FCUX/FAD M

M A M M W A

W M A M S C A D E

E L M T M C ^

DIVISION D E W C R O I

VA&XXABUMA

/ ^ r n r n m ' tfwd a n

k n

o p a m

m ,

G R A D O

im mmmrn

mmcm%

D E

>U\ M G E R I L ' T I M D E

M M I I R R I M A

sfa p jp g 3 </i P O p: Q
m B h o C

co D a 25' H; O O Q p 2 D eu O
ta

TM Z5853 . M2 F I ME 2003 . P4 7

1020149131

UNIVERSIDAD AUTNOMA DE NUEVO

LEN

FACULTAD DE INGENIERA MECNICA Y

ELCTRICA

DIVISIN DE ESTUDIOS DE

POSTGRADO

REDUCCIN DE TIEMPOS MUERTOS DE USANDO SEIS SIGMA

OPERACIN

POR

ING. R I C A R D O F R A N C I S C O P R E Z

BENAVIDES

TESIS E N O P C I N AL G R A D O D E M A E S T R O E N C I E N C I A S D E LA INGENIERA DE MANUFACTURA AUTOMATIZACIN C O N ESPECIALIDAD EN

CD. UNIVERSITARIA, S A N NICOLS D E L O S GARZA, N U E V O JUNIO 2003

LEN

o**

TW

fr^e

FONDO TESIS

Universidad Autnoma de Nuevo Len Facultad de Ingeniera Mecnica y Elctrica Divisin de Estudios de Postgrado

Los miembros del comit de Tesis recomendamos que la Tesis "Reduccin de Tiempos Muertos de Operacin usando Seis Sigma", realizada por el alumno Ing. Ricardo Francisco Prez Benavides, matrcula 0558276 sea aceptada para su defensa como opcin al grado de Maestro en Ciencias de la Ingeniera de Manufactura con especialidad en Automatizacin.

El Comit de Tesis

Dr. Alberto Cavazos Gonzlez

DEDICATORIA

Para mi Familia, A Sandra,

por apoyarme en este reto y en nuestra vida.

A Caro y Ricky,

por el tiempo que me regalan para poder realizar este trabajo.

A mis Padres,

por sus enseanzas.

Agradecimiento a mis compaeros de trabajo,

por su apoyo y cooperacin en el trabajo presentado.

PRLOGO

La competencia global en los negocios obliga a las empresas a buscar tener la mejora continua en sus operaciones, a travs de entregar productos y servicios de mejor calidad, menor tiempo y con bajo costo de operacin; para lo anterior una empresa lder, como lo es Motorola, desarroll a principios de los 80s una metodologa de mejora que ayudar en este fin, Seis Sigma.

Seis Sigma es ahora toda una estrategia de negocio que busca la mejora en el estado de resultado de las empresas, para lo cual utiliza la capacitacin en el uso de herramientas estadsticas para el anlisis de los datos. Esta estrategia se basa en el despliegue de una estructura en la organizacin para la realizacin de proyectos de mejora que aseguren el xito de esta iniciativa.

La metodologa de mejora propone un estricto seguimiento a las fases de generar conocimiento del proceso, definidas como medir, analizar, mejorar y controlar. Siempre orientadas con la finalidad de lograr los objetivos planteados en la definicin del problema, pero buscando el beneficio prctico de este aprendizaje para la empresa.

Este trabajo pretende mostrar al lector con un buen nivel de detalle la mejora en un proceso industrial, usando la metodologa de Seis Sigma. Esta documentacin sera til para ver la aplicacin completa de la metodologa y algunas de las herramientas que propone Seis Sigma para la mejora de los procesos.

Ricardo Feo. Prez Benavides

NDICE GENERAL

SNTESIS 1 INTRODUCCIN 1.1 Descripcin del problema 1.2 Objetivo del trabajo de la tesis

3 6 6 6 7 7 7 8 10 11 11 17 20 21 22 24 25 26 28 29 29 31 32 34

1.3 Hiptesis 1.4 Lmites del estudio 1.5 Justificacin del trabajo 1.6 Metodologa 1.7 Revisin bibliogrfica 2 SEISSIGMA 2.1 2.2 Qu es Seis Sigma? Metodologa de Mejora de los Procesos Medir Analizar Mejorar Controlar

2.2.1 2.2.2 2.2.3 2.2.4 2.3

Cambio de Cultura Aceptacin del Cambio de Seis Sigma Anlisis de los Involucrados Liderazgo para lograr los Cambios

2.3.1 2.3.2 2.3.3 2.4 3

Resumen del captulo

MEDIR 3.1 3.2 Descripcin del Proceso de Hornos Identificacin de la variable de medicin y la fuente de informacin

3.3 3.4 3.5 3.6 4

Validacin del sistema de medicin Evaluacin del desempeo actual Determinacin de los objetivos de mejora Conclusiones del captulo

39 41 43 50 51 51 55 69 71 72 74 89 91 91 101 106 107 107 108 109 110 112 114 115 117 119 121

ANALIZAR 4.1 Identificacin de las causas de variacin

4.2 Validacin de las causas potenciales 4.3 5 Conclusiones del captulo

MEJORAR 5.1 5.2 5.3 Soluciones que contrarrestan las causas verificadas Establecimiento del ajuste de operacin para las causas Conclusiones del captulo

CONTROLAR 6.1 6.2 6.3 Implementacin de las soluciones en el proceso Validacin de la efectividad de las soluciones Conclusiones del captulo

CONCLUSIONES Y RECOMENDACIONES 7.1 7.2 Conclusiones Recomendaciones

BIBLIOGRAFA LISTADO DE TABLAS LISTADO DE FIGURAS LISTADO DE ECUACIONES APNDICE A: TABLA ANOVA APNDICE B: TABLA REGRESIN GLOSARIO RESUMEN AUTOBIOGRFICO

SNTESIS

En este trabajo se presenta la aplicacin de la metodologa de mejora de Seis Sigma para tratar un problema de tiempos muertos de operacin presentados en el rea de hornos de una empresa metalrgica de la localidad. Se plantea la hiptesis que con esta metodologa y con las herramientas que propone se lograr la disminucin de los tiempos muertos de operacin y esto significa aumento de productividad.

Para lo anterior es importante revisar la metodologa de mejora de Seis Sigma, antes de ver la aplicacin que se realiza para este problema en particular. Esta metodologa plantea el uso de datos para lograr tener conocimiento real y herramientas estadsticas para convertir estos datos en informacin que ayude a tomar decisiones y acciones.

Las fases de la metodologa de un proyecto de mejora son medir, analizar, mejorar y controlar; con el desarrollo de estas fases se logra la caracterizacin y optimizacin del proceso. Adems es fundamental cuidar durante el desarrollo de un proyecto de mejora la potencial resistencia al cambio que puede generarse.

Al desarrollar la fase de medir se realiza el conocimiento del proceso por medio de un mapa de flujo del ste y se selecciona la caracterstica crtica para el cliente, la cual este caso de estudio fue el tiempo de duracin de las cargas en los hornos. Para lo anterior se estableci un lmite de especificacin mximo, con esto se estableci el desempeo actual del proceso al inicio del proyecto que fue de 383,126 defectos por milln de oportunidades (DPMO) 0.30 de Nivel Sigma que es uno de los indicadores de desempeo utilizado en la metodologa Seis Sigma.

Antes de poder llegar a las conclusiones de la fase de medir presentadas se realiz la validacin del sistema de medicin utilizado, donde se encontr que se tena diferencia entre la forma de medir el tiempo de duracin de la carga. El punto anterior qued resuelto antes de realizar los clculos de nivel de desempeo.

Con lo anterior se busc establecer un objetivo de mejora que estadsticamente fuera distinto al desempeo observado en el proceso actual, para lo anterior se realiz un anlisis entre los hornos para seleccionar el mejor desempeo y establecer el objetivo de mejora en un Nivel Sigma de 1.18 119,453 DPMO.

Para lograr conocer las causas que originaban los DPMO detectados en la fase de medir, se realiz en la fase de analizar un trabajo con el equipo del proyecto, con la finalidad de identificar las causas potenciales que podran generar el efecto de tener mayor tiempo de duracin de la carga. Despus se procedi a priorizar las causas y elegir las ms probables para validar si stas en realidad estaban afectando.

Las causas que fueron verificadas de afectar al desempeo son: el cambio de condiciones del horno por falta de atencin de operadores, fallas del sistema de combustin, tiempo para realizar la descarga y tiempo perdido en los cambios de turno. Para poder verificar las causas se realizaron pruebas estadsticas, despus de una planeacin y ejecucin del cmo realizar esta verificacin.

Se continu con la fase de mejorar, donde se busc contrarrestar las causas verificadas. Para lo cual se realizaron pruebas estadsticas que aseguren que las mejoras propuestas para las causas verificadas son efectivas. Para verificar estas soluciones se utilizaron pruebas de hiptesis, anlisis grficos, regresin y anlisis de modo y efecto de fallas con lo que se logr tener la evidencia de que era significativa la mejora planteada.

Mantener el aprendizaje logrado es el objetivo de la fase de controlar, donde se establecieron los documentos de control y seguimiento de las mejoras propuestas y la validacin de la mejora lograda en este proyecto.

En la fase final de este trabajo se valid de nueva cuenta el desempeo del proceso para compararlo contra el desempeo inicial y el objetivo planteado originalmente, el desempeo observado fue de 44,157 DPMO 1.70 Nivel Sigma, lo cual excede los objetivos planteados originalmente para la mejora.

En este trabajo las causas principales estaban relacionadas con la operacin, por lo que el involucramiento y medicin de desempeo de las actividades del proceso fue fundamental para lograr la mejora.

Se concluye que el uso de la metodologa de Seis Sigma tiene la capacidad para mejorar este proceso, con lo relacionado a los tiempos muertos de operacin.

INTRODUCCIN

1.1 Descripcin del problema

Una empresa metalrgica de la localidad, tiene limitada su capacidad de produccin en el rea de Hornos, la cual es el cuello de botella de la produccin, por lo que cualquier demora en esta rea repercute en la produccin total de la planta. La productividad en el rea de Hornos se ve afectada, entre otras cosas, por los tiempos muertos en la operacin, lo que ocasiona que no se aproveche la capacidad instalada y la mano de obra disponible.

Dado que esta empresa tiene oportunidad de vender cualquier produccin adicional que logre, el aumentar la produccin ser un beneficio directo en los resultados de operacin.

1.2 Objetivo del trabajo de la tesis

Aplicar la metodologa de mejora de procesos de Seis Sigma para lograr aumentar la productividad, analizando y buscando las causas principales que ocasionan las demoras de operacin y as poder atacar estas causas y disminuir las demoras de operacin.

1.3 Hiptesis
Se supone que el uso de las herramientas y metodologa de Seis Sigma tienen el potencial para mejorar el proceso al poder medir, analizar, mejorar y establecer en control los factores que afectan a la productividad, con lo cual se lograr la disminucin de los tiempos muertos de operacin. .

1.4 Lmites del estudio

Este estudio se realizar en una empresa metalrgica de la localidad, en el rea de Hornos. Se analizarn solamente las causas que afectan a la productividad, que estn relacionadas a tiempos muertos de operacin.

No se analizar, ni se trabajar con la tecnologa del proceso metalrgico de los hornos para la recuperacin del metal. Dado que sta permanecer constante durante este estudio.

1.5 Justificacin del trabajo

La aplicacin de tcnicas modernas para la mejora de los procesos en la administracin de la operacin de la manufactura, como lo es Seis Sigma, da una excelente rea de oportunidad para ofrecer resultados tangibles de mejora a la compaa, adems de explorar la posibilidad de aplicar Seis Sigma en este tipo de problema.

Se espera que el enfoque aplicado al atacar este tipo de problema con la metodologa de mejora Seis Sigma dar mejores resultados que los enfoques tradicionales de las tcnicas de Ingeniera Industrial y los Crculos de Mejora continua, con los cuales se estaba buscando resolver el problema y se ha logrado tener el desempeo actual.

Aunque estn documentadas las herramientas estadsticas, administrativas y de calidad por diversos autores sobre la metodologa, no estn ampliamente documentadas aplicaciones completas de la metodologa de mejora de Seis Sigma. Lo anterior no permite la difusin de los diversos enfoques que se pueden generar para la solucin de estos procesos y en particular en la reduccin de tiempos muertos.

Sin embargo, se han encontrado en la literatura algunas aplicaciones aunque no con un alto nivel de detalle. En [9] se presenta un proceso de mejora para eliminar los defectos de manufactura en un proceso de tecnologa de montaje superficial (SMT; por sus siglas en ingls), [5] reporta la aplicacin para mejorar la calidad en el proceso de impresin de directorios telefnicos, [3] presenta la mejora de un proceso de extrusin de plstico para reducir los defectos de los productos moldeados, se encuentra en [11] la aplicacin con el objetivo de mejorar la entrega, calidad de producto y proceso de desarrollo de software.

Este trabajo presenta los resultados de la aplicacin de la metodologa Seis Sigma en un proceso industrial, lo cual significar un beneficio a la empresa, y explora la eficacia de sta al problema de prdida de productividad por tiempos muertos de operacin. Al presentar el proyecto completo de la metodologa de mejora, la contribucin de este trabajo es arrojar una mayor claridad en el tema.

1.6 Metodologa
Se utilizar la metodologa de mejora Seis Sigma, donde se plantea primero conocer el problema prctico, para convertirlo en un problema estadstico. Con este problema estadstico se buscar la solucin que d una gua para la instalacin de la solucin prctica. La metodologa es como se presenta: Medir Identificar la(s) variable(s) de medicin y la(s) fuente(s) de informacin

Validar el sistema de medicin Evaluar el desempeo actual

Analizar Identificar las causas potenciales Verificar y validar las causas ms probables

Mejorar Encontrar las soluciones que contrarresten a las causas verificadas Establecer el ajuste de las causas y sus tolerancias

Controlar Implementar las soluciones en el proceso Validar la efectividad de las soluciones

Elaborar Propuesta definitiva

Este trabajo se organiza de la siguiente manera. Primeramente se presentar una breve descripcin de Seis Sigma en el captulo 2, desde el punto de vista estrategia de negocio y metodologa de mejora. El desarrollo del proyecto de mejora se describir en cuatro captulos; Medir, Analizar, Mejorar y Controlar. En el captulo final se darn las conclusiones y recomendaciones de este trabajo.

En el captulo 3 se iniciar la caracterizacin preliminar del proceso para conocer su desempeo actual. En el captulo 4 se completar la caracterizacin del proceso, al encontrar las causas principales que ocasionan su desempeo actual.

La mejora del proceso se ver en los captulos 5 y 6, donde en el primero se buscarn las medidas para contrarrestar las causas encontradas en el captulo 4, para despus establecer los mecanismos para hacer que estas medidas contrarrestantes queden establecidas permanentemente.

1.7 Revisin bibliogrfica

Para la realizacin de este trabajo se revis bibliografa actualizada sobre la metodologa Seis Sigma con la finalidad de fundamentar la metodologa y las principales herramientas estadsticas y de calidad que se utilizan en este trabajo.

Para el desarrollo de los anlisis estadsticos presentados en este trabajo se utiliz principalmente el software Minitab [10], versin 13.3, por lo que la revisin del manual del usuario fue necesaria para poder realizar estos anlisis y tener su interpretacin.

Se recomienda la revisin del manual del usuario del Minitab para interpretar las salidas de los anlisis estadsticos y las grficas presentadas en este trabajo.

De la literatura se consultaron las aplicaciones documentas para tratar de encontrar enfoques similares a los planeados en el objetivo de este trabajo; sin embargo, lo encontrado no tena la misma aplicacin y la documentacin no tena el detalle necesario.

Las herramientas estadsticas utilizadas se pueden encontrar en varios libros de texto sobre probabilidad y estadstica, pero no son listados en la bibliografa al ser informacin general de consulta. En [4] y [8] se encuentran referencias de las herramientas utilizadas en este trabajo que ayudan en la interpretacin de los anlisis estadsticos.

2 SEIS SIGMA

En este captulo se presentar brevemente una introduccin a la metodologa Seis Sigma, sus objetivos y fundamentos principales.

En la seccin 2.1, se dar una introduccin general a los conceptos fundamentales que propone y definen a Seis Sigma como iniciativa de negocio, para la bsqueda de la mejora de los procesos.

En la seccin 2.2, se describir brevemente la metodologa de mejora de Seis Sigma, se bosquejarn los objetivos principales de cada una de las fases y se mencionarn las herramientas ms frecuentemente usadas (secciones 2.2.1, 2.2.2, 2.2.3, 2.2.4). Para mayor referencia de la metodologa se puede consultar [4], [6], [7], y [8].

En la seccin 2.3 se introducen conceptos generales sobre el anlisis necesario para lograr vencer la resistencia al cambio enfocado a Seis Sigma y en la seccin 2.4 se presenta el resumen del captulo.

2.1 Qu es Seis Sigma?

La competencia global a la que estn enfrentndose las empresas, ocasion que se establecieran estrategias de negocio encaminadas a lograr la mejora de la rentabilidad de las empresas, al mismo tiempo que se enfocaban al cliente por medio de la calidad.

Motorola, Inc., a principios de los ochentas, fue el primero en lanzar el concepto de Seis Sigma como una metodologa que buscaba proponer un nivel ms alto de calidad al proponer como lmite una variacin de seis desviaciones estndar, o seis sigma, en sus procesos.

Lo anterior cambiaba el estndar que se tena en esa poca, tres desviaciones estndar, que iniciativas de calidad, como control estadstico de proceso, haban impuesto.

Despus de ver el impacto que represent para Motorola el haber adoptado este estndar de desempeo, otras grandes empresas y lderes de sus segmentos adoptaron a Seis Sigma como su filosofa de trabajo.

De entre estas empresas, General Electric fue la que tom a Seis Sigma como una de sus principales estrategias de negocio, esto gracias al liderazgo de Jack Welch, que identific a Seis Sigma como una excelente oportunidad para el negocio, "...es la ms importante iniciativa que GE ha tomado en su historia... es parte del cdigo gentico de nuestro liderazgo futuro", dijo Jack Welch sobre Seis Sigma, ver [7]. Aunque el concepto de Seis Sigma fue desarrollado por Motorola, fue General Electric quien le dio su definicin actual de enfoque al negocio, enfocndose en el cliente.

Actualmente empresas como Sony, Nokia, Ford, Toyota, Honeywell, Lear, Johnson Controls, Texas Instruments, Toshiba, Canon, Polaroid, Hitachi, Lockheed Martin, American Express, DuPont, entre otras, ver [7], han adoptado a Seis Sigma como parte importante de sus iniciativas de calidad y mejora de sus procesos. Adems tambin han incluido a Seis Sigma en el desarrollo de productos y procesos que les aseguren el logro de altos niveles de calidad.

El concepto de Seis Sigma est basado en el uso de metodologas para reducir la variacin en los procesos, esta reduccin puede ser en los procesos existentes o desde el

diseo de los procesos o de los productos. Estas metodologas tienen un uso intensivo de herramientas estadsticas y de calidad.

Curva de Distribucin Normal

Desviaciones Estndar

Figura 2.1 Curva de distribucin normal

Cuando se habla de sigma, se refiere al smbolo griego (a) usado para representar la desviacin estndar de la distribucin normal, ver Figura 2.1.

Tener un proceso que cumple con las especificaciones dentro de una tolerancia de una a, significa que se tendra bajo la curva normal el 68.3% de las probabilidades de cumplir con los requerimientos de ese proceso. Por lo que se tienen 31.7% probabilidades de no cumplir con las especificaciones 317,310 defectos por milln de oportunidad (DPMO), ver la Tabla 2.1 donde se presentan el rea bajo la curva y los DPMO para diferentes desviaciones estndar.

Lo anterior da uno de los principios fundamentales de Seis Sigma, el de reducir la variacin de los procesos para reducir la probabilidad de generar defectos en las operaciones.

a
Desviaciones estndar (+/-) rea Bajo la Curva

DPMO Probables

1 2 3 4 5 6

68.2689480% 95.4499876% 99.7300066% 99.9936628% 99.9999426% 99.9999998%

317310.52 45500.12 2699.93 63.37 0.57 0.00198

Tabla 2.1 Area bajo la curva de la distribucin normal

Al principio del desarrollo de la metodologa se estableci, bajo estudios realizados, ver [7], que los procesos tienen una variacin en el corto y en el largo plazo, siendo esta 1.5 a de corrimiento entre el corto plazo "lnea continua" y largo plazo "lnea punteada", ver Figura 2.2.

Desplazamiento del Proceso

Desviaciones Estndar

Figura 2.2 Corrimiento del proceso entre el corto y largo plazo

Seis Sigma identifica en su metodologa para su indicador principal el Nivel Sigma de los procesos, con el cual busca ver el desempeo del proceso en el corto y largo plazo. Esto lleva a una de las definiciones de Seis Sigma, que es el de buscar un desempeo, en el largo plazo, de los procesos que solamente genera 3.4 defectos por

milln de oportunidad, equivalente a un Nivel Sigma de corto plazo de 6 Sigmas. En la Tabla 2.2 se puede ver varios niveles sigma en largo y corto plazo y los DPMO.

Nivel Sigma (corto plazo)

Nivel Sigma (largo plazo)

DPMO

1 2 3 4 5

-0.5 0.5 1.5 2.5 3.5

691462 308537 66807 6209 233

4.5 3.4 6 Tabla 2.2 Nivel Sigma corto y largo plazo vs DPMO

El Nivel Sigma de corto plazo es el desempeo del proceso, mientras que el largo plazo es el desempeo observado por los clientes; es decir, es el total de la variacin que puede ser observada por algn cliente.

