Seis Sigma Champions

SEIS SIGMA CHAMPIONS
Dr. Primitivo. Reyes
SEIS SIGMA - CHAMPIONS
Dr. Primitivo Reyes Aguilar
Pgina 1 de 97
CONTENIDO
I. Panorama de Seis Sigma en la organizacin
II. Seis Sigma Fase de definicin
III. Seis Sigma Fase de medicin
IV. Seis Sigma Fase de Anlisis
V. Seis Sigma Fase de mejora
VI. Seis Sigma Fase de control
VII. Diseo para Seis Sigma
Pgina 2 de 97
I. Despliegue de Seis Sigma en la organizacin

Metodologa Seis Sigma Metodologa Lean Metodologa Lean Sigma Diseo para Seis Sigma Liderazgo y roles en Seis Sigma Gestin de Procesos Benchmarking Gestin de equipos de trabajo
Metodologa Seis Sigma

Definiciones
Seis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente 3-4 ppm.
Seis Sigma como estrategia
Es una estrategia de gestin que usa herramientas estadsticas y mtodos de gestin de proyectos para lograr mejoras en calidad y utilidades significativas Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocndose a los resultados que son de importancia crtica para el cliente.
Antecedentes de Seis Sigma Bajo la direccin del CEO de Motorola1 Bob Gavin, se usaron herramientas estadsticas para identificar y eliminar la variacin. En 1981 Bob Gavin director de Motorola, estableci el objetivo de mejorar 10 veces el desempeo en un periodo de 5 aos. En 1985 Bill Smith en Motorola concluy que si un producto se reparaba durante la produccin, otros defectos quedaran escondidos y saldran con el uso del cliente. Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo En 1987 Motorola desarrolla Seis Sigma como una iniciativa clave del negocio. En 1988 Motorola gan el premio Malcolm Baldrige, y las empresas se interesaron en analizarla.
1
Motorola es una marca registrada por Motorola, Inc,
Pgina 3 de 97
El Dr. Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de Motorola e inicia el Six Sigma Research Institute con la participacin de IBM, TI, ASEA y Kodak. La metodologa se expandi a Allied Signal, ASEA, GE, Sony, Dupont, Texas Instruments, Bombardier, Lockheed Martin, ABB, Polaroid, Kodak, Sony, Toshiba, Black and Decker, Dow Chemical, Federal Express, American Express, John and Johnson, Navistar y otras.
Razones por las que funciona Seis Sigma

Involucramiento de la direccin Resultados en la rentabilidad Un mtodo disciplinado utilizado (DMAIC) Conclusin de proyectos en 3 a 6 meses Medicin clara del xito Infraestructura de personal entrenado (Black belts, Green belts) Enfoque al proceso y al cliente Mtodos estadsticos utilizados adecuadamente
Resultados esperados de Seis Sigma

Reducciones de costos Mejoras en el nivel de servicio al cliente Reduccin de fallas y errores Mejoras en la productividad Mejora en la satisfaccin del cliente Reducciones de tiempos de ciclo Cambios culturales
Qu es Sigma? ()
Sigma es un concepto estadstico que representa la variacin que tiene un proceso respecto a los requisitos del cliente 0 2 sigmas, no cumple requisitos 2 4.5 sigmas, cumple marginalmente 4.5 6 sigmas, cumplimiento de requisitos. Un proceso 6 tiene rendimiento del 99.9997%
Pgina 4 de 97
Distribucin grfica de la variacin Curva normal

LAS MEDICIONES VARAN DE UNA A OTRA:
Nmero
Nmero
Nmero
Nmero
Pero ellas forman un patrn, tal que si es estable, se denomina distr. Normal
Nmero Nmero
Nmero
LAS DISTRIBUCIONES PUEDEN DIFERIR EN:

UBICACIN DISPERSIN FORMA
Nmero
Nmero
Nmero . . . O TODA COMBINACIN DE STAS
P1
10
PRACTICA 1: Ejemplo con edades. a) Generar diferentes conjuntos de datos normales con media = 100 y desviacin estndar = 5, variando el nmero de datos generados n con Datos1 en 5, Datos2 en 30, Datos3 en 100 y Datos4 en 8000.
b) Obtener el histograma correspondiente:
Pgina 5 de 97
Seleccionar con doble click o Select
Colocarse sobre una grfica y acceder a Editor > Layout tool y pasar a las Ventanas las grficas para cada conjunto de datos
6
Prueba de normalidad Stat > Basic statistics > Normality Test Variable Datos1 Seleccionar la prueba (menos de 15 datos Kolmogorov, ms de 15 Anderson Darling) OK El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente
Pgina 6 de 97
Interpretacin de Sigma y Zs
LIE Especificacin inferior
s
Z
LSE Especificacin superior

La desviacin estndar sigma representa la distancia de la media al punto de inflexin de la curva normal
_ X p = porcentaje de mediciones fuera de Especificaciones

xi
P2
Desviacin estndar
Definicin estadstica de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm
Media del proceso Corto plazo Largo Plazo
4.5 sigmas
La capacidad Del proceso Es la distancia En Sigmas de La media al LSE
-6 -5 -4 -3 -2 -1 0 +1+2+3 +4+5+6 LIE - Lmite inferior de especificacin LSE - Lmite Superior de especificacin
El proceso se puede recorrer 1.5 sigma en el largo plazo
Pgina 7 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes PRACTICA 2. Efecto de variar la desviacin estndar en la dispersin de los datos
9
Por qu es importante lograr niveles de calidad Seis Sigma?
Un 99% de rendimiento equivale a tener un nivel de 3.86 sigmas y 100 minutos sin energa elctrica por semana (10,080 minutos) Un 99.9% de rendimiento equivale a un nivel de calidad de 4.6 sigmas, representa 10 minutos sin energa elctrica en una semana. Con 6 sigma se tiene un nivel de 99.99966% o 3.4 ppm, 2 segundos /semana sin luz
Interpretacin estadstica de Seis Sigma
Pgina 8 de 97
PRACTICA 3. Obtener los niveles Sigma con base en rendimiento (tiempo en que se tiene el servicio disponible / tiempo total) y las partes por milln o partes por milln de oportunidades de deficiencias, fallas o errores: a) Eficiencia del 98% Nivel sigma = 3.6 b) 8,000 ppm o 0.8% Nivel sigma = c) Rendimiento del 75% Nivel sigma = Utilizar la tabla de la pgina siguiente:
Pgina 9 de 97
Pgina 10 de 97
Proceso DMAIC
1. Definir
5. Controlar
2. Medir
4. Mejorar
3. Analizar
Las fases de Seis Sigma (DMAIC)

Definir: seleccionar la Y del proyecto a ser mejorada y enfocar el problema a resolver y. Medir: Recoleccin de datos de la variable de respuesta y y factores de influencia Xs para establecer lnea base Analizar: Generar causas potenciales e identificar las causas raz del problema (variables independientes X`s) Mejorar: Generar alternativas de solucin por causa raz, seleccionar las mejores, implementarlas y verificar su efectividad Control: Acciones para mantener la mejora
Pgina 11 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes La ruta de la calidad y su relacin con Seis Sigma FASE DE DEFINICIN: o 1. Equipo de trabajo, 2. Seleccin del problema o rea a mejorar FASE DE MEDICIN o 3. Diagnstico de la situacin actual, 4. Establecer la meta. FASE DE ANLISIS o 5. Anlisis de las causas del problema (potenciales y reales) FASE DE MEJORA o 6. Generacin, evaluacin y seleccin de alternativas de solucin. o 7. Implementacin de soluciones, 8. Verificacin de resultados. FASE DE CONTROL o 9. Prevenir reincidencia, 10. Reconocimiento al equipo de trabajo o Paso 11. Lecciones aprendidas y cierre del proyecto
Metodologa Lean
Conjunto de mtodos enfocados a minimizar el Muda (desperdicios en tiempo, combustibles, energa, espacio, talento, etc.) para tener flexibilidad y maximizar el aprovechamiento de los recursos en la empresa, para lograr la satisfaccin y lealtad del cliente. Su propsito es reducir el tiempo de ciclo y aumentar la productividad en la empresa. Muda
Sobreproduccin Fallas / errores Inventarios Movimientos excesivos Procesos que no agregan valor Esperas Transportes innecesarios
Mtodos Lean: Mapa de cadena de valor, Kaizen, 5Ss, SMED, Poka Yokes, TPM, Admn. Visual, reduccin tiempo de ciclo, etc.
Tpicamente el 70% de las actividades no agregan valor
Pgina 12 de 97

Seis Sigma Lean Rapidez (velocidad) Costos de operacin Corta
Metodologa Lean Sigma

Tpico Mejora Justificacin Ahorros principales Curva de aprendizaje Reducir variacin Reducir muda Seis sigma (3.4 ppm) Costos de calidad Larga
Seleccin de proyectos
Duracin de proyectos
Varios enfoques
2 6 meses
Mapeo de la cadena de valor (VSM)

1 semana a 3 meses
Impulsor
Complejidad
Datos
Alta
Demanda
Moderada
Problemas resueltos con Lean o Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanos o Enfoque a mejora de la productividad Problemas resueltos con Seis Sigma o Minimizar variacin en los procesos o Reducir las fallas y errores hasta 3.4 ppm o Solucin cientfica de problemas o Enfoque a problemas y mejoras de calidad
Liderazgo
Los programas Seis Sigma no suceden accidentalmente, deben contar con el compromiso y soporte de la administracin en aspectos de recursos y herramientas Organizacin para Seis Sigma
Green Belts
Green Belts
Pgina 13 de 97
SEIS SIGMA CHAMPIONS Capacitacin en Seis Sigma Pirmide de Capacitacin en Seis Sigma
Directores - Entrenamiento de promotores
Candidatos a Master Black Belts - Capacitacin MBB
Gerencias - Capacitacin ejecutiva Candidatos a Black Belts - Capacitacin BB (a tiempo completo o parcial) Supervisores - Capacitacin panormica Candidatos a Green Belt - Capacitacin GB Todos los empleados - Capacitacin de introduccin a Seis Sigma
Papeles/roles en Seis Sigma

