1

9. Metodología Seis Sigma

Fase de Control

2

Fase de Control Objetivos:

Mantener las mejoras por medio de control estadístico de procesos, Poka Yokes y trabajo estandarizado

Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo

Salidas: Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de

resultados, lecciones aprendidas y recomendaciones

3

Metodología Seis Sigma – Fase de Control

A. Control Estadístico del Proceso

B. Control Avanzado del Proceso

C. Herramientas Lean para control

D. Re – análisis de los sistemas de medición

4

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

Se basa en que los procesos presentan variación, aleatoria y asignable

Entre los beneficios se encuentran: Monitorear procesos estables e identificar si han

ocurrido cambios debido a causas asignables para eliminar sus fuentes

5

Selección de variables El CEP por variables implica realizar mediciones

en la característica de calidad de interés, tal como:

Dimensiones Pesos Fuerzas, etc.

El CEP por atributos califica a los productos como buenos o como defectivos o en su caso cuantos defectos tiene, tales como:

Color, funcionalidad, apariencia, etc.

6

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

Esquemas para formar subgrupos: Productos producidos casi al mismo tiempo en

secuencia. Permite una variación mínima dentro del subgrupo y una probabilidad de variación máxima entre subgrupos

Un subgrupo consiste de una muestra aleatoria representativa de toda la producción durante un periodo de tiempo

7

¿Qué es una Carta de Control?

Una Carta de Control es como un historial del proceso...... En donde ha estado.... En donde se encuentra.... Hacia donde se puede dirigir

Las cartas de control pueden reconocer cambios buenos y malos.

¿Qué tanto se ha mejorado?¿Se ha hecho algo mal?

Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o asignables de variación.”

8

Variación observada en una Carta de Control

Una Carta de control es simplemente un registro de datos en el tiempo con límites de control superior e inferior.

Una carta de control identifica los datos secuenciales en patrones normales y anormales.

El patrón normal de un proceso se llama causas de variación comunes.

El patrón anormal debido a eventos especiales se llama causa especial de variación.

Tener presente que los límites de control NO son límites de especificación.

9

Causas comunes o normales CAUSAS COMUNES

Siempre están presentesSólo se reduce con acciones de mejora mayoresSu reducción es responsabilidad de la dirección

Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente

SEGÚN DEMING El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección

10

Variación – Causas comunes

Límiteinf. deespecs.

Límitesup. deespecs.

Objetivo

11

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 6% de las causas de la variación son causas especiales y es responsabilidad del operador

12

Variación – Causas especiales

Límiteinf. deespecs.

Límitesup. deespecs.

Objetivo

13

Cartas de control

7.5

8.5

9.5

10.5

11.5

12.5

0 10 20 30

Límite Superior

de Control

Límite Inferior de

Control

Línea Central

14

“Escuche la Voz del Proceso” Región de control, captura la variaciónnatural del proceso

original

Causa Especialidentifcada

El proceso ha cambiado

TIEMPO

Tendencia del proceso

LSC

LIC

9A5. Patrones de anormalidad en la carta de control

M

E

D

I

D

A

S

C

A

L

I

D

A

D

15

Corridas 7 puntos consecutivos de un lado de X-media.

Puntos fuera de control 1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo).

Tendencia ascendente o descendente 7 puntos consecutivos aumentando o disminuyendo.

Adhesión a la media15 puntos consecutivos dentro de la banda de 1 sigma del centro.

Otros2 de 3 puntos fuera de los límites a dos sigma

Patrones Fuera de Control

16

Proceso en Control estadístico

Sucede cuando no se tienen situaciones anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se encuentran dentro del 1 de las medias en la carta de control.

Lo anterior equivale a tener el 68% de los puntos dentro del tercio medio de la carta de control.

