PROCESOS PRODUCTIVOS - RM PVG 2016 01 Herramienta Mejoramiento de Procesos .Pps

PROCESOS
PRODUCTIVOS
.
MEJORAMIENTO DE PROCESOS
- HERRAMIENTAS rea de Administracin y Negocios
Carrera: Ingeniera (E) en Administracin de Empresas
Profesor : Rodrigo Matamala O.
Semestre : 2016 - 1
Mejoramiento de Procesos
HERRAMIENTAS BSICAS PARA EL MEJORAMIENTO DE
LOS PROCESOS
1. Hoja de Recogida de Datos
2. Histograma
3. Estratificacin de Datos
4. Diagrama Causa-Efecto (o de Ishikawa)
5. Diagrama de Pareto
6. Diagrama Correlativo o De Dispersin
7. Control Estadstico e Procesos
Prof. Rodrigo Matamala O.
Tambin conocida como Hoja de Registro, Hoja de Verificacin o Checklist.
Su funcin consiste en la recopilacin ordenada y estructurada de toda la
informacin importante y til que se genera en los procesos y sus
actividades.
Recoge la informacin que es bsica para el control de procesos y que
sirve como soporte de otras herramientas que se nutren de ella.
Proporciona registros histricos, que ayudan a percibir los cambios en el
tiempo.
Facilita el inicio del pensamiento estadstico.
Ayuda a traducir las opiniones en hechos y datos.
Se puede usar para confirmar las normas establecidas.
2. Histograma
El Histograma representa, de forma grfica, la variabilidad que puede
representar una caracterstica de calidad. Es decir, muestra qu tipo de
distribucin estadstica presentan los datos.
2. Histograma
El Histograma representa, de forma grfica, la variabilidad que puede
representar una caracterstica de calidad. Es decir, muestra qu tipo de
distribucin estadstica presentan los datos.
2. Histograma
Casos:
1.Si las causas de variacin
son comunes, el histograma se
distribuye
normalmente
(simtrico, forma de campana
o uni-modal).
Los
datos
indican
distribucin normal.
Se puede concluir
proceso es estable.
que
una
el
2. Histograma
Casos:
2.
Si las causas de
variacin NO son comunes (o
conocidas), el histograma se
distribuye
anormalmente
(no
simtrico), lo que indica que el
proceso puede estar fuera de
control
Los datos estn hacia la derecha
de la media (asimetra a la
izquierda).
La distribucin no es normal y el
proceso debe ser investigado.
2. Histograma
Casos:
3. Si las causas de variacin NO
son comunes (o conocidas), el
histograma
se
distribuye
anormalmente (no simtrico), lo
que indica que el proceso puede
estar fuera de control
Los datos estn hacia la izquierda
de la media (asimetra a la
derecha).
La distribucin no es normal y el
proceso debe ser investigado.
Consiste en la clasificacin y separacin de los datos en grupos o
categoras con el objeto de realizar un anlisis ms profundo y exacto de
las causas, indagar sobre problemas o comprobar que las acciones
correctivas y de mejora son eficientes.
Es un mtodo que permite
hallar el origen de un problema
estudiando por separado cada
uno de los componentes de un
conjunto.
EJEMPLO:
Ungerenteutiliza una grfica lineal para ver el nmero total de quejas o
fallas en la empresa y nota que algo raro pas en abril: hubo un
incremento muy marcado de errores.
EJEMPLO:
Envirtuddequeson tres los departamentos involucrados, decide
construir grficas separadas para cada uno. Losdepartamentos 1 y 2
estn bienpuesno hay incremento en los defectos. Vemos que es el
departamento 3 el que ha incrementado sus errores.
El diagrama de causa y efecto es una tcnica de apoyo a la formulacin
de teoras acerca de las causas de un problema y se aplica
inmediatamente despus de la recopilacin de los sntomas de una
situacin.
La formulacin de teoras consiste en elaborar suposiciones que explican
el comportamiento problemtico de un sistema, de un proceso o de una
funcin.
Tales suposiciones deben ser hechas en forma sistemtica para evitar la
proliferacin intil de dichos supuestos.
El propsito del diagrama de causa y efecto, tambin llamado diagrama
de causa-efecto, de Ishikawa o de espina de pescado (por su apariencia)
es poner en orden las teoras respecto a las causas de un
problema.
Se pueden establecer una serie de fases para su realizacin:
1.Definir y determinar de forma clara el problema que queremos resolver
2.Identificar los factores ms relevantes que influyen en el problema.
3.Determinar y analizar de una forma ordenada y estructurada las causas (y las
causas de las causas)
4.Una vez concluido el anlisis, es aconsejable realizar una reflexin para evaluar si
se han identificado todas las causas y comprobar que hemos utilizado los factores
correctos
5.Toma de datos acerca de las diversas causas del problema.
Es frecuente utilizar unas Causas Primarias de tipo genrico, denominadas
como las 6 Ms:
-Mano de Obra (Personal) causas atribuibles a las personas, su capacidad y
motivacin
-Materiales causas que provienen de los objetos que se transforman.
-Mtodos las debidas a la forma y procedimientos al ejecutar el trabajo.
-Medio Ambiente causas que rodean al proceso y que no es posible controlar.
-Medicin causas atribuibles a instrumentos y mtodos usados para medir los
efectos visibles del problema.
-Maquinarias causas que se deben a la maquinaria y las herramientas usadas en
el trabajo.
EJEMPLO:
A continuacin veremos como el valor de una caracterstica de calidad
depende de una combinacin de variables y factores que condicionan el
proceso productivo (entre otros procesos).
El ejemplo se basa en el proceso de fabricacin de mayonesa, para as
explicar los Diagramas de Causa-Efecto:
EJEMPLO:
EJEMPLO:
La variabilidad de las caractersticas de calidad es un efecto observado que tiene
mltiples causas. Cuando ocurre algn problema con la calidad del producto, se
debe investigar a fin de identificar las causas del mismo. Para hacer un Diagrama de
Causa-Efecto se siguen los siguientes pasos:
Se decide cul va a ser la caracterstica de calidad que se va a analizar. Por
ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno, la densidad
del producto, el porcentaje de aceite, etc.
Se traza una flecha gruesa que representa el proceso y a la derecha se escribe la
caracterstica de calidad:
EJEMPLO:
Se indican los factores causales ms importantes y generales que puedan generar
la fluctuacin de la caracterstica de calidad, trazando flechas secundarias hacia la
principal. Por ejemplo: Materias Primas, Equipos, Operarios, Mtodo de Medicin,
etc.:
EJEMPLO:
Se incorporan en cada rama factores ms detallados que se puedan considerar
causas de fluctuacin. Para hacer esto, se pueden formular estas preguntas:
Por qu hay fluctuacin o dispersin en los valores de la caracterstica de
calidad?
R: Por la fluctuacin de las Materias Primas Se anota Materias Primas como una
de las ramas principales.
EJEMPLO:
Qu Materias Primas producen fluctuacin o dispersin en los valores de
la caracterstica de calidad? R: Aceite, Huevos, sal, otros condimentos Se
agrega Aceite como rama menor de la rama principal Materias Primas.
Huevos
Aceite
EJEMPLO:
Por qu hay fluctuacin o dispersin en el aceite? R: Por la fluctuacin de la
cantidad agregada a la mezcla Agregamos a Aceite la rama ms pequea
Cantidad.
Huevos
Aceite
Cantidad
EJEMPLO:
Por qu hay variacin en la cantidad agregada de aceite? R: Por
funcionamiento irregular de la balanza. Se registra la rama Balanza.
Huevos
Aceite
Balanza
Cantidad
EJEMPLO:
Por qu la balanza funciona en forma irregular? R: Por que necesita
mantenimiento En la rama Balanza colocamos la rama Mantenimiento
Huevos
Aceite
Balanza
Cantidad
Mantenimiento
EJEMPLO:
As
se
sigue
ampliando
el
Diagrama de CausaEfecto hasta que
contenga todas las
causas posibles de
dispersin.
EJEMPLO:
Finalmente se verifica que todos los factores que puedan causar dispersin hayan
sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar
claramente establecidas y en ese caso, el diagrama est terminado.
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente
conozca con profundidad el proceso con que trabaja, visualizando con claridad las
relaciones entre los Efectos y sus Causas.
Sirve tambin para guiar las discusiones, al exponer con claridad los orgenes de un
problema de calidad. Y permite encontrar ms rpidamente las causas asignables