Comit directivo de Seis Sigma / Consejo de calidad Fijan metas, identifican proyectos, seleccionan equipos Apoyan a los equipos: Capacitacin de Black Belts y Green Belts Capacitacin a miembros de los equipos Lder de proyecto Aprobar el proyecto y sus cambios Apoyar al equipo en la solucin de problemas Apoyar con logstica para las reuniones Proporcionar expertos como Black Belts Comunicar los resultados a toda la organizacin Monitorear los avances Champions Son representantes de la alta direccin que controlan y asignan recursos para promover mejoras, se involucran en todas las revisiones de proyectos en su rea de influencia. Reciben entrenamiento general en Seis sigma Promotores ejecutivos (sponsors) Son lderes que comunican, guan y dirigen el despliegue exitoso de Seis Sigma Reciben capacitacin en panorama de Seis Sigma, sus herramientas y mtodos Dueos de procesos (Process owners):
Pgina 14 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes Coordinan actividades de mejora de procesos y monitorea los avances, trabaja con Black Belts para mejorar los procesos bajo su responsabilidad, a veces actan como Champions Master Black Belts Tienen puestos enfocados a la mejora, con habilidades demostradas como Black Belt y habilidades de asesora, instruccin, educacin y promocin Papeles en Seis Sigma Black Belts: A veces estn a tiempo completo, son personas capacitadas y con habilidades para coordinar proyectos de mejora demostradas con ahorros y beneficios. Actan como consultores y asesores Green Belts: Pueden ser Black Belts en entrenamiento, manejan las herramientas estadsticas y de solucin de problemas para los proyectos con impacto financiero y a clientes Estn bajo la tutela de los Black Belts y son lderes de equipos Miembro del equipo: Participa en la capacitacin para ser efectivo Atiende las reuniones del equipo conforme sea necesario Completa sus asignaciones entre las reuniones Participa activamente con ideas e informacin Alienta la participacin de otros miembros Se beneficia de la experiencia, experiencia y perspectivas de los dems Aplica los pasos del proceso de mejora Reconocimiento y refuerzo Se deben lograr reconocimientos tangibles e intangibles por las mejoras alcanzadas a todos los miembros participantes El lograr ahorros y publicarlos ayuda a mejorar la moral de los miembros de los equipos de proyectos
Gestin de procesos
A. Procesos B. Benchmarking C. Medidas de desempeo del negocio Proceso
Pgina 15 de 97

Procedimiento Especificacin de la forma en que se realiza alguna actividad

Eficacia
Capacidad para alcanzar resultados deseados ISO 9001:2000
Entradas
PROCESO
Salida
Conjunto de actividades (Incluyendo recursos)

interrelacionadas o que interactan
PRODUCTO
Eficiencia
Resultados contra recursos empleados
Actividades de medicin y seguimiento
ISO 9004:2000
Proceso de negocio (---) vs Funcin organizacional (O)

Ventas y Mktg. Ingeniera Admn. Finanzas Operaciones Recursos Humanos Tecnologas Informacin
Ejecutivos
Staff
Gerentes
Ingenieros
Supervisores
Operadores
Benchmarking Entrada
Benchmarking
Salida
Compara el desempeo de una empresa con la competencia, o el mejor en su clase, identifica reas de oportunidad de mejora a nivel negocio u operativo. Sigue los pasos siguientes: Determinar las prcticas actuales o Seleccionar el rea problema o Identificar los factores clave de desempeo o Comprender los procesos propios y los del competidor o Seleccionar criterios de desempeo en base a necesidades y prioridades Identificar las mejores prcticas o Medir el desempeo dentro de la empresa o Determinar los lderes para las reas a evaluar o Buscar una organizacin con la que se har la comparacin Analizar las mejores prcticas o Visitar la organizacin como un socio benchmark o Colectar informacin y datos del benchmark lder o Evaluar y comparar prcticas actuales con benchmark o Identificar reas de mejora potenciales Modelar las mejores prcticas
Pgina 16 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes o Realizar cambios para mejorar niveles de desempeo o Extender los cambios en desempeo a toda la empresa o Incorporar la nueva informacin en la toma de decisiones del negocio o Compartir los resultados con el socio benchmark o Buscar otros lideres benchmark para mejoras futuras Repetir el ciclo Algunas empresas superan a su propio Benchmark
Anlisis del consumo especfico de gas natural rgimen trmico Kcal/KWh

2700 2650 2600 2550 2500 2450 2400 2350 2300 2250 2200
2646
2542
2466
Promedio Unidad 1
2376
2388
Promedio 3 aos CTVM
Promedio CFE
FPL USA P Deming Nerc USA
Promedio Unidad 1
Promedio 3 aos CTVM
Promedio CFE
FPL USA P Deming
Nerc USA
Figura 3.1.4.1 Anlisis del rgimen trmico CTVM 2007
Pgina 17 de 97
PRCTICA 4. Comparacin del consumo de combustible de tres plantas termoelctricas. Copiar las columnas marcadas en amarillo a Minitab.
Da-1999 (Antes)
P1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 31
Mes
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
Consumo de combustibleSureste
18162 18645 18260 18369 18342 18149 18644 18244 17862 18034 18092 18359 18109 18160 18277 18172 17990 18027 18884 18333 18621 18428 18640 18084 18214 17746 18538 18167 18466 18256 18688 17858 17325 17535 17637 17192 17532 17444 17529 17508 17737 17674 17394 17401 17524 17225 17367 17484 17401 17295 17696 17180 17679 17990 17599 17470 17429 17787 17445 18040 18023 17802 18256 17845 17993 18007 18124 18409 18189 17856 17857 18182 18059 17604 17897 17855 18109 17776 17716 18306 17542 18085 18188
Consumo de combustible Planta A

17888 17572 17598 17799 17358 17604 17496 17672 17634 17765 17737 17324 16881 17588 17632 17525 17861 17869 17776 17858 17532 17567 17500 17945 17427 17505 17749 17491 17904 18112 17094 17186 17040 16839 16994 17642 16526 17071 16936 17141 17068 16997 16929 16960 17215 17120 16892 17051 17212 17159 17083 17387 17482 17167 16841 17385 17218 17055 17367 17502 17285 17297 17584 17187 17651 17770 17103 17695 17755 17898 17429 17388 17320 17374 17298 17222 17586 17759 17456 17183 17663 17357 17468
Consumo de combustible Planta B

17758 17494 17408 17846 17189 17505 17475 17594 17458 17613 17561 17315 16846 17588 17447 17403 17774 17901 17675 17689 17451 17605 17568 17850 17396 17524 17575 17588 17813 18190 17054 17057 17093 16648 17043 17486 16342 17090 16886 16945 17143 17088 16998 17049 17106 16993 16839 17015 17036 16979 17069 17486 17494 17004 16648 17398 17118 16974 17325 17563 17201 17223 17559 17128 17750 17734 16911 17666 17669 17712 17333 17363 17362 17328 17377 17204 17529 17621 17306 17217 17601 17333 17318
Pgina 18 de 97
a) Diagramas de caja en Minitab: Copiar tabla de datos. Instrucciones: Graph > Box Plot
Boxplot of Fuel Consumption, Fuel Consumption, Fuel Consumption

19000
Mximo, mediana, mnimo
18500 18000
Data
17500 17000
16500 16000
Fuel Consumption-Southeast
Fuel Consumption-Plant A
Fuel Consumption-Plant B
24
b) Prueba de hiptesis de igualdad de medias ANOVA Instrucciones: Stat > ANOVA > One way (unstacked)
One-way ANOVA: Fuel Consumption, Fuel Consumption, Fuel Consumption

Source DF SS MS F P Factor 2 17916218 8958109 72.87 0.000 P< 0.05 Medias diferentes Error 246 30240786 122930 Total 248 48157004 S = 350.6 R-Sq = 37.20% R-Sq(adj) = 36.69% Level N Mean StDev Fuel Consumption-Southea 83 17940 400 Fuel Consumption-Plant A 83 17403 320 Fuel Consumption-Plant B 83 17344 326 Individual 95% CIs For Mean Based on
Pgina 19 de 97
Level Fuel Consumption-Southea Fuel Consumption-Plant A Fuel Consumption-Plant B
Individual 95% CIs For Mean Based on Pooled StDev -------+---------+---------+---------+-(---*---) (---*---) (---*---) -------+---------+---------+---------+-17400 17600 17800 18000
c) Grficas de series de tiempo Instrucciones: Stat > Time series > Time series plot
Pgina 20 de 97

19000 18500 18000
Time Series Plot of Fuel Consump, Fuel Consump, Fuel Consump

Variable Fuel Consumption-Southeast Fuel Consumption-Plant A Fuel Consumption-Plant B
Data
17500 17000 16500 16000 1 8 16 24 32 40 48 56 64 72 80 Index
Mtricas de desempeo de negocios

Nivel de operaciones: Efectividad del negocio, mide que tan bien se satisfacen las necesidades de los clientes Eficiencia operativa, en funcin de costo y tiempo requerido para producir el producto Nivel de procesos: Datos de procesos detallados Nivel de produccin: Datos de produccin detallados
Balanced Score Card

Mide las siguientes perspectivas: Financieras: retorno sobre la inversin, utilizacin de los activos, EVA, etc. Percepcin del cliente: liderazgo en el servicio, costos competitivos, cercana con clientes Procesos internos del negocio (operaciones): excelencia operativa en procesos, innovaciones y nivel de servicio Aprendizaje organizacional y crecimiento: desarrollo de las capacidades de los empleados, motivacin, delegacin, mejora en los sistemas de informacin y aprendizajes
Pgina 21 de 97
Ejemplo de Mapa estratgico de BSC

Clientes
Incrementar valor en los procesos de las plantas C2 Ser lder en Servicios de generacin de energa Ser la mejor opcin para los clientes C1 C3 Confiabilidad Calidad Efectividad
Conocimiento del negocio
Alto nivel de especializacin
Seguridad
Oportunidad
Visin de largo plazo
Sustentabilidad
Financiera
Optimizar costos y gastos de operacin F1
Maximizar la rentabilidad sobre activos F2
Rentabilidad de los servicios F3
Procesos Internos
Impulsar la seguridad
Mejora de la productividad
P1 Desarrollo sustentable
P2 Promover, impulsar y verificar la aplicacin de normas Impulsar la gestin del conocimiento y tecnologa Mejora de los procesos y calidad
P4
Mantenimiento y optimizacin del uso de activos
P7
P5
Eficientar los procesos administrativos
P8
P3
P6
Mejorar la oportunidad y efectividad de los servicios P9
Aprendizaje y Crecimiento
Capital Humano
Contar con RRHH adecuados en puestos clave
Capital Tecnolgico
Optimizar la aplicacin e innovacin de tecnologas de informacin A1 y comunicaciones
Capital Organizacional
Fortalecer el clima organizacional Asegurar la coordinacin de trabajos entre deptos. Asegurar cumplimiento del marco regulatorio
A1
A2
A3
A4
A5
Gestin de equipo de trabajo

Formacin de equipos de trabajo Debe haber un lder o dueo del proceso Un secretario Tomador de tiempo Facilitador Miembros involucrados con el proceso, segn Belbin: existe el formador, implementador, coordinador, compaero, investigador, innovador, especialista Etapas de desarrollo del equipo Formacin Integracin Normas Desempeo u operacin Las presentaciones dan la oportunidad de: Mostrar habilidades Mostrar logros Resumir proyectos Obtener aprobaciones necesarias de la direccin Mantener lneas de comunicacin con la direccin Demostrar comprensin de las necesidades reales del cliente Factores de proceso de equipo para evaluar su desempeo: Factores de relacin: Identificacin, manejo de conflictos, soporte, nivel de integracin
Pgina 22 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes Factores de proceso: Nivel de consenso, efectividad de reuniones, crecimiento y aprendizaje, participacin, comunicacin, retroalimentacin, escucha Factores de metas: Fijacin de objetivos, claros, realistas y alcanzables Factores de ambientales: Proximidad fsica, habilidades y recursos, soporte de la direccin Factores de rol: Efectividad del liderazgo, claridad de responsabilidades
Reconocimiento al equipo Al finalizar el proyecto Seis Sigma es conveniente dar un reconocimiento a los participantes: Materiales: Tangibles, Intangibles, Satisfaccin, amistad, aprendizaje, agradecimiento, prestigio Ver ejemplos de aplicacin en CFE
Pgina 23 de 97
II. Seis Sigma Fase de Definicin