Patrón de Carta en Control Estadístico

17

Tipos de Cartas de control

Las cartas para atributos son las que tienen características como aprobado/reprobado, bueno/malo o pasa/no pasa. Algunos ejemplos incluyen:

- Número de productos defectuosos

- Fracción de productos defectuosos

- Numero de defectos por unidad de producto

- Número de llamadas para servicio

- Número de partes dañadas

- Pagos atrasados por mes

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.

Las Cartas de Control para datos variables son utilizadas para características que tienen una magnitud variable. Ejemplo:- Longitud, Ancho, Profundidad

- Peso, Tiempo de ciclo, Viscosidad

20

Cartas de Control por Variables

MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x horas, para estabilizar procesos)

MEDIANAS RANGOS (para monitorear procesos estables)

MEDIAS DESVIACIONES ESTANDAR (subgrupos de 9 o más partes cada hora o cada lote de proveedor para monitoreo de procesos o proveedores)

VALORES INDIVIDUALES (partes individuales cada x horas, para monitoreo de procesos muy lentos o químicos)

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)

2. Diseñar los parámetros de la carta (límites de control, subgrupo 3-5 partes, frecuencia de muestreo)

3. Validar la habilidad del sistema de medición por medio de un estudio Repetibilidad & Reproducibilidad

4. Centrar el proceso, correrlo y medir al menos 25 subgrupos de 5 partes cada uno, correspondiente a la producción del mismo turno o día

22

Cartas de Control por Variables - Metodología de implantación

5. Calcular los límites de control preliminares a 3 Sigma

6. Identificar causas asignables o especiales y tomar acción para prevenir recurrencia

7. Recalcular los límites de control de ser necesario repetir paso 6. Establecer límites preliminares para corridas futuras

8. Continuar el monitoreo y Análisis, tomar acciones en causas especiales y recalcular límites de control cada 25 subgrupos

9. REDUCIR CAUSAS COMUNES DE VARIACIÓN

23

Carta X, R (Continuación)

Terminología

k = número de subgrupos; n = número de muestras en cada subgrupo

X = promedio para un subgrupo

X = promedio de todos los promedios de los subgrupos

R = rango de un subgrupo

R = promedio de todos los rangos de los subgrupos

x =x1 + x2 + x3 + ...+ xN

k

x =x1 + x2 + x3 + ...+ xN

n

LICX = x - A2 R

LICR = D3 R

LSCX = x + A2 R

LSCR = D4 R

NOTA: Los factores a considerar

para n = 5

Son A2 = 0.577 D3 = 0 D4 = 2.114

24

Ejemplo 1:

Carta X, R (en Excel)

109876543210

1009080706050

Subgroup

Media

s

X=74.60

3.0SL=95.36

-3.0SL=53.84

80706050403020100

Rangos

R=36.00

3.0SL=76.12

-3.0SL=0.000

Gráfica Xbar/R para Muestra1-Muestra5

¿Cuál gráfica se analiza primero?

¿Cuál es su conclusión acerca del proceso ?

25

Carta de Individuales (Datos variables)

A menudo esta carta se llama “I” o “Xi”.

Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser muestrados en lotes o grupos.

Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una unidad o pieza

La línea central se basa en el promedio de los datos, y los límites de control se basan en la desviación estándar poblacional (+/- 3 sigmas)

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

x =x1 + x2 + x3 + ...+ xN

n

LICX = x - E2 R

LICR = D3 R

LSCX = x + E2 R

LSCR = D4 R

(usar estos factores para calcular Límites de Control n = 2)

n 2

D4 3.27

D3 0

E2 2.66

27

Ejemplo: Carta I (en Excel)

