Seis Sigma – Champions Dr. Primitivo. Reyes

SEIS SIGMA – CHAMPIONS

Dr. Primitivo. Reyes

SEIS SIGMA - CHAMPIONS

Dr. Primitivo Reyes Aguilar

Página 1 de 97

Trusted by over 1 million members

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.



























CONTENIDO

I. Panorama de Seis Sigma en la organización

II. Seis Sigma – Fase de definición

III. Seis Sigma – Fase de medición

IV. Seis Sigma – Fase de Análisis

V. Seis Sigma – Fase de mejora

VI. Seis Sigma – Fase de control

VII. Diseño para Seis Sigma





























I. Despliegue de Seis Sigma en la organización        

Metodología Seis Sigma Metodología Lean Metodología Lean Sigma Diseño para Seis Sigma Liderazgo y roles en Seis Sigma Gestión de Procesos Benchmarking Gestión de equipos de trabajo

Metodología Seis Sigma Definiciones Seis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente – 3-4 ppm.

Seis Sigma como estrategia 



Es una estrategia de gestión que usa herramientas estadísticas y métodos de gestión de proyectos para lograr mejoras en calidad y utilidades significativas Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocándose a los resultados que son de importancia crítica para el cliente.

Antecedentes de Seis Sigma  Bajo la dirección del CEO de Motorola1 Bob Gavin, se usaron herramientas estadísticas para identificar y eliminar la variación.  En 1981 Bob Gavin director de Motorola, estableció el objetivo de mejorar 10 veces el desempeño en un periodo de 5 años.  En 1985 Bill Smith en Motorola concluyó que si un producto se reparaba durante la producción, otros defectos quedarían escondidos y saldrían con el uso del cliente.  Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo En 1987 Motorola desarrolla Seis Sigma como una iniciativa clave del negocio. 



























SEIS SIGMA – CHAMPIONS 


El Dr. Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de Motorola e inicia el “Six Sigma ResearchInstitute” ResearchInstitute” con la participación de IBM, TI,



ASEA y Kodak. La metodología se expandió a Allied Signal, ASEA, GE, Sony, Dupont, Texas Instruments, Bombardier, Lockheed Lockheed Martin, ABB, Polaroid, Kodak, Sony, Toshiba, Black and Decker, Dow Chemical, Federal Express, American Express, John and Johnson, Navistar y otras.

Razones por las que funciona Seis Sigma        

Involucramiento de la dirección Resultados en la rentabilidad Un método disciplinado utilizado (DMAIC) Conclusión de proyectos en 3 a 6 meses Medición clara del éxito Infraestructura de personal entrenado (Black belts, Green belts) Enfoque al proceso y al cliente Métodos estadísticos utilizados adecuadamente

Resultados esperados de Seis Sigma       

Reducciones de costos Mejoras en el nivel de servicio al cliente Reducción de fallas y errores Mejoras en la productividad Mejora en la satisfacción del cliente Reducciones de tiempos de ciclo Cambios culturales

¿Qué es Sigma? ( ) 

Sigma es un concepto estadístico que representa la variación que tiene un proceso respecto a los requisitos del cliente



0 – 2 sigmas, no cumple requisitos



2 – 4.5 sigmas, cumple marginalmente



4.5 – 6 sigmas, cumplimiento de requisitos. requisitos.



Un proceso 6  tiene rendimiento del 99.9997%





























Distribución gráfica de la variación – Curva normal LAS MEDICIONES VARÍAN DE UNA A OTRA:

Núm ero

Número

Núm ero

Número

Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal Número

Número

Número

LAS DISTRIBUCIONES PUEDEN DIFERIR EN: UBICACIÓN

Número

DISPERSIÓN

Número

P1

FORMA

Número . . . O TODA COMBINACIÓN DE ÉSTAS

10

PRACTICA 1: 1: Ejemplo con edades. a) Generar diferentes conjuntos de datos normales con media = 100 y desviación estándar = 5, variando el número de datos generados n con Datos1 en 5, Datos2 en 30, 30, Datos3 en 100 y Datos4 en8000 en8000..

b) Obtener el histograma correspondiente: correspondiente:





























Seleccionar con doble click o Select Colocarse sobre sobre una gráfica y acceder a Edi Editor tor > Layout tool y pasar a las Ventanas Ventanas las gráficas para cada conjunto de datos

