Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
de Green Belts
1
Fase de Control
Objetivos:
Mantener las mejoras por medio de control estadístico
de procesos, Poka Yokes y trabajo estandarizado
Salidas:
Plan de control y métodos de control implementados
Capacitación en los nuevos métodos
Documentación completa y comunicación de
resultados, lecciones aprendidas y recomendaciones
2
FASE DE CONTROL
Soluciones
implementadas
Plan de Documentar
Control Estándares y Capacitar
CEP - de trabajo
Herramientas
Poka Yokes Lean
Si ¿Proceso
en control?
No
3
Metodología Seis Sigma
– Fase de Control
1. Control Estadístico del Proceso
3. Plan de control
4
1. Control Estadístico del Proceso
5
Objetivos y beneficios
El CEP es una técnica que permite aplicar el análisis
estadístico para medir, monitorear y controlar
procesos por medio de cartas de control
6
Selección de variables
El CEP por variables implica realizar mediciones en la
característica de calidad de interés, tal como:
Dimensiones
Pesos
Tiempos de servicio, etc.
7
Subrupos racionales
Los subgrupos se seleccionan de tal forma que sean tan
homogéneos como sea posible, de tal forma que se tenga la
oportunidad máxima de estimar la variación esperada entre los
subgrupos
SEGÚN DEMING
El 94% de las causas de la variación son causas
comunes, responsabilidad de la dirección
11
Variación – Causas comunes
Límite
Límite
inf. de
sup. de
especs.
especs.
Objetivo
12
Causas Especiales
CAUSAS ESPECIALES
Ocurren esporádicamente
Son ocasionadas por variaciones anormales (6Ms)
Medición, Medio ambiente, Mano de obra, Método, Maquinaria,
Materiales
Sólo se reduce con acciones en el piso o línea
Su reducción es responsabilidad del operador por medio del
Control Estadístico del Proceso
SEGÚN DEMING
El 15% de las causas de la variación son causas especiales y
es responsabilidad del operador
13
Variación – Causas especiales
Límite
inf. de
especs.
Límite
sup. de
especs.
Objetivo
14
Cartas de control
12.5 Límite
Superior de
11.5 Control
10.5
9.5 Línea
Central
8.5
Límite
7.5 Inferior de
Control
0 10 20 30
15
Patrones de anormalidad
en la carta de control
“Escuche la Voz del Proceso” Región de control,
M captura la variación
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso
I
D El proceso ha cambiado
A
Causa Especial
identifcada
D
TIEMPO
Patrones Fuera de Control
Corridas
7 puntos consecutivos de un lado de X-media.
Adhesión a la media
15 puntos consecutivos dentro de la banda de 1 sigma del
centro.
Otros
2 de 3 puntos fuera de los límites a dos sigma
17
Patrón de Carta
en Control Estadístico
18
Cartas de Control para
variables
19
Tipos de Cartas de control
Las cartas de control se dividen en dos categorías,
diferenciadas por el tipo de datos bajo estudio-
variables y atributos.
20
Cartas de Control por Variables
21
Implantación de cartas
de control por variables
1. Identificar la característica a controlar en base a un
AMEF (análisis del modo y efecto de falla)
600.0
Sample Mean
_
_
599.5 X=599.548
599.0
LC L=598.775
1 3 5 7 9 11 13 15 17 19
Sample
3
U C L=2.835
Sample Range
2
_
R=1.341
1
0 LC L=0
1 3 5 7 9 11 13 15 17 19
Sample
26
Carta X, R (Continuación)
Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x1 + x2 + x3 + ...+ xN
x =
n n 2
LSCX = x + E2 R D4 3.27
LICX = x - E2 R
D3 0
LSCR = D4 R
E2 2.66
LICR = D3 R
(usar estos factores para calcular Límites de Control n = 2)
Ejemplo: Carta I - MR
I-MR Chart of Supp2
605.0 U C L=605.34
Individual Value
602.5
_
600.0 X=600.23
597.5
595.0 LC L=595.12
1 11 21 31 41 51 61 71 81 91
O bser vation
1
U C L=6.284
6.0
M oving Range
4.5
3.0
__
M R=1.923
1.5
0.0 LC L=0
1 11 21 31 41 51 61 71 81 91
O bser vation
1 12 2.832 11 16 2.97
2 15 2.802 12 15 2.95
3 13 2.952 13 17 2.95
4 10 2.80 14 16 2.86
5 13 2.95 15 17 2.89
6 15 2.92 16 19 2.86
7 15 2.95 17 16 2.85
8 15 2.92 18 16 2.78
9 22 2.93 19 17 2.89
10 16 2.93 20 19 2.78
29
Cartas de Control
para atributos
30
Cartas de control por atributos
Las cartas para atributos son las que tienen características como
aprobado/reprobado, bueno/malo o pasa/no pasa. Algunos
ejemplos incluyen:
p - CON n PROMEDIO
p - ESTANDARIZADA
c – Número de defectos
Se cuentan los defectos que tienen cada unidad de inspección
de tamaño n constante en productos complejos – TV,
computadoras
P Chart of Rejects
0.35
UCL=0.3324
0.30 1
0.25
Proportion
0.20
_
P=0.1685
0.15
0.10
0.05
0.00 LCL=0.0047
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes
Carta p (Cont...)