151050

12.35

12.25

12.15

12.05

11.95

11.85

11.75

11.65

Número de Observación

Va

lor

Ind

ivid

ual

Carta I para Longitud de parte

1

66 6

8

X=12.03

3.0SL=12.30

- 3.0SL=11.75

Observar la situación fuera de control

28

Hacer dos cartas X-R y concluir: MUESTRA 1 MUESTRA 2

1 12 2.832

2 15 2.802

3 13 2.952

4 10 2.80

5 13 2.95

6 15 2.92

7 15 2.95

8 15 2.92

9 22 2.93

10 16 2.93

Ejercicios de Cartas I o X, R

MUESTRA 1 MUESTRA 2

11 16 2.97

12 15 2.95

13 17 2.95

14 16 2.86

15 17 2.89

16 19 2.86

17 16 2.85

18 16 2.78

19 17 2.89

20 19 2.78

29

Cartas de Control

para atributos

30

Cartas de control para atributos Datos de Atributos

Tipo Medición ¿Tamaño de Muestra ?

p Fracción de partes defectuosas, Constante o variable > 30

defectivas o no conformes

np Número de partes defectuosas Constante > 30

c Número de defectos Constante = 1 Unidad de

inspección

u Número de defectos por unidad Constante o variable en

unidades de inspección

31

Cartas de Control tipo p

p - CON LÍMITES DE CONTROL VARIABLES

p - CON n PROMEDIO

p - ESTANDARIZADA

CURVA CARACTERÍSTICA DE OPERACIÓN OC Y ARL

32

2... Cartas de Control por Atributos

c – Número de defectos

Se cuentan los defectos que tienen cada unidad de inspección de tamaño n constante en productos complejos – TV, computadoras

u – Defectos por unidad

Se cuentan los defectos que tienen diferentes unidades de inspección de tamaño n variable en productos complejos y se determinan los defectos por unidad – TV, computadoras

33

2520151050

15

10

5

0

Sample Number

Sam

ple Count

C Chart for Pitted S

1

C=5.640

3.0SL=12.76

-3.0SL=0.000

Cartas de control para AtributosSituaciones fuera de control

Un punto fuera de los límites de control.

Siete puntos consecutivos en un mismo lado de de la línea central.

Siete puntos consecutivos, todos aumentando o disminuyendo.

Catorce puntos consecutivos, alternando hacia arriba y hacia abajo.

Límite Superior de Control

Límite Interior de Control

Línea Central

Ahora, veamos algunos ejemplos...

Carta C

Con

teo d

e M

uestr

as

Número de Muestras

34

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

componentes

inspeccionados

Componentes defectuosos

Fracción de componentes defectuosos

7 0 0.0007 0 0.000

15 2 0.13314 2 0.14348 6 0.12522 0 0.00018 6 0.3337 0 0.000

14 1 0.0719 0 0.000

14 2 0.14312 2 0.1678 1 0.125

n np p

K = 13 semanas

35

1050

0.5

0.4

0.3

0.2

0.1

0.0

Número de muestra

Pro

po

rci

ón

Gráfica P para Fracción Defectiva

P=0.1128

3.0SL=0.4484

-3.0SL=0.000

Carta p (Cont..)

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?

p

LSC

LIC

Ejemplo:

36

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.

Terminología (igual a gráfica p, aunque n es constante)

n = tamaño de cada muestra (Ejemplo: producción semanal)

np = número de unidades defectuosas en cada muestra

k = número de muestras

37

Carta np (Cont..)

n np# de partes inspeccionadas

# de partes defectuosas

4000 24000 34000 34000 24000 44000 24000 34000 34000 64000 84000 34000 44000 44000 74000 6

K=15 lotes

Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000

partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:

38

4... Carta np (Cont...)

151050

10

5

0

Número de muestras

No.

De

fece

tivos

Carta np de número de defectivos o defectuosos

3.0 LSC=10.03

- 3.0S

El tamaño de la muestra (n) es constante

Los límites de control LSC y LIC son constantes

Esta carta facilita el control por el operador ya que el evita hacer cálculos

np

LIC

Ejemplo 1:

LIC=0.0

Np =4.018

39

4... Carta c (Atributos) Monitorea el número de defectos por cada

unidad de inspección (1000 metros de tela, 200 m2 de material, un TV)

El tamaño de la muestra (n unidades de inspección) debe ser constante

Ejemplos:- Número de defectos en cada pieza- Número de cantidades ordenadas

incorrectas en órdenes de compra

Terminología

c = Número de defectos encontrados en cada unidad o unidades constantes de inspección

k = número de muestras

40

Carta c (cont..)Ejemplo: Número de defectos encontrados en una unidad de inspección que consta de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).