6 Prueba de normalidad Stat > Basic statistics > Normality Test Variable Datos1 Datos1 Seleccionar la prueba (menos (menos de 15 datos Kolmogorov, más de15 Anderson Darling) OK El P value debe ser mayor m ayor a 0.05 para que los datos se distribuyan normalmente































Interpretación de Sigma y Zs LIE Especificación inferior

LSE Especificación superior

s Z

xi

La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal

_ X

p = porcentaje de mediciones fuera de Especificaciones P2

Desviación estándar Definición estadística de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm

Media del proceso Corto plazo Largo Plazo

4.5 sigmas

La capacidad Del proceso Es la distancia En Sigmas de La media al LSE

-6 -5 -4 -3 -2 -1 0 +1 +2+3 +4 +5 +6 LSE Límite Límite





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes PRACTICA 2. Efecto de variar la desviación estándar en la l a dispersión de los datos

9 ¿Por qué es importante lograr niveles de calidad Seis Sigma? 





Un 99% de rendimiento equivale a tener un nivel de 3.86 sigmas y 100 minutos sin energía eléctrica por semana (10,080 minutos) Un 99.9% de rendimiento equivale a un nivel de calidad de 4.6 sigmas, representa 10 minutos sin energía eléctrica en una semana. Con 6 sigma se tiene un nivel de 99.99966% o 3.4 ppm, 2 segundos /semana sin luz

Interpretación estadística de Seis Sigma































PRACTICA 3. Obtener los niveles Sigma con base en rendimiento (tiempo en que se tiene el servicio disponible / tiempo total) y las partes por millón o partes por millón de oportunidades de deficiencias, fallas o errores: a) Eficiencia del 98% Nivel sigma = 3.6 b) 8,000 ppm o 0.8% Nivel sigma = c) Rendimiento del 75% Nivel sigma = Utilizar la tabla de la página siguiente:





























































Proceso DMAIC

1. Definir

5. Controlar

4. Mejorar

2. Medir

3. Analizar

Las fases de Seis Sigma (DMAIC) 

Definir: seleccionar la “Y” del proyecto pr oyecto a ser mejorada y enfocar el pro blema a resolver “y”.



Medir: Recolección de datos de la variable de respuesta “y” y factores de influencia “Xs” para establecer línea base







Analizar: Generar causas potenciales e identificar las causas raíz del problema (variables independientes X`s) Mejorar: Generar alternativas de solución por causa raíz, seleccionar las mejores, implementarlas y verificar su efectividad Control: Acciones para mantener la mejora































SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes La ruta de la calidad y su relación con Seis Sigma FASE DE DEFINICIÓN:  o 1. Equipo de trabajo, 2. Selección del problema o área a mejorar FASE DE MEDICIÓN  o 3. Diagnóstico de la situación actual, 4. Establecer la meta. FASE DE ANÁLISIS  o 5. Análisis de las causas del problema (potenciales y reales) FASE DE MEJORA  o 6. Generación, evaluación y selección de alternativas de solución. o 7. Implementación de soluciones, 8. Verificación de resultados. FASE DE CONTROL  o 9. Prevenir reincidencia, 10. Reconocimiento al equipo de trabajo o Paso 11. Lecciones aprendidas y cierre del proyecto

Metodología Lean Conjunto de métodos enfocados a minimizar el Muda (desperdicios en tiempo, combustibles, energía, espacio, talento, etc.) paratener flexibilidad y maximizar el aprovechamiento de los recursos en la empresa, para lograr la satisfacción y lealtad del cliente. Su propósito es reducir el tiempo de ciclo y aumentar la productividad en la empresa .

Muda































Metodología Lean Sigma Tópico Mejora

Seis Sigma Lean Reducir variación Reducir muda

Justificación

Seis sigma (3.4 ppm)

Rapidez (velocidad)

Ahorros principales

Costos de calidad

Costos de operación

Curva de aprendizaje

Larga

Corta

Selección de proyectos

Varios enfoques

Mapeo de la cadena de valor (VSM)

Duración de proyectos

2 – 6 meses

1 semana a 3 meses

Impulsor

Datos

Demanda

Complejidad

Alta

Moderada



Problemas resueltos con Lean o Muda o desperdicio elevado o Mejora de flujos de actividades o Agilizar los procesos o Evitar errores humanos o Enfoque a mejora de la productividad