Propsitos
Seleccin inicial del proyecto Identificar a los clientes del proceso o producto afectados Definir las CTQs (caractersticas crticas para la calidad) desde la perspectiva del cliente Definir el alcance del proyecto en un nivel especfico manejable (Project, Team Charter o Contrato del proyecto) Desarrollar una Declaracin Refinada del Problema Documentar las actividades en programa del Proyecto
Los clientes
En trminos simples, un cliente es el receptor de un producto o servicio Se puede escuchar su voz en forma reactiva: Quejas, garantas, demandas, etc. O en forma proactiva: Encuestas, grupos de enfoque, entrevistas, estudios de mercado, etc.)
Definicin de CTQs Son las caractersticas del producto/servicio que son importantes desde el punto de vista del cliente
Requerimientos clave ACC/CENACE Factor Crtico clientes y usuarios finales

1. Precio competitivo (Consumo gas natural control del rgimen trmico) 2. Calidad de la regulacin: Control de frecuencia y control de voltaje 3. Cantidad de energa entregada
Indicador
$/MWh Kcal / Kwh (De acuerdo a la Unidad) Frecuencia: 60 Hz 0.2 Voltaje: 230,000 Volts 1000 100% Cumplimiento programa
Valor generado cadena de valor usuarios finales

Precio competitivo a los usuarios finales de CFE No variaciones en el suministro de energa elctrica Cero interrupciones en el suministro de EE Cero interrupciones en el suministro de EE y participacin en la regulacin de frecuencia y voltaje en el Sistema Elctrico Nacional (SEN) Cero interrupciones en el suministro de EE y participacin en la regulacin de frecuencia y voltaje en el Sistema Elctrico Nacional (SEN)
4. Confiabilidad
Conf = (100% - % Falla propia) = 97.69%
5. Disponibilidad
Disp= (100% - (%Falla + % Matto - % ajenos)) = 88.50%
Figura 3.1.9.1 Tabla de Factores Crticos del Cliente
Pgina 24 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes rbol de Crticos para la calidad (CTQs) = Y`s: o Avanzar con ms niveles conforme se requieran (2,3) o Validar los requerimientos con el cliente. Revisar el rbol de CTQs con el cliente.
Calidad de la energa
Frecuencia
Economa
Hertz
Precio
Voltaje
Volts
Crticos para X (CTX) CTQ Crticos para la calidad o Cumplir con requerimientos del mercado y tcnicos o Proporcionar productos y servicios excelentes CTC crticos para el costo o Consumo de combustible o Costos de operacin CTP Crticos para el proceso o Reducir los tiempos de ciclo y tiempos muertos por mantto. o Maximizar el rgimen trmico CTD crticos para la entrega o Confiabilidad, disponibilidad, o Cantidad de energa elctrica entregada CTS crticos para la seguridad o Proporcionar ayudas visuales e instrucciones claras o Proporcionar EPP adecuado
CTs
CTC
Precio Competitivo
Rgimen Trmico
CTQ
Calidad de regulacin de
Control de frecuencia Control de voltaje
CTD
Confiabilidad Disponibilidad Cantidad de energa elctrica entregada
Figura 3.1.9.2 Diagrama de rbol CTs Cliente
Costos de calidad Los costos de calidad son un vehculo para identificar oportunidades de reduccin de costos por medio de mejoras al sistema Las categoras de los costos de calidad son: Pgina 25 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes o Costos de prevencin capacitacin, documentacin o Costos de evaluacin pruebas e inspecciones o Costos de falla interna fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente Bases de comparacin o Ingresos, costos de transformacin, etc.
Diagrama de Pareto
En la fase de Definicin, el diagrama de Pareto ayuda a seleccionar proyectos y manejar el alcance de este. Diagrama de Pareto o Define la oportunidad del proyecto o Provee el impacto medible de las acciones correctivas
PRCTICA 5. Construccin de un diagrama de Pareto

Instrucciones de Minitab: File > Open worksheet > Exh_qc.mtw Stat > Quality tools > Pareto chart Seleccionar Defects y Counts
Pareto Chart of Defects
400 300 100 80
Counts
60 200 100 0 40 20 0
Defects
g s in is M
Counts Percent Cum %
re Sc
s iss M g in
s ip Cl a Le
59 13.9 78.7
ky
et sk Ga c fe De 43 10.2 88.9
e ti v
i us Ho m co In 19 4.5 93.4
e et pl
rt Pa
r he Ot
274 64.8 64.8
10 2.4 95.7
18 4.3 100.0
Pgina 26 de 97
Percent
Definicin del proyecto

Atacar al problema en general no funciona ya que es fcil equivocarse tratando de hacer todo a la vez
En la prctica, es mas efectivo enfocarse en un componente especfico del problema. Una definicin del problema enfocado describe especficamente que ocurre, cuando o en qu circunstancias ocurre, y/o quien esta involucrado
Identificar CTQs del proceso o Xs para satisfacer CTQs del proyecto Y (Drill Down)
Interrupciones de energa

Y = (X1, X2, X3, X4)
Fallas en los equipos de generacin
Falta de suministro de gas
Fallas en el sistema de agua desmineral. Xs:
Y = (X1, X2)
Mantenimiento preventivo
Mantenimiento predictivo
El alcance del proyecto debe estar limitado a los factores que representan la principal diferencia:
Y = (X1)
Mantenimiento preventivo
Pgina 27 de 97
Ejemplos de seleccin de problemas
Pgina 28 de 97
Justificacin econmica de proyectos Seis Sigma

Anlisis para obtener la aprobacin del proyecto: Identificar los beneficios del proyecto: monto, tiempo, duracin Identificar los factores de costo del proyecto (personal, recursos) as como los gastos del periodo Calcular la ganancia neta por periodo Calcular los ndices financieros (TIR, VPN, etc.) Determinar si el proyecto se implementar (antes de iniciarlo) o si fue benfico (despus de completarlo) Si no da beneficios, pero de todas formas se debe implementar, justificarlo (ambiente, seguridad) PRCTICA 6. Aplicacin del mtodo del valor presente neto y de la tasa interna de rendimiento en la justificacin de proyectos Asumiendo un inters del 15% y costo del equipo de $15,000 Inters Inversin Beneficios Ao 1 Ao 2 Ao 3 Ao 4 Ao 5 0.15 -15,000 5,000 5,000 5,000 5,000 9,000
Pgina 29 de 97
VNA = Valor presente en Excel Fx Financieras = VNA(0.15, rango) VPN = Valor presente neto = VNA costo del equipo = $3,749.48 - Costo del equipo Conclusin: Si VPN es positivo si conviene la inversin Inters Inversin Ao 1 Ao 2 Ao 3 Ao 4 Ao 5 0.15 -15,000 5,000 5,000 5,000 5,000 9,000
TIR = Tasa interna de rendimiento = TIR( rango)= 24% Conclusin: Si el TIR es mayor que la TREMA de la empresa, el proyecto es viable 2. Si un proyecto Seis Sigma requiere una inversin inicial de $400,000 y proporciona rendimientos de $100,000 por ao durante 6 aos, considerando un inters del 15% anual:
Ao 1 Ao 2 Ao 3 Ao 4 Ao 5 Ao 6 100,000 100,000 100,000 100,000 100,000 100,000
a) cul es el periodo de recuperacin sin importar los intereses e impuestos? PR =Inversin inicial / Rendimiento Anual = 400,000 / 100,000 = 4 b) Cul es el valor presente neto de las inversiones? Es adecuado?
VPN = VNA(0.15, C1:C6) - 400000 VNA = 378,448 TIR = 13%

-400000 Ao 1 Ao 2 Ao 3 Ao 4 Ao 5 Ao 6 100,000 100,000 100,000 100,000 100,000 100,000
VPN = -21,551 15%
c) Con la inversin de $400,000 cul es la tasa interna de retorno? =
Pgina 30 de 97
Justificacin con base a costos de operacin Para la CTVM, al disminuir el rgimen trmico consumo de gas natural a niveles ptimos, se reduce el costo de generacin, en pesos por unidad de energa elctrica generada ($/KWh) fortaleciendo su competitividad.
Costo gas consumido / Costo total
100% 80% 60% 40%
20% 0%
(%) CTVM
83.75%
78.78%
83.61%
2005
2006
2007
Anlisis de riesgo en los proyectos

Evaluar reas potenciales de riesgo de negocio como: Cambios en la tecnologa Competencia Falta de materiales Reglamentaciones y problemas de seguridad e higiene Reglamentaciones y problemas ambientales Riesgos asegurables (propiedad, prdidas, responsabilidad legal) Contrato de proyecto Es el compromiso formal del equipo y de la direccin, en la ejecucin del proyecto
Caso de negocio
Descripcin general del problema Alcance Meta medible
Impacto financiero Beneficios estimados Costos estimados
Recursos Nombre, Rol Otros participantes Planes del proyecto
Sigmas
Fechas arranque y final por cada fase DMAIC Eventos parciales a revisar
El contrato del proyecto (Project Charter) debe incluir: Caso de negocio (impacto financiero) Enunciado del problema Alcance del proyecto (lmites) Establecimiento de metas
Pgina 31 de 97
SEIS SIGMA CHAMPIONS Rol de los miembros del equipo Metas intermedias y productos finales Recursos requeridos
Caso del negocio: Resumen de las razones estratgicas para el proyecto. Incluye aspectos de calidad, costo, producto final con justificacin financiera Por qu hacer el proyecto Importancia de hacer el proyecto ahora Consecuencias de no hacer el proyecto Prioridades Importancia del proyecto en relacin a las estrategias de la empresa Aumentar el nivel de servicio de la planta del 95 al 98% Enunciado del problema Detalla el tema que el equipo quiere mejorar, tan descriptivo como sea posible. El tiempo de mantenimiento correctivo planeado para la Unidad 1 es de un mes, lo que impacta en el nivel de servicio del 95% anual Alcance del proyecto Se refiere a los lmites del proyecto o acotaciones. El proyecto se desarrollar durante el mes de diciembre Establecimiento de las metas Una regla comn es la reduccin del 50% en alguna de las mtricas o su mejora en 50% Reducir el tiempo de mantenimiento planeado para la Unidad 1 de un mes a 15 das Roles de los miembros de los equipos Los miembros deben ser gente calificada con la suficiente experiencia para realizar lo establecido en la misin del equipo Definir sus roles, responsabilidades y expectativas
Pgina 32 de 97
PROJECT CHARTER
Incremento de satisfaccin del cliente mediante la mejora del proceso de mantto. a las subestaciones elctricas.
Alcance: Se aplicar al proceso de mantenimiento de los equipos primarios en el Departamento de Subestaciones de la Subrea de
Meta: Reducir en un 50 % el incumplimiento de los horarios programados de libranza, de los equipos primarios.
Justificacin:
El incumplimiento con los horarios programados de libranza, adems de impactar en el aspecto econmico; en primera instancia tiene un impacto muy fuerte en el grado de satisfaccin de nuestro cliente interno. Este proyecto incrementar en 5% el nivel de satisfaccin, a travs de la optimizacin y la reduccin en los tiempos de ejecucin de las actividades de mantenimiento con la consecuente disminucin de costos.
Fecha de inicio: Obstculos:
Febrero, 2008
Fecha de trmino:
Junio , 2008.
Posibles afectaciones por condiciones meteorolgicas, falta de suficiencia presupuestal para modernizacin de equipos, materiales y situaciones sindicales con el personal no previstas.
Supuestos: Libranzas continuas para poder tomar informacin. Colaboradores y Relaciones Clave de Reporte:
Green Belt: Cliente: Champion: Grupos Impactados: Equipo: Asesor Black Belt: Tcnicos Auxiliares Subrea Jefe de la Subrea Zona de Distribucin , Deptos. Tcnicos y Dpto. de Administracin. Depto. De Subestaciones Jefe de Dpto. de Subestaciones
PRCTICA 7. Describir un caso de negocio de ejemplo
Diagrama SIPOC Identifica el flujo de las actividades y fuentes de variacin en el proceso. Incluye proveedores, entradas, procesos, resultados y clientes
Pgina 33 de 97

Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes)
Entradas Procesos y sistemas Salidas
Proveedores
Clientes
Retroalimentacin
Retroalimentacin
Banco de informacin
Ejemplo: Proceso de generacin de energa en una termoelctrica
Proveedores PEMEX Comisin Nacional del Agua
Entradas Gas Agua
Proceso Generacin Termoelctrica
Salidas Entrega de energa elctrica
Clientes CENACE Cliente final
Insumos Gas y Agua
Planta de tratamiento de agua
Generador de Vapor
Turbogenerador
Subestacin
Transmisin
CENACE
Usuario Final
Figura 3.1.10.1.1 Mapa de proceso de primer nivel
PRCTICA 8. Realizar un ejemplo de Diagrama SIPOC de un proceso pequeo o subproceso
Proveedores
Entradas
Pasos grales. del proceso
Salidas
Clientes
Casa de la calidad
Pgina 34 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes QFD es un proceso que relaciona los requisitos de los clientes con los procesos o las caractersticas del producto. QFD/Casa de la Calidad o Representa la voz del Cliente o Alinea CTQs con CTPS y comunica las necesidades del cliente Para crear la Casa de Calidad se deben seguir 7 pasos: o Identificar a los clientes y sus demandas (Qu?), rango de Importancia o Identificar las caractersticas clave o procesos (Cmo?) o Identificar las relaciones de celdas entre Qus y Cmos o Calcular los totales de renglones (Qu?) o Calcular los totales de columnas (cmo?) o Identificar a que aspectos enfocarse (Qu?) y (Cmo?)
CTQ= caracterstica crtica para la calidad, cualquier caracterstica del producto es importante para los clientes. CTP= variable crtica para el proceso, cualquier variable de proceso que afecta significativamente la capacidad de cumplir el CTQ.
Programa de Trabajo
Se realiza para planear las actividades para la solucin del problema, a continuacin se muestran algunos ejemplos:
Pgina 35 de 97
Pgina 36 de 97
III. Seis Sigma Fase de Medicin

Propsitos: Determinar requerimientos de informacin para el proyecto Definir las Mtricas de los indicadores del Proceso Identificar el objetivo de desempeo Desarrollar un Plan de Coleccin de Datos Realizar un Anlisis del Sistema de Medicin (MSA) Llevar a cabo la recoleccin de datos Determinar la capacidad del proceso, lnea base y afinar la meta Salidas Diagnstico de la situacin actual del problema
Mapas de proceso y diagramas de flujo

En la Fase de Medicin, el mapa del estado actual debe de ser creado para: Mostrar detalladamente los pasos del proceso especfico o series de procesos Determinar las fuentes entrantes de variacin y las caractersticas de salida para cada paso o Cules son las entradas? Cuanto pueden variar? o Cules son las salidas? Cunto pueden variar? Identifica cuales son los datos que necesitan ser recopilados
Ejemplos de diagramas de proceso

CICLO AGUA-VAPOR
Tanque alm.
0.5 21 5.4 15.5 46 401 14.5 114 401 4.4 148 480
Desmin.
<1
Condensador.
<5
Calentadores baja presin
Deareador
142 148
Bomba Agua Alimentacin
<0.02
480
4
5 6
Pozo
.086 43 331
Calentadores Alta Presin
140.5
245
37 342 4 292 371
480
Economizador
31 148 142
37
128.7 537
465
<0.3
<0.002
Generador
Turbina Baja Presin

32.9 537
Turbina Presin Intermedia
Turbina Alta Presin

355
Sobre calentador
35.11 449 140 340
428.9
Domo superior
410
40
Recalentador.
Agua de proceso
Agua de atemperacin VSC Agua de atemperacin VRF Vapor de proceso
0 0 0
148
19
Tubos agua caldera
Temperatura C
Slice PPM
Presin Kg/cm2 Flujo Ton/hr
Paredes de Agua
Vapor de extracciones
Conductividad MicroMHOS
Pgina 37 de 97

FLUJO DE AIRE-GAS
%O2 CO CO2 NOx
149
% E. O2: 0.9 1.2
Inclinacin de quemadores
N4
352 Q Q Q Q
N3
RPM 300-1000 Q
32.2
289
Aire
Q Q Q Q
N2
Aire
N1
32.2
Apertura 0-100% RPM 300-1000 50
508
277 8 3.5
Compuertas auxiliares
PEMEX
Caseta
Medicin / reduccin
2
12,600 KCal/Kg
6.66
29.7
Flujo de aire
Flujo de gas Flujo gases de combustin
0
0 0
Temperatura C
Presin Kg/cm 2 Flujo Ton/hr
Pgina 38 de 97
PRACTICA 9. Diagrama de flujo de un proceso pequeo o subproceso
DIAGRAMA DE FLUJO DE PROCESO

Legenda: Operacin Transporte Inspeccin Descripcin de Operacin o evento Espera/retraso Almacenaje
PASO
Operacin o Evento
Evaluacin y Mtodos de anlisis
Matriz de causa efecto Entradas y salidas del proceso Antes de mejorar un proceso, primero debe medirse, identificando sus variables de entrada y de salida, y documentando su relacin en diagramas de causa efecto, matrices de relacin, diagramas de flujo, etc. (1-poca, 3-media, 9-alta relacin)
Salidas A Importancia Ent 1 Ent 2 Ent 3 Ent 4 Ent 5 5 6 2 3 Totales 3 2 7 B 1 C 6 3 4 D 10 6 2 1 4 3 E 4 Res 84 63 25 22 42 236 % 35 27 11 9 18 100
Pgina 39 de 97
Pgina 40 de 97
Recoleccin de datos
Tipos de informacin
Datos Continuos
Datos Discretos
Se obtienen a travs de un sistema de medicin, su utilidad depende de la capacidad del sistema de medicin. Las ocurrencias consistentes se pueden manejar como datos continuos
Incluye porcentajes, conteos, atrib utos y ordinales
Las ocurrencias deben ser independientes
Continuos
Discretos
87
Datos Temperatura de vapor
Fallas de la bomba
Tipo Continuo
Discreto: Porcentaje o cuenta
Tiempo de mantenimiento
Cantidad de contaminantes
Continuo
Continuo
Fallas de Maquinaria
Tiempo del ciclo de arranque

Continuo
Perdida de clientes
Errores en reportes

Discreto: cuenta
Cambios en la agenda o el plan Porcentaje de reportes que tienen que ser rectificados
Discreto: cuenta Discreto: Porcentaje
Comprendiendo la variacin
Qu es la variacin? La diferencia entre las cosas La mayora de las veces la variacin es natural Factores que causan la variacin o Material o Maquinaria o Mano de obra o personal o Mtodo o Naturaleza o Mediciones o La variacin es inherente a todos los procesos Se tienen causas comunes y causas especiales
Pgina 41 de 97
Ejemplos:
Histogramas
Muestra la distribucin de frecuencia de los valores o mediciones
Distribucin normal
La distribucin normal puede ser descrita slo por la media y la desviacin estndar Media es el promedio de todos los datos El rango es la diferencia entre la cantidad mayor y menor La desviacin estndar es aproximadamente igual a 1/6 del rango de los datos, y puede ser calculada por Excel o Minitab
reas bajo la curva de distribucin normal estndar
Pgina 42 de 97
La distribucin normal estndar La distribucin normal estndar es una distribucin de probabilidad que tiene una media de cero y una desviacin estndar de uno. El rea bajo la curva desde menos infinito a ms infinito vale uno. La distribucin normal estndar es simtrica, cada lado tiene una probabilidad o rea bajo la curva de 0.5. La escala horizontal de la curva se mide en desviaciones estndar, su nmero se describe con Z. Para cada valor Z se asigna una probabilidad o rea bajo la curva mostrada en la Tabla de distribucin normal
PRCTICA 11. reas bajo la curva normal estndar a) rea menor a Z1 = -3.1 ms rea mayor a Z2 = 2.9 representando una fraccin defectiva, expresarla en decimal, ppm y porcentaje: En Minitab: Calc> Probability Distributions > Normal Input constant (Z) OK (cumulative prob)
Normal, Mean=0, StDev=1 0.4
Distribution Plot
0.3
Density
0.2
0.1
0.0
-2.4
0 Z
2.8
Excel Fx Estadsticas:
= distr.norm.estand(Z1) +[1 - distr.norm.estand(Z2) ]
b) rea entre Z1 = -1.4 y Z2= 1.9, expresarla en decimal y porcentaje: = distr.norm.estand(Z2) - distr.norm.estand(Z1)
Pgina 43 de 97
Un proceso tiene un lmite de especificacin inferior de 10 psi. Tiene un promedio de 10.50 psi una desviacin estndar de 0.5 psi determinar lo siguiente: a) Fraccin defectiva por debajo de 9.50 psi.
En Minitab: Calc> Probability Distributions > Normal Input constant (Z) Mean 10.50 Standar deviation 0.5 OK (cumulative prob)
En Excel = distr.norm(9.5, 10.5, 0.5, 1)
b) rea entre 10 y 11 psi, expresarla en decimal y porcentaje: Excel Fx Estadsticas. En Excel = distr.norm(11, 10.5, 0.5, 1) - distr.norm(10, 10.5, 0.5, 1)
Anlisis del sistema de medicin

Variacin del sistema de medicin Un error significante puede ser introducido en la medicin de un proceso por medio del sistema de medicin El proceso puede estar en control estadstico pero no as el sistema de medicin y puede introducir una variacin inaceptable
Pgina 44 de 97
Posibles fuentes de variacin

Variacin del proceso
Variacin del proceso, real Variacin del proceso, real
Variacin de la medicin
Variacin dentro de la muestra
Variacin originada Equipo de medicin por el calibrador
Reproducibilidad
Repetibilidad
Estabilidad
Linealidad
Sesgo
Calibracin
Errores de medicin Repetibilidad o La variacin en las mediciones obtenidas con un instrumento de medicin cuando es usado muchas veces por un evaluador mientras mide una caracterstica idntica de la misma parte
Patrn
Valores medidos
Reproducibilidad o La variacin en la medicin obtenida con un instrumento de medicin cuando es usado por varios evaluadores mientras miden una caracterstica idntica de la misma parte.
Pgina 45 de 97
Diferencia entre operadores Reproducibilidad
Minitab: File > Open worksheet > gageaiag.mtw Stat > quality tools > Gage study > Gage R&R study (crossed) Seleccionar Part_numbers Operator Response mediciones Options: Study variation 5.15 (99% de area bajo la curva) Process tolerance: Upper lower 20 OK Estudio de R&R Anlisis de resultados
Gage R&R Study - XBar/R Method