#Lote / Defectos encontrados

1 6

2 4

3 4

4 2

5 4

6 3

7 4

8 4

9 5

10 5

11 5

NOTA: Utilizar Excel para

Construir la carta c

41

Carta c (cont..)

Observe el valor de la última muestra; está fuera del límite superior de control (LSC) ¿Qué información, anterior a la última muestra, debió haber obviado el hecho de que el proceso iba a salir de control?

Ejemplo:

2520151050

15

10

5

0

Número de Muestras

Nú

me

ro d

e d

efe

cto

s

Carta C 1

C =5.640

3.0L SC=12.76

- 3.0L IC=0.000

LSC

C

42

Carta u (Atributos)

Monitorea el número de defectos en una muestra de n unidades de inspección. El tamaño de la muestra (n) puede variar

Los defectos por unidad se determinan dividiendo el número de defectos encontrados en la muestra entre el número de unidades de inspección incluidas en la muestra (DPU o número de defectos por unidad) .

Ejemplos:• Se toma una muestra de tamaño constante de tableros PCB por

semana, identificando defectos visuales por tablero.

• Se inspeccionan aparatos de TV por turno, se determinan los defectos por TV promedio.

43

Carta u (cont...)Ejemplo 2: Defectos encontrado al inspeccionar varios

lotes de productos registrados por semanaLote n c = Defectos u = DPU

Lote Unidades Defectos DPU

1 10 60 62 12 75 6.33 7 42 64 14 77 5.55 12 69 5.86 12 72 67 13 76 5.88 10 55 5.59 9 51 5.710 14 78 5.611 13 72 5.512 13 77 5.913 12 74 6.214 10 57 5.715 11 62 5.616 13 41 3.217 11 30 2.718 15 45 319 15 42 2.820 14 40 2.9

k=20 semanas

44

Carta u (cont..)

Observe que ambos límites de control varían cuando el tamaño de muestra (n) cambia.

¿En que momentos estuvo el proceso fuera de control?

20100

8

7

6

5

4

3

2

Número de Muestras

Nú

mer

o

de

efec

tos

Gráfica U para Defectos

U=4.979

3.0L SC= 6.768

-3.0L IC= 3.190

Ejemplo 2:

LSC

LIC

u

45

Capacidad de proceso por atributos Para cartas de control p y np en base a la fracción promedio

de productos defectivos o no conformes es:

Cp >=1 es equivalente a p <= 0.27%

NOTA: Equivale a que el porcentaje de partes buenas sea cuando menos del 99.73%

Para cartas de control c y u dependen de la especificación proporcionada por el cliente

46

9A6. Cartas de Precontrol

47

9A6. Cartas de precontrol (Shainin) Es más exitosa con procesos estables no sujetos

a corridas rápidas una vez que se ajustan

Sirven como referencia de ajuste y de monitoreo

La distancia entre los límites de especificaciones se divide entre cuatro quedando los límites de control entre el primer y tercer cuarto

48

Pre- ControlBajo

LíneaP-C

LíneaP-C

Alto

Rojo Amarillo Verde Amarillo Rojo

1/4 1/2 1/4

Tolerancia Completa

49

Reglas de Precontrol1. Ajustes: Iniciar producción sólo cuando 5 piezas consecutivas caen en verde.

2. Durante la producción: Tomar una muestra de dos piezas consecutivas A y B (cada 1/6 del tiempo prom. transc.entre 2 paros):

a Sí hay una amarilla reinicie el conteo

b Sí hay dos amarillas consecutivas, ajuste

c Re - inicie control, cuando suceda algún cambio en herramienta, operador, material o después de cualquier paro de maquinaria.

a

b

c

d

Sí A y B caen en verde, continuar el proceso

Sí A es amarilla y B cae en verde continuar proceso.

