigma poseen un nivel de calidad de su proceso de
negocio principal un 40% superior al resto de las empresas encuestadas.
11
11
1.4 Principios de Seis Sigma
Objetivos
12
12
1.4 Principios de Seis Sigma
13
13
1.4 Principios de Seis Sigma
Procesos de la Organización
C C
L L
I I
E Proceso A Proceso B Proceso C E
N N
T T
E E
14
14
1.4 Principios de Seis Sigma
Causa 1
Síntoma 1
Causa 2
Síntoma 2
PROBLEMA
Causa n
Síntoma n
15
15
1.4 Principios de Seis Sigma
16
16
1.4 Principios de Seis Sigma
17
17
1.5 Seis Sigma e ISO 9001
19
19
2.1 Requisitos para un proyecto SS
20
20
2.2 Criterios de selección
21
21
2.3 Equipo Seis Sigma
Controler
Onwer
22
22
2.3 Equipo Seis Sigma
CHAMPIONS:
Conformado generalmente por la alta gerencia. Son quienes
seleccionan los proyectos y supervisa su funcionamiento.
Participan en la elección de BB y GB.
23
23
2.3 Equipo Seis Sigma
BLACK BELT:
Son los especialistas en la aplicación metodología. Lideran
proyectos Seis Sigma. Su rol es guiar al Equipo durante las
fases del Proyecto. Sinergizan los conocimientos y esfuerzos
de los miembros del equipo. Dan soporte a los GB. La
interacción con el dueño del proceso continua después de
terminado el proyecto.
GREEN BELT:
Son miembros del equipo de proyecto que conocen las
herramientas básicas de la metodología. Son
interdisciplinarios y multifuncionales. Están preparados para
participar o liderar proyectos Seis Sigma.
24
24
2.3 Equipo Seis Sigma
OWNER:
Son los líderes de las áreas en las que se van a desarrollar
proyectos Seis Sigma.
Es el socio estratégico del BB, para alcanzar la meta. Es el
responsable de mantener y superar los estándares
alcanzados después de finalizados los proyectos.
CONTROLLER:
Es el responsable de dar el visto bueno cada vez que haya
algún tipo de evaluación financiera y cuantifica los beneficios
obtenidos.
25
25
2.3 Equipo Seis Sigma
26
26
2.4 Selección de equipo Seis Sigma
27
27
3. Metodología Seis Sigma
3.1 DMAMC
3.2 DMAMC y el PHVA
3.3 Diagrama Metodológico
28
28
3.1 DMAMC (o DMAIC)
C
Control y aseguramiento
I del desempeño alcanzado
A Implementación de
mejoras o
Análisis transformación del
M del
proceso
proceso
Medición del
D desempeño
del proceso
Definición
del
proyecto
Managemt Equipo Six Sigma + Dueño Proceso con el apoyo del Sponsor Dueño de
Team y la guía del Master Black Belt / Black Belt Proceso
31
31
3.3 Diagrama Metodológico
Optimizar y
robustecer
¿Proce
so Eliminar
Estable causas
? NO
especiales Validar Mejora
SI
Controlar proceso
¿Proce NO
so
Capaz?
Mejorar
Si continuamente
32
32
4. Fase I: Definir y Medir
4.1 Definir el problema
4.2 Diseñar para el cliente: Valor y QFD
4.3 Definir y describir el proceso
4.4 Evaluar Capacidad del proceso
4.5 Sistema de Medición
33
33
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable clave del proceso
34
34
4.1 Definir Problema
Información
Ideas Creencias
Incompleta
PROBLEMA DEFINIDO
Objetivos definidos
Alcance del proyecto definido
35
35
4.1 Definir Problema
36
36
4.1 Definir Problema
37
37
4.1 Definir Problema
100
75
0 10
Importancia para el cliente
Valoración %
Factor de queja Quejas
CTQ relativo
(Escala: 1-10)
Tiempo de entrega inaceptable 764 83
Tiempo de entrega 8
38
38
4.1 Definir Problema: Voz del ciudadano
39
39
4.1 Definir Problema: Enfoque CAD
40
40
4.1 Definir Problema: Enfoque CAD
41
41
4.1 Definir Problema: Enfoque CAD
42
42
4.1 Definir Problema: Enfoque CAD
43
43
4.1 Definir Problema: Enfoque CAD 2010
En el extremo inferior se
encuentra Promperú con tan solo
13% de ciudadanos que considera
que recibe un trato igualitario en
esta entidad.