Source Total Gage R&R Repeatability Reproducibility Part-To-Part Total Variation VarComp 0.0000001 0.0000001 0.0000000 0.0000001 0.0000001 %Contribution (of VarComp) 41.00 40.52 0.48 59.00 100.00
% Error R&R debe ser menor Al 10% ya sea para control del Proceso o para producto final. Repetibilidad Instrumento Reproducibilidad - Operador
Study Var %Study Var %Tolerance Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler) Total Gage R&R 0.0002476 0.0012750 64.03 21.25 Repeatability 0.0002461 0.0012675 63.65 21.12 Reproducibility 0.0000269 0.0001384 6.95 2.31 Part-To-Part 0.0002970 0.0015295 76.81 25.49 Total Variation 0.0003867 0.0019913 100.00 33.19 Number of Distinct Categories = 1
Nmero mnimo 4
111
El error de R&R vs tolerancia es 64.03% y vs variacin total del proceso es 21.25% lo que hace que el equipo de medicin no sea adecuado para la medicin.
Pgina 46 de 97
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.
Gage R&R (Xbar/R) for Datos

G age name: D ate of study :
Components of Variation
80
La grfica R se mantiene en control indicando que las mediciones se realizaron en forma adecuada. La grfica X barra slo presenta 5 de 30 puntos fuera de control, Reported by : ser al menos el 50%, indicando debera T olerance: M isc: no discrimina las diferentes partes. que el equipo
Datos by Partes
% Contribution % Study Var % Tolerance
0.006 0.005 0.004
Percent
40
Gage R&R
Repeat
Reprod
Part-to-Part
5 6 Partes
10
R Chart by Operadores
1 2 3
Datos by Operadores
UCL=0.001073 0.006 0.005 0.004 1 2 Operadores 3
Sample Range
0.0010 0.0005 0.0000
_ R=0.000417 LCL=0
Xbar Chart by Operadores

1 2 3 UCL=0.005143 _ X=0.004717 LCL=0.004290 0.0040 0.0050 0.0045 0.0040 1 2 3 4
Operadores * Partes Interaction

O pera dores
Sample Mean
Average
0.0050 0.0045
1 2 3
P10
5 6 Partes
10
Grficas y cartas de datos

Las grficas de barras pueden ser usados para mostrar una variable vs el Tiempo
Las grficas de series de tiempo pueden ser usadas para mostrar la variacin vs el Tiempo e identificar si se presenta cierta tendencia o estacionalidad
Pgina 47 de 97

Variable dependiente del tiempo
El corrimiento en las mediciones Indica que estn presentes variables dependientes del tiempo
106
Rgimen trmico U-1 CTVM Kcal/KWh

2654
2652 2651.41 2649.29 2647.22
2650
2648 2646 2644 2642 2640 2638 2636 2634 2640.00 2641.10
2646.69
2644.71
2645.77 Rgimen Trmico
Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08
Un histograma tambin sirve para identificar si el comportamiento de una variable es normal (P value < 0.05):
Summary for Julio
A nderson-Darling N ormality Test A -S quared P -V alue M ean S tDev V ariance S kew ness Kurtosis N M inimum 1st Q uartile M edian 3rd Q uartile M aximum 2640.9 2640.2 0.25 0.720 2644.3 9.3 87.3 -0.171999 -0.607477 31 2623.8 2638.6 2643.1 2651.8 2661.1 2647.7 2649.9 12.5
2630
2640
2650
2660
95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 7.5
95% Confidence Intervals

Mean Median 2640 2642 2644 2646 2648 2650
Pgina 48 de 97
PRACTICA 12. Grficas de series de tiempo Minitab: 1 File > Open worksheet > NEWMARKET.MTW. 2 Graph > Time Series Plot or Stat > Time Series > Time Series Plot. 3 Simple, click OK. 4 En Series, SalesB. 5 Click Time/Scale. 6 En Time Scale, seleccionar Calendar. Y seleccionar Quarter Year. 7 Para valores iniciales en Quarter, 1. En Year, 2000. 8 Click OK en cada cuadro de dilogo.
Time Series Plot of SalesB

240 220 200 180 160 140 120 100 Quarter Year Q1 2000 Q2 Q3 Q4 Q1 2001 Q2 Q3 Q4 Q1 2002 Q2 Q3 Q4
Cartas de control
Qu es el CEP? Control Estadstico del Proceso o Control: Hacer que un proceso se comporte como queramos que se comporte. o Estadstico: Con la ayuda de nmeros o Proceso: Medimos y controlamos las caracterstica crticas (CTQs) del proceso identificadas por los clientes Tipos de variacin:
SalesB
Pgina 49 de 97
Causas comunes:
Causas especiales de variacin:
El resultado de causas naturales, diferencias esperadas entre productos o servicios Una vez que las causas especiales o asignables estn en control, se pueden observar las causas comunes
El resultados de causas no naturales o asignables: Si es una causa asignable o especial puede ser controlada
Se pueden identificar causas asignables aisladas Es ms influyente que una causa de variacin comn
Pgina 50 de 97
Tipos de Variacin
12.5 11.5
Lmite Superior de Control
Variacin Causas comunes
10.5 9.5 8.5

Lnea Central
Lmite Inferior de Control
Lmite inf. de especs.
Lmite sup. de especs.
7.5 0 10 20 30
Variacin Causas especiales

Objetivo
Lmite inf. de especs.
102
Lmite sup. de especs.
Objetivo
100
94
Patrones de anormalidad en la carta de control

Escuche la Voz del Proceso
M E D I D A S C A L I D A D
Regin de control, captura la variacin natural del proceso original
LSC
LIC
Tendencia del proceso (7P) Causa Especial

identifcada
Corrida del Proceso (7P)

TIEMPO
Propsito de la carta de control Monitorea la caracterstica clave de calidad del producto (CTQs) Permite la deteccin de las causas inusuales de variacin entes de que se salga de la especificacin del producto Provee el historial y estabilidad del proceso as como la operacin esta trabajando ahora. Cuando no hay causas especiales presentes, el proceso esta trabajando apropiadamente, es predecible, el proceso puede estar en control
Pgina 51 de 97
Ejemplo del consumo de Gas

I-MR Chart of Julio
2670 U C L=2671.69
Individual Value
2655 2640 2625 LC L=2616.87 2610 3 6 9 12 15 18 O bser vation 21 24 27 30 _ X=2644.28
U C L=33.68 30
Moving Range
20 __ M R=10.31
10
0 3 6 9 12 15 18 O bser vation 21 24 27 30
LC L=0
Grfica de Control Rgimen Trmico Kcal/KWh a Feb-08)

2740 2720 2700 2680 2660 2640 2620 2600 2580 2560 2540 2520 2500
U-1 CTVM (Jul-07
LCS
Rgimen trmico Kcal/KWh
Promedio
LCI
Diseo de la Unidad 50% carga
En este caso: Para el rgimen trmico el proceso es normal y est en control estadstico La Unidad 1 de la Central Termoelctrica Valle de Mxico, en el perodo observado (50% de carga), no est cumpliendo con las especificaciones de diseo del Rgimen Trmico de 2,560 Kcal/KWh. Se comprueba la definicin del proyecto rea de oportunidad de mejorar la eficiencia trmica de la Unidad 1 de la CTVM buscando alcanzar los niveles de diseo.
Pgina 52 de 97
PRACTICA 13. Carta de control de lecturas individuales para parmetros del proceso I-MR: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Control charts > variable chart for Individuals > I-MR. 3 Variable Weight, click OK.
I-MR Chart of Weight

1050
1 1 1 1
Individual Value
1000 950 900 850 1 5 9 13

1 1
U C L=1010.9
_ X=936.9
LC L=862.8 29 33 37 41 45
17
21 25 O bser vation
1
100
M oving Range
U C L=91.0
75 50 25 0 1 5 9 13 17 21 25 O bser vation 29 33 37 41 45 __ M R=27.8 LC L=0
Capacidad del proceso

Mide y cuantifica el desempeo del proceso y productos para cumplir con las especificaciones (tanto Cp y Cpk) Identifica reas que requieren atencin y mejora Ayuda a construir un plan de accin soportado por datos Proporciona una mtrica comn para comparar procesos o desempeo del producto entre departamentos y plantas
Pgina 53 de 97
Identifica oportunidades de mejora para eliminar Muda Establece la lnea base
Teora del camin y el tnel

El tnel tiene 9' de ancho (especificacin). El camin tiene 10 y el chofer es perfecto (variacin del proceso). Pasara el camin? NO, la variabilidad del proceso es mayor que la especificacin. Centrar es hacer que el promedio del proceso sea igual al centro de la especificacin. Si el camin tiene 8 pies de ancho pasar el camin?, Si. Si el chofer puede mantener el centro del camin en el centro del tnel. De otra forma chocar con las paredes del tnel y no pasar a pesar de ser ms angosto. El proceso debe estar en control, tener capacidad y estar centrado
Ancho 9 Nigels Trucking Co.
Qu es la capacidad del proceso? La capacidad del proceso indica que tan bien una mtrica se esta desempeando vs los estndares establecidos. Se asume que el proceso de la mtrica o parmetro es estable, permite predecir la probabilidad de que el valor de la mtrica est fuera de los estndares establecidos.
Especificaciones superior e inferior
LIE Dentro de de especs. especs.
Slo especificacin superior

LSE Fuera de especs.
Fuera de especs.
LSE
Fuera de especs. Dentro de especs.
120
La capacidad potencial (Cp) es funcin de que tan disperso est el proceso, independientemente del centrado
Pgina 54 de 97
La capacidad real (Cpk) es una funcin de que tanto est centrada el proceso y de su dispersin
Ahorros simplemente centrando el proceso, sin cambiar la variabilidad
Ahorros al reducir la variacin y centrar el proceso, eliminando desperdicio
Pgina 55 de 97
PRACTICA 14. Capacidad del proceso con base en carta de control de Medias Rangos XR para variables del proceso: Minitab: 1 File > Open worksheet > Exh_qc.MTW. 2 Stat > Quality tools > Capability analysis > Normal 3 Single column > Weight, Subgroup size 5, 4 Lower Spec 800 Upper Spec 1100 5 Estimate seleccionar Rbar OK.
49
Process Capability of Weight
LSL
Process Data LSL 800 Target * USL 1100 Sample Mean 936.889 Sample N 45 StDev (Within) 31.5277 StDev (O v erall) 45.8045
USL Within Overall

Potential (Within) C apability Cp 1.59 C PL 1.45 C PU 1.72 C pk 1.45 O v erall C apability Pp PPL PPU Ppk C pm 1.09 1.00 1.19 1.00 *
El proceso es capaz de cumplir especificaciones Su Cpk es mayor a 1.33 Con 7 ppm