Sí A y B son amarillas parar proceso e investigar causas

Sí A o B son rojas, parar proceso e investigar causas

50

Acciones a tomar

Ultima pieza

Verde

Amarillo

Rojo

Pieza actual

Continuar

Primera: ContinuarSegunda: Detener

Detener

51

Distribución de probabilidad

LIEsp. LSEspecif.LíneaP-C

LíneaP-C

1/14 12/14 1/14

7% 86% 7%

Rojo Amarillo Verde RojoAmarillo

1/4 1/2 1/4

Area Objetivo

Tolerancia Completa

52

9B. Cartas de sumas

acumuladas CuSum

53

9B. Gráfica de Sumas acumuladas ( CuSum )

- Se usa para registrar al centro del proceso.- Se corre en tándem (una tras otra)- Es más sensible que la gráfica X al movimiento de los

pequeños cambios sostenidos en el centro del proceso. - Es más sensible que la gráfica X al movimiento de

separación gradual del centro del proceso.- Es menos sensible que la gráfica X al desplazamiento

grande e único del centro del proceso.- Se puede aplicar a las Xs o a las Xs individuales

- Sus parámetros clásicos son h = 4; k = 0.5

54

9B. Ejemplo de carta Cusum con Máscara en V

1- 4.925

2- 4.675

3- 4.725

4- 4.350

5- 5.350

6- 5.225

7- 4.770

8- 4.525

9- 5.225

10- 4.600

11- 4.625

12- 5.150

13- 5.325

14- 4.945

15- 5.025

16- 5.223

151050

4

3

2

1

0

-1

-2

-3

-4

-5

-6

0

Subgroup Number

Cum

ulat

ive

Sum

CUSUM Chart for Cusum

Target = 5, sigma = 1, h = 2, k =0.5, Vmask

55

9B. Continuación de ejemplo – con máscara en V

20100

5

0

-5

0

Subgroup Number

Cum

ulat

ive

Sum

CUSUM Chart for Cusum17. 5.463

18. 5.875

19. 6.237

20. 6.841

Agregando 4Puntos adicionalesSe observa que seSalen los puntos 16, 17 y 18Requiriendo acción

Target = 5, sigma = 1, h = 2, k =0.5, Vmask

56

9B. Carta CuSum – sólo un Límite superior o inferior

2

1

0

-1

-2

2

-2

20100

Subgroup Number

Cum

ulat

ive

Sum

Upper CUSUM

Lower CUSUM

CUSUM Chart for Cusum1- 4.925

2- 4.675

3- 4.725

4- 4.350

5- 5.350

6- 5.225

7- 4.770

8- 4.525

9- 5.225

10- 4.600

11- 4.625

12- 5.150

13- 5.325

14- 4.945

15- 5.025

16- 5.223

17. 5.463

18. 5.875

19. 6.237

20. 6.841

Target = 5, sigma = 1, h = 2, k =0.5, One SidedFIR = 1 sigma, Reset after each signal

57

9B. Carta EWMA de promedios móviles

ponderados exponencialmente

58

9B. 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.

Es más sensible que la gráfica X al movimiento de separación gradual de la media del proceso.

Es menos sensible que la gráfica X a desplazamientos grandes de la media del proceso.

Se puede aplicar a las Xs o a las Xs individuales.

59

9B. Carta EWMA del ejemplo

20100

53

52

51

50

49

48

47

Sample Number

EW

MA

EWMA Chart for X

Mean=50

UCL=52.59

LCL=47.41

Xewma

1- 52.0

2- 47.0

3- 53.0

4- 49.3

5- 50.1

6- 47.0

7- 51.0

8- 50.1

9- 51.2

10- 50.5

11- 49.6

12- 47.6

13- 49.9

14- 51.3

15- 47.8

60

9B. Carta EWMA Los puntos a graficar son los siguientes :

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.