44
44
4.1 Definir Problema: Enfoque CAD 2008
45
45
4.1 Definir Problema: Enfoque CAD 2008
46
46
4.1 Definir Problema
47
47
4.1 Definir Problema
Ejemplo Fastpizza’s
48
48
4.1 Definir Problema
Ejemplo Fastpizza’s
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Mañana Fines de Semana Feriados Noche
49
49
4.1 Definir Problema
Ejemplo Fastpizza’s
50
50
4.2 Diseñar para el cliente
Casa de la
Calidad
Despliegue
Ideal
Adaptar Análisis
de la función
de valor
de calidad Producto
51
51
4.2 Diseñar para el cliente
Ideas nuevas
Necesidades de producto
Mercadotecnia Investigación
avanzada
Promoción Conceptos
Especificación técnicos Producto
del producto
Visitas
Pedidos de Producción
Ventas
Pedidos
del cliente
52
52
4.2 Diseñar para el cliente
53
53
4.2 Diseñar para el cliente
54
54
4.3 Definir y describir el proceso
Mapa de procesos de
la organización
Mapa de un conjunto
de procesos
55
55
4.3 Definir y describir el proceso
Identificar: Actividades del proceso, Entradas -Proveedores, Salidas -
Clientes
INICIO N1 C1
E1
E2 X3
C2
S1
S2
FIN
E3
E4
C3
N2 E5
C, N y E son Entradas al
proceso
S son Salidas 56
56
4.3 Definir y describir el proceso
Formato de Matriz SIPOC
CODIGO CARACTERIZACION DE LOS PROCESOS
Proceso :
Objetivo :
57
57
4.3 Definir y describir el proceso
Proveedores Entradas Proceso Salidas Clientes
-Estudio de fact.
OFICINA DE
-Ficha PAPS IDEA
PROYECTOS
-Cronograma
EVALUACIÓN
Comunicación
OSIPTEL
a OSIPTEL
GCIA.
Adquisiciones ESPECIFICACIÓN
COMPRAS
Procesos de CLIENTES
Contingencia INTERNOS
Requisitos de las salidas: IMPLEMENTACIÓN
58
58
4.3 Definir y describir el proceso
Variables de Ruido o no
controlables (N)
Entiende las “X” (KPIV) y
controlarás las “Y” (KPOV)
N1 N2 N3
C1
S1 , S2
Variables
Controlables C2 PROCESO Características de
calidad (Y)
Y = f ( X1,X2,....Xn)
E1 E2 E3 E4
Acciones a seguir
60
60
4.3 Definir y describir el proceso
INICIO
NA
VA VA
VA
VA
VA
FIN
NA VA
62
62
4.3 Definir y describir el proceso
INICIO
INFO
INFO
FIN
INFO
63
63
4.3 Definir y describir el proceso
2
Se hace una
Simple
3 descripción Detección
Del proceso Severidad Ocurrencia
4
Forma como el Efecto que
5
proceso podría Razón por la Controles
puede tener
no cumplir con cual ocurre la que detectan
6 el defecto
las especificaciones falla o previenen
en el cliente
7 la falla si es
que ocurre
8
9
NPR = SEV * OCC * DET
10 Nivel de prioridad de riesgo
64
64
4.3 Definir y describir el proceso
Matriz FEMEA
Donde:
65
65
4.4 Evaluar Capacidad del proceso
66
66
4.4 Evaluar Capacidad del proceso
Análisis de Normalidad
Prueba de Normalidad
Percent
Percent
10 50 0.975
1 10
1
0.1 0.1
-20 0 20 0 10 20 30
Grupos Grupos
Logistic
99.9
99
90
Variación de los datos
Percent
50
10
0.1
0 20 40
Grupos
67
67
4.4 Evaluar Capacidad del proceso
LSE - LIE
Cp =
6
Cp < 1 INCAPAZ
1< Cp < 1.33 APENAS CAPAZ
68
68
4.4 Evaluar Capacidad del proceso
CENTRAMIENTO (Cpk)
No solo interesa ver si el indicador puede cumplir con las
especificaciones, nos interesa saber si este centrado respecto a las
mismas.