cuando el proceso se aparta de su funcionamiento habitual.
Para ayudar a dilucidar cuales son los problemas a atajar con prioridad,
e incluso en qu orden, se dispone del Diagrama de Pareto. Es una
herramienta para tomar decisiones sobre qu causas hay que resolver
prioritariamente para lograr mayor efectividad de la resolucin de
problemas.
La regla consiste en que aproximadamente el 80% de los problemas se
deben a tan slo un 20% de las causas mas relevantes sobre las que se
debe actuar primero.
El Diagrama de Pareto es una grfica en donde se organizan diversas
clasificaciones de datos por orden descendente, de izquierda a derecha
por medio de barras sencillas despus de haber reunido los datos para
calificar las causas. De modo que se pueda asignar un orden de
prioridades
Las diferentes etapas para llevar a cabo un diagrama de Pareto son:
1.Definir claramente las variables que van a ser estudiadas, es decir,
respecto a qu problema o en base a qu caracterstica de calidad se va a
realizar el estudio.
2.Obtencin o Recogida de Datos necesarios.
3.Elaboracin de los Diagramas de Pareto, tabulando de forma adecuada
las cantidades que aparezcan.
EJEMPLO:
Un fabricante de Refrigeradores desea analizar cuales son los defectos
ms frecuentes que aparecen en las unidades al salir de la lnea de
produccin. Para esto, empez por clasificar todos los defectos posibles en
sus diversos tipos:
EJEMPLO:
Posteriormente, un inspector revisa cada heladera a medida que sale de
produccin registrando sus defectos de acuerdo con dichos tipos. Despus
de inspeccionar 88 heladeras, se obtuvo una tabla como esta:
EJEMPLO:
La ltima columna muestra el nmero de heladeras que presentaban cada
tipo de defecto, es decir, la frecuencia con que se presenta cada defecto.
En lugar de la frecuencia numrica podemos utilizar la frecuencia
porcentual, es decir, el porcentaje de heladeras en cada tipo de defecto:
EJEMPLO:
Luego se puede representar los datos en un histograma:
EJEMPLO:
Ahora bien, cules son los defectos que aparecen con mayor frecuencia?
Para hacerlo ms evidente, antes de graficar se pueden ordenar los datos
de la tabla en orden decreciente de frecuencia:
EJEMPLO:
Ahora resulta evidente cules son los tipos de defectos ms frecuentes. Se
puede observar que los 3 primeros tipos de defectos se presentan en el 82
% de las heladeras, aproximadamente. Por el Principio de Pareto,
concluimos que la mayor parte de los defectos encontrados en el lote
pertenece slo a 3 tipos de defectos, de manera que si se eliminan las
causas que los provocan desaparecera la mayor parte de los defectos
EJEMPLO:
6. Diagrama Correlativo o de Dispersin
La idea principal que persigue es poner de manifiesto la relacin que
pueda existir entre dos variables de calidad en funcin de los valores
medidos, al variar ambas en una determinada situacin.
El Histograma y el Diagrama de Control tienen como base un conjunto de
datos correspondientes a una sola variable, es decir, son datos
univariables. Un diagrama de dispersin se usa para estudiar la posible
relacin entre una variable y otra.
Correlacin Positiva: la nube de puntos sigue una recta de pendiente positiva.
Correlacin Negativa: la nube de puntos sigue una recta de pendiente negativa.
No existe correlacin: la nube de puntos no presenta ninguna relacin aparente.
EJEMPLO:
ElGerente de Ventaselabora un Diagrama de Dispersin con base en dos variables
(cada punto representa un vendedor):
1.El nmero de prospectos visitados en el semestre
2.El nmero de unidades vendidas en el semestre
EJEMPLO:
El Diagrama de Dispersin comprueba la hiptesis del Gerente (mientras ms
prospectos visita un vendedor es mayor la cantidad de unidades vendidas). Sin
embargo, algunospuntosde la grficasiguen un patrn extraoporlo quedecide
separar el Diagrama en dos: Uno para los vendedores a quienes s se les
diocapacitacinyotroparalosquenotomaron los cursos.
7. Control Estadstico de Procesos
Revisaremos ahora una Herramienta muy utilizada en la
revisin de los procesos
Control Estadstico de Procesos (SCP o