Ejemplo: Algunos componentes no pasaron la inspección final. Los datos de falla se
registraron semanalmente tal como se muestra a continuación.
# de n np p
com pone nte
s Fr acción de
ins pe ccionad Com pone nte s com pone nte s
os de fe ctuos os de fe ctuos os
7 0 0.000
K = 13 semanas 7 0 0.000
15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
Carta p (Cont..)
Ejemplo: Gráfica P para Fracción Defectiva
0.5
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
ón
0.2
0.1 P= 0.1128 p
0.0 - 3.0SL= 0.000
LIC
0 5 10
Número de muestra
Observe como el LSC varía conforme el tamaño (n) de cada muestra varía.
¿Por qué el LIC es siempre cero?
¿Qué pasó en la muestra 7? (33.3% defectos)
¿Qué oportunidades para mejorar existen?,
¿Podemos aprender algo de las muestras 1, 2, 6, 8, y 10?
¿Podría este proceso ser un buen proyecto de mejora?
Carta np (Atributos)
Se usa cuando se califica al producto como bueno/malo,
pasa/no pasa.
Monitorea el número de productos defectuosos de una
muestra
El tamaño de muestra (n) es constante y mayor a 30.
10 3.0 LSC=10.03
No. De fecetivos
5
Np =4.018 np
Carta C
15 1
Número de defectos
5 C = 5.640 C
0 5 10 15 20 25
Número de Muestras
Ejemplos:
• Se toma una muestra de tamaño constante de tableros PCB por
semana, identificando defectos visuales por tablero.
k=20 semanas
Carta u (cont..)
Ejemplo 2:
Gráfica U para Defectos
Número de efectos
7 3. 0L SC
= 6. 768
LSC
6
5 U=4. 979 u
4
- 3. 0L IC= 3. 190
3 LIC
2
0 10 20
Número de Muestras
48
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
Es más sensible que la gráfica X al movimiento de los
pequeños cambios sostenidos en la media del
proceso.
5- 50.1
51
6- 47.0
EW MA
50 Mean=50
7- 51.0
8- 50.1 49
9- 51.2
48
10- 50.5 LCL=47.41
47
11- 49.6
0 10 20
12- 47.6
Sample Number
13- 49.9
14- 51.3
15- 47.8
50
Carta EWMA =
Z0 = X
_
Los puntos a graficar son los siguientes :Z1 = X
_ 1 + (1- ) Z0
Z2 = X
_
2 + (1- ) Z1
Z3 = X
_
3 + (1- ) Z2
Z4 = X4 + (1- ) Z3
Con Z = EWMA
Observa que Z es un promedio ponderado de X i y de todas las Xs
anteriores.
La típica forma de una gráfica EWMA se muestra a continuación.
UCL
Los cálculos, especialmente de los
límites de control, son tan complejos
XII
51
Estandarización
53
22 GUOQCSTORY.PPT
Prevención de la reincidencia
Realizar actividades para asegurar la no reincidencia
del problema.
54
Prevención de la reincidencia
55
P rototype
Control P la n Numbe r
Ke y Con ta c /P ho ne
Core Te a m
Da te (Orig.)
P a ge
S upplie r/P la nt S upp lie r Co de O th e r App rova l/Da te (if Re q'd.) O the r Ap prova l/Da te (if Re q'd.)
Nu mbe r De s c ription For Mfg. No. P roduc t P ro c e s s Cla s s . P ro duc t/P roc e s s Eva lua tion/ S a mple Control Me thod Re a c tio n P la n
Tole ra nc e Te c hniqu e
-
- Todas las Operaciones
- Todas las actividades
- Un proceso
- Una actividad
- Operaciones Limitadas Operador
Ayuda Visual
Instrucciones:
Distribución
56
One Way to Standardize a Process
57
Reconocimiento al equipo Seis Sigma
Este paso es de los más importantes ya que sin un
reconocimiento adecuado a los resultados
alcanzados, se envía el mensaje de ganar perder
para el personal y se elimina la motivación para
trabajar en nuevos proyectos de mejora.
58