Promedio
Especificación de los datos
LSE - X X - LIE
Cpk = Min ,
3 3
69
69
3 3
4.4 Evaluar Capacidad del proceso
71
71
4.5 Evaluar Sistema de Medición
Repetibilidad
Reproducibilidad
72
72
4.5 Evaluar Sistema de Medición
Precisión y Exactitud
Preciso, Exacto,
no exacto no preciso
Ni preciso, Preciso y
Ni exacto Exacto
73
73
4.5 Evaluar Sistema de Medición
74
74
4.5 Intervalos de confianza
75
75
5. Fase II: Analizar
5.1 Determinar las causas del problema
5.2 Variables Discretas y Continuas
5.3 Prueba hipótesis
5.4 Procedimiento de prueba hipótesis
5.5 Ejemplos
76
76
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente
77
77
5.1 Determinar las causas
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro
poblewma (Y o KPOV), usaremos el Diagrama Causa – Efecto, o Ishikawa.
Nota: Si las causas vienen de los KPIV, se deben señalar si son E,C,N
78
78
5.1 Determinar las causas
Personal No conoce
Material
No conoce los procesos
Formatos lejos de
las ventanillas los procesos No conoce
No hay Personal los procesos
papel para lento
recibos
Computadoras Atención
son lentas Lenta
Existen pocas
agencias No existe manual de
Sistema cerca Procedimiento procedimientos en la
se cae incorrecto agencia
79
79
5.1 Determinar las causas
Matriz Causa-Efecto
Se ha visto que la KPIV, puede impactar en las KPOV:
Ejemplos:
Número de Contratos
Tiempo de Calificación
Conocimientos norma de créditos
% de créditos rechazados
Numero de Analistas
Costo Evaluación.
Tiempo de entrega de Contratos
Para mejorar el proceso, se debe identificar cuáles son las X que más
afectan a las Y para determinar cuáles deben ser atacadas.
80
80
5.1 Determinar las causas
ENTRADAS DEL CAPACIDAD DEL FEMEA
PROCESO PROCESO
INICIO
N1 C
1
X
1 X
X2
3
C
2
Y
1
Y
2
FIN
X
3
X
4
C3
N2 X5
ISHIKAWA
PRUEBA DE
HIPOTESIS
VARIABLES SIGNIFICATIVAS
81
81
5.2 Variables Discretas y Continuas
82
82
5.3 Prueba Hipótesis
PRUEBA DE HIPOTESIS
83
83
5.3 Prueba Hipótesis
Verdad de H0
V F
(no hay diferencia) (si hay diferencia) P(Error Tipo) =
:Probabilidad de
Decisión correcta encontrar una
Aceptar H0
1- Error tipo 2
diferencia cuándo
(no hay esta no existe.
(nivel de significan β
diferencia) = 0.01, 0.05
cía)
P(Error Tipo2) =
: Probabilidad de no
encontrar una
Aceptar Ha Decisión correcta
Error tipo 1 diferencia cuando
(si hay
1– esta si existe.
diferencia) α
(poder la prueba)
F V
Verdad de Ha
84
84
5.3 Prueba Hipótesis
RECORDANDO
VOCABULARIO
Conclusión Robusta:
Rechazar H0. Ello pues el valor de se ha fijado en la prueba (usualmente en
0.05)
Conclusión Débil:
Aceptar H0 sin conocer el valor de . En estos casos se suele decir “No puede
rechazarse H0”
Potencia de una prueba estadística:
Es la probabilidad de rechazar correctamente una H0
Potencia = 1 -
85
85
5.3 Prueba Hipótesis
Prueba Anova
Minitab
Stat-Basic Statisc- 1sample t
86
86
5.3 Prueba Hipótesis
Source DF SS MS F P
TIPO LOTE 2 177886860 88943430 6.46 0.002
Error 118 1625812015 13778068
Total 120 1803698874
S = 3712 R-Sq = 9.86% R-Sq(adj) = 8.33%
14000
12000
HUEVOS INCUBADOS
10000
8000
6000
4000
2000
0
ADULTO JOVEN VIEJO
TIPO LOTE
87
87
5.3 Prueba Hipótesis
Correlación y Regresión
INTRODUCCIÓN:
De esta manera diremos que existe una ecuación que liga a ambas Y
= f (x). Esta ecuación se denomina “Modelo matemático”.