Problemas resueltos con Seis Sigma o Minimizar variación en los procesos





























SEIS SIGMA – CHAMPIONS Capacitación en Seis Sigma


Pirámide de Capacitación en Seis Sigma Directores - Entrenamiento de promotores

Candidatos a Master Black Belts - Capacitación MBB Gerencias - Capacitación ejecutiva Candidatos a Black Belts - Capacitación BB (a tiempo completo o parcial) Supervisores Supervisores - Capacitación panorámica Candidatos a Green Belt - Capacitación GB Todos los empleados - Capacitación de introducción a Seis Sigma

Papeles/roles en Seis Sigma Comité directivo de Seis Sigma / Consejo de calidad Fijan metas, identifican proyectos, seleccionan equipos  Apoyan a los equipos: Capacitación de Black Belts y Green Belts  Capacitación a miembros de los equipos





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Coordinan actividades de mejora de procesos y monitorea los avances, trabaja con  Black Belts para mejorar los procesos bajo su responsabilidad, a veces actúan como Champions Master Black Belts Tienen puestos enfocados a la mejora, con habilidades demostradas como Black Belt y  habilidades de asesoría, instrucción, educación y promoción Papeles en Seis Sigma  Black Belts: A veces están a tiempo completo, son personas capacitadas y con habilidades para  coordinar proyectos de mejora demostradas con ahorros aho rros y beneficios. Actúan como consultores y asesores  Green Belts: Pueden ser Black Belts en entrenamiento, manejan las herramientas estadísticas y de  solución de problemas para los proyectos con impacto financiero y a clientes Están bajo la tutela de los Black Belts y son líderes de equipos  Miembro del equipo: Participa en la capacitación para ser efectivo  Atiende las reuniones del equipo conforme sea necesario  Completa sus asignaciones entre las reuniones  Participa activamente con ideas e información  Alienta la participación de otros miembros 































Procedimiento

Especificación de la forma en que se realiza alguna actividad

Eficacia Capacidad para alcanzar resultados deseados ISO 9001:2000

Entradas

PROCESO

Salida

Conjunto de actividades

(Incluyendo recursos)

interrelacionadas interrelacionad as o que q ue interactúan

PRODUCTO Eficiencia Resultados contra recursos empleados

Actividades de medición y seguimiento

ISO 9004:2000

Proceso de negocio (---) vs Función organizacional (O) Ventas y Mktg.

Ingeniería

Admón. Finanzas

Operaciones

Recursos Humanos

Tecnologías Información

Ejecutivos

Staff

Gerentes

Ingenieros

Supervisores

Operadores

Benchmarking Entrada

Salida































SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Realizar cambios para mejorar niveles de desempeño l a empresa o Extender los cambios en desempeño a toda la o Incorporar la nueva información en la toma de decisiones del negocio o Compartir los resultados con el socio benchmark o Buscar otros lideresbenchmark para mejoras futuras Repetir el ciclo  Algunas empresas superan a su propio Benchmark

Análisis del consumo específico de gas natural ó régimen térmico Kcal/KWh 2700

2646

2650

2542

2600 2550 2450 2400

Promedio Unidad 1

2466

2500

2376

2388

Promedio 3 años CTVM Promedio CFE































PRÁCTICA 4. Comparación del consumo de combustible de tres plantas termoeléctricas. Copiar las columnas marcadas en amarillo a Minitab. Día-1999 (Antes)

Consumo de combustibleSureste

Mes

Consumo de combustible Planta A

Consumo de combustible Planta B

P1

1

18162

17888

2

1

18645

17572

17758 17494

3

1

18260

17598

17408

4

1

18369

17799

17846

5

1

18342

17358

17189

6

1

18149

17604

17505

7

1

18644

17496

17475

8

1

18244

17672

17594

9

1

17862

17634

17458

10

1

18034

17765

17613

11

1

18092

17737

17561

12

1

18359

17324

17315

13

1

18109

16881

16846

14

1

18160

17588

17588

15

1

18277

17632

17447

16

1

18172

17525

17403

17

1

17990

17861

17774

18

1

18027

17869

17901

19

1

18884

17776

17675

20

1

18333

17858

17689

21

1

18621

17532

17451

22

1

18428

17567

17605

23

1

18640

17500

17568

24

1

18084

17945

17850

25

1

18214

17427

17396































a) Diagramas de caja en Minitab: Copiar tabla de datos. Instrucciones: Graph> Box Plot

Boxplot of Fuel C onsumption, onsumption, Fuel C onsumption, onsumption, Fuel Consumption Consumption 19000