Para conocer el nivel de sigma se utiliza la desviacin estndar normalizada (Z); es decir, la distribucin que tiene como promedio 0 y desviacin estndar igual a 1. Conociendo el estadstico Z de cada lado de la distribucin se obtienen los defectos, usando las tablas Z, como la presentada en [4] o utilizando herramientas de software, ver [10], dichos defectos se suman para obtener los defectos totales.

Para obtener el estadstico Z se utiliza las siguientes ecuaciones; LSE-y

LSE ~ '

^UE donde: LSE es el lmite superior de especificacin, LIE es el lmite inferior de especificacin, (i es la media o promedio de la poblacin, y < y es la desviacin estndar de la poblacin.

fi-LIE _

(2

Conociendo las ZLSE y ZLIE , se calcula la probabilidad de tener defectos para cada uno de los lmites de especificacin. Para obtener la Z del proceso se suman las probabilidades de defectos de ambos lmites y se obtiene el valor de Z en funcin de los defectos totales haciendo una bsqueda inversa en la tabla Z, como se muestra en la Ecuacin( 2.3.
(2.3)

donde:
Plse ={ZijE\

pUE =<$>{Zm) <D(Z) es la probabilidad acumulativa y <>"l(p) es el inverso de la probabilidad acumulativa.

Cuando solamente se tiene un lmite de especificacin en el proceso, la Z del proceso es directamente la Z calculada para el lmite especificado.

Las herramientas que propone la metodologa Seis Sigma no son de nueva creacin, sino las mismas que las iniciativas de calidad anteriores han propuesto (calidad total, control estadstico del proceso, crculos de calidad, entre otras), la diferencia que propone Seis Sigma es el enfoque a los clientes, pero desde el punto de vista de tener el mayor impacto favorable en el estado de resultados de la empresa, por lo que no sigue la calidad por la calidad misma.

Paradjicamente, Seis Sigma no busca que todos los procesos tengan una variacin dentro de sus lmites de especificacin igual a +/- seis desviaciones estndar, sino busca la mejor rentabilidad para la compaa y que esta mejora pueda ser comprobada en el estado de resultados.

Este enfoque al negocio hace la diferencia de Seis Sigma, por lo que esta iniciativa incluye a todos los niveles de la organizacin para el logro de sus metas. Los niveles directivos son quienes identifican las oportunidades de mejora y asignan proyectos al personal entrenado en esta metodologa, en el uso de herramientas estadsticas y de calidad.

Este personal entrenado para la ejecucin de los proyectos se le denomina en la mayora de las empresas "Black Belt"1, el nombre establecido a esta funcin fue asignado por uno de los primeros desarrolladores de Seis Sigma, Mikel Harry, el cual a identific la similitud que debe tener esta persona con las cintas negras de Karate , en cuanto al seguimiento estricto a una metodologa que lo hace llegar a un fin de alto desempeo, ver [7]. Para la ejecucin de los proyectos adems deben intervenir todos los involucrados en el proceso a ser mejorado, como lo son los jefes de rea, supervisores o coordinadores y el personal operario. Adems debe incluirse al personal de finanzas para la validacin de los resultados.

2.2 Metodologa de Mejora de los Procesos

Los datos son quienes impulsarn en la toma de decisiones y acciones, lo cual es pedido en toda la metodologa de mejora de los procesos. Este concepto es uno de los valores agregados de Seis Sigma, dado que el trabajo con datos genera conocimiento del proceso que normalmente no se tiene.

En la literatura se puede encontrar otros nombres para esta funcin; como pueden ser, "Experto Seis Sigma", "Lder Seis Sigma", "Seis Sigma Especialista", ente otros. 2 El Karate es un arte marcial de origen japons, donde los cintas negras son los practicantes avanzados de esta disciplina deportiva.

En Seis Sigma se busca llegar al mayor nivel de conocimiento posible antes de tomar una decisin o una accin para la mejora del proyecto.

Los niveles de conocimiento usados para la toma de decisiones y acciones, pueden ser identificados con la siguiente tabla, donde de acuerdo a la forma que se usa para tomar decisiones y acciones se identifica el nivel de conocimiento usado, ver Tabla 2.3.

Nivel de conocimiento 0 1 2 3 4 5

Para la toma de decisiones y acciones... ...slo se utilizan opiniones del personal. ...slo se utilizan las experiencias del personal. ...se tienen algunos datos, pero slo se ven los nmeros o se responde ante datos individuales. ...se agrupan los datos, en tablas o grficas y se analizan tendencias. ...se analizan los datos con estadstica descriptiva, promedios, desviaciones estndar, etc. ...se analizan los datos usando estadstica inferencial, pruebas de hiptesis, diseos de experimentos, etc. Tabla 2.3 Niveles de conocimiento

La metodologa de mejora de Seis Sigma est organizada en cinco fases principales, ver [7], las cuales tienen objetivos definidos. Las fases de un proceso de mejora se presentan en la Figura 2.3.

Figura 2.3 Fases del proceso de mejora Seis Sigma

Analizando las entradas y salidas de cada una de sus etapas y fases como se presenta en la Tabla 2.4, se pueden comprender los objetivos de la metodologa de mejora.

Etapa
Identificar

Fase
Definir Medir

Entrada
Objetivos del negocio Oportunidad de mejora Problema prctico Problema estadstico Solucin estadstica

Salida
Oportunidades de mejora Problema prctico Problema estadstico Solucin estadstica Solucin prctica

Caracterizar Analizar Mejorar Optimizar Controlar Tabla 2.4 Entradas y salidas de las fases de la metodologa

La fase Definir es parte del trabajo de los niveles ejecutivos de la empresa, donde el objetivo es identificar las oportunidades de mejora que se tiene en el negocio y para ello declarar un proyecto de mejora en un rea especfica.

Los objetivos especficos de la fase Definir es el de identificar la oportunidad de mejora para poder establecer el proceso y el problema a tratar en el proyecto de mejora, as como definir un equipo multidisciplinario de mejora para realizar este proyecto. El equipo ser coordinado por un Black Belt, el cual ser el facilitador y quien est capacitado para el anlisis de los datos y en el desarrollo de la metodologa.

Una vez que se tiene el proyecto definido y el equipo de trabajo inicia en realidad el trabajo del proyecto de mejora, con las fases de medir, analizar, mejorar y controlar.

Se presentar a continuacin en las secciones siguientes cada una de las fases del proceso de mejora, y correspondern al desarrollo de los captulos 3 al 6, que llevan el mismo nombre de las fases de la metodologa de mejora Seis Sigma.

En la metodologa de Seis Sigma se tienen un gran nmero de herramientas, para cada fase, disponibles para su utilizacin en el desarrollo de un proyecto; donde el enfsis no es sobre cul herramienta usar, sino el seguimiento de la metodologa. La idea

de tener un nmero grande de herramientas disponibles, es el de tener opciones para usar segn la complejidad del proceso y el proyecto que se est llevando a cabo en cada caso.

2.2.1 Medir
En esta fase el objetivo es conocer el proceso para poder entender el problema prctico sobre el cual se va a trabajar. Esto se logra a travs de conocer exactamente qu es lo que le interesa al cliente y como se puede convertir en informacin del proceso.

Dado que la mayora de las decisiones a tomar sern sobre la base de los datos generados desde esta primera fase, la validacin del sistema de medicin es esencial para el avance del proyecto sobre el desempeo de la caracterstica crtica para la satisfaccin del cliente (CTQ)3, que interesa mejorar.

Es necesario conocer el proceso, lo cual se realiza a travs de herramientas como el mapa de proceso y/o el diagrama SIPOC3 que presenta las entradas, salidas, proveedores, clientes del proceso. El conocimiento del proceso ayudar a entender las expectativas de los clientes y as poder establecer prioridades y objetivos de mejora, con lo cual entenderemos cul es el defecto que se genera para poder medirlo y despus analizarlo.

Para establecer la medicin del desempeo actual se utilizan las mediciones de Seis Sigma, como lo es el nivel de Sigma del proceso y los defectos por milln de oportunidad (DPMO) detectados.

En esta fase se debe establecer el objetivo de mejora que se tratar de alcanzar para este proceso. Con esta informacin, la cual ser el nivel base del proyecto, se iniciar el anlisis y ser el punto de comparacin de la mejora lograda.

Algunas de las herramientas de uso comn en esta fase son: Mapa de proceso. Diagrama SIPOC. Estudios del sistema de medicin. o o Estudios sobre la varianza, como "Gage R&R"4. Estudios sobre la media, como exactitud y linealidad.

Estadstica descriptiva. Clculo del Nivel Sigma del proceso. Plan del proyecto. Plan de recoleccin de datos.

En este trabajo se utilizan el mapa de proceso, el diagrama SIPOC, estudio Gage R&R, estadstica descriptiva, clculo del Nivel Sigma. Estas herramientas estn documentadas en [2], [4], [7], [8] y [10].

2.2.2 Analizar

En la fase de anlisis se requiere conocer el problema de manera estadstica; es decir, identificar las causas que ocasionan la diferencia entre el desempeo real del proceso y el desempeo deseado o la meta establecida.

Para esta fase es necesario conocer las causas raz que ocasionan el defecto establecido en la fase anterior. Estas causas raz deben ser analizadas y verificadas antes de llevarlas a la fase siguiente de mejora.

Se usan herramientas para priorizar las causas ms probables, para despus poder verificar las causas potenciales que generan e! defecto. Para verificar las causas se debe

tener un plan de verificacin, el cual deber incluir la toma de datos y una herramienta para probar su validez.

Esta es la fase ms intensiva del proyecto, donde se deben encontrar las causas que ocasionan el defecto para poder lograr la meta establecida en la fase de medir.

Algunas de las herramientas de uso comn en esta fase son: Tormentas de ideas, Diagrama causa-efecto. Tcnica de grupo nominal. Anlisis de modo y efecto de falla (AMEF). Plan de verificacin de causas. Pruebas de hiptesis. o o Datos discretos, Datos continuos.

Anlisis de regresin. Diseos de experimentos.

En este trabajo se utilizan tormenta de ideas, diagrama causa-efecto, tcnica de grupo nominal, plan de verificacin de causas, AMEF, grfica de efectos principales, anlisis de varianzas (ANOVA), anlisis de medias (ANOM), anlisis de Pareto y anlisis de regresin. Estas herramientas estn documentadas en [1], [4], [8] y [10].

2.2.3 Mejorar
En esta fase se busca tener una solucin estadstica para el problema que se tiene planteado, trabajando sobre las causas que fueron verificadas en la fase de analizar. Es decir, para cada causa verificada se debe tener una solucin planteada y se debe poder verificar antes de su implementacin.

Las soluciones ptimas se debern seleccionar sobre la base de un anlisis logrado de la informacin sobre el efecto potencial de esta solucin en la caracterstica crtica analizada. Estos anlisis deben mantener una confianza en la informacin obtenida, como el uso de pruebas de hiptesis donde se tengan datos numricos por analizar.

Las mejoras pueden quedar establecidas usando varias herramientas, por ejemplo la modificacin de proceso y su documentacin en el mapa de proceso antes de probar sera un ejemplo de una herramienta en la etapa de mejora. Despus de haber definido este cambio, se debe hacer una comprobacin de la efectividad de esta prueba.

Se revisar si los cambios propuestos por estas soluciones harn que se logre llegar al objetivo inicialmente planteado, en caso contrario tal vez debamos seguir investigando las causas potenciales o las soluciones planteadas, hasta lograr llegar al objetivo.

Algunas de las herramientas de uso comn en esta fase son; Plan de verificacin de las soluciones. Anfisis de modo y efecto de falla (AMEF). Pruebas de hiptesis. Anlisis de regresin. Diseo de experimentos. Anlisis de tolerancias.

En este trabajo se utilizan tormenta de ideas, tcnica de grupo nominal, plan de verificacin de las soluciones, AMEF, grfica de efectos principales, grfica multi-vari5, anlisis de varianzas (ANOVA), anlisis de medias (ANOM), anlisis de Pareto y anlisis de regresin. Estas herramientas estn documentadas en [1], [4], [8] y [10].

2.2.4 Controlar
En la ltima fase, cuando se tiene la solucin estadstica, se busca tener implementada la solucin prctica en el proceso para poder mantener las mejoras logradas en las soluciones propuestas en la fase de mejorar.

El principal objetivo de esta fase es el de establecer los mecanismos que aseguren que la mejora ser implementada completamente y mantenida en el proceso durante la operacin normal, teniendo el mnimo de variaciones.

La metodologa establece que una forma de lograrlo es mediante la estandarizacin de los procesos y su documentacin en las condiciones ptimas encontradas en la fase anterior, adems de implementar herramientas de control de los procesos o de mecanismos que eviten la generacin de los errores (Poka-Yokes6), entre otros.

Para todas las causas verificadas se debe tener un plan de control, donde se establezcan los mecanismos que aseguren el control de los niveles ptimos para cada una de las causas. Este plan debe comprender las acciones a realizar y su documentacin.

Algunas de las herramientas de uso comn en esta fase son: Planes de control Documentacin en los sistemas de calidad Grficas de control Controles a prueba de errores (poka-yoke) Estudios de sistema de medicin de las causas crticas Anlisis del nuevo desempeo

En este trabajo se utilizan tormenta de ideas, tcnica de grupo nominal, estandarizacin de procedimientos, clculo de Nivel Sigma, AMEF, grfica de efectos principales,
7

grfica Multi-Vari , prueba t de dos poblaciones, anlisis de varianzas (ANOVA), anlisis de medias (ANOM) y anlisis de Pareto. Estas herramientas estn documentadas en[l],[4], [8] y [10].

2.3 Cambio de Cultura

En esta seccin se presentarn algunos temas relacionados con el cambio de cultura o aceptacin del cambio que es necesario para la implementacin de Seis Sigma en la organizacin. Donde el principal componente para el cambio de cultura es el trabajo con el personal involucrado en los procesos a mejorar.

Seis Sigma no es solamente el uso de herramientas estadsticas, sino el cambio de la forma de resolver los problemas en los negocios. Primero que nada resolver los problemas en funcin de su impacto al estado de resultados de la compaa y tomando para las decisiones y acciones los anlisis basados en datos.

El punto fundamental es hacer ver en las organizaciones la necesidad de Seis Sigma para obtener los beneficios potenciales, de las mejoras en los procesos, que ayudarn a poder competir en los mercados y/o tal vez a la permanencia del negocio.

El cambio de forma de enfrentar las mejoras es el trabajo fundamental del Black Belt, y uno de los objetivos es transmitir a la organizacin ese cambio. Esto se realiza al involucrar a un equipo multidisciplinario en el desarrollo de los proyectos de mejora y hacerlos partcipes del seguimiento a la metodologa de Seis Sigma.

2.3.1 Aceptacin del Cambio de Seis Sigma

Para tener el desarrollo de proyectos Seis Sigma exitosos en la organizacin se requiere que se tenga una aceptacin de los involucrados en el equipo, iniciando por los mandos directivos de la organizacin. Los cuales deben mandar la seal clara del compromiso de la organizacin con el uso de Seis Sigma como medio de buscar las mejoras en los procesos. El Black Belt enfrenta en los equipos de trabajo la resistencia al cambio que se pueda generar por el proceso de cambio promovido por Seis Sigma. La resistencia al cambio es parte de la naturaleza humana ante lo nuevo y desconocido, dado que supone alguna prdida para los involucrados.

Se debe estar atento a poder identificar qu genera la resistencia al cambio, para poder establecer un plan de accin con la finalidad de contrarrestarlo. Se pueden clasificar en cuatro las formas de resistencia a la implementacin de Seis Sigma, de acuerdo a la naturaleza de su generacin, ver [6]: Tcnica Poltica Organizacional Individualizada

La resistencia tcnica es la generada ante el uso de nuevas herramientas desconocidas por el personal, lo que genera percepciones negativas ante la complejidad de estas herramientas. Esto principalmente cuando se enfrenta ante personal altamente capacitado, como lo son los Black Belts.

La manera de atacar esta resistencia es con informacin y educacin sobre las herramientas, adems de involucrarlos en el desarrollo de las mismas, haciendo nfasis en que lo importante es la metodologa y sus resultados; y no los clculos y algoritmos de las herramientas.

Cuando alguna persona siente que Seis Sigma le ocasiona una prdida en su estatus se genera la resistencia poltica, la prdida puede ser real y/o percibida por la persona.

Para combatir la resistencia poltica se debe comunicar a los involucrados cules sern los beneficios que obtendrn de Seis Sigma, adems de ser claros y honestos en los cambios que puedan significar una prdida para su estatus. Puede ser necesario identificar la ayuda de los niveles altos de la organizacin para este tipo de resistencia.

La resistencia organizacional ocurre cuando las personas en mandos ejecutivos perciben que pierden el control de los cambios, estn preocupados debido a que el cambio no fue de ellos, no fue su idea. Esta forma de resistencia puede ser una combinacin de las dos primeras, dado que no entienden cmo se gener el cambio y perciben la prdida del cambio.

Este tipo de resistencia puede ser parte de no haber involucrado a las personas claves en el proceso de mejora desde el inicio, dado que sta es la forma de contrarrestar esta resistencia, tener involucrados al personal clave y darles parte del control del cambio que les aplique.

La ltima forma de resistencia mencionada es la individualizada, la cual est referida a actitudes presentadas por personas debidas a cuestiones ajenas al trabajo que le ocasionan estrs. Estas personas pueden mostrar resistencia activa o pasiva a las iniciativas de cambio.

Por su naturaleza esta forma de resistencia puede tener varias formas de contrarrestarla, pero bsicamente la recomendacin es disminuir el temor del cambio y aumentar el involucramiento de la persona. En todos los casos, pero en stos en particular, es importante el reconocimiento de los pequeos logros obtenidos.

2.3.2 Anlisis de los Involucrados

Cuando se est realizando un proyecto de mejora se deben identificar a los involucrados claves del proceso, para medir el grado de aceptacin del cambio. Para esto se ha propuesto usar una herramienta llamada anlisis de los involucrados, ver Tabla 2.5.

Involucrado clave Gerente Jefe de Departamento Supervisor A Supervisor B Tcnico

Fuertemente en contra

Ligeramente en contra

Neutral
i de accin

Ligeramente a favor

Fuertemente a favor

Ji X x D [

> >

O O > > o o

Plan de accin

11

Plan de accin

HE 11

Plan de accin

X OC
Tabla 2.5 Anlisis de los involucrados

En esta herramienta se tiene en las columnas categoras del grado de aceptacin del cambio de Seis Sigma, las cuales son: fuertemente en contra, ligeramente en contra, neutral, ligeramente a favor, fuertemente a favor. Se listan todos los involucrados clave que se van a analizar.

Con esta herramienta se busca el anlisis del estado actual de los involucrados, la cual se presenta con una "X", mientras que el estado deseado se presenta con una "O". Se debe identificar la diferencia que existen entre el estado actual y el deseado de involucramiento y establecer un plan para contrarrestar la resistencia o falta de involucramiento presente.

Para poder establecer este plan de accin se debe analizar el tipo de resistencia que el equipo de trabajo puede presentar, de las mencionadas en la seccin 2.3.1, adems de analizar el nivel de influencia del involucrado entre los dems miembros del equipo.

2.3.3 Liderazgo para lograr los Cambios

La funcin del Black Belt en el desarrollo del proyecto como lder de coordinar todas las actividades, es fundamental para lograr establecer el liderazgo necesario con el equipo de trabajo. El liderazgo que debe ejercer el Black Belt no est relacionado con los niveles jerrquicos de las organizaciones.

En [6], pgina 185, se menciona lo siguiente: "Incorporar Seis Sigma es ms que usar una iniciativa tctica de reducir costos, Seis Sigma es una filosofa de administracin. Es un compromiso para administrar a travs del proceso, no de las funciones del organigrama, y tomar decisiones basados en hechos y datos en lugar de las habilidades inherentes de administracin que se cree hacen a los grandes ejecutivos".

Por lo que el liderazgo que logra desarrollar el Black Belt debe estar enfocado al aspecto tcnico de la metodologa, buscando lograr el apoyo de todos los involucrados. La empatia en las situaciones que implican el proyecto es indispensable para que el Black Belt logre tener la apertura de los miembros del equipo de trabajo.

2.4 Resumen del captulo

En este captulo se muestra de manera general parte de la filosofa que forma a Seis Sigma como estrategia de negocio, presentado sus antecedentes y metodologa.

El desarrollo de los proyectos Seis Sigma de mejora se lleva a cabo con el uso de herramientas estadsticas para comprobar con datos las creencias, y con esto tener un mejor nivel de conocimiento de los procesos.

Las fases del proyecto de mejora son medir, analizar, mejorar y controlar, con lo que se lleva a cabo el proceso de caracterizar y optimizar el proceso analizado para su mejora.

El estudio detallado de la metodologa y de las herramientas de calidad, estadsticas y software relacionados se pueden encontrar en parte en la bibliografa listada en este trabajo.

El manejo de la resistencia al cambio que implica la implementacin de una iniciativa de negocio que pretende cambiar la forma de administrar, como lo es Seis Sigma, es crtico para tener resultados satisfactorios.

3 MEDIR

En este captulo se presentar la aplicacin y resultados de la fase medir al proyecto para iniciar con la etapa de caracterizacin del proceso, desde el punto de conocer el proceso y entender su desempeo actual, sobre la base de un indicador que muestre el estado actual del proceso.

Se inicia con la descripcin operativa del proceso, seccin 3.1, para despus ir a identificar la variable de medicin y su fuente en la seccin 3.2. La calidad de la informacin es fundamental para los anlisis que se realizarn, por lo que en esta primera etapa se verificar su validez, en la seccin 3.3.