CEP)
Procesos: Conjunto de actividades
Control: Mantener el Proceso dentro de sus lmites.
Estadstico: Con la ayuda de datos que permitan obtener

conclusiones
Un grfico de control es una carta o diagrama especialmente preparado
para analizar, supervisar y controlar la estabilidad de los procesos. En l
se van anotando los valores sucesivos de las caracterstica de calidad que
se est controlando, observando su variabilidad.
Es una herramienta bsica para el Control Estadstico de Procesos (SPC).
El grfico de control tiene una Lnea Central que representa el promedio
histrico de la caracterstica que se est controlando y Lmites Superior e
Inferior que tambin se calculan con datos histricos.
LCS: Lmite de Control Superior
LC: Lmite Central
LCI: Lmite de Control Inferior
Mediante el Grfico de Control se puede observar la evolucin del proceso,
determinando si las variaciones posibles son de tipo puntual cuando solo
existe alguna que otra muestra de la variable que se sale de los lmites, o
por el contrario, se representa un fenmeno continuo, lo que indicar un
cierto desajuste en el proceso sobre el que se tendr que actuar.
Evolucin del Concepto de Control de Calidad
En un inicio se intentaba asegurar
la calidad mediante la inspeccin
de los productos antes de salir al
mercado.
A partir de los aos 30 se trata de
minimizar la produccin con
defectos, reduciendo el tiempo de
deteccin de cualquier desajuste.
Enfoque
Tradicional
Enfoque SCP
Los objetivos son:
Monitorear y vigilar el desempeo del proceso en cuanto a las
caractersticas de calidad crticas del producto, para as minimizar
la produccin defectuosa. Grficos o Cartas de Control.
Estimar los parmetros del proceso para comparar la produccin
con las especificaciones.
En ambos objetivos se puede apreciar que el Control Estadstico
de Procesos es una herramientas por y para la mejora continua.
Grfico o Carta de Control: grfico donde se representan
valores de algn tipo de medicin realizada durante el
funcionamiento de un proceso continuo.
Fluctuacin esperable y natural del proceso: Los
valores se mueven alrededor de un valor central (promedio
de los datos), la mayor parte del tiempo cerca del mismo.
Factores que influyen en un proceso: Materias Primas
(Materiales) Maquinaria Condiciones Ambientales (Medio
Ambiente) Mano de Obra (Personal) Medicion Mtodos.
Cada uno est sujeto a variaciones que realizan aportes
ms o menos significativos a la fluctuacin de las
caractersticas del producto durante el proceso de
fabricacin.
Los responsables del proceso fijan valores de algunas de
estas caractersticas (variables), que se denominarn
variables controlables.
Aquellas variables que son imposible o muy difciles de
controla de denominan variables no controlables y
producen efectos aleatorios. Su contribucin a la
variabilidad total es pequea pero influyen en las
caractersticas de calidad de un producto.
Los cambios en las variables controlables son las Causas
Asignables de variacin del proceso, porque es posible
identificarlas.
Las fluctuaciones al azar de las variables no controlables
son las Causas No Asignables de variacin del proceso,
porque no es posible identificarlas.
Entonces
Causas Asignables: Es posible identificarlas, conviene descubrir
y eliminar. Provocan que el proceso no funcione correctamente. Es
necesario eliminarlas para que el Proceso retorne a un
funcionamiento correcto.
Causas No Asignables : Multitud de causas no identificadas, ya
sea por falta de medios tcnicos o econmicos. Cada una ejerce
un pequeo efecto en la variacin total. Son inherentes al proceso
mismo. No pueden ser reducidas o eliminadas a menos que se