18500

18000 a t a 17500 D

17000

16500

M á x i m o , m e d i a n a , m í n i m o

16000 Fuel Consumption-Southeast

Fuel Consumption-Plant A

Fuel Consumption-Plant B

24































Individual 95% CIs For Mean Based on Pooled StDev Level -------+---------+---------+---------+-Fuel Consumption-Southea (---*---) Fuel Consumption-Plant A (---*---) Fuel Consumption-Plant B (---*---) -------+---------+---------+---------+-17400 17600 17800 18000

c) Gráficas de series de tiempo Instrucciones: Stat > Time series > Time series plot































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

Variable Variable Fuel Consumption-Southeast Fuel Consumption-Plant A Fuel Consumption-Plant B

18500 18000 a t 17500 a D

17000 16500 16000 1

8

16 24 32 40 48 56 64 72 80

Index

































Ejemplo de Mapa estratégico de BSC s e t n e i l C

a r e i c n a n i F

Incrementar valor en los procesos de las plantas

Conocimiento del negocio

Alto nivel nivel de especialización

Ser líder en Servicios de generación de energía

C2

Seguridad

Oportunidad

Optimizar costos y gastos de operación

Visión de largo plazo

Ser la mejor opción para los clientes C1

C3

Sustentabilida entabilidadd

Maximizar la rentabilidad sobre activos F1

Confiabil iabilidad idad

Calidad

Efectividad

Rentabilidad de los servicios F2

F3





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Factores de proceso: Nivel de consenso, efectividad de reuniones, crecimiento y  aprendizaje, participación, comunicación, retroalimentación, retroalimentación, escucha Factores de metas: Fijación de objetivos, claros, realistas y alcanzables  Factores de ambientales: Proximidad física, habilidades y recursos, soporte de la  dirección Factores de rol: Efectividad del liderazgo, claridad de responsabilidades  Reconocimiento al equipo































II. Seis Sigma – Fase de Definición Propósitos    

Selección inicial del proyecto Identificar a los clientes del proceso o producto afectados Definir las CTQs (características críticas para la calidad) desde la perspectiva del cliente Definir el alcance del proyecto en un nivel específico manejable (Project, TeamCharter o Contrato del proyecto)





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Árbol de Críticos para la calidad (CTQs) = Y`s:  o Avanzar con más niveles conforme se requieran (2,3) o Validar los requerimientos con el cliente. Revisar el árbol de CTQs con el cliente. Calidad de la energía

Frecuencia Econo mía Voltaje Voltaje

Hertz Precio Volts





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Costos de prevención – capacitación, documentación o Costos de evaluación – pruebas e inspecciones o Costos de falla interna – fallas y errores en la empresa o Costos de falla externa - fallas y errores con el cliente Bases de comparación  o Ingresos, costos de transformación, etc.

Diagrama de Pareto






























































Ejemplos de selección de problemas







































































































































































































































































































































































































































































































































































































































































































































































Comprobación de causas reales:






























Análisis de regresión Tú piensas ¿qué hay relación entre dos variables? ¿Qué tan fuerte es la relación?  ¿Una puede ser usada para predecir la otra?  



Correlación: es una medida de que tanto están dos variables correlacionadas

Regresión: Es la ecuación matemática que describe la relación

La regresión puede tomar varias formas

Con Minitab se puede obtener una regresión lineal como la siguiente:

PRÁCTICA 15. Correlación y regresión en Minitab




























Presión 1.2 0.8 1.0 1.3 0.7 0.8 1.0 0.6

Temp 101 92 110 120 90 82 93 75

0.7 1.1 0.9

85 96 91


Fitted Line Plot Presión Pres ión = - 0.4972 + 0.01504 Temp 1.4

S R-S q R-S q (ad j)

1.3

0.122070 73.0% 70.0%

1.2 1.1 n ó i s 1.0 e r P

0.9 0.8 0.7 0.6 70

80

90

100

110

120

Temp

La R-sq (R cuadrada) indica si la correlación es lo suficientemente fuerte para predecir



























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Tratar de extrapolar más allá de los datos es riesgoso:

Correlations: Presión, Temp Pearson correlation of Presión and Temp = 0.854 P-Value = 0.001




























QFD


FASE DE ANÁLISIS

Diagrama de relaciones Diagrama de Ishikawa Diagrama

Diagrama Causa Efecto

de Árbol

Definición Y=X1 + X2+. .Xn CTQs = Ys Operatividad

Medición Y, X1, X2, Xn

Análisis del Modo y Efecto de Falla (AMEF)

Diagrama de Flujo del proceso

X's Causas potenciales

Pruebas de hipótesis

No

¿Causa Raíz?