Lo anterior sirve para el desarrollo del proyecto y medir el desempeo actual del proceso, seccin 3.4. Se establecer un objetivo de desempeo del proceso sobre la base del desempeo actual, que ser realizado en la seccin 3.5.

Finalmente en la seccin 3.6 se presentan las conclusiones y resultados principales encontrados en este captulo al haber aplicado la fase de medir de la metodologa.

3.1 Descripcin de! Proceso de Hornos

En una empresa se tienen 6 hornos para la reduccin de materiales y recuperacin del metal que contienen. El trazado de la operacin contiene tres reas; el almacn y preparacin de las cargas de materia prima para los hornos, los hornos y almacn del producto terminado, ver Figura 3.1.

Figura 3. i Trazado general de la planta

Dado que la mejora a realizar es operativa, el proceso se describe en trminos operativos.

Cada uno de los hornos es operado por un hornero, el cul es responsable de cargar, operar y descargar el homo. En el rea de almacn de materias primas est un operador que ayuda a tener la materia prima lista para cargarse en los hornos y en almacn de producto terminado est un operador para recibir y entregar el producto terminado a la siguiente etapa del proceso de esta empresa.

La operacin del horno es continua, es decir, cuando termina de procesar un lote comienza el siguiente sin interrupcin. Los hornos trabajan todos los das del ao, con

excepcin de sus paros programados para mantenimiento de ladrillo refractario, los cuales son de 6 a 8 das cada 4 a 6 meses.

El primer anlisis del proceso es realizado usando el mapa del proceso, ver Figura 3.2, con la finalidad de conocer los subprocesos involucrados. El proceso de los hornos inicia cuando se cargan los materiales con metal y los fundentes en el homo, para llevar a cabo esta labor se transporta el material desde el almacn de materia prima hacia los hornos. Cuando el horno se llena, inicia el proceso de fusin de los materiales.

Inicio

i ur.'
Cargador Frontal

1
Segunda fusin

Cargado del

"

|U

ft

Homo

Montacargas

i
Primera fusin

*
Descarga de metal y escoria

1 JT
Cargador F r o n t a U r y - ( V Montacargas Recargado del Homo

i
Limpieza y preparacin del Homo

1
Fin

Figura 3.2 Mapa del proceso de Hornos

Despus de que pasa el proceso de la primera fusin, se agrega ms material en el horno, para esto se inicia el recargado del horno con un procedimiento similar al del cargado del horno, pero en menor cantidad de materiales. Al terminar este recargado, inicia la segunda fusin que contina hasta que el metal y la escoria estn listos para descargarse.

Se inicia la descarga del metal y la escoria, los cuales son transportados al rea del almacn de producto terminado. Cuando termina la descarga se procede a hacer limpieza y preparar el horno para la siguiente carga, con esto termina el proceso.

3.2 Identificacin de la variable de medicin y la fuente de informacin

El primer paso al iniciar el trabajo de caracterizacin del proceso, es el formar un equipo de trabajo para el desarrollo del mismo. Este equipo fue definido considerando todos los involucrados en el proceso.

El equipo fue coordinado por el autor como Black Belt y los integrantes son el jefe del rea y sus supervisores, adems de todos los operadores de la misma rea. El personal de mantenimiento fue involucrado tambin en el equipo, dadas las posibles implicaciones que pudiera tener en la operacin de los equipos del rea.

Se realizaron reuniones con el equipo para exponer la definicin del proyecto de mejora por iniciar y se les solicit su cooperacin dado el gran involucramiento que tienen con el proceso. En todos los anlisis de grupo fue tomado en cuenta la opinin de cada uno de los miembros del equipo y se retroalimentaron los avances para asegurar que acepten los cambios posibles propuestos en la etapa de optimizacin del proceso.

Para identificar la variable de medicin y determinar la fuente de informacin primero se decide conocer al proceso a travs del diagrama SIPOC. Donde primero se identifica lo que hace el proceso en el rea de Hornos, para analizar cules son las entradas y salidas y quines son los proveedores y clientes. En la Tabla 3.1 se muestra el diagrama SIPOC para el proceso de los hornos.

(S) Proveedores

(I) Entradas

(P) Proceso
Reducir los materiales para recuperar el metal que contienen en los hornos.

(O) Salidas

(C) CUentes

Preparacin d e cargas (interno). Reaueri mientas: Cargas disponibles, o o Tiempo. Cantidad.

>

Materiales con metal.

> Metal lquido. y Escoria lquida.

Proceso de refinacin del metal (interno). Rea uermientos: Volumen de produccin; entre mayor mejor, dado que homos es el cuello de botella de la empresa. Metal libre de escoria, segn especificaciones. Identificacin correcta del producto terminado.

> >

Fundentes. Gas-Oxgeno.

Disponibilidad del cargador frontaL

Preparacin correcta de carga.

Identificacin correcta de cargasflotes.

Suministro de energticos (extemo). Reauerimientos: Disponibilidad.

Control Ambiental (interno/externo). Reauerimentos: Calidad de escoria.

Tabla 3.1 Diagrama SIPOC

La informacin de los requerimientos de los clientes internos fue consultada con las personas a cargo de esas reas en la empresa.

Analizando la informacin obtenida de los requerimientos del cliente, en el diagrama SIPOC, contra la declaracin del proyecto de mejora, el equipo decidi que la caracterstica crtica para el cliente (CTQ) es el volumen de produccin. Se lleg a esta conclusin por medio de tcnica de grupo nominal, ver [4],

Para la seleccin de la CTQ se tom en cuenta la declaracin del problema con el cual inici este proyecto de mejora, el cual es presentado en el captulo 1, ver seccin 1.1 Descripcin del problema.

El volumen de produccin es una medicin de negocio, por lo que se requiere tener una medicin de proceso con la cual se pueda trabajar en el proyecto de mejora. Un anlisis de cascada de la demanda sirve para encontrar los posibles indicadores a utilizar que arrojen la medicin del proceso, por lo que se decidi a realizarlo.

Caracterstica Crtica para el Cliente

Volumen de produccin. Nmero de cargas procesadas. Tiempo de duracin de las cargas. Tiempos muertos por mantenimiento preventivo. Tiempos muertos por fallas.

Toneladas por carga. Capacidad instalada. Aprovechamiento de materiales.

Tabla 3.2 Cascada de la demanda

Con el anlisis realizado de la cascada de la demanda, ver Tabla 3.2, se identific que el volumen de produccin est en funcin de dos caractersticas del proceso, el nmero de cargas procesadas y las toneladas que ofrece cada lote. Las toneladas que ofrece cada lote estn en funcin de la capacidad instalada y el aprovechamiento de los materiales.

La capacidad instalada y el aprovechamiento de materiales no sern parte del alcance de este proyecto, por lo cual se descartan para este trabajo dado que en los procesos de mejora se busca trabajar con el mismo equipo instalado o con cambios mnimos.

La caracterstica crtica del proceso, donde mediremos la mejora del proceso, que est en funcin del objetivo del proyecto es el nmero de cargas procesadas. La medicin de respuesta del proceso a seleccionar es el tiempo de duracin de las cargas,

el cual es el indicador del desempeo del proceso. Lo anterior fue decidido por el equipo, usando tcnica de grupo nominal.

Se identific que la fuente de informacin son los reportes de produccin diarios y los reportes de las cargas, que se llevan actualmente en el rea. Los reportes se llevan de manera impresa y no se capturan en un medio electrnico con el detalle de las cargas, solamente se captura los totales diarios de produccin, por lo que se procedi a capturar la informacin de esta fuente.

Tambin se especific la unidad de medicin para cada una de las variables de medicin, esto est reportado en la Tabla 3.3.

Variable
Cargas procesadas Tiempo duracin d e las cargas

Unidad de Medida
N m e r o de cargas p o r mes Horas (se utilizar escala decimal)

Fuente de informacin
Reportes de cargas Reportes de cargas

Tabla 3.3 Variables de medicin

Se procede despus de la definicin de la variable a medir del proceso, a recolectar informacin de los ltimos meses. Esta informacin se presenta en la Figura 3.3, en forma de un histograma de la informacin.

Para futuros anlisis ser requerido tener una especificacin de esta variable del proceso, por lo que se procede a establecer los lmites del proceso para establecer el estado de desempeo. Dado que esta variable tiene la caracterstica de que entre menor es mejor, solamente se definir el lmite superior de especificacin.

Aunque el equipo de trabajo establece que el tiempo de duracin de las cargas debera ser de 8 horas, no se tiene un valor especificado para tener el lmite superior del proceso. Por lo anterior, se trabaja con el equipo para buscar cmo establecer este lmite.

Histograma Duracin de la Carga

180 160
140

2
g

120 100

8 0
60
40

!
1 1

\
\

h\

20

0
5 6 7 8 9 10 11 12 13 14 15

Tiempo (Horas) Figura 3.3 Histograma del tiempo de duracin de la cargas

El lmite superior se especifica, de acuerdo con el equipo y con el anlisis de la informacin y se tomar el valor que represente el tercer cuartil de los datos. Lo anterior dada la gran variacin observada por el proceso y a la falta de una especificacin establecida.

Con la seleccin del tercer cuartil, el equipo decidi establecer la reduccin del 25% restante de las cargas con tiempos de duracin por encima de este valor establecido por el tercer cuartil actualmente.

D e s c r i p t i v e S t a t i s t i c s : T i e m p o D u r a c i n (Horas) Variable Tiempo Variable Tiempo N 1063 Mnimum 5.1700 Mean 7.8495 Maximum 14.3300 Median 7.7500 Q1 7.3300 TrMean 7.8066 Q3 8.2500 StDev 0.8319 SE Mean 0.0255

Tabla 3.4 Estadstica descriptiva de los tiempos de duracin de la carga

En la Tabla 3.4 se observa el reporte del software Minitab de la estadstica descriptiva para los datos mostrados en la Figura 3.3, donde muestra el valor calculado para el tercer cuartil bajo el encabezado "Q3" que es igual a 8.25 horas.

El valor de 8.25 horas como lmite superior de especificacin (LSE), ser usado en las siguientes etapas del proceso. Con esta definicin se procede a validar el sistema de medicin y continuar con el inicio del anlisis de la informacin para conocer el desempeo actual del proceso. El LSE est dado por:

LSE= 8.25 horas

(3.1)

3.3 Validacin del sistema de medicin

Para validar el sistema de medicin de los tiempos de duracin de la carga se tom al azar, de los 6 hornos, 30 cargas para registrar la diferencia entre el tiempo reportado por el hornero y el tiempo transcurrido entre fin de la carga anterior y el inicio de la carga siguiente a la carga estudiada. Lo anterior para tener dos fuentes de informacin y poder validar el sistema de medicin, ver datos en Tabla 3.5.

De los datos recolectados se calcul la diferencia entre cada par de datos, por el tipo de informacin se decide hacer un estudio de reproducibilidad (Gage R&R) por el mtodo corto, para lo cual se requiere conocer la variacin de las mediciones, para evaluar que tanto aportan en la informacin recolectada contra las especificaciones.

Para la evaluacin de la variacin que aporta el sistema de medicin, se usa el mtodo corto documentado en [2], con la diferencia de obtener directamente la desviacin estndar por tena- 30 datos. Se usan las siguientes ecuaciones:

%GR&R=

5A5T

Tolerancia

*100

(3.2)

Tolerancia = 2* LSE - Xpmxso donde: %GR&R

(3.3)

es el porcentaje de aportacin de la variacin del sistema de medicin a la tolerancia establecida,

CT

es la desviacin estndar de las diferencias encontradas entre las dos fuentes de informacin,

LSE
X Proceso

es el lmite superior de especificacin establecido en la (3.1 y es el promedio histrico del proceso.

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Tiempo reportado por d hornero Tiempo Real 7.67 8.33 8.58 7.92 7.67 8.08 8.42 11.50 10.00 9.25 8.17 9.33 8.42 8.92 11.50 7.84 9.25 9.08 8.09 7.67 8.08 8.42 13.83 10.00 9.42 8.67 9.83 8.67 9.09 12.17

Diferencia 0.17 0.92 0.50 0.17 0.00 0.00 0.00 2.33 0.00 0.17 0.50 0.50 0.25 0.17 0.67

Muestra 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Tiempo reportado por el hornero Tiempo Real 9.33 9.00 9.50 11.08 8.17 9.00 9.75 9.17 9.08 11.92 10.83 10.25 7.92 8.67 8.75 9.66 9.17 9.50 11.08 8.17 9.00 9.75 9.34 9.08 11.92 11.08 10.25 8.09 8.84 9.00

Diferencia 0.33 0.17 0.00 0.00 0.00 0.00 0.00 0.17 0.00 0.00 0.25 0.00 0.17 0.17 0.25

Promedio Diferencia Desviacin Estndar

%GR&R

0.26 Horas 0.45 Horas

291 %

LSE Promedio Histrica Tolerancia

8.25 Horas 7.85 Horas 0.80 Horas

Tabla 3.5 Clculo de %GR&R

El anlisis presentado en la Tabla 3.5 arroja un resultado que indica que la variacin encontrada puede ser de 291% del tamao de la tolerancia establecida, por lo que el sistema de medicin es inaceptable. El criterio mximo aceptable es tener un 30% de la variacin explicada por el sistema de medicin, ver [2]. Por lo tanto se deber resolver este problema antes de continuar con el anlisis de la informacin.

Se procedi con el anlisis de las causas con el equipo de trabajo y se encontr que el tiempo de duracin de carga era reportado entre el inicio de la carga y el final de la colada, pero algunos horneros no estaban reportando el tiempo que usan entre el final de la colada y la limpieza y el tapado del horno antes de volver a cargarlo, por tener diferentes criterios de cmo medir el tiempo de duracin de la carga.

Por lo anterior se solicit a los supervisores de Hornos que hablarn con sus horneros para que reporten el tiempo de duracin de la carga, desde el final de la colada de la carga anterior hasta el final de la colada reportada. Con esto se evitarn los tiempos no reportados.

Se evalu nuevamente el sistema de medicin y se verific que se haba estandarizado el criterio para el registro de la duracin de las cargas; es decir, la diferencia encontrada fue de 0.

Para los anlisis del siguiente captulo se toma el tiempo transcurrido entre los finales de cada colada de carga. Las diferencias que se registren en el futuro se asentarn en el reporte de tiempos muertos con tiempo no registrado entre cargas.

Se revis adems el registro del nmero de cargas procesadas por mes, en el reporte de cargas, contra los datos reales dando iguales en todos los casos. Con lo anterior se valida la informacin que est registrada en los reportes de cargas y de produccin.

3.4 Evaluacin del desempeo actual

Con la fuente de informacin validada, se evalu el desempeo actual del proceso. Con la finalidad de calcular el Nivel Sigma y los DPMO se toman datos del ltimo mes completo que es el estndar usado por el personal, para tomar esta primer medicin

como el desempeo inicial. Este desempeo inicial servir para hacer la comparacin del desempeo del proyecto en el futuro.

Los datos son tomados para los 6 hornos, cuidando tener la informacin correcta evitando las diferencias de criterio detectadas en la seccin 3.3. Esta informacin fue capturada en una hoja electrnica, para despus proceder a su anlisis.

Anlisis de Capacidad del Proceso Tiempo Duracin (Horas)

Process Dala USL Target LSL Mean Sample N 7.99489 509 8 25000

LSE
Within Overall

StDev (Within) 0.727387 StDev (Chetali) 0.858138

Potential (Within) Capability Z Bench ZUSL Z.LSL Cpk Cpm Overall Capability Z Bench ZUSL ZLSL Ppk 0.10 0.30 0.30 0.12 * Observed Performance P P M < LSL PPM > USL P P M Total 267190.57 267190.57 Exp. 'Within* Performance PPM < LSL PPM > USL P P M Total * 362899.72 362899.72 Exp. 'Overall' Performance PPM < LSL PPM > USL P P M Total 383126.01 383126.01 0.35 0.35

Figura 3.4 Capacidad del proceso

Se determina la capacidad del proceso para la informacin recolectada de los seis hornos, la cual es del mes base de estudio. Arroja un desempeo de defectos representados por 383,126 DPMO o PPM, como se presenta en la Figura 3.4 como "PPM Total", en la columna "Exp. 'Overall' Performance".

En la misma figura se presenta el nmero de cargas realizadas en el mes analizado, las cuales son 509 cargas, lo anterior se presenta en la figura como "Sample N", que se refiere al tamao de muestra observado en este anlisis.

Lo anterior equivale a tener un Nivel de Sigma igual a 0.30, considerando que en un mes se presentan todas las causas comunes de variacin, se toma el anlisis de largo plazo. En la Figura 3.4 se puede ver el valor del anlisis de largo plazo bajo el ttulo de "overall capability", Zbench, que es la Z del proceso.

Lo anterior representa que se tiene el 38.31% de probabilidades de tener cargas con duracin de tiempo de carga mayor al LSE. Tambin se realiz este anlisis para cada uno de los hornos, arrojando los resultados presentados en la Tabla 3.6.

Horno
1 2 3 4 5 6

Nivel Sigma
(T 0.27 0.34 0.03 0.71 -0.06 0.58

DPMO
395172 366344 488038 238026 522412 281941

Media (horas)
8.031 7.904 8.226 7.821 8.304 7.795

Desviacin estndar
0.821 1.010 0.803 0.599 0.954 0.786

Tabla 3.6 Nivel Sigma de los Hornos

Con los anlisis anteriores se conoce el desempeo actual del proceso en funcin de la caracterstica que se busca mejorar, el tiempo de duracin de las cargas definida en 3.2. Con la informacin anterior el siguiente paso es establecer cul debe ser el objetivo de mejora del proceso.

3.5 Determinacin de los objetivos de mejora

Para poder determinar los objetivos de mejora a establecer en este proyecto, se debe analizar el comportamiento de la informacin recolectada. Para lo que se usar una grfica de control de datos individuales para tratar de identificar cmo se comporta el proceso.

Grfica de Control, datos individuales Tiempo de Duracin de Cargas

i
0

i
100

l
200

l
300

I
400

r
500

Nmero de Observacin

Figura 3.5 Grfica de control

En la Figura 3.5 se observa que existen causas especiales de variacin, las cuales son identificadas por ser observaciones (presentadas como "1" en la grfica) que estn fuera de los lmites de control del proceso calculados y representados en la misma figura como LSC (lmite superior de control) y LIC (lmite inferior de control). La variacin que est dentro de los lmites de control se dice que son de causas comunes de variacin, las cuales deben ser el enfoque principal del proyecto para analizar.

Para establecer los objetivos de mejora se debe estar trabajando con datos con causas comunes de variacin, por lo cual se eliminarn estos datos de la informacin para realizar los anlisis y as establecer el objetivo de desempeo.

Lo anterior asegura normalidad de los datos y permite el uso de ms herramientas estadsticas, pero no significa que no se tomen en cuenta las cargas que tienen causas especiales, sino que esas causas se deben atacar de manera distinta y adems por su naturaleza son de fcil identificacin.

El anlisis de las cargas que se muestran como causas especiales se presume que se refieren a fallas identifcables del equipo, quemadores y equipo mvil, principalmente. Estas fallas se analizarn para ver su efecto en la fase de analizar.
Grfica de Control Causas Comunes
LSC=9.776

Media=7.911

L1C=6.046
i i I I r

100

200

300

400

500

Observacin Figura 3.6 Grfica de control, causas comunes

En la Figura 3.6 se muestran todas las observaciones que estn dentro de los lmites de control estadstico, con estos datos se analiza el comportamiento comparado de los 6 hornos, para tratar de identificar si es posible establecer una diferencia entre el desempeo de cada horno.

Para ver si tenemos una diferencia significativa entre el desempeo de los hornos se usa una prueba estadstica ANOVA, para probar si existen diferencias entre el tiempo promedio que tiene cada uno de los hornos. La intencin de este anlisis es poder establecer un "benchmark" o punto de comparacin del desempeo que sirva para establecer el objetivo de desempeo del proceso, dado que no tenemos una referencia externa de dnde lomar el punto de comparacin.

En la Tabla 3.7 se presentan los resultados del anlisis del ANOVA. La prueba indica que existe una diferencia significativa entre los tiempos promedio de duracin de carga segn el horno donde se estn procesando. Al tener un valor de p menor al nivel de significancia aceptado de 0.05 se rechaza la hiptesis nula.

One-way ANOVA: Tiempo versus Homo

Analysis of Variance for Tiempo Source DF SS MS Horno 5 12.445 2.489 Error 483 202.189 0.419 Total 488 214.634
1

F f 5.95 I V

P 0.000

X
I y

Level Ho m o l Horno2 Horno3 Horno4 Horno5 Horno6

N 87 88 53 93 78 90

Mean 7.9432 7.8011 8.2485 7.8215 8.0706 7.7436 0.6470

Individual 95% CIs For Mean Based on Pooled StDev StDev + + + 0.6635 < * } 0.5958 ( * ) 0.6109 ( 0.5996 * ) 0.6829 ( * 0.7115 ( * > 7.75 8.00 8.25

+ > )

Pooled StDev =

8.50

Tabla 3.7 ANOVA. Tiempo duracin contra horno

Ya que se tiene como objetivo reducir la variacin que se tienen entre las cargas, se analiza la informacin para identificar si tienen la misma variacin entre los hornos. En la Figura 3.7 se tiene la prueba de homogeneidad de varianzas, donde arroja el resultado del valor de p de 0.450 segn la prueba de Bartlett para distribuciones normales, lo cual indica que no se puede rechazar la hiptesis de igualdad de varianzas segn el horno.