Z0 = XZ1 = X1 + (1- ) Z0

Z2 = X2 + (1- ) Z1

Z3 = X3 + (1- ) Z2

Z4 = X4 + (1- ) Z3

Con Z = EWMA

=

Los cálculos, especialmente de los límites de control, son tan complejos que normalmente este tipo de gráfica se realiza por medio de un paquete de computo.

UCL

subgrupo

LCL

XII

_

_

_

_

1 2 3 4 5 6

61

9B. Carta de control de

promedios móviles

62

9B. Carta de control de Promedios Móviles Monitorea un proceso promediando los últimos

W datos. Con valores individuales se usa W = 2

Tiene una sensibilidad intermedia entre las cartas de control de Shewhart y las cartas EWMA o Cusum para detectar pequeñas corridas graduales en la media del proceso

Suponiendo que se colectan muestras de tamaño n y se obtienen sus respectivas medias Xi. La media móvil promedio de amplitud W en el tiempo t se define como sigue:

63

9B. Ejemplo de carta de promedios móviles

Xmm

1- 10.5

2- 6.0

3- 10.0

4- 11.0

5- 12.5

6- 9.5

7- 6.0

8- 10.0

9- 10.5

10- 14.5

11- 9.5

12- 12.0

13- 12.5

14- 10.5

15- 8.0

151050

15

10

5

Sample Number

Mov

ing

Ave

rage

Moving Average Chart for Xmm

Mean=10

UCL=12.12

LCL=7.879

64

9C. Herramientas Lean

para control

65

9C. Herramientas Lean de control 5S’s (Organización del lugar de trabajo)

Fábrica visual Kaizen

Kanban Poka Yoke

TPM

66

9C. 5S’s (Imai) Seiko (arreglo adecuado) Seiton (orden) Seiketso (limpieza personal) Seiso (limpieza) Shitsuke (disciplina personal)

En Inglés: Sort (eliminar lo innecesario) Straighten (poner cada cosa en su lugar) Scrub / Shine (limpiar todo Systematize (hacer de la limpieza una rutina) Standardize (mantener lo anterior y mejorarlo)

67

9C. Fábrica visual Tiene como propósito mostrar a la administración y

empleados lo que está sucediendo en cualquier momento de un vistaso

Uso de pizarrones para mostrar el estado de: La producción Los programas La calidad del producto Los tiempos de entrega Requerimientos del cliente y costos

Tableros de herramientas, dispositivos Jidoka, Tarjetas Kanban

68

9C. Kaizen (Mejora continua) Kai = Buen Zen = Cambio La estrategia Kaizen involucra:

Kaizen en la administración Mejora de los procesos

Uso de los ciclos PDCA / PDSA de mejora La calidad es la más alta prioridad

Hablar con datos El siguiente proceso es el cliente

69

9C. Kaizen Blitz (evento o taller) Involucra una actividad Kaizen (proyecto de

mejora) en un área específica por medio de un equipo de trabajo durante 3 a 5 días:

2 días de entrenamiento 3 días para colección de datos, análisis e

implementación de la solución

Es necesario el apoyo de la dirección Al final el equipo hace una presentación del

proyecto

70

9C. Kaizen Blitz (evento o taller) Resultados:

Ahorro de espacio Flexibilidad de la línea

Flujo de trabajo mejorado Ideas de mejora

Mejoras en calidad Ambiente de trabajo seguro Tiempo que no agrega valor reducido

71

9C. Muda, los 7 desperdicios El Muda son actividades que no agregan valor

en el lugar de trabajo. Su eliminación es escencial para reducir costos y tener calidad en producto:

Sobreproducción Inventarios

Reparaciones / Retrabajos Movimientos

Esperas Transportes

72

9C. Kanban Kanban = signo. Es una señal a los procesos

internos para proporcionar productos. Normalmente son tarjetas pero pueden ser banderas, espacio en el piso, etc. Proporciona indicación visual de:

Número de parte, código de barras Cantidad Localización

Frecuencia de embarque Tiempo de entrega Colores de contenedores en función del destino

73

9C. Poka Yoke Mr. Shingo reconoce que los errores humanos

no tienen por que crear defectos. Con dispositivos sencillos a Prueba de error se pueden evitar

En los sistemas de control, las operaciones se paran cuando ocurre una falla para toma de acción inmediata:

Detectan fallas en una secuencia de operaciones Se pueden usar charolas o listas de verificación Los dispositivos se basan en longitudes, ancho,

peso y altura

74

9C. Poka Yoke Otras mejoras de diseño a prueba de error

incluyen: Eliminación de componentes propensos a error o

falla Amplificación de los sentidos humanos Redundancia en los diseños Simplificación al usar menos componentes Consideración de factores físicos y ambientales Proporcionar mecanismos de paro seguros Mejorando la producibilidad y mantenabilidad del

producto Seleccionando componentes y circuitos ya

probados

75

9C. TPM El mantenimiento productivo total incluye la

participación de todos para asegurar la disponibilidad del equipo de producción y combina los mantenimientos preventivo, predictivo, mejoras en la mantenabilidad, facilidad de mantenimiento y confiabilidad

Hay 6 grandes pérdidas que contribuyen en forma negativa a la efectividad del equipo:

Falla del equipo Preparación y ajustes

Arranques y paros menores Velocidad reducida Defectos de proceso Pérdidas de

producto

76

9C. TPM Un ejemplo de una empresa alemana incluye:

Mantenimiento autónomo Eliminación de las 6 grandes pérdidas 100% de calidad de producción Planeación de nuevos equipos y maquinaria Capacitación a todos los operadores Eficiencia de oficina mejorada

Obteniendo como beneficios: Reducción de ausentismo, mejora en sistema de

sugerencias, reducción de desperdicios y quejas, reducción de tiempos de ajuste y de ciclo, etc.

77

9C. Estándares de Trabajo La operación de una planta depende de

políticas, procedimientos e instrucciones de trabajo o Estándares, cuya mejora redunda en mejoras a la planta

Cuando la operación de planta (Gemba) está bajo control es tiempo de emprender mejoras, utilizando por ejemplo grupos Kaizen Blitz

En Japón los estándares se hacen para controlar el proceso no tanto a los trabajadores

78

9C. Estándares de Trabajo Otros estándares adicionales son:

Líneas amarillas en el piso Códigos de colores

Pizarrón de control para producción Indicadores de nivel mínimo y máximo de

inventarios

Matrices de capacitación cruzada Lámparas de falla

79

9C. Estándares de Trabajo Características de los estándares:

Representan la mejor manera de hacer el trabajo , en forma más fácil y segura

Preservan el Know How y experiencia para hacer el trabajo que puede perderse al irse los empleados

Proporcionar un método de evaluar el desempeño Muestran la relación entre causas y efectos Proporcionan una base para mantenimiento y mejora Son la base de la capacitación Son la base de la auditoria Método preventivo para prevenir recurrencia de

errores Minimizan la variabilidad

80

9C. Re - análisis de sistemas de medición Las mejoras en proceso reducen la variabilidad

lo que puede requerir reanalizar los sistemas de medición

Por ejemplos micrómetros para medir 0.001” ahora se requiere que midan 0.0001”

De acuerdo al MSA del QS 9000 el error de R& R máximo debe ser:

<10% sistema de medición aceptable 10 a 30% puede ser aceptable en función de la

importancia de la característica >30% el sistema de medición requiere mejora

81

9C. Re - análisis de sistemas de medición La expresión de evaluación de la incertidumbre

incluye un rango y el nivel de confianza al cual se hace la afirmación, por ejemplo:

M = (100.02147 +- 0.00070) g

donde la incertidumbre expandida U = k uc

Uc = 0.00035 g y k = 2 indicando el 95% de nivel de confianza

Cada organización debe determinar los requerimientos de su sistema de medición