Mtricas Seis Sigma
800
O bserv ed Performance PPM < LSL 0.00 PPM > USL 0.00 PPM Total 0.00
850
900
950
1000
1050
1100
Exp. Within Performance PPM < LSL 7.06 PPM > USL 0.11 PPM Total 7.18
Exp. O v erall Performance PPM < LSL 1401.55 PPM > USL 184.70 PPM Total 1586.25
Motorola not que muchas operaciones en productos complejos tendan a desplazarse 1.5 sobre el tiempo, por tanto un proceso de 6 a la larga tendr 4.5 hacia uno de los lmites de especificacin, generando 3.4 DPMOs (defectos por milln de oportunidades)
Pgina 56 de 97
Corrimiento de 1.5 sigmas
Pgina 57 de 97
Por qu usar una mtrica Sigma del proceso? Indicador ms sensible que el porcentaje Se enfoca a los defectos o Siempre que un defecto refleje una falla a los ojos de los clientes Las mtricas comunes hacen las comparaciones ms fciles o Por ejemplo, cul de los siguientes procesos se comporta mejor?
Pgina 58 de 97
IV. Seis Sigma - Fase de Anlisis

Propsitos: Establecer hiptesis sobre las posibles Causas Raz (Xs que afectan a Y) Refinar, rechazar, o confirmar la Causa Raz Seleccionar las Causas Raz ms importantes (Las pocas Xs vitals) Salidas: Causas raz validadas Factores de variabilidad identificados
Generacin de Causas potenciales

Tormenta de ideas
Tormenta de ideas es un mtodo de generacin de muchas ideas rpidas o Fomenta la creatividad o Involucra a todos o Genera energa o Separa personas de las Ideas que sugieren Usos en la fase de anlisis o Use la tormenta de ideas para generar muchas causas potenciales del problema definido en la fase de medicin Use 5 Ws para encontrar las causas raz Pregunta clave
Los 5 Por qus

Para sacar las causas raz, empieza con el enfoque del problema y empieza a preguntar Por qu? Cinco veces
Diagrama de causa efecto

El diagrama Causa y efecto es usado cando se tienen el problema enfocado para identificar todas las causas potenciales del problema. Un diagrama causa y efecto proveer: o Un camino fcil para identificar todas las causas posibles o Una vista organizada de todas las posibles causas o Entendimiento de las relaciones entre las posibles causas o Diferenciar entre las causas raz y las causas percibidas
A continuacin se muestran algunos ejemplos de diagramas de causa efecto con su comprobacin de causas raz:
Pgina 59 de 97

Tratamiento de agua Insumos
% fuga de aire Productos qumicos PH Calidad de agua Calidad de agua Agua de enfriamiento Conductividad
Slice Azufre Humedad

Generador de vapor
Precalentador Temp. gases salida Temp. de agua entrada
Economizador
Agua negra tratada Agua Agua de pozo Poder Calorfico Gas
Temperatura Sobrecalentador Flujo, presin, temp. Atemp. Exceso O2 Compuertas auxiliares

Recalentador
Flujo, presin, temp. atemp Suciedad Flujo, presin
Gas a quemadores Inclinacin de quemadores
Amperaje y nmero de ventiladores
Entrada de aire Suciedad Torre de enfriamiento Nivel de pileta

Cargas Trmica
Temp. Agua fra Turbina, API, PI y BP
Calidad de vapor, temperatura, presin Eficiencia
Precio competitivo Rgimen Trmico Kcal/Kw h
Vacio del condensador

Huelgos de alabes
Gasto y presin de agua
Presin diferencial
Presin diferencial filtros
Bombas circulacin agua Presin de descarga
Huelgos Calidad de mantenimiento Apertura de alabes
Factor de planta
Temperatura ambiente
Suciedad
Auxiliares principales
Turbina
Volumen de energa elctrica entregada
Comprobacin de causas con DOE

# Exp % O2 1 1 2 0.8 0.8 C.A. N1 2 20 20 C.A. N2 3 20 20 C.A. N3 4 20 40 C.A. N4 5 20 40 Inclinacin Temperatura Quemadores Vapor 6 -30 0 7 537 542
Orden de Experimentacin 2 5
3 4
5 6 7
0.8 0.8
1.2 1.2 1.2
40 40
20 20 40
40 40
40 40 20
20 40
20 40 20
20 40
40 20 40
0 -30
-30 0 0
542 537
542 537 537
6 8
1 4 3
1.2
40
20
40
20
-30
542
Pgina 60 de 97
Los niveles de operacin recomendados son: Considerando los resultados anteriores y la recomendacin obtenida por el ANOVA y ANOM, se encontraron los niveles de operacin que reducen el rgimen trmico. Los niveles de operacin recomendados se muestran en la siguiente tabla.
Factor Inclinacin de quemadores Porcentaje de exceso de O2 Compuertas auxiliares N2 Compuertas auxiliares N3 Compuertas auxiliares N1 Compuertas auxiliares N4 Temperatura de vapor
Otro Ejemplo:
Condicin 0 1.2 40 40 40 40 542
Se elabora un diagrama de relacin para identificar relaciones entres causas potenciales e identificar la causa raz:
Pgina 61 de 97
Comprobacin de causas reales:
Pgina 62 de 97
Anlisis de regresin
T piensas qu hay relacin entre dos variables? Qu tan fuerte es la relacin? Una puede ser usada para predecir la otra?
Correlacin: es una medida de que tanto estn dos variables correlacionadas
Regresin: Es la ecuacin matemtica que describe la relacin
La regresin puede tomar varias formas
Con Minitab se puede obtener una regresin lineal como la siguiente:
PRCTICA 15. Correlacin y regresin en Minitab La presin vs la temperatura se muestra continuacin para un da en especial: o Seleccionar Stat > Regression > Fitted line plot o Response (Y) presin Predictor (X) Temp Linear OK
Pgina 63 de 97
Presin 1.2 0.8 1.0 1.3 0.7 0.8 1.0 0.6 0.7 1.1 0.9
Temp 101 92 110 120 90 82 93 75 85 96 91
Presin = - 0.4972 + 0.01504 Temp 1.4 1.3 1.2 1.1

S R-Sq R-Sq(adj) 0.122070 73.0% 70.0%
Fitted Line Plot
Presin
1.0 0.9 0.8 0.7 0.6 70 80 90 Temp 100 110 120
La R-sq (R cuadrada) indica si la correlacin es lo suficientemente fuerte para predecir al relacin entre dos variables R-sq de 80% o ms es una buena correlacin
Pgina 64 de 97
SEIS SIGMA CHAMPIONS Tratar de extrapolar ms all de los datos es riesgoso:
Correlations: Presin, Temp Pearson correlation of Presin and Temp = 0.854 P-Value = 0.001
Pgina 65 de 97
QFD
FASE DE ANLISIS
Diagrama Causa Efecto
Diagrama de relaciones Diagrama de Ishikawa Diagrama de rbol
Definicin Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medicin Y, X1, X2, Xn X's Causas potenciales
Anlisis del Modo y Efecto de Falla (AMEF)
Pruebas de hiptesis Diagrama de Flujo del proceso X's vitales No Causa Raz? Si Causas raz validadas
Anlisis del modo y efecto de falla (FMEA)

El Anlisis Efecto Modo Falla es una metodologa para evaluar un sistema, diseo, proceso o servicio y mquinas, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos que puedan ocurrir.
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. 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
Existen tres componentes que ayudas a priorizar las fallas o problemas: Ocurrencia (O): Frecuencia de la falla. Severidad (S): Los efectos de la falla. Pgina 66 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes Detencin (D: Es la habilidad para detectar la falla antes de que llegue al cliente. El resultado de un AMEF es: Una lista de modos de falla potencial calificados por un RPN. Una lista de caractersticas crticas y/o significativas potenciales. Una lista de acciones recomendadas dirigidas a las caractersticas crticas o significativas potenciales. Una lista de eliminacin de causas de modo de falla potenciales, reduccin de la ocurrencia, mejora de la deteccin de defectos. Ejemplo del uso del AMEF en Mantenimiento:
Ejemplo del uso del AMEF en Mantenimiento:
Pgina 67 de 97
PRCTICA 16. Llenado de AMEF de maquinaria
M FMEA LISTAS
ESCALA DE SEVERIDAD
10 Peligroso sin aviso 9 Peligroso con aviso 8 Muy alto (Tiempo muerto - 8 hrs, Defectos - 4 hrs) 7 Alto (Tiempo muerto - 4-8 hrs, Defectos - 2-4 hrs) 6 Moderado (Tiempo muerto - 1-4 hrs, Defectos - 1-2 hrs) 5 Bajo (Tiempo muerto - 0.5-1 hrs, Defectos 0-1 hrs) 4 Muy bajo (Tiempo muerto- 10-30 min., 0 Defects) 3 Menor (Tiempo muerto - 0-10 min., 0 Defectos) 2 Muy Menor (0 Tiempo muerto, 0 Defects) 1 Ninguno
OCCURENCE SCALE 10 1 en 1 hora, 1 en 90 ciclos 9 1 en 8 horas, 1 en 900 ciclos 8 1 en 24 horas, 1 en 36,000 ciclos 7 1 en 80 horas, 1 en 90,000 ciclos 6 1 en 350 horas, 1 en 180,000 ciclos 5 1 en 1,000 horas, 1 en 270,000 ciclos 4 1 en 2,500 horas, 1 en 360,000 ciclos 3 1 en 5,000 horas, 1 en 540,000 ciclos 2 1 en 10,000 horas, 1 en 900,000 ciclos 1 1 en 25,000 horas, 1 en >900,000 ciclos DETECTION SCALE 10 Absolutamente Imposible 9 Muy remoto 8 Remoto 7 Muy bajo 6 Bajo 5 Moderado 4 Moderadamente Alto 3 Alto 2 Casi seguro 1 Seguro
Pgina 68 de 97
Pgina 69 de 97
Pgina 70 de 97
Pruebas de Hiptesis
Por qu usar la Prueba de Hiptesis? Se usa para probar si dos grupos son realmente diferentes (estadsticamente significativo) o si la diferencia es debida a la variacin natural o El primer turno se desarrolla mejor que el segundo turno?
Para realizar la prueba se deben comprender las hiptesis: La hiptesis nula o H0= No hay diferencia entre los grupos La hiptesis alternativa o Ha= los grupos son diferentes La hiptesis nula, o por omisin, establece siempre que no hay diferencia entre los grupos. P-Value: Si P 0.05, se rechaza la H0 y se acepta la Ha ( los grupos son diferentes) Tipos de pruebas de hiptesis
Prueba de hiptesis Prueba t 1 muestra Prueba t dos muestras Prueba Z 1 muestra ANOVA (Prueba F) Propsito Compara una media muestral a la media histrica u objetivo Compara las medias de dos grupos independientes Compara una media muestral a la media poblacional u objetivo Compara dos o ms medias de grupos
Prueba de igualdad de varianzas

ANOM
Compara dos o ms varianzas de grupos

Compara dos o ms medias de grupos a la media general de todos los grupos Compara dos o ms proporciones de grupos
Prueba Chi Cuadrada
Pgina 71 de 97
PRCTICA 17. Prueba de Hiptesis