Test for Equal Variances for Tiempo

9 5 % Confidence h t e r s t s lot Slgmas Factor Levels

Hxnol Bartfetfs Test HXTKI2 Test Statistic: 4.728 P-Value htomo3 : 0.450

Homo4

Levene's Test Tea Statistic: 0.808 P-Value : 0.544

HjmoS

Hunos

~1

05

O S

07

O S

OS

Figura 3.7 Homogeneidad de varianzas

Con el aprendizaje anterior, se busca establecer cul es el horno con el promedio menor de tiempo de duracin de las cargas, para lo cual se realiza una prueba de anlisis

de medias. Con esta prueba identificamos el horno que es significativamente distinto, como lo present la prueba de ANO VA realizada anteriormente.
ANOM, Anlisis de Medias Tiempo Duracin Carga por Horno

8.07392

7.91117

7.74841

Homol

Homo2

Homo3

Homo4

Homo5

Homo6

Niveles para Homo Figura 3.8 Anlisis de medias

En la Figura 3.8 se observa en esta prueba grfica que el horno #6 tiene un promedio de duracin de carga significativamente distinto y menor al promedio de todos los hornos, con un nivel de confianza del 95%. Esto se presenta con el asterisco que presenta la media. Tambin presenta que el horno #3 tiene un promedio de carga significativamente distinto, aunque en este caso es mayor que el promedio de todos los hornos.

En la seccin 3.4 se encontr que el desempeo actual del proceso es de un Nivel Sigma de 0.30, sin embargo es necesario encontrar el intervalo de confianza (I.C.) de ese valor, dado que el objetivo de desempeo que se establezca en esta seccin debe estar fuera del intervalo de confianza del desempeo actual.

Con la informacin que se tiene de los I.C. de la media y desviacin estndar se puede calcular el I.C. del Nivel Sigma del proceso. En la Figura 3.9 obtenemos la informacin de los valores del I.C., se usarn los valores superiores del I.C. de la tnedia

y desviacin estndar para calcular el valor inferior del I.C. del Nivel Sigma y los valores inferiores del I.C. de la media y desviacin estndar para el valor superior del I.C. del Nivel Sigma. Intervalo de Confianza
95% Intervalo de Confianza (I.C.) para la Media

Variable: Tiempo
Media Oesviaari Std 9 5 % I.C. d e la Media 7.9202 7.99489 0.85772

7.85

7.95

8.05 9 5 % I.C. para la D e s v . Std. 0.8081

8.0696

0.9139

Figura 3.9 Intervalo de confianza del desempeo actual

El valor de Nivel Sigma objetivo del proceso debe estar fuera y por encima del I.C. del Nivel Sigma actual del proceso. Los clculos para llegar al I.C. se encuentran en la Tabla 3.8.

/ e. Nivel Sigma,^

8.25-8.0696 n i o = 0.1973 q ^

... 8.25-7.9202 Nivel Sigma ^^ = = 0.408 5 supenor ^ g j

Nivel Sigma = 0.30 0.1973 < Nivel Sigma < 0.408

Tabla 3.8 Intervalo de confianza para el nivel sigma del proceso

Como se concluy que el horno 6 tiene el mejor desempeo actualmente y es significativamente distinto del comportamiento del resto de los hornos, se calcula el desempeo actual de este horno para buscar establecer el objetivo de desempeo.

Con la informacin del horno 6, del cual fueron ignoradas las causas especiales identificadas al eliminar los datos, se obtiene un nivel sigma de 0.71 y unos DPMO de

238,907. El desempeo est fuera del intervalo de confianza calculado para el desempeo actual.

Anlisis de Capacidad del Proceso Homo 6

Process Data USL 8.25000 Target LSL Me 7.74356 SampIeN SO StDev(Within) 0.64407$ SIOev(CKetall) 0.713481 Potential (Wrthin) Capabilrty Z.Bench 0.79 Z.USL 0.79 Z.LSL Cpk 0.26 Cpm Cerali Capability ZBench 0.71 Z.USL 0.71 Z.LSL Ppk 0.24 Observed Perfoimance PPM < LSL PPM > USL 200000.00 PPM Total 200000.00 10 Exp. 'Within" Peflbrmance P P M < LSL PPM > USL 215842.20 PPM Total 215S4Z20

LSE
Within Overall

T
11

1 2
238907.20 238907.20

Exp. "Overall" Performance PPM < LSL PPM > USL P P M Total

Figura 3.10 Anlisis de capacidad del proceso, Horno 6

Al presentar esta informacin al equipo decidi una reduccin de defectos de al menos el 50% de los DPMO, como un criterio preliminar para alcaazar un aumento significativo en esta variable. Ya que el horno 6 tiene el mejor desempeo actual, se toma como objetivo una reduccin del 50% de los DPMO que presenta el horno 6, ver en Tabla 3.9.

Lo anterior lleva a estimar un objetivo de 119,453 DPMO o 1.18 Nivel Sigma, como se indica en la Ecuacin( 2.3. DPMO ACTUAL
UrMU

50%REDUCa0N 50%REDUCCIN

) DPMO *

UrLV1U

OBJETIVO

23 8907

>119453

Nivel Sigma OBJETIVO = 0"'(0.119453) Nivel SigmaOBJETIVO = 1.18

Tabla 3.9 Nivel Sigma objetivo

Se concluye estableciendo el nivel sigma objetivo para el proyecto, el cual est fuera del intervalo de confianza del desempeo actual, por lo tanto representa una mejora real del proceso.

3.6 Conclusiones del captulo

El proceso de hornos tiene variacin de los tiempos de duracin de carga, lo cual hace que el Nivel Sigma sea bajo. La mejora en el sistema de medicin de los tiempos de duracin de las cargas permiti conocer de manera real el desempeo del proceso.

El objetivo de mejora establecido en la seccin 3.5, indica tener un desempeo de los hornos de un Nivel Sigma de 1.18. En el cual con los 119,453 DPMO esperados, significan que solamente el 11.9% de las cargas tendrn un tiempo mayor al lmite superior de especificacin establecido por el equipo de trabajo de este proyecto de mejora.

El entendimiento del porqu de las variaciones en el tiempo de proceso se realizar en el captulo 4.

4 ANALIZAR

Con la fase de analizar se terminar la etapa de caracterizacin del proceso al conocer su problema estadstico; es decir, cules son las causas que ocasionan el desempeo observado en la fase de medir.

Para conocer el problema estadstico, primero se enfocar el esfuerzo a identificar todas las posibles causas de variacin que ocasionan los defectos, seccin 4.1, para continuar con la validacin de las causas ms probables en la seccin 4.2.

En esta fase se trabaja con pruebas estadsticas para darle validez y un alto nivel de conocimiento a las ideas generadas por el equipo de trabajo. En la seccin 4.3 se presentan las conclusiones encontradas en este captulo.

4.1 Identificacin de las causas de variacin

Para identificar las fuentes que generan los defectos reportados en la fase de medir realizado en el captulo 3, los cuales son las cargas con duracin en tiempo en exceso, se trabaja con el equipo del proyecto para generar una lluvia de ideas de las posibles causas de variacin que estn ocurriendo sobre el proceso.

Se llevan a cabo varias sesiones de trabajo para tener la opinin de todos los involucrados, donde se les pide respondan al cuestionamiento "Qu, Quin, Por qu se, Cmo se, Cundo se, podra afectar el tiempo de duracin de las cargas?"

149131

A Para categorizar este anlisis se usa el diagrama Causa-Efecto , donde el objetivo es tener las causas probables con un buen nivel de anlisis que conduzca a encontrar causas raz. Se le pide al equipo el evitar dar ideas que sean soluciones o ausencias de soluciones, es decir evitar que en esta etapa traten de resolver el problema planteado. Para este anlisis de grupo se usar el anlisis de Por Qus, para lo cual se representar como una rama inferior en el diagrama causa efecto, la respuesta al cuestionamiento del por qu la causa planteada afecta.

Se realiza el anlisis clasificando las posibles causas en categoras: mtodo, maquinaria, mano de obra, materiales, medio ambiente y medicin, ver [4]. Lo anterior con la finalidad de ayudar en la comprensin de las causas, esta clasificacin hace que algunos autores llamen a esta herramienta diagrama 6M.

El resultado del trabajo con el equipo del proyecto est documentado en el diagrama causa efecto presentado en la Figura 4.1.

El siguiente paso de este anlisis es hacer una votacin del equipo para priorizar las causas de las cuales se considera estn afectando el desempeo de las variables que se estn analizando. A esta herramienta se le conoce como tcnica de grupo nominal y se basa en el conocimiento y experiencia del equipo de trabajo para la priorizacin de las causas.

Las causas que fueron priorizadas por el equipo bajo esta tcnica fueron resaltadas del texto usando letras negritas en la Figura 4.1 y estn listadas en la Tabla 4.1, stas sern las causas que se analizarn en la siguiente seccin, la 4.2.

Tambin se le conoce como diagrama de pescado o Ishikawa (en relacin con su desarrollador Karoru Ishikawa).

<4-1

i
o

es

S? S M l b

En la seccin 4.2 es donde se buscar validar si en realidad las causas priorizadas por el equipo afectan a la variable que se est analizando, el tiempo de duracin de las cargas.

Las causas que fueron priorizadas por el equipo de trabajo estn listadas en la Tabla 4.1, donde se establece la seleccin que se realiz sobre todas las causas posibles identificadas por el equipo que pueden afectar el tiempo de duracin de las cargas. Con esta reduccin se logra priorizar aquellas causas que el equipo considera que son las ms probables.

Al realizar el listado final se identific que dos causas; la de cambio de condiciones del homo y la del tiempo perdido en cambios de turno, estaban repetidas en distintas categoras por lo que se procedi a listarla en la categora que fuera ms representativa. Aunque esto se puede realizar desde la generacin del diagrama causa efecto, no es recomendable por la metodologa dado que podra ocasionar que el equipo de trabajo se vea afectado en su disposicin de aportar posibles causas. Mtodo
Cambio de condiciones del homo fuera de tiempo por falta de atencin de los operadores, por que depende del tiempo disponible

Mquina
Fallas del sistema de combustin por que ocasionan tiempos muertos Montacargas, ocasionan tiempos muertos por disponibilidad de los mismos Montacargas, el recorrido de los montacargas hace que tome ms tiempo entre el horno 6 que el horno I

Mano de Obra
Tiempo de recarga del horno no se realiza a tiempo por el seguimiento de los operadores Algunos operadores se tardan a propsito por falta de supervisin En los Cambios de turnos se tiene tiempo de operacin perdido por falta de supervisin de los operadores

Vi edicin
Diferencia sobre cmo medir la duracin de carga entre los operadores Tabla 4.1 Causas priorizadas

La razn de la priorizacin de las potenciales causas es para poder tener la facilidad de seguir avanzando en el anlisis de este proyecto aprovechando el conocimiento del equipo de trabajo.

4.2 Validacin de las causas potenciales

Se proceder a analizar las causas priorizadas en la seccin anterior, para validar su efecto sobre la caracterstica crtica seleccionada (CTQ) con la cual se est trabajando, el tiempo de duracin de las cargas.

Para realizar la validacin de las causas se iniciar con una planeacin del cmo podemos realizar esta verificacin. Para lo anterior se reuni el equipo de trabajo para elaborar esta planeacin.

El objetivo de esta planeacin es tener una estrategia que conduzca a verificar si las causas priorizadas por el equipo de trabajo en la seccin 4.1, en realidad estn afectando. Por lo anterior se le plante al equipo "cmo se puede verificar cada causa, usando datos y anlisis de los mismos?", el resultado de este trabajo en equipo est presentado en la Tabla 4.2.

El siguiente paso es llevar a cabo la planeacin de la verificacin de las causas probables priorizadas por el equipo de trabajo para comprobar si son significativas y llevar a una conclusin sobre cada una de ellas. Existen causas que tienen planes comunes de verificacin, lo anterior se puede observar en la Tabla 4.2.

Para verificar la primera y sexta causas citadas en la Tabla 4.2 se decidi tomar informacin del horno #6, para lo cual se captur la informacin de duracin de carga y el turno que lo report.

Causas Probables
Cambio de condiciones del homo fuera de tiempo por falta de atencin de los operadores, porqu depende del tiempo disponible.

Cmo se puede verificar?

Capturar informacin de duracin de cargas por turno. Analizar el tiempo de duracin de cargas por turno. Investigar por entrevista con los operadores que tienen los mayores tiempos y los menores tiempos como se realizan los cambios de condiciones de los hornos. Analizar la informacin de demoras reportadas para verificar las causas de fallas principales y trabajo con el equipo para identificar las causas de las fallas. Analizar la informacin de demoras para verificar las causas de fallas principales y trabajo con el equipo para identificar las causas de las fallas. Analizar la informacin de duracin de cargas promedio por horno, donde la hiptesis es que dado que el horno 6 duran ms tiempo las cargas porque se recorre ms distancia desde el almacn de materias primas, esto comparado contra el homo 1 que est ms cercano al almacn. Implementar la medicin del tiempo de recarga de los hornos. Capturar la informacin de duracin de cargas, tiempo de recarga, tumo y homo. Analizar el tiempo de duracin de carga contra el tiempo de recarga del horno.

Fallas del sistema de combustin ocasionan tiempos muertos. Montacargas, ocasionan tiempos muertos por disponibilidad de los mismos. Montacargas, el recorrido de los montacargas hace que tome ms tiempo entre el horno que el horno 1. Tiempo de recarga del homo no se realiza a tiempo por el seguimiento de los operadores.

Algunos operadores se tardan a propsito por falta de supervisin.

Capturar la informacin de duracin de cargas por tumo. Analizar el tiempo de duracin de cargas por turno. Investigar por entrevista con los operadores que tienen los mayores tiempos y con sus supervisores para identificar posibles operadores que se tardan a propsito. Analizar la informacin de demoras para verificar las causas de fallas principales y trabajo con el equipo para identificar las causas de las fallas.

En los Cambios de tumos se tiene tiempo de operacin perdido por falta de supervisin de los operadores. Diferencia sobre como medir la duracin de carga entre los operadores.

Realizado en la fase de Medir. Validado con el estudio de vahdacin del sistema de medicin. Se le dar seguimiento.

Tabla 4.2 Planeacin de la verificacin de causas probables

Cabe mencionar que la planta cuenta con 4 tumos, dado el proceso continuo mencionado en 3.1. Cada turno tiene un operador asignado a cada horno, por lo que tener la informacin del turno que reporta cada carga, permite identificar a los operadores.

En la Figura 4.2 se presenta el resultado del promedio de los datos recolectados durante 3 semanas de la duracin de carga por cada turno, donde se distingue la diferencia de desempeo entre los turnos. En la figura se puede apreciar que los turnos 1 y 4 presentan los menores promedios; mientras que los turnos 2 y 3 presentan los mayores promedios.

Duracin de Carga, por cada Tumo

Turno
Figura 4.2 Duracin de carga, por cada turno. Horno #6

Con la misma informacin se procedi a analizar con una prueba de hiptesis si la diferencia observada en la grfica es estadsticamente significativa. Para lo anterior se realiza una prueba de ANOVA de un factor ("One-way ANO VA" en ingls).

La prueba confirma que las diferencias son estadsticamente significativas al ser menor al nivel establecido de 0.05, los resultados se presentan en la Tabla 4.3, dando el resultado de P=0.040, se concluye que alguno de los turnos tiene un promedio diferente.

Dado que se valida la diferencia de desempeo por operador, con lo cual se tiene la primer parte de la validacin de causas de cambio de condiciones del horno por falta

de atencin y la de que algunos operadores se tardan a propsito, primer y sexta causa citadas en la Tabla 4.2, se procedi a entrevistar a los operadores para tratar de validar por completo las causas.

One-way A N O V A : DuracinCarga versus Turno Analysis of Variance for DuracinCarga P P Source DP SS MS 2.787 Turno 3 0.929 2.90 0.040 25.647 Error 80 0.321 Total 83 28.433 Individual 95% CIs Por Mean Based on Pooled StDev Ijevel N Mean StDev + -+ + 1 7.6429 24 0.5139 * -) ( < *. 2 0.5750 26 8.0458 3 14 8.0393 0.4991 ( *4 7.7355 0.6517 20 ( * )

+ +

-)

.+

+_

Pooled StDev =

0.5662

7.50

7.80

8. 10

8.40

Tabla 4.3 ANOVA Duracin de carga, por turno

De las entrevistas directas llevadas a cabo con los operadores de este anlisis y de otros operadores no incluidos en el mismo, no se puede concluir nada dado los conflictos y contrapuntos que genera este tipo de investigacin.

Se plante una reunin con parte del equipo de trabajo, supervisores y jefe de rea, para plantear cmo podramos diferenciar el porqu de las diferencias en el desempeo de los operadores. El factor experiencia surgi en la reunin, pero fue desechado rpidamente por que se tienen operadores con mucha y poca experiencia entre los dos casos encontrados en el anlisis, los de menor y mayor duracin de carga.

Se decidi entonces seguir en la fase de mejora con solamente una causa, la diferencia de duracin de carga por operador, para trabajar en buscar maneras de contrarrestar esta causa que ya fue verificada.

Para la validacin de las causas de tiempo muerto por fallas del quemador, por falta de montacargas y la de tiempo muerto de operacin a i cambios de turno, respectivamente la segunda, tercera y sptima causas citadas en la Tabla 4.2, se recolect la informacin de los reportes de demoras de los 6 hornos de un mes. Para

analizar esta informacin se decidi usar un Pareto9, donde se agruparon las fallas en categoras generales y tiempos muertos entre los operadores.

Figura 4.3 Pareto de demoras reportadas

Pareto de D e m o r a s Reportadas

300 ( A X

200

100 -

0 4
Defectos
Horas Porcentaje % Acum. 29.34
8.0

100.0

En el Pareto presentado en la Figura 4.3 se muestra que las causas clasificadas como de supervisin ocupan el primer lugar aportando 35.6% del total de demoras reportadas. La siguiente clasificacin fue las causas relacionadas al quemador con 28.7% de aportacin, y la tercer clasificacin es la de montacargas que aporta el 19.3%.

Con la suma de las tres primeras clasificaciones tenemos el 83.5% del total, con lo que el resto de las causas no se toman en cuenta siguiendo el principio de Pareto; es decir, el enfoque en las pocas vitales que ocasionan la mayor parte de los defectos. En este anlisis el defecto analizado son "horas de demora reportada por los operadores".

Despus se tomaron solamente las causas que haban sido clasificadas como supervisin para analizar y tratar de verificar las causas priorizadas anteriormente, especialmente la de tiempo muerto de operacin por los cambios de turno que es la sptima causa de la Tabla 4.2.

Pareto de Demoras, por Supervisin

100 -,

O ) 2
o 50 -

0 H
Defect Horas Porcentaje % Acum. 72.08 55.0 55.0
10.62

8.1
100.0 Figura 4.4 Pareto de demoras, por supervisin

En el Pareto de demoras, analizado solamente dentro de la clasificacin realizada de supervisin, se presenta que la primera causa encontrada es cambio de turno con el 55% de la aportacin en esta categora, ver la Figura 4.4.

La segunda es tiempo no registrado con el 29.5%, esta no es en realidad una causa sino que es parte de la implementacin de la validacin del sistema de medicin. Cuando existe diferencia entre el tiempo entre fin de una carga y el inicio de la siguiente se reporta bajo este concepto. Aunque no se pudo separar en el anlisis, el equipo de trabajo reconoce por su experiencia que aproximadamente la mitad de los casos ocurren en los cambios de turno.

Con la informacin de los Paretos se verifica la validez de esta causa, tiempo perdido por cambio de tumo, aunque se reconoce que se necesita un mejor medio de medicin de la misma, dado que estos resultados son los reportados por los operadores y/o supervisores de turno.

De la segunda causa listada en la Tabla 4.2 de fallas del quemador se intent hacer el mismo anlisis, como en la causa anterior verificada, pero dado que en este punto en particular cada operador tiene una forma distinta de reportar las fallas no se pudo encontrar el principio de Pareto en la informacin. La razn de esto es que tenemos gran cantidad de causas con pequeas aportaciones al total.

Por lo anterior se propuso al equipo de trabajo usar otra herramienta de anlisis para estas causas, el anfisis de modo y efecto de fallas (AMEF). Se realiz una reunin de trabajo donde se incluy a personal de mantenimiento y operacin para este anlisis.

El resultado de este trabajo se presenta en la Tabla 4.4, donde se identificaron con la evaluacin del nmero de prioridad de riesgo (NPR) las causas ms significativas sobre las cuales hay que buscar la mejora en la siguiente fase del proyecto.

En el anlisis el equipo identific para el sub-proceso del encendido del quemador dos modos potenciales de falla dada su experiencia a los cuales se les asign un grado de severidad (S). De cada modo potencial de falla se realiz una lluvia de ideas para detectar las causas potenciales de la falla, para las cuales se evalu la frecuencia u ocurrencia de estas causas (O).

De las causas potenciales se evalu tambin la efectividad de los controles del proceso actuales para contrarrestarlas, lo cual se denomina nivel de deteccin (D). La escala usada y el procedimiento utilizado es el propuesto en [1], donde el NPR es igual al producto de S, O y D.

Se continuar con el uso de la herramienta AMEF en la fase de Mejorar, donde se buscarn las acciones recomendadas para contrarrestar las causas a las cuales el equipo les dio una calificacin mayor a 300 en este anlisis. El valor de 300 fue establecido por el equipo al revisar los resultados obtenidos en este AMEF como valor crtico.