Esta ecuación se calcula usando técnicas de regresión.
88
88
5.3 Prueba Hipótesis
Correlación
Correlación
Precauciones:
90
90
5.3 Prueba Hipótesis
Regresión
Con la regresión se determina el Modelo Matemático que relacione las
Variables X con Y.
Acción
92
92
5.4 Procedimiento de pruebas
FLUJOGRAMA PRUEBA HIPÓTESIS
1 Inicio
Recopilar data
Seleccionar la
prueba de hipótesis
a usar Si
p –val > 0.05 Factor no afecta
Acepto H0
Rechazo H0
No
Variar el factor de
manera de tener 2
Situaciones :
Factor si afecta 1
“Antes”
“Después”
Fin
93
93
5.4 Procedimiento de pruebas
Y Continua Y Discreta
X Correlacion-Regresion Correlacion-Regresion
Continua
94
94
5.4 Procedimiento de Pruebas
Prueba de Normalidad
para "Y"
Y continua / NO SI
¿Es normal?
X discreta Agrupar
Prueba F
Con más de 2 prueba Normalidad para"Y"
para Y agrupada según las X
muestras
SI
¿Es
normal? NO
NO ¿P>α ?
Transformar Datos
prueba Normalidad para"Y"
SI
NO
¿Es normal?
SI
Prueba F
para Y agrupada según las X
NO
¿P>α ? Prueba KW
SI
Prueba de Anova
95
95
5.4 Procedimiento de Pruebas
Prueba de Normalidad
para "Y"
NO SI
¿Es normal?
Y continua /
X discreta Agrupar Prueba F
prueba Normalidad para"Y" para Y agrupada según las X
Con 2 muestras
SI
¿Es normal?
NO
NO ¿P>α ?
Transformar Datos
prueba Normalidad para"Y"
SI
NO
¿Es normal?
SI
Prueba F
para Y agrupada según las X
NO
¿P>α ? Prueba KW
SI Prueba T2
96
96
5.4 Procedimiento de Pruebas
Prueba de Normalidad
para "Y"
Y continua /
NO SI
X discreta ¿Es
normal?
Con 1 muestra
Agrupar
prueba Normalidad para"Y" Prueba T 1
SI
¿Es normal?
NO
Transformar Datos
prueba Normalidad para"Y"
SI
¿Es
normal?
NO
97
97
5.4 Procedimiento de Pruebas
Probar la correlacion
de todos los x con y
Y continua o No Si
¿r = 0?
discreta /
X Continua No Si No hay correlacion
¿Y es
continua
?
No Si lineal
¿Hay ¿es
mas de lineal o
Prueba Regresion
una x? curva?
Logistica
curva
Prueba Regresion
Multiple
lineal curva
¿es lineal
o curva? Prueba Regresion
Superficie de Respuesta
98
98
5.5 Ejemplos: EMPRESA COURIER “EL RAPIDO”
X Y
cantidad pedido ¿Qué tipo de
devueltos semanal prueba?
99
99
5.5 Ejemplos: EMPRESA COURIER “EL RAPIDO”
X Y
cantidad pedido ¿Qué tipo de
devueltos semanal prueba?
X2= Repartidores 20
30
.
X2= inicialmente es
Repartidor 1 . 48 datos (48 semanas)
. discreta, pero por tener
10
más de 30 valores se
le considera continua.
Repartidor 2
20
. 40
Y= continua
. .
48 datos (48 semanas)
.
. .
30 Por lo tanto se utiliza la
.
Prueba de Regresion.
.
. 30
. 50
.
. . 48 datos (48 semanas)
.
Repartidor 50 20
100
100
5.5 Ejemplos: EMPRESA COURIER “EL RAPIDO”
X Y
cantidad pedido ¿Qué tipo de
devueltos semanal prueba?
101
101
5.5 Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
X Y
cantidad de ¿Qué tipo de
pasta quemada prueba?