Se evalan los tiempos de accin para dos formulaciones desincrustantes qumicas, interesa la comparacin de las medias de los tiempos para tomar decisiones, probar a un 95% de nivel de confianza si una formulacin tarda menos que la otra (en caso de que P value <= 0): Form_1 Form_2 650 810 570 660 820 820 670 590 750 700 540 610 730 490 550 460 590 640 720 690
A un 95% de nivel de confianza (alfa es 5% o 0.05), Realizar una prueba de igualdad de medias y sacar conclusiones Minitab: Ho: Media form_1 = Media form_2 Ha: son diferentes Stat > Basic statistics >2- Samples t Seleccionar Samples in different columns First Form_1 Second Form_2 Seleccionar Assume equal variances Options: Conf. Level 95 Test Difference 0.0 Alternative Not equal Grpahs: Individual value plots OK OK
Como el valor P 0.025
es menor
que 0.05, o el cero NO est en el IC (14.5, 189.5)
Se concluye que Las medias de las formulaciones son diferentes ( La form_1 es mayor)
Pgina 72 de 97
SMED
Reduccin de los tiempos de preparacin y ajuste
Operaciones internas vs externas Internas o Puede ser hecha cuando la mquina est apagada o Ejemplo: las mangueras solo pueden ser cambiadas cuando la mquina este parada Externas o Pueden ser hechas cuando la mquina est trabajando o Ejemplo: el material y refacciones pueden ser preparados mientras la mquina est trabajando Pasos para reducir los tiempos de preparacin Estudiar el proceso o Estudio de tiempos y movimientos, videotape, entrevistas Identificar actividades internas y externas o Listar cada actividad, clasificarlas en internas y externas Convertir actividades internas a externas o Pensar fuera de la caja Alinear las actividades de preparacin y ajuste o Eliminar / combinar actividades o Repetir el proceso
Pgina 73 de 97
V. Seis Sigma - Fase de Mejora

Propsito: o Desarrollar, probar e implementar soluciones que atiendan a las causas raz Salidas o Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raz identificadas o Comparaciones de la situacin antes y despus para identificar la dimensin de la mejora, comparar los resultados planeados (meta) contra lo alcanzado
FASE DE MEJORA
Causas raz Diseo de experimentos Optimizacin Ideas Tcnicas de creatividad Tormenta de ideas Metodologa TRIZ
Efecto de X's en las Y = CTQs
Generacin de soluciones
Evaluacin de soluciones (Fact., ventajas, desventajas)
No
Solucin factible? Si
Implementacin de soluciones y verificacin de su efectivdad
Soluciones verificadas
Diseo de Experimentos
El cambiar un factor a un tiempo presenta las desventajas siguientes: o Se requieren demasiados experimentos para el estudio o No se puede encontrar la combinacin ptima de variables o No se puede determinar la interaccin o Se puede llegar a conclusiones errneas o Se puede perder tiempo en analizar las variables equivocadas
Pgina 74 de 97
Qu es un diseo de experimentos?
Cambios deliberados y sistemticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta).
Entradas
Salidas (Y)
Proceso
Diseo de experimentos
Factores conocidos no controlados w1 w2 w3 w4 ... ws
E N T R A D A S
x1
x2 . . . xa
Factores de control con niveles (xs)
PROCESO
z1 z2 z3 z4 . . . zn Factores desconocidos
S A L I ym D A Variables de respuesta (ys) S (CTQs)
y1
y2 . . .
147
Pasos del DOE: Establecer objetivos Seleccionar variables del proceso Seleccionar un diseo experimental Ejecutar el diseo Verificar que los datos sean consistentes con los supuestos experimentales Analizar e interpretar los resultados Usar / presentar los resultados
Diseo factorial 2K
Los diseos factoriales completos: o Prueba todas las combinaciones de condiciones de los factores o Son fciles de seguir por su patrn repetitivo
Pgina 75 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes o Producen informacin de los efectos factoriales de 4 o ms veces la que produce un factor a la vez o Pueden identificar y ayudar a comprender las interacciones entre factores o Son fciles de analizar o Pueden cuantificar las relaciones entre las Xs y las Ys producen una ecuacin
Factorial completo incluye todas las combinaciones posibles, para 3 factores con 2 niveles, hay 2x2x2 = 8 combinaciones. 2 x 2 x 2 es escrito 23. El 3 indica el nmero de 2s multiplicados juntos. Para 3 factores hay 23 = 8 posibles combinaciones de factores Las interacciones son importantes el efecto del factor A depende del factor B y C
DOE Grficas de efectos principales

La grfica de efectos principales es una forma eficiente de ver los cambios en el promedio de La respuesta (Y) con cada factor
Main Effects Plot (data means) for Res
-1
-1
90
88
Res
86
84
82 A B
Efecto significativo
Efecto NO significativo
Pgina 76 de 97
SEIS SIGMA CHAMPIONS DOE grficas de interacciones

Interaction Plot (data means) for Res
A -1 1 90
Mean
85
80
-1
Interaccin significativa
Nota: No es significativo Cuando las lneas son Casi paralelas
El factor A y el B indican interaccin significativa, dadas las diferentes pendientes de las lneas rectas que unen sus niveles.
Tipos comunes de Diseo de experimentos

Diseo fraccional de dos niveles de filtraje o Se usa para identificar las pocas Xs desde muchos factores potenciales Diseos factoriales completos o fraccionales 2K de alta resolucin : o Usado para ayudar a un equipo a entender cmo actan los factores principales juntos para influir en la respuesta Diseo robusto o Diseos de Taguchi o Usado para estudiar el efecto de los factores no solo en el promedio sino en la variacin de la respuesta Y Metodologa de superficie de respuesta o Usado para determinar los ajustes ptimos para factores principales Operacin Evolutiva (EVOP) o Se usa para experimentar en un proceso mientras esta en lnea. Si los cambios en los niveles de factores se hacen dentro de los lmites de especificacin, siempre se cumple con los requerimientos de los clientes Diseo de experimentos de Mezclas o Se usa para optimizar los porcentaje de ingredientes en una mezcla qumica
Diseos de experimentos de Taguchi

Objetivo: obtener la mayor cantidad de informacin con un mnimo de corridas de experimentacin industrial, cambiando los niveles de varios factores a la vez . Dar prioridad a los factores principales, ya que las interacciones son difciles de manejar y por eso deben de considerarse como factores de ruido.
Pgina 77 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes Las interacciones a probar deben de ser conocidas altamente probables. Si las interacciones altamente significativas no son incluidas, se generar una confusin Se deben de analizar los datos mediante la razn seal a ruido, detectando con ello las combinaciones de los factores de control que generan un proceso robusto.
PRACTICA 17. Diseo de experimentos de Taguchi

El experimento se dise utilizando Arreglos Ortogonales. Los factores seleccionados con sus niveles son: Niveles Factores Porcentaje de exceso de O2 Compuertas auxiliares N1 Compuertas auxiliares N2 Compuertas auxiliares N3 Compuertas auxiliares N4 Inclinacin de quemadores Temperatura Vapor SC. a Turbina N1 0.8 20 20 20 20 -30 N2 1.2 40 40 40 40 0
537
542
Figura 3.4.2 Tabla de factores de experimentacin con sus niveles El Arreglo Ortogonal seleccionado fue el L8 2^7 La asignacin de los factores al arreglo y el orden (aleatorio) de experimentacin es el siguiente:
1 1 1 1 1 1 1 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 2 2 1 1 2 2 1 2 Figura 3.3.1.4.2 Tabla del arreglo ortogonal
1 2 1 2 2 1 2 1
1 2 2 1 1 2 2 1
1 2 2 1 2 1 1 2
Sustituyendo niveles reales no codificados, el arreglo queda como:
Pgina 78 de 97

# Exp 1 2 3 4 5 6 7 8 % O2 1 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2 C.A. N1 2 20 20 40 40 20 20 40 40 C.A. N2 3 20 20 40 40 40 40 20 20 C.A. N3 4 20 40 20 40 20 40 20 40 C.A. N4 5 20 40 20 40 40 20 40 20 Inclinacin Quemadores 6 -30 0 0 -30 -30 0 0 -30 Temperatura Vapor 7 537 542 542 537 542 537 537 542

Orden de Experimentacin 2 5 6 8 1 4 3 7
Figura 3.4.3 Arreglo ortogonal con orden de experimentacin
Paso 1. Para darlo de alta en Minitab, se copia la tabla de los factores nicamente, o sea:
% O2 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 20 20 20 20 20 20 40 40 40 40 20 20 40 40 40 40 20 40 20 40 20 40 40 20 40 20 20 40 40 20 40 20 Inclinacin Temperatura Quemadores Vapor -30 537 0 542 0 542 -30 537 -30 542 0 537 0 537 -30 542
Paso 2. Se ejecuta la siguiente instruccin en Minitab:
Pgina 79 de 97
SEIS SIGMA CHAMPIONS Dr. Primitivo. Reyes Paso 3. Posteriormente se corren los 8 experimentos en el orden aleatorio 2, 5, 6, 8, 1, 4, 3 y 7 para minimizar el error experimental y se obtienen los resultados. Esta columna de resultados se introduce a Minitab como sigue:
FACTORES PARA EXPERIMENTACION Inclinacin Quemadores -30 1 0 2 0 2 -30 1 -30 1 0 2 0 2 -30 1 Temperatura Vapor 537 1 542 2 542 2 537 1 542 2 537 1 537 2 542 1
% O2 0.8 1 0.8 1 0.8 1 0.8 1 1.2 2 1.2 2 1.2 2 1.2 2 Media Global
C.A. N1 20 1 20 1 40 2 40 2 20 1 20 1 40 2 40 2
C.A. N2 20 1 20 1 40 2 40 2 40 2 40 2 20 1 20 1
C.A. N3 20 1 40 2 20 1 40 2 20 1 40 2 20 1 40 2
C.A. N4 20 1 40 2 20 1 40 2 40 2 20 1 40 2 20 1
Resultados
Resultados
2668.02
2668.02 2600.72 2612.76
2600.72
2612.76
2640.88 2627.36 2583.98 2591.12
2640.88
2627.36
2583.98
2628.82
2591.12
2628.82 2619.21
Paso 4. Ahora se analiza el diseo con:
Seleccionar la respuesta Resultados
Pgina 80 de 97
En Analysis seleccionar en Fit linear model for Signal to noise ratios y means En Options seleccionar Smaller is Better ya que se busca minimizar la respuesta
Paso 5. Las grficas obtenidas de Relacin Seal a Ruido son las siguientes:
Main Effects Plot for SN ratios
Data Means
% O2 -68.30 -68.35 -68.40 C .A . N 1 C .A . N 2
Mean of SN ratios
0.8 C .A . N 3 -68.30 -68.35 -68.40 20 -68.30 -68.35 -68.40 537
1.2
20 C .A . N 4
40
20
40
Inclinacin Q uemadores
40
20
40
-30
Temperatura V apor
542
Signal-to-noise: Smaller is better
En esta se seleccionan los niveles que proporcionen la mayor S/N (%O2 = 1.2 y Inclinacin quemador = 0). Y para las medias coinciden los mismos niveles que para S/N:
Pgina 81 de 97