modifique el proceso.
Cuando el proceso trabaja afectado solamente por un
sistema constante de variables aleatorias no controlables
(Causas No Asignables), se dice que est funcionando Bajo
Control Estadstico.
Cuando adems de las Causa no Asignables, aparece una o
ms Causas Asignables, se dice que el proceso est Fuera
de Control.
Por lo tanto
El trabajo del administrador de operaciones es, desde
luego, eliminar las variaciones asignables y mantener los
procesos bajo control
Etapas de un Programa de Control Estadstico de un
Proceso:
1 Etapa: Muestreo
Se recogen unas 100-200 mediciones con las cuales se calcula el
Promedio y la Desviacin Standard. Luego se calculan los Lmites
de Control:
Proceso:
2 Etapa: Grafico de Control
Se traza una lnea recta a lo largo del eje Y a la altura del
promedio y otras dos rectas en los lmites de control.
Proceso:
3 Etapa: Anlisis
Se analiza el grfico y se verifica
si se cumple con la hiptesis de
que la variabilidad del proceso se
debe slo a un sistema de causas
aleatorias (causas no asignables
Proceso bajo control), o si por el
contrario
existe
causas
asignables de variacin.
Proceso:
3 Etapa: Anlisis
Casos de patrones no aleatorios, es decir, presencia de causas
asignables:
Varios puntos fuera de los lmites de control.
- Sucesin de puntos (serie creciente o decreciente) de 6 o ms
observaciones.
- 8 puntos seguidos, o ms, a un mismo lado de la lnea central indican
cambios en el proceso.
Proceso:
3 Etapa: Anlisis
X-Bar Chart for Process A
X-Bar Chart for Process A
UCL=77.20
UCL=77.20
Sample Mean
Sample Mean
75
75
X =70.91
X =70.91
70
70
65
65
LCL=64.62
LCL=64.62
0
10
10
15
15
Sample Number
Sample Number
20
20
25
25
La Variacin Controlada es
afectada por Causas No
Asignables y se caracteriza
por un patrn consistente y
estable de variacin a travs
del tiempo. Entonces el
Proceso esta bajo Control.
Proceso:
Causas Especiales
3 Etapa: Anlisis
X-Bar Chart for Process B
X-Bar Chart for Process B
80
80
Sample Mean
Sample Mean
UCL=77.27
UCL=77.27
X =70.98
X =70.98
70
70
LCL=64.70
LCL=64.70
60
60
50
50
10
10
15
15
Sample Number
Sample Number
20
20
25
25
La Variacin No Controlada
es afectada por Causas
Especiales (Asignables) y es
la que cambia a travs del
tiempo. El proceso muestra
Variacin No Controlada.
Proceso:
3 Etapa: Anlisis
MEASUREMENT
Upward Trend
Series de 6 puntos
Downward Trend
6
puntos
continuamente
creciendo o decreciendo, o
ms, indican una tendencia.
(Empiece contando en el
punto en que cambia la
direccin)
Proceso:
MEASUREMENT
3 Etapa: Anlisis
8 puntos seguidos
Median
8 puntos seguidos, o ms, a

un mismo lado de la lnea
central indican cambios en el
proceso
Proceso:
4 Etapa: Re-Hacer
Las observaciones definitivas se representan en el grfico y se
controlan que estn dentro de los lmites y que no se produzcan
patrones no aleatorios.
MUCHAS GRACIAS !

PROCESOS PRODUCTIVOS - RM PVG 2016 01 Herramienta Mejoramiento de Procesos .Pps

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

PROCESOS PRODUCTIVOS - RM PVG 2016 01 Herramienta Mejoramiento de Procesos .Pps

Caricato da

Copyright:

Formati disponibili

PROCESOS

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Control Estadstico de Procesos (SCP o

Prof. Rodrigo Matamala O.

Estadstico: Con la ayuda de datos que permitan obtener

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

LCS: Lmite de Control Superior

LC: Lmite Central

LCI: Lmite de Control Inferior

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

Prof. Rodrigo Matamala O.

8 puntos seguidos, o ms, a

Prof. Rodrigo Matamala O.

Potrebbero piacerti anche