40 bar 10 kg Y= continua
65 bar 15 kg
50 bar 12 kg Por lo tanto se utiiliza la
30 bar 8 kg Prueba de Regresion
. .
100 datos . .
. .
. .
. .
. .
60 bar 14kg
102
102
5.5 Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
X Y
cantidad de ¿Qué tipo de
pasta quemada prueba?
45 ºC 15 kg Y= continua
35 ºC 10 kg
55 ºC 20 kg Por lo tanto se utiiliza la
32 ºC 8 kg Prueba de Regresion
. .
105 datos . .
. .
. .
. .
. .
50 ºC 25kg
103
103
5.5 Ejemplos: FABRICA DE PASTAS “NAPOLITANO”
X Y
cantidad de ¿Qué tipo de
pasta quemada prueba?
60% Y= continua
15 kg
55% 10 kg
70% Por lo tanto se utiiliza la
20 kg
45% Prueba de Regresion
8 kg
. .
103 datos . .
. .
. .
. .
. .
72% 25kg
104
104
6. Indicadores
6.1 Pasos para elaborar un indicador
6.2 Tipos de indicadores
6.3 Beneficios de los indicadores
6.4 Tablero de Control
105
105
6.1 Pasos para la elaboración del Indicador
Identificar factores
críticos de éxito
Establecer
indicadores por
factor de éxito
Establecer estado y
umbral por indicador
Diseñar la medición
106
106
Objetivos y estrategias
107
107
Factores Críticos de éxito
108
108
Establecer indicadores de Operaciones
109
109
Estado, umbral y rango de gestión
110
110
Diseñar la medición
111
111
6. 2.- Tipos de indicadores
112
112
6.3.- Beneficios del Control Operaciones
5. Reducir costos
113
113
6.4.- Tablero de control
114
114
7. Fase III: Implementar
7.1 Análisis de riesgo: Matriz FMEA.
7.2 DOE: Diseño de Experimentos
7.3 Lean
7.4 Plan de Mejora
115
115
7.1 Análisis de riesgo: Matriz FMEA.
PROCESO FMEA
SI
Emisión del FMEA definitivo.
116
116
7.1 Análisis de riesgo: Matriz FMEA.
117
117
7.2 DOE
Introducción al DOE
118
118
7.2 DOE
Donde:
Factor = Son las variables (KPVI) X1, X2, X3 … Xn
Nivel = Es la cantidad de valores que toma cada factor
119
119
7.2 DOE
120
120
7.2 DOE
Donde:
3 = Factor = K = variables (KPVI) X1, X2, X3
2 = Nivel = Es la cantidad de valores que toma cada factor
K
2
121
121
7.2 DOE
K-p
2
Número de generadores
Número niveles (2) del diseño
122
122
7.2 DOE
123
123
7.2 DOE
124
124
7.2 Procedimiento DOE
Selección de factores
126
126
7.2 Procedimiento DOE
Acción Minitab
El problema es aumentar/disminuir.....
1. Plantear el problema a Y = Nombre del indicador
resolver y objetivo que se Nivel Bajo Nivel alto
requiere alcanzar (-) (+)
X1 : Nombre del factor
X2 : Nombre del factor
127
127
7.2 Procedimiento DOE
Acción Minitab
129
129
7.3 ¿Qué es Lean ?
130
130
7.3 Los 7 Desperdicios
1.- Espera
2.- Sobreproducción
132
132
7.3
133
133
7.3 Organización que aprende
134
134
7.3 Reforzando a la Organización
que aprende
135
135
7.3 Que es Lean Seis Sigma
136
136
7.3
137
137
7.3
138
138
7.4 Plan de Mejora
PROYECTO: FECHA:
140
140
7.4 Plan de Mejora
Tipo de Fecha de % de
ID Oportunidad de Mejora Acciones de Mejora Responsable Observaciones
Mejora Compromiso Avance
Problemas para identificar la
Desarrollo de una Base de Datos correspondencia de los números
Falta de un control de las altas en
1 donde se registra las altas por dslam Corto plazo Veronica Avila 15 de Abril 50% a los DSLAM por falta de
DSLAM que presentan saturación
saturados etiquetas y creación de nuevos
perfiles
Se requiere la participación de
Falta de un sistema que controle Desarrollo de la BD que controle la
la Subgerencia de Tx y el
2 la capacidad disponible de Tx por capacidad disponible de Tx por Largo Plazo Ernesto Saravia Por definir Por definir
conocimiento del Aplicativo
DSLAM's DSLAM's
Asig2000.