Main Effects Plot for Means
Data Means
% O2 2640 2620 2600 C .A . N 1 C .A . N 2
Mean of Means
0.8 C .A . N 3 2640 2620 2600 20 2640 2620 2600 537
1.2
20 C .A . N 4
40
20
40
Inclinacin Q uemadores
40
20
40
-30
Temperatura V apor
542
Paso 6. En resumen se pueden sugerir los niveles siguientes para los factores, con objeto
de minimizar el consumo de combustible:
Los niveles de operacin recomendados se muestran en la siguiente tabla:
Factor
Inclinacin de quemadores Porcentaje de exceso de O2 Compuertas auxiliares N2 Compuertas auxiliares N3 Compuertas auxiliares N1 Compuertas auxiliares N4 Temperatura de vapor
Condicin
0 1.2 40 40 40 40 542
Figura 3.4.2.3 Tabla de los parmetros recomendados
Paso8. Con los coeficientes de prediccin anteriores se establece la prediccin de la

respuesta esperada:
Ecuacin de prediccin
Estimated Model Coefficients for Means Term Coef Constant 2619.21 % O2 0.8 11.39 C.A. N1 20 0.81 C.A. N2 20 2.96 C.A. N3 20 5.61 C.A. N4 20 4.19 Inclinac -30 22.06 Temperat 537 1.79
opt y ( A2 y ) ( B2 y ) (C2 y ) ( D2 y ) ( E2 y ) ( F2 y ) (G2 y )

mopt = 2619.21 + (2607.82 - 2619.21) + (2618.4 - 2619.21) + (2616.252619.21) + (2613.6 -2619.21) + (2615 - 2619.21) + (2597.15 - 2619.21) + (2617.42 - 2619.21) mopt = 2570.4
Pgina 82 de 97
Dr. Primitivo. Reyes Prediccin de resultados:
Paso 8. Usar lo siguiente para la
Pgina 83 de 97
Se seleccionan UNCODED values todos en nivel alto (2)
La prediccin obtenida es la siguiente: Predicted values

S/N Ratio -68.2022 Mean
2570.40
Factor levels for predictions % O2 1.2 C.A. N1 40 C.A. N2 40 C.A. N3 40 C.A. N4 40 Inclinacin Quemadores 0 Temperatura Vapor 542
Pgina 84 de 97
Tcnicas de creatividad SCAMPER

Sustituir, Combinar, Adaptar, Modificar o ampliar, Poner en otros usos, Eliminar, Revertir o re arreglar Involucrar al cliente en el desarrollo del producto qu procedimiento podemos sustituir por el actual? cmo podemos combinar la entrada del cliente? Qu podemos adaptar o copiar de alguien ms? Cmo podemos modificar nuestro proceso actual? Qu podemos ampliar en nuestro proceso actual? Cmo puede apoyarnos el cliente en otras reas? Qu podemos eliminar en la forma de inv. Del cliente? qu arreglos podemos hacer al mtodo actual?
Lista de atributos
Dividir el problema en partes. Por ejemplo para una linterna
Componente Cuerpo Interruptor Atributo Plstico Encendido/Apagado Metal Encendido/Apagado /luminosidad media Ideas
Batera
Bombillo Peso
Corriente
de Vidrio Pesado
Recargable
Plstico Liviano
Anlisis morfolgico
Conexiones morfolgicas forzadas
Ejemplo: Mejora de un bolgrafo

Cilindrico Material Tapa
Tapa pegada
Fuente de Tinta
Sin repuesto
De mltiples Metal caras
Cuadrado
Vidrio
Sin Tapa Retrctil Tapa desechable
Permanente Repuesto papel de
En forma de Madera cuentas En forma de Papel escultura
Repuesto hecho de tinta
Pgina 85 de 97
Los Seis Sombreros de pensamiento
Dejemos los argumentos y propuestas y miremos los datos y las cifras. Exponer una intuicin sin tener que justificarla
Juicio, lgica y cautela Mirar adelante hacia los resultados de una accin propuesta Interesante, estmulos y cambios
Visin global y del control del proceso
162
TRIZ
Hay tres grupos de mtodos para resolver problemas tcnicos: o Varios trucos (con referencia a una tcnica) o Mtodos basados en utilizar los fenmenos y efectos fsicos (cambiando el estado de las propiedades fsicas de las substancias) o Mtodos complejos (combinacin de trucos y fsica)
Las 40 herramientas de TRIZ
Pgina 86 de 97
Evaluacin de soluciones
Implantacin de soluciones !!!! HACERLO !!!!
Pgina 87 de 97
Verificando mejoras
Una vez que las mejoras han sido identificadas e implementadas, los resultados deben ser verificados usando datos del estado anterior y del estado posterior de la implementacin. Prueba de hiptesis o Prueba t 2 muestras o Prueba de igualdad de varianzas o Prueba de 2 proporciones Cartas de control estratificadas Sigma de Proceso Capacidad del Proceso Diagrama de Pareto
Prueba de igualdad de varianzas
Prueba de igualdad de medias
PRACTICA 19. Cartas de control estratificadas Las cartas de control pueden ser estratificadas para mostrar procesos de control para diferentes factores
Pgina 88 de 97
Capacidad del proceso y sigmas del proceso

La capacidad del Proceso y las Sigmas del Proceso pueden ser recalculados para verificar mejoras:
Pgina 89 de 97
Diagrama de Pareto
Diagrama de Pareto del antes y despus puede ser usada para mostrar las mejoras
Verificacin de soluciones
Pgina 90 de 97

FASE DE ANLISIS
QFD
Diagrama Causa Efecto
Diagrama de relaciones Diagrama de Ishikawa Diagrama de rbol
Definicin Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medicin Y, X1, X2, Xn X's Causas potenciales
Anlisis del Modo y Efecto de Falla (AMEF)
Pruebas de hiptesis Diagrama de Flujo del proceso X's vitales No Causa Raz? Si Causas raz validadas
VII. Seis Sigma Fase de control

Objetivos: 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 Salidas: Plan de control y mtodos de control implementados Capacitacin en los nuevos mtodos Documentacin completa y comunicacin de resultados, lecciones aprendidas y recomendaciones
Pgina 91 de 97
Prevencin de la reincidencia
Controles automticos Ayudas visuales / Poka Yokes Procedimientos de operacin estndar Especificaciones Capacitacin
Pgina 92 de 97
CON TRO LES AU TO MATICOS
AYU DAS VIS UALE S P OK A - YO KE
P ROCED IMIE N TOS DE OP E RACIN E STAND AR
E SP E CI F ICACI ON ES
Las 5 Ss para ahorro de espacio y tiempo

Serie, Seiton, Seiso, Seiketsu, Shitsuke Seiri = Organizacin o Deshacerse de todo lo innecesario del rea de trabajo, si hay duda usar Tarjetas Rojas, ahorrar espacio Seiton = Orden o Tener las cosas en el lugar o distribucin correcta, visualmente bien distribuidas e identificadas, ahorrar tiempo de bsqueda. Contornos, pintura, colores. Seiso = Limpieza o Crear un espacio de trabajo impecable, ahorrar espacio y elevar la moral y la imagen Seiketsu = Estandarizacin o Establecer los procedimientos para mantener las tres Ss anteriores. Administracin visual, usar colores claros, plantas, etc. o Shitsuke = Disciplina Crear disciplina (repeticin de la prctica)
Qu es TPM? Mantenimiento productivo total (Total Productive Maintenance) Para la mejora continua de la operacin del equipo y sistemas a travs de las actividades de mantenimiento proactivo, incluye los mantenimientos: Preventivo, correctivo planeado, autnomo, predictivo, preventivo del mantenimiento y orientado a la confiabilidad (RCM) Es costoso?
Pgina 93 de 97
Controles visuales Siempre que sea posible tratar de encontrar los sistemas visuales para mantener los cambios Ejemplos de controles visuales o Pegar mtricas (diagramas de Pareto, semforos, cartas de tendencia) o Contenedores de colores con cdigo o Poner niveles min / mx. o Ubicacin de materiales/ herramientas (5S) Los sistemas visuales hacen mucho ms fcil determinar el camino correcto para hacer o identificar algo cuando algo est fuera de lugar.
Tipos de controles visuales Informacin de seguridad y salud Identificacin de personas, lugares y cosas Procedimientos de trabajo y mtodos Estndares de Calidad, instrucciones, resultados Visibilidad del status Visibilidad del problema Programacin Comunicacin Ejemplos de controles visuales Pizarrones Luces de status Seales de inventario Contenedores Retornables Pizarrones con mtricas
Pgina 94 de 97
Poka Yokes Tipos

Poka Yokes son dispositivos o mtodos que hacen un proceso A prueba de error o A prueba de equivocaciones, principalmente ante errores humanos DISPOSITIVOS DE PREVENCIN & DISPOSITIVOS DE DETECCIN
Ejemplo de horno de microondas
DETECCIN La computadora suena cuando se introduce un comando no vlido pero no evita que el usuario ejecute un comando errneo
PREVENCIN La computadora no permite que se introduzcan ciertos caracteres en campos especficos (v. gr. No nmeros)
Procedimientos, documentacin y capacitacin Procedimientos Los Procedimientos deben ser escrito para documentar los procesos cambiados y deben ser: o Fciles de entender Considere a la audiencia o Visuales Una imagen es mejor que mil palabras o Completo (No se salte pasos) No asuma o de por obvio nada o Revisado por otros para su claridad Es correcto reproducir el proceso ( repetido por varias personas)?
Pgina 95 de 97
Capacitacin La capacitacin debe ser siempre parte del proyecto Cuando vaya a capacitar considere: o los capacitados pueden demostrar el proceso correcto? o No asuma que todo mundo entiende a la primera?
Monitoreo del proceso

Cartas de control Se usan frecuentemente como herramienta de control Muestran la historia de cmo se desempea el proceso, es claro ver cuando algo cambia Establece las expectativas de desempeo del proceso Herramienta til para la toma de decisiones de los operadores o Ajustes en el proceso o Problemas de Material o Problemas de maquinaria Gua para OLPC Ejemplos de aplicacin de DMAIC en CFE Reduccin del TIUT (DMAIC) Reduccin de tiempo de conexin (DMAIC) Mejora de la seguridad operativa (DFSS) Reduccin del factor de potencia (DMAIC) Reduccin de errores de facturacin (DMAIC) Mejora de la compactacin presas (DMAIC) Reduccin de tiempo de mantenimiento en turbinas de gas (DMAIC) Reduccin de inventarios en almacenes (DMAIC)
Lecciones aprendidas
Es uno de los ltimos pasos en el anlisis post mortem (tambin llamado lecciones aprendidas, evaluacin post proyecto). Es una revisin formal y crtica documentada realizada por un comit de personal calificado, se incluyen todas las fases del desarrollo del proyecto
Pgina 96 de 97
VII. Diseo para Seis Sigma

Metodologas Seis Sigma DMAIC para produccin de productos y servicios DMAIC transaccional para servicios LEAN SIGMA para reducir tiempo de ciclo y variabilidad DFSS (DMADV) Diseo para Seis Sigma para innovaciones y nuevos productos Diseo para Seis Sigma - modelo DFSS (DMADV) Definir: metas del proyecto y necesidades del cliente Medir: medir necesidades del cliente y especificaciones Analizar: Determinar las alternativas de diseo del producto o servicio Disear: Desarrollar el diseo detallado para cumplir con los requerimientos del cliente Verificar: Validar y verificar el diseo
Pgina 97 de 97

Seis Sigma Champions

Cargado por

Copyright:

Formatos disponibles

Seis Sigma Champions

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Seis Sigma Champions

Cargado por

Copyright:

Formatos disponibles

SEIS SIGMA CHAMPIONS

Dr. Primitivo. Reyes