Descripcin Modo Proceso / Sub- Potencial Proceso de Falla Piloto del Proceso: Fusin quemador no del metal enciende Sub-proceso: Encendido del quemador

Efecto(s) Potencial(es) Falla Demora al prender el quemador manualmente

S Causa(s) Potencial(es) 7 Cable de la buja daado Piloto obstruido o sucio Alineacin del piloto del quemador Buja daada Transformador de ignicin daado (fusible) Vlvula solenoide del piloto daada Protecto / relevador daado Carro fuera no detectado PLC en falla / alarma Presin de gas / oxgeno

O Controles de Proceso Actuales 10 Rutina MP 9 Rutina MP 8 Instalacin 5 Rutina MP 5 Rutina MP 3 Rutina MP 5 Rutina MP (general) 8 Rutina MP 5 Rutina MP (general) 3 No hay 7 MP semanal 8 MP / cambio de diseo de quemador 7 MP

D NPR

9 6 8 3 3 6 4 6 10 6 5 3 6 10 7

630 378 448 105 105 126 140 336 210 210 336 320 168 288 560 504

No detecta flama

Demora para prender el quemador

8 Sensor UV daado Sensor desalineado (montaje)

Sensor con cables en corto Sensor (interno) sucio u 6 MP obstruido Sensor con polaridad 7 No hay invertida Conducto de quemador de gas sucio / obstruido Conducto de quemador de gas fuera de std. Conducto de quemador de gas doblado Fusible abierto No hay salida del PLC Tabla 4.4 AMEF, falla del quemador

9 MP mensual

8 Dibujos vs. reparacin 5 MP 2 No hay 2 No hay

2 3 10 10

128 120 160 160

La tercer clasificacin de causa presentada en el Pareto de la Figura 4.3 son las relacionadas a los montacargas que es la tercer causa de la Tabla 4.2, de esta clasificacin se realiz un segundo Pareto para presentar las causas que lo componen.

El resultado es presentado en la Figura 4.5, donde se encuentra que el 53.1% del tiempo de demora reportado fue debido a que estaba en el taller por alguna falla. Por estar ocupado el montacargas en otra actividad u horno represent el 35.6% del tiempo, lo cual tambin puede significar que est cubriendo la falta de algn otro montacargas que este en el taller.

Analizando esta informacin con el equipo de trabajo se llega a la conclusin que el estado actual del equipo, el cual es de deterioro por el tiempo de operacin, es la principal barrera para lograr buscar una mejora en esta causa de demora.

Se coment adems que en un perodo menor a un ao se tiene contemplado el cambio de los montacargas y el aumento del nmero de stos en uno para tener un respaldo para sustituir a los que tengan que estar en el taller.

Por lo anterior, se decide en el equipo slo buscar mejora" la calidad de la informacin de estas causas dado que la solucin definitiva requiere inversin y tiempo mayor al enfoque de este proyecto de mejora.

Dado que la distancia entre el horno 6 y el almacn de materias primas es la mayor debido al trazado de la planta, ver Figura 3.1, la hiptesis planteada por el equipo fue que este horno es el que presenta la mayor duracin de cargas, cuarta causa citada en la Tabla 4.2. Se utiliz las mismas pruebas de hiptesis usadas en la seccin 3.5.

Pareto d e Demoras, por M o n t a c a r g a s

70 60 50 -

( O (0 4U o I 30 20 10 -

Horas Porcentaje % Acum.

4.97 7.0 100.0 Figura 4.5 Pareto de demoras, por montacargas

A N O M , Anlisis de Medias Tiempo Duracin Carga por Horno

8.07392

7.91117

7.74841

Hocnol

Komo2

Homo3

Homo

Homo5

Homo6

Niveles para Homo Figura 4.6 Duracin de cargas por horno

En la prueba de hiptesis de anlisis de medias, ANOM en la Figura 4.6, se muestra que al contrario de lo planteado por el equipo, el horno 6 es el que presenta el

menor tiempo de duracin de cargas. El horno 3 presenta el mayor tiempo de duracin de carga y est a menor distancia del almacn que el horno 6.

Por el anlisis anterior se concluye que la causa de distancia no es significativa para afectar el tiempo de duracin de carga, aunque se reconoce que es real. Lo anterior demuestra adems que son otras las causas que mayormente afectan al tiempo de duracin de la carga.

Para verificar la quinta causa probable citada en la Tabla 4.2, de que los operadores no recargan a tiempo los hornos por falta de seguimiento, se utiliz la misma recoleccin de informacin de la primer y sptima causas de la Tabla 4.2. Es decir, de las mismas cargas que se usaron para ver las causas de atencin de los operadores por cambio de condiciones y de que tardaban deliberadamente.

Durante la recoleccin de informacin se incluy el tiempo que se tardaban para recargar por turno. Los datos se presentan en la Figura 4.7, donde se observa un comportamiento similar al presentado en la Figura 4.2.

Se revis si las diferencias en los tiempos para recargar por turnos son estadsticamente significativas, mediante la herramienta ANOVA. Los resultados son presentados en la Tabla 4.5, donde se comprueba la significancia estadstica de las diferencias observadas en la Figura 4.7 dado que P=0.007.

Tiempo para Recargar, por cada Turno

Turno
Figura 4.7 Tiempo para recargar, por cada tumo

One-way A N O V A : TieRecarga versus Turno Analysis of Variance for TieRecarga Source DF SS MS Tumo 3 1.665 0.555 Error 80 10.230 0.128 Total 83 11.895

P 4.34

P 0.007

Individual 95% CIs Por Mean Based on Pooled StDev Level 1 2 3 4 N 24 26 14 20 Mean 2.4008 2.6462 2.6357 2.3245 0.3576 StDev 0.2890 0.3856 0.4272 0.3418
+ +
)

+ * *
- - )

<
(
- - +

( ( *
+

)
+

)
+

Pooled StDev =

2.20

2.40

2.60

2.80

Tabla 4.5 ANOVA Tiempo para recargar por turno

Regression Plot
Dur. Carga = 3.97746 + 1 .50954 TieRecarga S = 0.163262 R-Sq a 68.0 % R-Sq(adj) = 67.5 %

O) ra O c -O 'o

ra

ra
Regression 95% C1 95% Pl

Tiempo de Recarga Figura 4.8 Regresin duracin de carga vs. tiempo de recarga

Para validar que la causa del tiempo de la recarga afecta en el tiempo total de duracin de la carga, se tom informacin de 83 cargas, las cuales no presentaban fallas, de tres hornos 1,4 y 6, sin avisarle a los operadores de la toma de informacin para no afectar los resultados del estudio.

Una vez capturada la informacin se decidi analizar, por medio de una regresin, la posible dependencia de esta causa en el desempeo. Este factor fue significativo de acuerdo al anlisis de regresin, donde presenta una R ajustada (R-Sq(adj)) del 67.5%. Ver en Tabla 4.6. El valor de la R2 ajustada representa el porcentaje que el modelo explica de la variabilidad de los datos de duracin de carga en relacin con el factor analizado, que es el tiempo de recarga. Dado que tenemos varias causas afectando al mismo tiempo, una R 2 del 67.5% representa una validacin del efecto de esta causa.

Se analiz la validez del modelo de regresin obtenido de este anlisis por medio del anlisis de los residuales, dando satisfactorias las pruebas. Se presenta en la Figura 4.9 un resumen de esta validacin.

Regression Analysis: DurCarga versus TieRecarga The regression equation is DurCarga = 3.98 + 1.51 TieRecarga Predictor Constant TieRecarga S = 0.1633 Coef 3.9775 1.5095 s e Coef 0.3141 0.1230

T
12.66 12.28

P 0.000 0.000

R-Sg = 68.0%

R-Sq(adj) 67 .5%

Analysis of Variance Source Regression Residual Error Lack of Fit Pure Error Total DF 1 71 29 42 72

SS
4.0176 1.8925 0.6744 1.2181 5.9100 (P > 0.1)

MS
4.0176 0.0267 0.0233 0.0290

F 150.73 0.80

P 0.000 0.731

No evidence of lack of fit

Tabla 4.6 Anlisis de regresin, duracin carga vs. tiempo de recarga

Residual Model Diagnostics

Normal Plot of R e s i d u a l s
.4 .3 .2 .1 -

I Chart of R e s i d u a i s

0.1 2 .3 - 2 5 - 2 . 0 - 1 . 6 - 1 . 0 - < L S 0.0 O S 1.0 1 5 2 0

~iiiiiiiiir
.4 I S

10

20

30

40

60

60

70

80

Normal Score Histogram of R e s i d u a l s

0.4 0.3 0.2 -

Observation Number R e s i d u a l s vs. Fits

2 0.0
-0.3 -0.4

0.1 -

-0.2-I
-

4) 4 4 3 <0.2 <01 00

01

02

0.3 04

74 7$ 70 77 7.8 79 &0 6.1 2 ea 6.4

Residual

Fit

Figura 4.9 Anlisis de residuales del modelo de regresin

El tiempo para recargar se afecta con una relacin 1.51 veces al tiempo total como se muestra en el anlisis de regresin, el cual es el coeficiente de este factor. Lo anterior es vlido para el modelo analizado, ver Figura 4.8 y Tabla 4.6.

Con los resultados del anlisis de regresin y del ANOVA se verifica que la causa de recarga a tiempo por los operadores es significativa, por lo que se trabajar en la siguiente fase para tener ms informacin de todos los hornos.

4.3 Conclusiones del captulo

Se presenta un resumen en la Tabla 4.7 de las causas priorizadas como las ms probables en la seccin 4.1 y los resultados obtenidos en la verificacin de las mismas en la seccin 4.2.

Se presenta una columna en la Tabla 4.7 para indicar si la causa se concluy como verificada en la seccin 4.2, se agrega otra columna con comentarios sobre el proceso de verificacin. Tambin se agrega otra columna para indicar si se buscar mejorar la causa en la fase del mismo nombre.

Con el aprendizaje logrado en esta fase se procede a buscar la mejora en la siguiente fase de la metodologa, donde para las causas verificadas se buscar tener una solucin que la contrarreste.

Causas Probables
Cambio de condiciones del horno fuera de tiempo por falta de atencin de los operadores, por que depende del tiempo disponible Fallas del sistema de combustin ocasionan tiempos muertos

Verificada

Comentarios
Se encontr como significativa esta causa, aunque de manera general; es decir, los operadores tienen diferente desempeo Se analizaron posibles causas de las fallas, de las cuales se analizarn usando el AMEF para buscar la mejora Aunque es real la causa, no se incluir en el anlisis de la mejora por estar fuera del alcance del proyecto al requerir inversin Causa rechazada, aunque es un hecho las diferencias de distancia, en este momento no es significativa la causa. Causa verificada con de la diferencia entre los operadores, tambin se verific el efecto de la recarga en la duracin total Se encontr como significativa esta causa, aunque de manera general; es decir, los operadores tienen diferente desempeo Es la principal causa de demora identificada en la clasificacin de supervisin, se reconoce que no se tiene una medicin que lleve a conocer el efecto real Realizado en la fase de Medir. Aunque en realidad no afecta a la duracin de la carga, sino a su medicin. Se le dar seguimiento.

Mejorar

Si

Montacargas, ocasionan tiempos muertos por disponibilidad de los mismos Montacargas, el recorrido de los montacargas hace que tome ms tiempo entre el homo 6 que el horno 1 Tiempo de recarga del homo no se realiza a tiempo por el seguimiento de los operadores

No

No

No

Algunos operadores se tardan a propsito por falta de supervisin

No

En los cambios de tumos se tiene tiempo de operacin perdido por falta de supervisin de los operadores

Diferencia sobre cmo medir la duracin de carga entre los operadores

No

Tabla 4.7 Resumen de verificacin de causas

5 MEJORAR

En la fase de mejorar se inicia la etapa de la optimizacin del proceso, para lo cual se buscarn las soluciones de las causas verificadas a mejorar seleccionadas en la fase de analizar.

Para tener las soluciones que se buscar implementar en el proceso, primero se trabajar con el equipo de mejora en identificar las posibles soluciones que ayudarn a contrarrestar las causas verificadas, esto se realizar en la seccin 5.1.

Cuando se tengan identificadas las posibles soluciones, se buscar establecer cules son las condiciones en las cuales deben operar esas soluciones. Lo anterior puede requerir o no una validacin estadstica segn el tipo de solucin a implementar, este desarrollo estar en la seccin 5.2.

De las soluciones se implementarn los controles que aseguren la permanencia de la mejora en la fase de controlar, captulo 6, las conclusiones principales de este captulo se presentan en la seccin 5.3.

5.1 Soluciones que contrarrestan las causas verificadas

La primer parte es trabajar con el equipo para encontrar posibles soluciones que contrarresten las causas que fueron verificadas y seleccionadas para mejorar en el captulo 4. Se realizaron reuniones con el equipo con el objeto de obtener una lluvia de ideas.

Las ideas son sobre todas las posibles formas de contrarrestar las causas, dado el aprendizaje que se tiene en el desarrollo de este proyecto. El resultado de este trabajo est presentado en la Tabla 5.1, donde se agrupa lo generado por la lluvia de ideas para cada una de las causas verificadas a mejorar.

Para las fallas del sistema de combustin se trabaj usando un AMEF, debido a que esta herramienta tambin conduce a este anlisis para obtener la mejora a implementar. En este caso el avance se presentar directamente en la seccin 5.2.

De las posibles soluciones proporcionadas por el equipo del proyecto, se realiza una evaluacin para decidir sobre cules causas se probarn las soluciones a implementar y verificar que mejoran el tiempo total de duracin de las cargas.

Para realizar esta evaluacin se le pide al equipo hacer una votacin por tcnica de grupo nominal sobre tres categoras: fcil de implementar la solucin, bajo costo de la implementacin y efectividad esperada de la solucin.

Las calificaciones posibles para la votacin son: alto, medio y bajo, las cuales se representarn con A, M y B respectivamente. Cabe aclarar que en el caso de costo una calificacin alta representar que tiene un bajo costo de implementacin.

Causas verificadas a mejorar

Cambio de condiciones del homo fuera de tiempo por falta de atencin de los operadores, por qu depende del tiempo disponible y/o por actitud de los operadores

Posibles Soluciones para Contrarrestar las Causas

Monitorear el desempeo de los operadores para establecer acciones de comunicacin con ellos Establecer las mejores prcticas de operacin y transmitirlas a los operadores Reducir el nmero de actividades que realizan los operadores Programar, en el PLC, los cambios de condiciones de operacin que son realizadas en el panel de control por los operadores Presentar los resultados de la operacin a los tumos en sus juntas de trabajo Establecer en el reporte de operacin de los hornos, que se registren cada uno de los tiempos de proceso

A A M

Fallas del sistema de combustin ocasionan tiempos muertos Tiempo de recarga del homo no se realiza a tiempo por el seguimiento de los operadores

Se revisaron cada uno de las posibles formas de falla usando un AMEF, donde se plantea las mejoras a implementar, esto se presentar directamente en la seccin 5.2

Medir y registrar el tiempo de recarga de cada operador, para establecer acciones de comunicacin con ellos Establecer la mejor prctica y comunicrsela a los operadores Establecer un rango de tiempo para la realizacin de la recarga, en base al anlisis realizado Entrega del turno en el rea, revisado por los Supervisores Medir el tiempo de duracin de las cargas, para cada entrega y recepcin de los tumos, para identificar cuando usan mayor tiempo total de duracin Presentar los resultados de tiempos perdidos por cambio de tumo y duracin total de carga cuando hay cambio de tumo a los operadores en sus juntas de trabajo Tabla 5.1 Posibles soluciones para contrarrestar las causas

M M M N A A A B A S

En los Cambios de se tiene tumos tiempo de operacin perdido por falta de supervisi de los operadores

A A

El resultado del anlisis tambin se presenta en la Tabla 5.1. Con este anlisis se seleccionan las posibles soluciones para verificar su impacto en el desempeo. El resultado de este anlisis se presenta en la misma tabla mencionada, donde S significa que si fue seleccionada y N que no fue seleccionada la posible solucin.

Fcil Costo Efectiva 1 Selecionar

A A M S M M M N B B M N M A S

M S

A M

M N

M S

A M

Ahora con esta seleccin de posibles soluciones se procede a verificar si en realidad afectan al desempeo. Esto se realizar en la seccin 5.2, donde adems de verificarlas se busca establecer el nivel ptimo de operacin de las causas verificadas, segn lo que indiquen las soluciones verificadas.

5.2 Establecimiento del ajuste de operacin para las causas

Para verificar las posibles soluciones planteadas en la Tabla 5.1, se tomaron los datos del mes en curso para todos los hornos con ayuda del equipo de trabajo, especialmente los del departamento de Ingeniera Industrial y se registr la informacin de los turnos que cargaban, recargan y descargaban los hornos.

Con esta informacin se inicia el anlisis del mes en curso como mes anterior. Del mes siguiente se tomaron los datos para ver cmo afectaban los cambios propuestos. Para la primera causa citada en la Tabla 5.1 se analiza la duracin de carga, segn el tumo que descarg el horno.

En la Figura 5.1 se observa que el turno nmero 1 es el que presenta el mayor tiempo promedio de duracin de cargas en todos los hornos. Mientras que el turno nmero 3 presenta el menor tiempo promedio. Este anlisis es similar al realizado en la seccin 4.2, en la Figura 4.2, con la diferencia que en esta ocasin se incluye informacin de todos los hornos a diferencia en el captulo anterior solamente se realiz para el horno #6.

Dado que se tena informacin detallada de todos los hornos y los turnos, se procede a realizar un anlisis del comportamiento de la variacin de estos resultados. Se analiza adems el horno al mismo tiempo, para entender mejor el comportamiento visto en la Figura 5.1.

Para lo anterior, se construye la grfica Multi-Vari10 en el Minitab y se presenta en la Figura 5.2. En la figura se observa en eje horizontal cmo se segmentan los resultados por horno y en eje vertical es la duracin de cargas en horas. Dentro de la grfica se presenta una lnea punteada que une los promedios de duracin de carga por cada horno y las lneas continuas en cada promedio de horno representan los promedios para cada turno en el horno que est ubicado.

Los turnos siempre estn ordenados del 1 al 4 para todos los hornos. Se puede identificar los promedios de cada turno en cada horno, al contar de izquierda a derecha los puntos y relacionarlos con el turno.

Duracin de Cargas, por Tumos

M e s anterior a la comunicacin c o n O p e r a d o r e s

Turno que Descargo el Horno Figura 5.1 Duracin de cargas, por turno, anterior a la comunicacin

Duracin de Cargas, por cada Horno y por Turno

Turno
8.4

o 1
e
3 &

2
3 4

^
2

Promedio por horno

7.9

7.4

Figura 5.2 Grfica Multi-Vari, antes de la comunicacin

En la Figura 5.2 se resalta con unas flechas los resultados para el turno 1 en los hornos 3 y 5, dado que presentan los valores mayores en relacin con los promedios presentados en esos hornos an comparndose con todos los hornos.

Al mismo tiempo se resaltan con flechas los resultados para el turno 3 en los hornos 2 y 6, que al contrario presentan los menores resultados de toda la informacin recopilada. Para el horno 6, el supervisor coment que ya haba trabajado con el operador dado los resultados encontrados en la fase de analizar y presentados en la seccin 4.2, ver Figura 4.2.

Con esta informacin se decide con el equipo de trabajo centrar la atencin en el turno 1 y tomar el plan de comunicacin con ellos. Esto al presentarles en sus juntas de trabajo estos resultados y tener plticas con ellos semanalmente para presentarles los

avances. Se pondr especial atencin con los operadores de los hornos 3 y 5 que presentan los mayores promedios de duracin de carga.

Duracin de Cargas, por Turno

Mes Despus de la primer comunicacin con los Operadores

Turno que Descargo el Horno Figura 5.3 Duracin de cargas, por turno, despus de la comunicacin

Este trabajo se realiz durante el mes siguiente, perodo en el cual tambin se registr la informacin sobre las cargas que permitiera analizar el desempeo de los turnos.

En la Figura 5.3 se observa que los resultados del turno 1 son ahora los que presentan el mejor desempeo. Tambin se ve que el resto de los turnos disminuy un poco su promedio, al enterarse del trabajo que se realizaba con el turno 1, pero sin cambios realmente significativos.

Se realiza el anlisis Multi-Vari para analizar el comportamiento por operador. Estos resultados se presentan en la Figura 5.4, donde se observa que del turno 1 no se tienen resultados por encima del comportamiento promedio, especialmente se ve el cambio en los operadores de los hornos 3 y 5 comparado contra la Figura 5.2.

Duracin de Carga, por cada Horno y por Turno

Mes Despus de la Comunicacin con fos Operadores Turno que Descargo

Horno
Figura 5.4 Grfica Multi-Vari, despus de la comunicacin

Para tener la evidencia estadstica del cambio se analizan los datos del mes antes y despus de haber tomado las acciones de comunicacin de los resultados, para el turno 1. Se analizaron los datos mediante un ANOV de un factor, donde el factor es el antes y despus de la comunicacin con los operadores.

One-way- ANOVA: Antes, Despues Analysis of variance for DurCarga Source MS DF ss Factor 1 10 .690 10.690 Error 265 127.544 0.481 Total 138.235 266

F 22.21

P 0.000

Individual 95% CIs For Mean Based on Pooled StDev Level Antes Despues N 121 146 Mean 7.9574 7.5555 0.6938 StDev 0.7832 0.6099
+. + +

( { *--+.
7.60

*
+

+
7.80

Pooled StDev =

8.00

Tabla 5.2 A N O V A , antes y despus de la comunicacin

Con los resultados del ANOVA, ver Tabla 5.2, se puede concluir que el cambio en la duracin de carga fue significativo. El anlisis presenta un p-value de 0.000, con lo

que se concluye que son distintos, al ser menor al nivel de significancia establecido de 0.05 para la prueba. Adems en la grfica de intervalo de confianza se observa que es menor el resultado de "despus".