142
142
CTQs
FMEA, Mapa de Procesos
X (KPIV) Cp, Cpk
Prueba de Hipótesis
X (KPIV) significativas Correlación
Regresión
SPC
X (KPIV) que afectan al proceso
5 Ss
Controladas Poka Yoke
Y (KPOV)
X Key Process Input Variables (KPIV) variable claves del proceso
variables clave de salida del proceso
Y Key Process Ouptput Variables (KPOV)
para el cliente
143
143
8.1 Objetivo
Y
FASE POST
CONTROL PROYECTO
MEJORAR
Fin de
Antes de
Proyecto Situación No
la Mejora Deseada
144
144
8.2 Mantenimiento resultados
145
145
8.2 Mantenimiento resultados
PLAN DE CONTROL
Proceso:_______ Fecha:____
Responsable:_____
146
146
8.2 Mantenimiento resultados
147
147
8.3 Control Estadístico de Procesos
Control Estadístico de Procesos (CEP)
ZONA PRUEBA
DE CONTROL
(MAL)
LSC : Límite Superior de Control
ZONA EN
CONTROL (BIEN)
d
p q 1 p
n
pq
LIC p p 3
n1 n2 nk n
n
k
pq
p p2 pk LSC p p 3
p 1 n
k
149
149
8.3 Control Estadístico de Procesos
Cartas De Control
CARTA C
Controla el numero de no conformidades por unidad y sólo es
aplicada cuando el número de elementos de las muestras
recolectadas es constante.
c1 c2 ck
c LIC p c 3 c
k
c1 c2 ck
LSCp c 3 c
Es la cantidad de no conformidades
encontradas en cada muestra.
150
150
8.3 Control Estadístico de Procesos
Cartas De Control
CARTA X-R
Se utiliza cuando se trabaja con valores individuales del
proceso.
La amplitud (R), en este caso, es la calculada para cada par
sucesivo de datos registrados en la carta entre el Xmax-Xmin.
X1 X 2 X k
X
k
R X 1 X 2 , X 1 X 2 , X 1 X 2 , , X k 1 X k
R Es la media de los R individuales calculados.
LSCR D4 R LSCX X E2 R
c
LICR D3 R LICX X E2 R
151
151
8.3 Control Estadístico de Procesos
Gráfica X-R
152
152
8.4 POKA YOKE
Defecto
Errores
1 Olvido
2 Desconocimiento
Casi todos los
3 De identificación
defectos están
causados por 4 Inexperiencia
errores humanos.
5 Voluntarios
Sin embargo hay
como mínimo 10 6 Inadvertidos
clases de errores 7 Lentitud
8 Falta de estándares
9 Errores Sorpresa
10 Intencionales
154
154
8.4 POKA YOKE
Errores
Falta de estándares
Desconocimiento
No identificado
Inexperiencia
Inadvertido
Intencional
Voluntario
Humanos
Sorpresa
Lentitud
Olvido
Causa de
defectos
Proceso Omitido
Errores de Proceso
Piezas omitidas
Conexión
fuerte Piezas equivocadas
Operación defectuosa
Procesamiento de Pieza
equivocada
Montaje erróneo de piezas de
máquina
Equipo montado
inapropiadamente
Utiles y plantillas mal
preparados 155
155
8.4 POKA YOKE
Yokeru Evitar
Poka Errores Inadvertidos
159
159
8.5 Las 5 S
160
160
8.5 Las 5 S
161
161
8.6 Fabrica visual
Procedimientos.
40 _
X=31.32
20
•Plan de Control del Proceso.
0
LC L=-4.52
1 9 17 25 33 41 49 57 65 73 81
O bser vation
1
U C L=44.03
40
Moving Range
30
20
__
M R=13.48
10
0 LC L=0
1 9 17 25 33 41 49 57 65 73 81
O bser vation
162
162
8.7 Acciones Finales
163
163