Otra posible solucin para esta primer causa a mejorar, es el de tener programados en el PLC, los cambios de condiciones de operacin para que se realicen automticamente cuando el operador no pueda estar en el panel de control, ver Tabla 5.1.

Para lo anterior se entrevist a los operadores que presentaron el mejor resultado en la duracin promedio de carga que se observaron en la Figura 5.2, para obtener los tiempos que usan para realizar los cambios de condiciones.

Para probar esta posible solucin, esta informacin se establece como la mejor prctica de operacin y despus se documenta en el programa del PLC de los hornos 1 y 2. En la Tabla 5.3, se presenta en una grfica de Gantt las condiciones y el tiempo transcurrido desde que se termina la carga o recarga y la activacin de cada condicin del horno.

Cambio de giro Tabla 5.3 Condiciones del Horno

Se realiza la comparacin de los resultados del mes anterior con las 3 semanas en que se prob esta solucin para validar su significancia.

One-way ANOVA: DurCarga versus Metodo Analysis of Variance for DurCarga SS MS Source DF 3.818 Metodo 1 3.818 504 266.943 0.530 Error 505 270.762 Total

F 7.21

P 0.007

Individual 95% CIs For Mean Based on Pooled StDev Level Manual Automa N 328 178 Mean 7.9533 7.7713 0.7278 StDev 0.7374 0.7096
+

+ * ( )

+ *

+-)
8.00

(
7.70

Pooled StDev =

7.80

7.90

Tabla 5.4 ANOVA Mtodo de cambio de condiciones

Se analizan los resultados segn el mtodo usado para el cambio de las condiciones del horno, donde se tiene el mtodo manual y el mtodo implementado a travs de la secuencia programa en el PLC. El resultado obtenido en el ANOVA presentado en la Tabla 5.4, donde se presenta un valor de p igual a 0.007 que indica que son significativamente distintos. Adems al observar la grfica de intervalo de confianza se observa que el mtodo automtico ("Automa"), presenta un promedio menor al tener 7.7713 contra 7.9533 que present el mtodo manual en este perodo analizado.

Para buscar la mejora y la validacin de las soluciones implementadas, de la segunda causa listada en la Tabla 5.1, se da seguimiento al AMEF presentado en la seccin 4.2.

En la Tabla 5.5 se presentan las acciones recomendadas por el equipo de trabajo para las causas que presentaron los valores mayores de NPR, donde se les asign un responsable ("Resp." en la Tabla 5.5) y fecha de terminacin. La Tabla 5.5 es continuacin de la Tabla 4.4, presentada en el captulo 4.

Una vez implementadas las acciones recomendadas se documentan los resultados de las acciones, donde se especifica las acciones tomadas para implementar las acciones recomendadas. Parte de las acciones recomendadas estn en cambiar la forma de realizar el mantenimiento preventivo (MP), lo cual est reportado en el AMEF.

Resultado de las Acciones Causa(s) NPR Potencial(es) Antes Acciones Recomendadas RespJ Fecha Acciones tomadas NPR S O D Despus

Cable de la buja daado

630

Revisar frecuencia de la rutina de MP. Proteger instalacin de posibles quemaduras GB,AC del cable. 17/03 Revisar frecuencia de rutina limpieza y MP. Instalar prueba fsica para detectar fallas de AO,AC operacin del piloto. 12/03

Cambio de frecuencia de MP a cada 7 2 2 3 das revisin y limpieza. Instalacin de placa 1/4" para proteccin del cable. Cambio de frecuencia de MP a cada 3 das, revisin y limpieza Instalacin de botn cerca del piloto para probar su funcionalidad, aunque est operando el quemador. Se instal una base cori abrazaderas que permiten ajustar la alineacin del piloto con el quemador y evitar que se mueva

28

1 1

Piloto obstruido o sucio Alineacin del piloto del quemador

378

448

Instalacin estable para GB el montaje del piloto. 22/03

14

Carro fuera no detectado

336

Cambio de frecuencia de MP a 15 das, revisin de deteccin de cano del quemador afuera y operacin MP realice una prueba CS, AC de secuencia de encendido. fsica. 17/03 Proteccin del sensor en su instalacin. Investigar probador de RP,HD sensor UV. 25/02

3 3

63

Sensor UV daado Sensor desalineado (montaje)

336

Instalar una placa alrededor del sensor para evitar que se dae por quemaduras o golpes. 8 3 4 Compra de probador de sensores UV con el proveedor de los mismos. Cambio de los niples de conexin de los sensores para alinodos y de la medida correcta paja evitar la posibilidad de desalineados. 1 1

84

320

Cambio de diseo del GB montaje (tubo rosca). 10/04

Sensor con polaridad invertida Conducto de quemador de gas sucio

560

Se identificaron los cables de desde Identificar Cables de el registro hasta el quemador y se usan los mismos colares de tienen conexin del sensor. cables de los sensores.. Investigar Probador de CS, AO sensor UV. 12/03 Utilizar el probador de sensores UV. Revisar frecuencia de Cambio de frecuencia de MP a 1 MP. semana. Investigar mtodo para AC, CS Fabricar cepillo de alambre largo limpieza. para limpiar el conducto. 25/03 Implementacin en rutinas de MP la revisin de estados de los mdulos del PLC por medio le un listado de revisin o "checkli st". Checklist de revisin de estados. Implementacin en rutinas de MP la revisin de estados de los mdulos del PLC por medio de un checklist de revisin de estados en checklist.

2 2

28

5 3

105

504

Fusible abierto

400

Revisar MP. Comunicar como AC,RP identificarlo rpido. 25/11 Revisar MP. Capacitacin del PLC y AC sus mdulos. 20/05

3 2

42

No hay salida del PLC

3 2

42

400

Tabla 5.5 AMEF Acciones de mejora propuestas y validadas

Cuando se implementaron completamente se realiza de nuevo la evaluacin del nmero de prioridad de riesgo (NPR), evaluando la ocurrencia (O) y la deteccin (D). La severidad (S) no se estima de nueva cuenta dado que no se afecta por las implementaciones.

De este anlisis se concluy que las acciones tomadas fueron significativas para resolver las causas planteadas para las fallas de quemador. En el siguiente mes se registraron 46.5 horas de demora por fallas del quemador contra 105.6 horas registradas en la seccin 4.2, con lo cual se aprecia la mejora en este indicador.

Para la tercer causa verificada a mejorar en la Tabla 5.1, tiempo de recarga se propusieron dos soluciones, de las cuales una era establecer un rango de tiempo en el cual se debera realizar la recarga, esto basndose en el anlisis de informacin presentada en la regresin mostrada en la seccin 4.2.

Para lo anterior se reuni al equipo para analizar la grfica de regresin, ver Figura 4.8, y establecer el tiempo de recarga adecuado segn lo que indica el modelo de regresin calculado.

El equipo por su experiencia hace notar que difcilmente se podra realizar la recarga antes de 2 horas, dado que el horno no aceptara el total de recarga, pero aceptan que en el rango mostrado en la grfica de regresin es donde normalmente trabajan sin presentar ningn problema con la operacin del horno.

Por lo anterior, se decide establecer un valor mximo de tiempo para recargar en 2.5 horas, lo cual se presenta en la Figura 5.5. Con este dato establecido por el equipo se busca ahora predecir la duracin de carga que se esperara con este tiempo de recarga mximo. Para esto se lev a cabo una regresin.

Regression Plot
Dur. Carga = 3.97746 + 1.50954 TleRecarga S = 0.163262 8.8 8.6 8.4 (0
1_

R-Sq = 68.0 %

R-Sq(adj) = 67.5 %

U)
(0 O c o "o 3 O

8.2 8.0 7.8 7.6 7.4 7.2 7.0 Regression 95% ci 95% Pl

ro

Tiempo de Recarga
Figura 5.5 Tiempo para recargar mximo

En la Tabla 5.6 se presentan los resultados de este anlisis de la forma que los ofrece Minitab, como la prediccin de valores de observaciones nuevas ("New Obs"). Este anlisis dice que se tendra un promedio esperado de duracin mxima de la carga de 7.75 horas (columna "FIT"), cuando se tiene un tiempo para recargar de 2.5 horas mximo (columna "TieRecarga").

Adems en la misma tabla se presenta el intervalo de confianza para este valor promedio, donde indica que es de 7.7113 a 7.7913, con un nivel de confianza del 95% (columna "95.0% CP'). Las cargas de forma individual pueden estar entre 7.4233 y 8.0792 con un nivel de confianza del 95% (columna "95.0% PI").

El tiempo de duracin de carga que presenta para los datos individuales es menor al lmite mximo de especificacin planteado en el captulo 3 de 8.25 horas, por lo que aplicar esta solucin indica que estar por debajo de este lmite mximo.

R e g r e s s i o n A n a l y s i s : D u r C a r g a v e r s u s TieRecarga Predicted Vales for New Observations New Obs 1 Fit 7.7513 SE Fit 0.0201 ( 95.0% CI 7.7113, 7.7913) ( 95.0% PI 7.4233, 8.0793)

Vales of Predictors for New Observations New Obs 1 TieRecarga 2.50

Tabla 5.6 Prediccin de duracin de carga

Otra solucin planteada para esta misma tercer causa, tiempo de recarga, es medir el tiempo de recarga de cada operador y comunicrselos para buscar la disciplina en el proceso. Para lo anterior se les solicit el registro de esta informacin en el diario de produccin.

Con esta informacin se elaboraron estadsticas y grficas para presentrselas a los operadores y hacerles notar, especialmente a los que tienen un desempeo distinto al de la mayora, sus oportunidades de mejora. Tambin se les present la razn por la cual se debe realizar la recarga antes de las 2.5 horas planteadas anteriormente.

Tiempo para Recargar, por Horno y por Turno

Antes de la comunicacin con los Operadores Tumo que Recargo

Horno
Figura 5.6 Tiempo para recargar, antes de la comunicacin con los operadores

En la Figura 5.6 se presentan los resultados obtenidos antes de comunicarles a los operadores la medicin y el tiempo establecido como mximo permitido para la recarga, el cual fue 2.5 horas. Se puede observar en la figura que hay dos operadores del tumo 1 que presentan promedios por encima del comportamiento de los dems, en los hornos 3 y 4.

Tiempo para Recargar, por Horno y por Turno

Mes despus de la comunicacin con los Operadores Tumo que

Horno
Figura 5.7 Tiempo para recargar, despus de la comunicacin con los operadores

Despus de hablar con todos los operadores y de presentarles sus resultados, as como la razn por la cual deben tener tiempos para recargar mximos de 2.5 horas, se presentan los resultados en la Figura 5.7. Se observa el cambio en el comportamiento contra la Figura 5.6.

Para validar si el cambio fue significativo se toma la informacin de antes y despus de establecer la comunicacin con los operadores. Se realiza un anlisis de ANOVA en el Minitab para verificar estadsticamente los resultados.

O n e - w a y A N O V A : Trecarga v e r s u s C o m u n i c a c i n Analysis of Variance Source DF SS 1 2.743 Conamica Error 1021 13S.200 1022 138.943 Toc al

MS 2.743 0.133

F 20.56

P o.ooo

Individual 95% CIs For Mean Based on Pooled StDev Level Antes Oespues N 488 535 Mean 2.3760 2.2724 0.3652 StDev 0.3588 0.3710
. . +

*_.

( -- +
2.250

+ ( >
+

*
+

)
2.400

Pooled StDev =

2.300

2.350

Tabla 5.7 ANOVA Tiempo para recargar

En la Tabla 5.7 se observa la tabla de resultados del ANO VA, donde se indica con un valor de p=0.000 que se tiene una diferencia significativa antes y despus de la comunicacin con los operadores. Por lo anterior, se concluye que efectivamente se afect el comportamiento de los operadores al conocer que eran medidos y comunicarles su valor meta.

Para la cuarta causa a mejorar listada en la Tabla 5.1, que se refiere al tiempo de operacin perdido en los cambios de turno, se procede al anlisis de la informacin que se tiene recolectada actualmente. Lo que se busca es analizar los tiempos de duracin de carga cuando un turno carga y otro descarga el homo.

Duracin de Cargas, segn el Turno que Cargo y Turno que Descargo el Horno
Antes de la Comunicacin

Tumo que Cargo

o 1
4

S o x

Promedio por turno que descargo

Turno que Descargo Figura 5.8 Duracin de carga, contra turno que carga y tumo que descarga

Se parte del supuesto que cuando se tiene que un turno carg y otro turno distinto descarg el horno, se deba a que se realiz por medio de un cambio de turno. En el caso de que el mismo turno cargue y descargue el horno, significa que se realiz en el mismo turno.

Para analizar esta informacin se decide realizar una grfica Multi-Vari, donde se tienen dos factores el turno que carg el horno y el turno que lo descarga.

En la Figura 5.8 se observa el resultado de este anlisis, en el eje horizontal estn los turnos que descargan y el promedio para cada turno los cuales se unen con la lnea punteada. Dentro del promedio de cada turno se agrega el promedio segn el turno que cargo el horno, estos promedios se unen con la lnea continua. De esta manera se puede ver la variacin de los resultados por estos dos factores.

Se observa que cuando es el mismo turno el que carga y descarga al horno, se tienen los menores promedios de duracin de carga, por lo que podemos inferir que la

diferencia de este promedio contra el promedio de entrega con los dems turnos es el tiempo perdido por la entrega de turno.

Esta informacin se presenta a los turnos en sus juntas de trabajo y se les solicita que eviten los tiempos muertos de operacin por los cambios de turno, para evitar aumentar la duracin de las cargas por esta causa.

Duracin de Cargas, segn el Turno que Cargo y Turno que Descargo el Horno
Despus de la Comunicacin
7.9

Tumo que Cargo

o i

Promedio por turno que descargo

T2

Tumo que Descargo Figura 5.9 Duracin de carga con entrega de turnos, despus de la comunicacin

Para el siguiente mes se analiza la informacin para ver si fue efectiva la solucin de comunicacin y los resultados se presentan en la Figura 5.9, donde se ve el mismo comportamiento observado en el anlisis anterior de la Figura 5.8.

Revisando esta informacin con el equipo, se concluye que no se tiene diferencia en el comportamiento en este primer mes. Una posible causa planteada por el equipo es la dificultad de establecer este cambio de disciplina de trabajo tan rpido en el proceso.

Por lo anterior, se decidi continuar con la retroalimentacin a los turnos sobre este indicador y buscar dar informacin ms individualizada a los operadores, dado que

en esta etapa no fue posible distinguir el comportamiento de algn operador con el anlisis realizado.

5.3 Conclusiones del captulo

Con el planteamiento de las posibles formas de contrarrestar las causas verificadas que se realiza en la seccin 5.1, se inicia la validacin de estas posibles soluciones en la seccin 5.2.

En la Tabla 5.8 se presenta un resumen de lo encontrado en la fase de mejorar, donde se presentan las soluciones que fueron propuestas para contrarrestar las causas y un comentario sobre lo encontrado.

Con estas validaciones es posible tomar la decisin de buscar la implementacin definitiva y de escala completa de las soluciones que fueron verificadas. Posteriormente se proceder a la implementacin de los controles que aseguren la permanencia de las mejoras y la cuantificacin de estas soluciones que se realiza la fase de controlar, captulo 6.

Causas verificadas a mejorar

Cambio de condiciones del horno

Posibles Soluciones para Contrarrestar las Causas

Comentarios

Monitorear el desempeo de los operadores para establecer acciones de comunicacin con ellos. Presentar los resultados de la operacin a los turnos en sus juntas de trabajo. Establecer en el reporte de operacin de los hornos, que se registren cada uno de los tiempos de proceso. Programar en el PLC los cambios de condiciones de operacin que son realizadas en el panel de control por los operadores.

Esta solucin fue verificada y demuestra que cambi el desempeo de los operadores al conocer su desempeo y establecer la comunicacin con ellos.

La solucin fue verificada- y ayuda a los operadores, es necesario implementar en todos los hornos. Las soluciones propuestas fueron verificadas por la disminucin del NPR en la nueva evaluacin del AMEF. Solucin verificada, estableciendo el tiempo mximo de recarga en 2.5 horas. La comunicacin con operadores fue verificada como solucin.

Fallas del sistema de combustin

Se revisaron cada uno de las posibles formas de falla usando un AMEF, donde se plantea las mejoras a unplementar, esto se presentar directamente en la seccin 5.2. Medir y registrar el tiempo de recarga de cada operador, para establecer acciones de comunicacin con ellos. Establecer un rango de tiempo para la realizacin de la recarga, en base al anlisis realizado. Medir el tiempo de duracin de las cargas, para cada entrega y recepcin de los turnos, para identificar cundo usan mayor tiempo total de duracin. Presentar los resultados de tiempos perdidos por cambio de turno y duracin total de carga cuando hay cambio de tumo a los operadores en sus juntas de trabajo.

Tiempo de recarga del homo no se realiza a tiempo

En los cambios de turnos se tiene tiempo de operacin

Aunque esta solucin se establece como una buena medicin, no se logr tener cambios en el tiempo perdido en los cambios de tumo. Se establecer como indicador y se seguir trabajando con los operadores.

Tabla 5.8 Conclusiones fase Mejorar

6 CONTROLAR

En esta ltima fase de la metodologa de Seis Sigma se busca terminar el proyecto de mejora del proceso, al lograr que las mejoras obtenidas permanezcan en el tiempo, o hasta que otra mejora se implemente.

En la seccin 6.1 se establecern los controles que se usarn para implemento las soluciones verificadas en la fase de mejorar, captulo 5, que aseguren la permanencia de la mejora.

Para verificar el efecto obtenido sobre el desempeo de nuestro proceso, se validar la efectividad de las soluciones en la seccin 6.2. Adems se recalcula el nuevo nivel de desempeo en Nivel Sigma para compararlo contra el nivel de inicio del proyecto de mejora y contra el objetivo establecido en la seccin 3.5.

Se mostrarn las conclusiones principales de este captulo en la seccin 6.3, para completar el proyecto de mejora.

6.1 Implementacin de las soluciones en el proceso

Se debe ahora establecer los controles que aseguren que las mejoras logradas en el captulo 5, se mantengan a travs del tiempo. Para lo anterior se le pide al equipo de trabajo que den ideas de cmo se puede establecer los controles para las soluciones que ya fueron verificadas.

Para las soluciones verificadas que son presentadas en la Tabla 5.8 se le pregunta al equipo "cmo se puede controlar esta solucin?" y se registran las soluciones tomadas en consenso por el equipo usando tcnica de grupo nominal. El resultado de este anlisis se presenta en la Tabla 6.1.

Soluciones Verificadas
Monitorear el desempeo de los operadores para establecer acciones de comunicacin con ellos.

Cmo podemos controlar esta solucin?

Registrar los tiempos de operacin en un reporte por carga, capturar la informacin y analizar por operador usando las grficas Multi-Vari usadas en el captulo 5, para establecer comunicacin con los operadores fuera de los estndares de operacin. Establecer estndares mximos de operacin. Establecer dentro de las actividades del supervisor presentar los resultados, auditado por el jefe de rea. Usar las grficas Multi-Vari para la presentacin de resultados. Implementar el reporte de operacin de los hornos, de manera inmediata y explicar a los operadores y supervisores. En este reporte se debe incluir los tiempos de operacin y debe ser clara la forma de clculo. Documentar como mtodo de trabajo el registro en este reporte. Implementar inmediatamente en todos los hornos, cambiando el programa cargado en los PLCs. Explicar los cambios a todos los operadores. Documentar el programa en el disco de respaldo de los PLCs.

Presentar los resultados de la operacin a los turnos en sus juntas de trabajo.

Establecer en el reporte de operacin de los hornos, que se registren cada uno de los tiempos de proceso.

Programar en el PLC los cambios de condiciones de operacin que son realizadas en el panel de control por los operadores. Se revisaron cada una de las posibles formas de falla usando un AMEF, donde se plantea las mejoras a implementar, esto se present en la seccin 5.2, ver Tabla 5.5. Medir y registrar el tiempo de recarga de cada operador para establecer acciones de comunicacin con ellos. Establecer un rango de tiempo para la realizacin de la recarga, sobre la base del anlisis realizado. Diferencia sobre como medir la duracin de carga entre los operadores.

Dado que fueron varias acciones se plantear sobre parte del AMEF la forma de controlar la solucin.

Registro de este tiempo en el reporte de operacin, capturar con el resto de la informacin y presentrselos en las juntas de trabajo usando grficas Multi-Vari. Documentar en los mtodos de trabajo de los operadores. Explicar en las juntas de trabajo este cambio. En el reporte de operacin de los hornos se les recuerda que deben verificar que la hora de inicio de la carga sea igual a la hora de finalizacin de la carga anterior. Adems de auditar por Ingeniero Industrial.

Tabla 6.1 Controles para la soluciones

Se procede ahora a implementar los controles propuestos para las soluciones.

REPORTE DE OPERACIN DE HORNOS FECHA: HORNO No. CARGA#

INICIO CARGA DE RECARGA DE DESCARGA DE

FIN HRS. HRS. HRS.

TURNO

OPERADOR (FIRMA)

NOTA: V E R I F I C A R Q U E LA H O R A INICIO D E C A R G A S E A I G U A L A L A H O R A D E FIN 0 6 LA D E S C A R G A O E L # C A R G A A N T E R I O R

CARGA RECARGA PARA RECARGAR DESCARGA DURACIN TOTAL UEWORAS REPORTADAS INICIO DE DE DE DE A A A A FIN HRS. HRS. HRS. HRS.

HRS. HRS. HRS. HRS. HRS. SWsT

H O R A D E F I N - INICIO D E C A R G A HORA DE FIN INICIO D E R E C A R G A H O R A D E INICIO D E R E C A R G A - INICIO O E C A R G A HORA DE FIN - I N I C DE DESCARGA H O R A D E FIN O E D E S C A R G A - INICIO O E C A R G A

^ewanc*"* *

mm^mmW^m^VSm

CAUSA DETECTADA

Figura 6.1 Reporte de operacin de hornos

Dentro de los controles propuestos para varias soluciones est el reporte de operacin de los hornos, donde se registrar la informacin que se encontr importante para su anlisis.

El reporte propuesto est en la Figura 6.1 donde se incluye informacin de identificacin de la carga; tal como, fecha, horno y un nmero consecutivo de identificacin de las cargas para mantener la rastreabilidad. En la parte de condiciones de operacin el formato requiere el registro de la hora en que se inicio y finaliz la carga inicial, la recarga y la descarga.

Tambin se solicita el turno y la firma del operador para tener control sobre el operador y turno que realiz esta actividad, aunque es poco comn el cambio de

operadores entre los turnos se decide tener doble la informacin para detectar estos casos.

Con la informacin registrada se calculan los tiempos de operacin, para lo cual se agrega en el formato del reporte cul debe ser la frmula de clculo para que sirva como un Poka-Yoke11 visual para evitar posibles confusiones en estas operaciones.

Se incluye espacio para registrar las demoras presentes durante la carga, para su posterior anlisis y evitar tener dos documentos de registro. Por ltimo se deja espacio para observaciones varias sobre la operacin del horno.

Para tener un control de los tiempos principales que se llevan se decide tomar tiempos mximos de operacin y establecerlos como estndares mximos. Lo anterior para obligar a los operadores que cuando tengan tiempos de esa actividad por encima de los especificado lo reporten en la seccin de demoras e identifiquen la causa detectada en el momento.

Los tiempos estndares mximos se presentan en la Tabla 6.2, y se obtuvieron de acuerdo con lo observado por el equipo. Se hace diferencia para los tiempos de carga y recarga segn los hornos, para tener compensada la diferencia de distancia recorrida por el material.

Para asegurar cumplir con estos estndares se agrega el plan de accin a revisar por los operadores y supervisores durante el desarrollo de las cargas. Esta informacin generada por el equipo de trabajo se present a los turnos en sus juntas semanales.

Para analizar, despus de concentrada la informacin sobre las demoras reportadas se procede al anlisis de la misma, para lo cual se propone al equipo algunas herramientas bsicas de anlisis para mejorar la calidad de stos.

Actividad

(Horas: Minutos) Cargado de hornos Hornos 1 y 2 Hornos 3 y 4 Hornos 5 y 6 Recargado de hornos Hornos 1 y 2 Hornos 3 y 4 Hornos 5 y 6 00:20 00:25 00:30 Revisin de disponibilidad de equipo mvil. Revisin del estado del equipo para evitar fallas. Programacin de trabajo del operador del cargador frontal. Tiempo para recargar 02:30 Colada del horno (incluye tapar el h o m o ) Cambios de flujos y velocidades realizadas oportunamente. 00:25 00:30 00:35 Revisin de disponibilidad de equipo mvil. Revisin del estado del equipo para evitar fallas. Programacin de trabajo del operador del cargador frontal.

Estndar mximo

Plan de Accin

01:10

Revisin de disponibilidad de equipo mvil. Revisin de disponibilidad de canales, lingoteras, etc. Evitar que afecte el cambio de tumo. Cambios de flujos y velocidades realizadas oportunamente.

Tiempo total de duracin de carga

07:45

Tabla 6.2 Estndares mximos de tiempos

Para lo anterior, se les pide que realicen primero un Pareto de las principales demoras reportadas por su defecto o causa aparente, para despus realizar un anlisis de causa-efecto con el fin de encontrar las causas raz. Tambin se les propone trabajar en equipo para la generacin de acciones correctivas y contenedoras para las causas verificadas.

Para documentar el anlisis de causas o de bsqueda de soluciones se propone el formato presentado en la Figura 6.2, donde se plantea realizar una lluvia de ideas y hacer

una priorizacin por tcnica de grupo nominal. Despus completar el anlisis con un diagrama causa-efecto y presentar los resultados.

T E C M C / D e o f t P Q N q i a w .
Fc*ic Arc Di* QC<ftafe Q $ % LLUVIA OEOfcAS i fc VALUACION > <

fowa*
fe*a

DKWCK

2
4

6 7 8 9 10 11

12
Oiag^ma Caa a Docto

. 1 1 . 1

. Zl
>

|
RMZ

//
l l
-

i '1

i 1

I Pee****) Sotuettn fC^ntwiwfrXBfCOTvctfri) Q :

Figura 6.2 Anlisis de causas raz de demoras y acciones

El formato de reporte de operacin de los hornos, ver Figura 6.1, fue implementado inmediatamente y se sustituyeron los registros anteriores donde solamente se registraba el tiempo total por da de las cargas de todos los hornos.

Se elaboran formatos para presentar este anlisis, donde en la Figura 6.3 se presenta el Pareto y se reportan las causas raz encontradas y las acciones contenedoras y correctivas para contrarrestarlas. Adems se agrega el responsable y la forma de verificar su efectividad.

Anlisis

Segui miento D e m o r a s Area : Hornos M e s : Junio Pareto de defectos

FO-HN-002

operador
ftef Cousc&oz

tardada

taller
Accin Contenedora

puertas hornos 5 y 6

ocupada

linea 0 2
Tmptementacin Pecha fcesp. Seguimiento % Avance. Verificacin Disminucin d e los t i e m p o s Tiempo muerto por e s t e motivo Tiempo muerto por e s t e motivo Disminucin d e los t i e m p o s Tiempo muerto por e s t a falla

Accin C o r r e c t i v a

D e m o r a s c o m u n e s no reportados Tolta d e operodor / Tiempo p o r eambio d e turno E q u i p o mvil c o n a l t o deterioro

Ninguna

P r o y e c t o 6 sigma. identificacin d e demoras d e operacin y equipo no r e p o r t a d a s H a b l a r con el persono! p a r a q u e l l e g u e n / s a l g a n a la h o r a d e b i d a y sobre las faltas C a m b i a r e l e q u i p o mvil

Oct

ftp

20%

Ninguna Checar el equipo e n cada t u r n o , t r a b a j a r con el v o l t e a d o r y r e p o - a r e l piso d e preparacin d e cargas Ninguna

Contine

Supervisores / HDV Resp. Area

2.3, 5

Feb

75%

Carga pastosa / C a u s e s
r a z no i d e n t i f i c a d a s Demora en reparaciones d e puerta en hornos 5 y 6 Mal f u n c i o n a m i e n t o d e hornos debido a c r e m a l l e r a e n mal estado

P r o y e c t o 6 Sigma, i d e n t i f i c a c i n d e demoras d e operacin y equipo no r e p o r t a d a s Implementacin d e procedimiento d e mantenimiento d e HR d u r a n t e poro

Nov

ftP

20%

S e habl a mantenimiento p a r a q u e c o r r i g i e r a la f a l l a

Mar

ACM

50%

Ninguna

C a m b i o le h o r n o 5

Jun

GBZ.
ACM

5%

Seguimiento plan d e c a m b i o

Figura 6.3 Reporte de acciones tomadas para las demoras reportadas

HORNO # 1 Tiempo para Duracin de la Carga

Tiempo de

Tiempo de

Tiempo de

Descargo

Recargar

Descarga

Recargo

# Carga

Recarga

Cargo

Turno

Turno

679 680 681 682 683 684 685 686 687 688 689 690 691 692 693

7.17 6.50 6.75 7.17 7.92 7.50 8.33 7.50 6.83 7.17 6.17 6.00 6.25 6.58 6.83

0.33 0.33 0.33 0.33 0.17 0.33 0.25 0.25 0.33 0.25 0.25 0.33 0.25 0.25 0.33

0.17 0.33 0.33 0.17 0.33 0.33 0.17 0.33 0.33 0.25 0.17 0.25 0.25 0.33 0.33

2.08 1.83 1.83 1.83 1.75 2.08 2.25 2.00 1.83 2.08 2.08 1.83 2.00 2.08 2.00

1.00 1.00 1.00 1.00 1.00 1.00 1.17 0.83 1.00 1.00 1.00 1.00 1.25 1.17 1.33

4 2 1 1 3 2 4 3 2 4 3 1 4 4 2

4 2 1 3 2 4 3 2 4 4 3 1 4 2 2

2 1 1 3 2 4 3 2 4 3 1 4 4 2 1

30-Mar 31-Mar 31-Mar 31-Mar 01-Abr 01-Abr 01-Abr 02-Abr 02-Abr 02-Abr 03-Abr 03-Abr 03-Abr 03-Abr 04-Abr

Figura 6.4 Hoja de clculo electrnica

Fecha

Tumo

Carga

Una vez que se est usando este reporte en todos los hornos y en todos los operadores, se captura la informacin en una hoja de clculo electrnica para despus poder analizarla. En esta hoja de clculo se incluye toda la informacin registrada sobre tiempos y los turnos, adems de la informacin de identificacin de las cargas, ver ejemplo en la Figura 6.4.

Los anlisis grficos son generados cada dos semanas por el Black Belt para presentrselos a los operadores en las juntas de trabajo por parte de los supervisores. Las grficas son iguales a las presentadas en el captulo 5, seccin 5.2, para todos los anlisis realizados, ver Figura 6.5.

Anlisis de DuraciP de C a r g a s n H o r n o s M e s Junio Hampo pOB Recargar, por i lome y per T i w Eo d oes <fc jumo raduecjooesra1 meto de las ciegas de los hoii rouicree. En el aso dd Heno I* fedueeto fue muy poca, par to que tsu cocno uso de ta* de mayar tiendo por caiga. Q Hckdq 86 n'Cjiitfii' un* reduccin iiryiwtiBi* peto aOo Quedo cono el di nuyee " p f por earga. Addaae miaremos de ideiiicarfarreespan
CfM \eojusio6oo(i|OtaDtetU&

Los tiempos para recaigas han tendido a bajar y a tener maor variacin entre los Hornos, pero se pueden identificar eo cada Homo, (os tumos que no han logrado disminuir sus tieoipce promedio para la recarga. Cabe destacar que buscemos (asar 1 horas eo Ja recarga, desde d loiqo de la caj^a.

Cunean de Cargas, porcada Tuno B tino S 3 peeseaia d mnwbenvo por carga durante el mes. los Usos I 2, Jy | noque prcseUiDereducid de i n f o 4c carga dnete el mes de Jibu, sai tu^ menee i la del tumo 8 3 RrvusrmVS el ceso de ceda tno eo las grfkai sgu*ecs. Tune we 0*BB*i

AA*Ji2e*do los (actores pan la mayor dunon de cM~g* de k Hcnoi # 3 y 6. usaren r&K* de tlwecio de la carga. nalgudo por Itornoy pee gffiipo que lo descargo En est* grfica pdenos ver que en e| Hoto d tuno 1 aumeau sgmUcevenFOe d promedio. Mieten qw s el Humo #6. e J Dra #4. es d que inotnU sgucauvaaiene el promedio de la dmcmi de las cargas Pan el resao de los Hornos s< puede anabzar da le misma duka para identificar las reas de oportunidad.

DmaAn de Carpa, per caAKvno y cada Tiene

Doode es realidad podmju ver lea banpos ptimos que raanegaDdo es analizando d promedia de tas cagas dependiendo dd equipo que carg y descaiga la? mismas Con este anJtsis se abruman d efecto Je tos tiempos muertos de operacin en los cambios de lumo. Los tiempos menores estn cuando d mismo timo carga y descarga la misma cargA, o dinnamos Ia difamas de tiempo de carg*s lograriainos m* de 610 cargas por mes.

Tiene eua Ceeearp

Figura 6.5 Reporte para presentar a operadores

El cambio de programa del PLC es un control efectivo de la prctica operativa para contrarrestar la causa de diferencia de cambios de condiciones de horno, dado que no se puede modificar fcilmente por los operadores o supervisores, por lo que queda

implementado en todos los hornos. Adems se asegura que permanece al cambiar el programa que estaba en el disco de respaldo por el nuevo programa con los cambios implementados.

En el mtodo de trabajo de los operadores se modifica para documentar que la recarga debe ser realizada antes de 2.5 horas despus del inicio de la carga. Adems se les solicita que registren las horas en que se realiza la carga, recarga y descarga del horno. Esto se realiza modificando el mtodo de trabajo documentado en el sistema de calidad, ver Tabla 6.3.

METODO DE TRABAJO
CLAVE MTR-HOR-01 FECHA EMISION: 25/MAY/02 FECHA DISTRIBUCION: SVJ UN/02 PAG 1 DE 2 FECHA VALIDEZ 10/JUN/02 No. CAMBIO: 00

FUSIN DE CARGA

DESARROLLO RESPONSABLES 1. Una vez cargado o recargado el homo, cambiar de flama baja Operador de a media o alta y el aumentar a velocidad media o alta el giro Homo del homo de acuerdo con los requerimientos del homo. 1.1. S e puede utilizar el botn de secuencia automtica en caso de tener que desatender el homo para realizar otras actividades. 2. Durante la carga y recarga se levantar el reporte de los Operador de tiempos de operacin; para lo cual s e llenar el formato F O Homo HOR-012. 3. Despus de un tiempo de entre 2 - 2 V horas y de acuerdo a Operador de la carga, bajar la flama "Llama baja", abrir ta puerta del homo Homo y proceder a recargar el material faltante. 3.1 E n caso de que la carga llegue a tener ms de 3 horas antes de la recarga, no se recargar el Homo para no Operador de incrementar la duracin de la carga y s e reportar en el Preparacin de formato FO-HOR-012 la causa. Cargas 4. Despus de recargar el homo, cerrar la puerta del homo. El Operador de cambio de flama baja a media o alta y el aumentar a Homo velocidad media o alta el giro del homo se hace de acuerdo a las reacciones y emisiones de humo del homo. Nota: Si la campana no capta bien las emisiones hay que bajarle a la flama.

Tabla 6.3 Mtodo de trabajo en hornos

Para las acciones tomadas en el AMEF, ver Tabla 6.4, se documentaron las acciones en las rutinas de mantenimiento preventivo y en el sistema de mantenimiento lo

referente a las frecuencias de la realizacin de estas rutinas, para asegurar que permanezcan como un control de estas causas.

Los cambios que representaban modificaciones al equipo instalado, aunque en esta metodologa de mejora se supone que no tendrn cambios, se documentaron en los dibujos de ingeniera. Lo anterior pensando que en el futuro pueda existir la referencia de estos cambios ante una reconstruccin o fabricacin de un nuevo horno.

Acciones tomadas

Controles Documentados

Cambio de frecuencia de MP a cada 3 das revisin y Documentar en rutina de MP y en el sistema de limpieza. mantenimiento. Instalacin de placa 1/4" para proteccin del cable. Documentar el cambio en los dibujos de ingeniera.

Cambio de frecuencia de MP a cada 3 das, revisin y Documentar en rutina de MP y en el sistema de limpieza. mantenimiento. Instalacin de botn cerca del piloto para probar su Documentar el cambio en los dibujos de ingeniera funcionalidad, aunque est operando el quemador. Se instal una base con abrazaderas que permiten ajustar la alineacin del piloto con el quemador y Documentar el cambio en los dibujos de ingeniera. evitar que se mueva. Cambio de frecuencia de MP a 15 das, revisin de Documentar en rutina de MP y en el sistema de deteccin de carro del quemador afuera y operacin mantenimiento. de secuencia de encendido. Instalar una placa alrededor del sensor para evitar que se dae por quemaduras o golpes. Documentar el cambio en los dibujos de ingeniera. Compra de probador de sensores UV con el proveedor Documentar en rutina de MP y en el sistema de de los mismos. mantenimiento. Cambio de los niples de conexin de los sensores para alineados y de la medida correcta para evitar la Documentar el cambio en los dibujos de ingeniera. posibilidad de desalinearlos. Se identificaron los cables de desde el registro basta el quemador y se usan los mismos colores de tienen Documentar el cambio en los dibujos de ingeniera. cables de los sensores. Utilizar el probador de sensores UV. Cambio de frecuencia de MP a 1 semana. Documentar en rutina de MP y en el sistema de mantenimiento. Documentar en rutina de MP y en el sistema de mantenimiento.

Fabricar cepillo de alambre largo para limpiar el Documentar el cambio en los dibujos de ingeniera. conducto. Implementacin en rutinas de MP la revisin de Documentar en rutina de MP en el sistema de estados de los mdulos del PLC por medio de un mantenimiento. checklist de revisin de estados. Tabla 6.4 Controles tomados para las acciones del AMEF

Para los controles que se llevarn a cabo en las rutinas de mantenimiento preventivo (MP) se documenta en las rutinas que se llevan en el sistema de mantenimiento documentado en el sistema de calidad. Ver ejemplo en la Tabla 6.5.

Rutinas de Mantenimiento Preventivo Revisin del Piloto de Encendido

Actividad Frecuencia Equipo Realizar prueba fsica (botn encendido manual) Hornos (1 al 6) Diario o Sistema de combustin Comprobar si prende el piloto Piloto de encendido Limpieza del piloto de buja 3 das Inspeccin fsica de cable de la buja Inspeccin y limpieza de la tubera del piloto Revisar estados del modulo del PLC, segn las condiciones presentes ("Checklist" de estados) Revisar funcionamiento de sensores Hacer prueba fsica de carro dentro / fuera Hacer prueba fsica de cerrar el agua para sensor flujo 15 das Hacer prueba fsica de mover temperatura del sensor hasta que se apague Hacer prueba fsica, cerrar vlvulas de gas y oxgeno Nota: realizar la rutina de mantenimiento preventivo cuando este cargando o recargando el homo. Tabla 6.5 Planeacin de rutinas de mantenimiento preventivo

Estos controles fueron implementados y se revis y audit su implementacin durante el perodo de seguimiento del proyecto. Los controles se espera sean efectivos y esto se evaluar junto con la efectividad de las soluciones al mantener las mejoras en el perodo analizado.

6.2 Validacin de la efectividad de las soluciones

El objetivo en esta seccin es ver la diferencia del desempeo actual contra el observado al inicio el proyecto reportado en la seccin 3.4, adems comparar contra el objetivo planteado inicialmente en la seccin 3.5.

Para lo anterior, se toman los datos de los 6 hornos para calcular la capacidad del proceso representado por el Nivel Sigma. La informacin se toma del ltimo mes recolectado, el cual viene a ser el tercer mes desde la implementacin de las mejoras y controles propuestos en el desarrollo de este proyecto de mejora.

El resultado de este anlisis se presenta en la grfica de capacidad de proceso, ver Figura 6.6, donde se puede ver que presenta 44157 DPMO o PPM, bajo el ttulo de "Exp. 'Overall' Performance" en el rengln PPM Total.

Este desempeo equivale a tener 1.70 de Nivel Sigma, lo cual se presenta para el ttulo de "Overall Capability", en el rengln "ZBench" en la Figura 6.6.

Anlisis de Capacidad del Proceso Tiempo de Duracin (Horas)

Process Data

LSE
Within Overall

USL
Target

8.25000

LSL
Mean Sample N StDev (Within) 7.06377 602 0.638121

StDev (Overall) 0.701864

Potential (Within) Capability ZBench ZUSL ZLSL Cpk Cpm Overal Capability ZBench ZUSL ZLSL Ppk 0.57 1.70 1.70 0.62 1.87 1.87

I
4

I
5

I
6 Exp. 'Within* Performance PPM < ISL 51495.02 51495.02 PPM > USL PPM Total 30423.09 30423.09

I
10 11 Exp. "OveraT Performance PPM < LSL PPM> USL PPM Total 44156.95 44156.95

Observed Performance PPM < LSL PPM > USL PPM Total

Figura 6.6 Capacidad nueva del proceso

Estos resultados se comparan contra el desempeo inicial observado en la seccin 3.4, el cual era 383126 DPMO que representa un Nivel Sigma de 0.30. Adems se

compara el resultado nuevo con el objetivo planteado en la seccin 3.5, que eran 119453 DPMO y 1.18 Nivel Sigma.

Los resultados observados en el nuevo desempeo representa una reduccin contra el desempeo inicial de 88.5% en DPMO. Se sobrepas el objetivo de mejora del proceso, un resumen de estos resultados se presenta en la Tabla 6.6.

nni/n
U r M U

INICIAL

8 8 . 5 % REDUCCIN -+DPMO
88.5% REDUCCIN

mEFO

' 3 PG

><?

->44157

Nivel SigmamaM = 0.30 Nivel SigmaNUEyo = 1.70

= 119453

DPM0OBJETVO

Nivel SigmaOBJEnvQ = 1.18

Tabla 6.6 Nivel Sigma nuevo

Se realiz adems el anlisis de Nivel Sigma para cada uno de los hornos y los resultados se presentan en la Tabla 6.7, donde se puede observar que todos los hornos estn con nivel de desempeo mayor al objetivo inicial.

Horno 1 2 3 4 5 6

Nivel Sigma < 7 1.83 1.83 1.52 2.27 1.59 1.47

DPMO 33431 33736 64360 11752 55439 70229

Media 6.866 7.062 7.188 6.877 7.056 7.294

Desviacin estndar 0.755 0.650 0.699 0.606 0.749 0.648

Tabla 6.7 Nivel Sigma nuevo de los hornos

Para ver el efecto del cambio durante el desarrollo de este proyecto de mejora se presentan los resultados en la Figura 6.7, donde se observa que a partir del mes tomado

como desempeo inicial, mes 0 en la grfica. Analizando esta misma grfica se puede concluir que en los ltimos meses la mejora se mantiene.

Figura 6.7 Desempeo histrico de Hornos

Se presenta el resultado para las variables de medicin seleccionadas en la seccin 3.2, las cargas procesadas por mes y el tiempo de duracin de las cargas. En la grfica se agrega una lnea punteada vertical para separar el desempeo antes y despus de la implementacin de las mejoras y controles al proceso.

En la Figura 6.7 se observa como el nmero de cargas procesadas por mes cambia de tener alrededor de 500 cargas a un nmero superior a las 600 cargas, esto representa un aumento aproximado del 20% en la produccin total.

T w o - S a m p l e T-Test arid Cl: Duracin, D e s e m p e o

Two-sample T for Duracin Desempe Inicial Nuevo N 509 602 Mean 7.995 7.054 StDev 0.858 0.702 SE Mean 0.038 0.029

Difference = aru (Inicial) - mu (Nuevo ) Estmate for difference: 0.9411 95% CI for difference: (0.8478, 1.0345) T-Test of difference = 0 (vs not =): T-Value DF = 980

19.78

P-Value = 0.000

Tabla 6.8 Prueba de hiptesis, desempeo inicial vs. nuevo

Se revisa por medio de una prueba de hiptesis, ver Tabla 6.8 si la diferencia observada entre el primer y ltimo mes es significativa estadsticamente, lo cual se concluye dado que presenta un valor de P igual a 0.000. Se usa la prueba T de dos muestras "Two-sample T-test", dado que tambin cambi la varianza de los resultados y esto es un supuesto a cumplir para poder usar las pruebas ANOVA.

Test for Equal V a r i a n c e s Response Factors ConfLvl Duracin Desempeo 95.0000

Bonferroni confidence intervals for standard deviations Lower 0.801258 0.658895 F-Test Sigma 0.857716 0.701572 Upper 0.922397 0.749932 N Factor Levels 509 Inicial 602 Nuevo

(normal distribution)

Test Statistic: 1.495 P-Value Levene's Test : 0.000 (any continuous distribution)

Test Statistic: 8.942 P-Value : 0.003

Tabla 6.9 Prueba de igualdad de varianzas, desempeo inicial vs nuevo

En la Tabla 6.9 se presenta el resultado sobre la prueba de igualdad de varianzas, donde se rechaza la igualdad de varianza dado que el valor de P=0.003, menor al nivel de significancia estadstica de 0.05 establecida para aceptar la prueba.

Lo anterior muestra que la variacin del proceso se redujo, dado que se tiene 0.8577 y 0.7015 de desviacin estndar en el desempeo inicial y nuevo respectivamente. Esto est reportado en la Tabla 6.9 donde dice "Sigma", que es la desviacin estndar.

Con esto se valida que no solamente disminuy la media de duracin de carga con una mejora por encima del objetivo, sino que tambin el proceso es ms consistente en su varianza.

6.3 Conclusiones del captulo

Segn resultados observados en la seccin 6.2 se concluye que el nuevo desempeo dado por el proceso supera los objetivos inicialmente planteados en la seccin 3.5. Por lo anterior, se ha logrado la mejora esperada.

Los controles instalados han mantenido la mejora observada en el perodo analizado, dado que se ha mantenido en los ltimos tres meses. De cualquier forma se recomienda al equipo de trabajo seguir revisando los controles y monitoreando las CTQs del proceso por un perodo de un ao completo.

El desempeo nuevo observado muestra una reduccin de 88% en los defectos, que se estableci como las cargas con duracin por encima del lmite mximo de especificacin en el captulo 3.

La reduccin de defectos reportada representa un aumento de 20% en el nmero de cargas procesadas por mes, lo cual significa directamente un aumento en el volumen de produccin, tal como est planteado en la seccin 3.2.

Con la validacin de la efectividad de las soluciones se termina el proceso del proyecto de mejora, dado que los resultados alcanzan y superan los objetivos inicialmente planteados.

7 CONCLUSIONES Y RECOMENDACIONES

Terminado el desarrollo de la metodologa Seis Sigma, para la resolucin del problema planteado en el captulo 1, se presentan en este captulo las conclusiones generales sobre el desarrollo de este trabajo de tesis con relacin a la hiptesis planteada en la seccin 1.3.

En la seccin 7.1 se presenta las conclusiones de este trabajo y en la seccin 7.2 se proponen algunas recomendaciones para trabajos futuros sobre la aplicacin de la metodologa Seis Sigma en trabajos de reduccin de tiempos muertos de operacin.

7.1 Conclusiones

Se concluye que se acepta la hiptesis planteada en la seccin 1.3, debido a que los resultados mostrados en la seccin 6.2 dan evidencia de que el uso de las herramientas y metodologa de mejora que propone Seis Sigma fue capaz de disminuir los tiempos muertos de operacin al usar las etapas de medir, analizar, mejorar y controlar los factores significativos.

Bajo los enfoques de mejora que se estaban realizando en la empresa, el enfoque fundamental era entender los tiempos muertos de operacin como las fallas de mquina principalmente, pero en este proceso de mejora no se dej que el equipo de trabajo se dejara llevar con el anlisis acostumbrado.

El planteamiento que propone Seis Sigma para la resolucin de los problemas llev a medir el desempeo del proceso, analizar las causas que ocasionan este desempeo, buscar la mejora para las causas verificadas y establecer los controles necesarios para mantener la mejora.

La reduccin del 88% de los defectos planteados en el desempeo inicial, lo cual contribuye a un aumento del 20% del volumen de produccin da el beneficio real del anlisis.

Con la validacin de la efectividad de las soluciones se termina el proceso del proyecto de mejora, dado que los resultados alcanzan y superan los objetivos inicialmente planteados.

7.2 Recomendaciones

Uno de los principales factores de xito de este trabajo fue haber logrado el involucramiento y compromiso del equipo de trabajo, lo cual es esencial para reducir la resistencia al cambio. Tener en mente este factor desde el inicio del trabajo fue fundamental, por lo que debe ser colocado como parte de las actividades o metas que se debe establecer quien lleve a cabo un trabajo similar.

La implementacin de mediciones en el proceso para los operadores es otro factor clave, el establecimiento de objetivos de desempeo e indicadores que sean entendidos y retroalimentados a los operadores, supervisores y jefe de rea ayuda en la resolucin de problemas y eliminacin de barreras de comunicacin o actitud que se puedan presentar en la operacin.

BIBLIOGRAFA
[1] [2] [3] AIAG, Automotive Industry Action Group. FMEA, Failure Mode and Effect Analysis. Ed. AIAG, ASQC, 1990. AIAG, Automotive Industry Action Group. MSA, Measurement System Analysis. Ed. AIAG, ASQC, 1990. Baim, William C. ni. Six Sigma compounding study. Proceedings of the 1997 55th Annual Technical Conference, ANTEC, Soc. of Plastics Engineers, 1997, pp. 3389-93. [4] [5] Breyfogle, Forrest W. III. Implementing Six Sigma. Ed. Wiley-Interscience, 1999. Durand Jr., Richard R., Freeman, Dale. Towards an optimized process for directory printing using statistical methods. 54th Annual Technical Conference of the Technical Association of the Graphics Arts (TAGA), Proceedings of the TAGA, 2002, pp. 508-21. [6] [7] Eckes, George. Making Six Sigma Last. Ed. John Wiley & Sons, Inc., 2001. Harry, Mikel PhD; Schroeder, Richard. Six Sigma, The Breakthough Management Strategy. Ed. Doubleday, 2000. [8] [9] Pyzdek, Thomas. The Six Sigma Handbook. Ed. Mc Graw Hill, 2001. Meeks, S. Jr. The effect of a 2% high volume SMT manufacturing solderability problem on six sigma processing. Surface Mount International Conference and Exposition, Proceedings of the Technical Program, 1992, pp. 644-57, vol. 2. [10] Minitab Inc. Minitab 13.3, User's Manual. Ed. Minitab Inc., 2000. [11] Murugappan, M.; Keeni, G. Quality improvement- the Six Sigma way. Proceedings First Asia-Pacific Conference on Quality Software, 2000, pp. 24857.

LISTADO DE TABLAS
Tabla 2.1 2.2 2.3 2.4 2.5 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.1 4.2 4.3 4.4 4.5 4.6 4.7 5.1 5.2 5.3 Descripcin rea bajo la curva de la distribucin normal Nivel Sigma corto y largo plazo vs DPMO Niveles de conocimiento Entradas y salidas de las fases de la metodologa Anlisis de los involucrados Diagrama SIPOC Cascada de la demanda Variables de medicin Estadstica descriptiva de los tiempos de duracin de la carga Clculo de %GR&R Nivel Sigma de los Hornos ANOVA. Tiempo duracin contra horno Intervalo de confianza para el nivel sigma del proceso Nivel Sigma objetivo Causas priorizadas Planeacin de la verificacin de causas probables ANOVA Duracin de carga, por tumo AMEF, falla del quemador ANOVA Tiempo para recargar por turno Anlisis de regresin, duracin carga vs. tiempo de recarga Resumen de verificacin de causas Posibles soluciones para contrarrestar las causas ANOVA, antes y despus de la comunicacin Condiciones del Horno Pgina 14 15 18 19 28 35 36 37 38 40 43 46 48 49 54 56 58 62 66 68 70 73 78 79

5.4 5.5 5.6 5.7 5.8 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9

ANOVA Mtodo de cambio de condiciones AMEF Acciones de mejora propuestas y validadas Prediccin de duracin de carga ANOVA Tiempo para recargar Conclusiones fase Mejorar Controles para la soluciones Estndares mximos de tiempos Mtodo de trabajo en hornos Controles tomados para las acciones del AMEF Planeacin de rutinas de mantenimiento preventivo Nivel Sigma nuevo Nivel Sigma nuevo de los hornos Prueba de hiptesis, desempeo inicial vs. nuevo Prueba de igualdad de varianzas, desempeo inicial vs nuevo

80 81 84 86 90 92 95 99 100 101 103 103 104 105

LISTADO DE FIGURAS
Figura 2.1 2.2 2.3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.1 5.2 Descripcin Curva de distribucin normal Corrimiento del proceso entre el corto y largo plazo Fases del proceso de mejora Seis Sigma Trazado general de la planta Mapa del proceso de Hornos Histograma del tiempo de duracin de la cargas Capacidad del proceso Grfica de control Grfica de control, causas comunes Homogeneidad de varianzas Anlisis de medias Intervalo de confianza del desempeo actual Anlisis de capacidad del proceso, Horno 6 Diagrama causa-efecto Duracin de carga, por cada turno. Horno #6 Pareto de demoras reportadas Pareto de demoras, por supervisin Pareto de demoras, por montacargas Duracin de cargas por horno Tiempo para recargar, por cada turno Regresin duracin de carga vs. tiempo de recarga Anlisis de residuales del modelo de regresin Duracin de cargas, por turno, anterior a la comunicacin Grfica Multi-Vari, antes de la comunicacin Pgina 13 14 18 32 33 38 42 44 45 46 47 48 49 53 57 59 60 64 64 66 67 68 75 76

5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.1 6.2 6.3 6.4 6.5 6.6 6.7

Duracin de cargas, por turno, despus de la comunicacin Grfica Multi-Vari, despus de la comunicacin Tiempo para recargar mximo Tiempo para recargar, antes de la comunicacin con los operadores Tiempo para recargar, despus de la comunicacin con los operadores Duracin de carga, contra turno que carga y turno que descarga Duracin de carga con entrega de turnos, despus de la comunicacin Reporte de operacin de hornos Anlisis de causas raz de demoras y acciones Reporte de acciones tomadas para las demoras reportadas Hoja de clculo electrnica Reporte para presentar a operadores Capacidad nueva del proceso Desempeo histrico de Hornos

77 78 83 84 85 87 88 93 96 97 97 98 102 104

LISTADO DE ECUACIONES
Ecuacin (2.1 ) (2.2 ) (2.3 ) (3.1 ) (3.2 ) (3.3 ) : Pgina 15 15 16 39 40 40

APNDICE A: TABLA ANOVA

En este apndice se explica brevemente la tabla de resultados que presenta para el anlisis de ANOVA el software estadstico Minitab, para mayores referencias ver [9].

Rengln
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Tabla ANOVA
One-way A N O V A : DuracinCarga versus T u m o Analysis of Variance for DuracinCarga Source Tumo Error Total DF 3 80 83 SS 2.787 25.647 28.433 Individual 95% CIs Por Mean Based on Pooled StDev Level 1 2 3 4 N 24 26 14 20 Mean 7.6429 8.0458 8.0393 7.7355 0.5662 StDev 0.5139 0.5750 0.4991 0.6517
+ +

MS 0.929 0.321

F 2.90 0.040

*(

)
( * *
)

) )
8.40

(
7.50

- *

Pooled StDev =

7.80

8 .10

Rengln 1: One-way ANOVA, Anlisis de varianzas de una va, se refiere al anlisis que busca la igualdad de medias para un solo factor. Rengln 2: Analysis of Variance for..., Anlisis de Varianza para... Rengln 3: Source, Columna de identificacin de la fuente de variacin a presentar. DF, Degrees of Freedom, grados de libertad. SS, Sum of Squares, suma de cuadrados. MS, Mean of squares, media de cuadrados. F, Estadstico F. P, valor de probabilidad para el estadstico F en la distribucin de Fisher. Rengln 3..6: Resultados para los indicado en el rengln 3. Rengln 7: Indivudual 95% CI For Mean, Intervalo de Confianza individual al 95% para la media

Rengln 8: Based on Pooled StDev, basado en una desviacin estndar unificada Rengln 9: Level, nivel del factor. N, nmero de datos en la muestra. Mean, promedio o media de la muestra. StDev, desviacin estndar de la muestra. Rengln 10..13: Resultados para lo indicado en los renglones 7 al 9. Rengln 14: Pooled StDev, desviacin estndar rolada.

APNDICE B: TABLA REGRESIN

En este apndice se explica brevemente la tabla de resultados que presenta para el anlisis de regresin el software estadstico Minitab, para mayores referencias ver [9].

Rengln
1 2 3 4 5 6 7 Q 0 9 10 11 12 13 14 15 16 17

Tabla Regresin
Regression Analysis: DurCarga versus TieRecarga
T h e regression equation is DurCarga = 3.98 + 1.51 TieRecarga Predictor Constant TieRecarga S = 0.1633 Coef 3.9775 1.5095 SE Coef 0.3141 0.1230 T 12.66 12.28 P 0.000 0.000

R-Sg = 68.0%

R-Sq(adj) = 67 .5%

Analysis of Variance Source Regression Residual Error Lack of Fit Pure Error Total DF 1 71 29 42 72 SS 4.0176 1.8925 0.6744 1.2181 5.9100 MS 4.0176 0.0267 0.0233 0.0290 0.80 0.731 P 150.73 P 0.000

N o evidence of lack of fit

{P > 0.1)

Rengln 1: Regression Anlisis, anlisis de regresin. Anlisis que busca la evaluar la dependencia entre variables de datos continuas. Rengln 2: The regression equation is, la ecuacin de regresin es. Rengln 3: En este rengln se presenta la ecuacin de regresin a la que se refiere en el rengln 2. Rengln 4: Predictor, son las fuentes de variacin o factores que son incluidos en el anlisis de regresin. Coef, el valor numrico calculado para el coeficiente de cada factor. SE Coef, Standard Errors for coeficients, error estndar

para los coeficientes. T, Estadstico T. P, valor de probabilidad para el estadstico T. Rengln 5: Constant, constante. Resultados para lo descrito en el rengln 4. Rengln 6: TieRecarga, es el factor usado en este anlisis de regresin. Resultados para lo descrito en el rengln 4 para el factor analizado. Rengln 7: S, desviacin estndar observada en los datos. R-Sq, R cuadrada, estadstico que representa la explicacin del modelo sobre la variacin total de los datos. R-Sq(adj), R cuadrada ajustada, estadstico similar a la R-Sq y que toma en cuenta el nmero de factores. Rengln 9: Analysis of Variance, Anlisis de Varianza. Rengln 10: Source, Columna de identificacin de la fuente de variacin a presentar. DF, Degrees of Freedom, grados de libertad. SS, Sum of Squares, suma de cuadrados. MS, Mean of squares, media de cuadrados. F, Estadstico F. P, valor de probabilidad para el estadstico F en la distribucin de Fisher. Rengln 11: Regression, regresin, anlisis de varianza para el modelo de regresin. Resultados para lo descrito en el rengln 10. Rengln 12: Residual error, error residual. Resultados para lo descrito en el rengln 10. Rengln 13: Lack of Fit, falta de ajuste, anlisis de falta de ajuste del modelo de regresin. Resultados para lo descrito en el rengln 10. Rengln 14: Pur Error, error puro. Resultados para lo descrito en el rengln 10. Rengln 15: Total, total de grados de libertad y suma de cuadrados. Rengln 17. No evidence of lack of fit, no hay evidencia de falta de ajuste, prueba estadstica alterna a la presentada en el rengln 13 que presenta como resultado solamente si el valor P es mayor o menor que 0.1.

GLOSARIO

AMEF. Anlisis de Modo y Efecto de Falla, herramienta de anlisis de los modos de falla de un proceso o producto y sus efectos que gua en la priorizacin y evaluacin de soluciones. Este trabajo de anlisis debe ser realizado por un grupo de trabajo multifuncional. ANOM. Anlisis de medias, herramienta estadstica que prueba la igualdad de medias contra la media global. ANOVA. Anlisis de Varianzas, herramienta estadstica que prueba la igualdad de medias. "Benchmark". Proceso de comparacin entre resultados de diversas operaciones, con la finalidad de establecer las mejores prcticas de operacin. "Black Belt". Persona entrenada en la metodologa Seis Sigma y en uso de herramientas de mejora y estadstica que est dedicado a coordinar equipos de mejora de procesos. Este trmino est registrado por Sigma Consultants, L.L.C. (Six Sigma Academy) para fines comerciales. "Checklist". Lista de verificacin, es una herramienta para la verificacin del cumplimiento de una lista de tareas o puntos de revisin. CTQ. (Critical To Quality, Crtico para la Calidad) Son las salidas de un proceso que son crticas para la satisfaccin del clientes. Aunque el nombre habla de calidad, puede ser relativas al costo (CTC), entrega (CTD) o calidad (CTQ). DPMO. Defectos Por Milln de Oportunidad, representa la probabilidad de generacin de salidas del proceso fuera de las especificaciones del cliente.

Gage R&R. Repetibilidad y reproducibilidad del medidor, estudio realizado para conocer la variacin causada por el sistema de medicin. Grfica Multi-Vari. Grfica que se construye para observar las diferencias de la respuesta dentro y entre los factores analizados, puede realizarse con dos o ms factores para la misma respuesta analizada. "p-value". Valor de probabilidad, representa la probabilidad que encuentra un anlisis estadstico de probar la hiptesis nula que tiene planteada la prueba. Tambin se presenta como "P" por algunas pruebas. Pareto. Herramienta estadstica que presenta grficamente el porcentaje de aportacin de distintos defectos sobre una causa, sirve para identificar las pocas vitales de las muchas triviales, es decir el enfoque del principio de Pareto del 80/20, donde dice que el 80% de los efectos es causado por el 20% de las causas. "Poka-Yoke". A prueba de errores. Metodologa japonesa de bsqueda de medios para evitar los errores, los cules pueden utilizar medios visuales, y dispositivos de control o deteccin. PPM. Partes por Milln, representa lo mismo que DPMO, ver DPMO. SIPOC. ("Supliers -Inputs -Process -Outputs -Customers", Proveedores -Entradas Proceso -Salidas -Clientes). Herramienta que presenta las partes que incluyen en el proceso, la idea es para generar el conocimiento del proceso y entenderlo. Sigma, <r, smbolo griego que se utiliza para representar la desviacin estndar, la cual es una de las medidas de variacin ms utilizadas. Software. Programa o sistema computacional instalado en algn equipo de computo para realizar funciones.

RESUMEN AUTOBIOGRFICO

Ricardo Francisco Prez Benavides, nacido en Guadalupe, Nuevo Len el 13 de marzo de 1970 siendo el segundo hijo del matrimonio formado por Ricardo Prez Garca y Mirthala Guadalupe Benavides Snchez.

Obtuve el grado de licenciatura en 1992, cursando la carrera de Ingeniero en Control y Computacin por la Facultad de Ingeniera Mecnica y Elctrica de la Universidad Autnoma de Nuevo Len.

Despus de graduarme, trabaj por aproximadamente 4 aos en una dependencia del Gobierno del Estado de Nuevo Len en el departamento de Monitoreo Ambiental, donde me desarroll en la operacin y mantenimiento de equipo electrnico para la medicin de contaminantes ambientales.

Mi siguiente trabajo fue en una empresa metal-mecnica de la localidad en el rea de mantenimiento como jefe de este departamento. El objetivo de este trabajo fue el de implementar el mantenimiento y supervisar la instalacin de nuevo equipo en la planta, lo cual desarroll por cerca de 3 aos.

Al entrar esta compaa, como parte de la empresa global a la que pertenece, a la implementacin de Seis Sigma me invitan a participar como Black Belt. En este rol desarroll 3 proyectos de mejora en un ao, para despus ser promovido a la posicin de Master Black Belt que ahora desarrollo.

Este ltimo puesto su funcin principal es entrenamiento, asesora y supervisin a los Black Belts en el desarrollo de sus proyecto de mejora en la organizacin. Esta funcin alcanza las reas de operaciones, comercial, logstica y recursos humanos.

Presento el presente trabajo de Tesis, con el ttulo "Reduccin de tiempos muertos de operacin usando Seis Sigma", como crdito parcial en opcin para obtener el grado de Maestro en Ciencias de la Ingeniera de Manufactura con Especialidad en Automatizacin. R.F.P.B.