Si

X's vitales Causas raíz validadas

Análisis del modo y efecto de falla (FMEA) El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o servicio y máquinas, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos que puedan ocurrir.

El AMEF o FMEA ( FailureMode FailureMo de and Effect Analisis) es una técnica de prevención, utilizada para detectar por anticipado los posibles modos de falla, con el fin fin de establecer los controles adecuados que eviten la ocurrencia de defectos.  

 

Identificar los modos de falla potenciales, y calificar la severidad de su efecto. Evaluar objetivamente la ocurrencia de causas y la habilidad de los controles para detectar la causa cuando ocurre. Clasifica el orden potencial de deficiencias de producto y proceso. Se enfoca hacia la prevención y eliminación de problemas del producto y proceso





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Detención (D: Es la habilidad para detectar la falla antes de que llegue al cliente.  El resultado de un AMEF es: 

Una lista de modos modos de falla potencial potencial calificados por un RPN.



Una lista de características críticas y/o significativaspotenciales.



Una lista de acciones recomendadas dirigidas a las características críticas o significativaspotenciales.



Una lista de eliminación de causas de modo de fallapotenciales, reducción de la ocurrencia, mejora de la detección de defectos.

Ejemplo del uso del AMEF en Mantenimiento:

Ejemplo del uso del AMEF en Mantenimiento:































PRÁCTICA 16. Llenado de AMEF de maquinaria

M FMEA LISTAS ESCALA DE SEVERIDAD 10 Peligroso sin aviso aviso 9 Peligroso con aviso 8 Muy alto (Tiempo muerto - 8 hrs, hrs, Defectos - 4 hrs) 7 Alto (Tiempo muerto - 4-8 hrs, hrs, Defectos - 2-4 hrs) 6 Moderado (Tiempo muerto - 1-4 hrs, Defectos - 1-2 hrs) 5 Bajo (Tiempo (Tiempo muerto - 0.5-1 hrs, Defectos Defectos 0-1 hrs) 4 Muy bajo (Tiempo (Tiempo muerto- 10-30 10-30 min., 0 Defects) 3 Menor (Tiempo muerto - 0-10 min., 0 Defectos) 2 Muy Menor (0 Tiempo muerto, 0 Defects) 1 Ninguno

OCCURENCE SCALE 10 1 en 1 hora, 1 en 90 ciclos 9 1 en 8 horas, 1 en 900 ciclos 8 1 en 24 horas, 1 en 36,000 ciclos 7 1 en 80 horas, 1 en 90,000 ciclos 6 1 en 350 horas, 1 en 180,000 ciclos 5 1 en 1,000 horas, 1 en 270,000 ciclos 4 1 en 2,500 horas, 1 en 360,000 ciclos 3 1 en 5,000 horas, 1 en 540,000 ciclos 2 1 en 10,000 horas, 1 en 900,000 ciclos 1 1 en 25,000 horas, 1 en >900,000 ciclos DETECTION SCALE 10 Absolutamente Imposible 9 Muy remoto 8 Remoto 7 Muy bajo 6 Bajo 5 Moderado



























































































Pruebas de Hipótesis  

¿Por qué usar la Prueba P rueba de Hipótesis? Se usa para probar si dos grupos son realmente diferentes (estadísticamente significativo) o si la diferencia diferencia es debida a la variación natural o ¿El primer turno se desarrolla mejor que el segundo turno?

Para realizar la prueba se deben comprender las hipótesis:  La hipótesis nula o H0= No hay diferencia entre los grupos  La hipótesis alternativa o Ha= los grupos son diferentes  La hipótesis nula, o por omisión, establece siempre que no hay diferencia entre los grupos.  P-Value: Si P 0.05, se rechaza la H 0 y se acepta la H a ( los grupos son diferentes) Tipos de pruebas de hipótesis Prueba de hipótesis

Propósito

Prueba t – 1 muestra

Compara una media muestral a la media histórica u objetivo

Prueba t – dos muestras

Compara las medias de dos grupos grupos independien independientes tes

Prueba Z – 1 muestra

Compara una media muestral a la media poblacional u objetivo

































PRÁCTICA 17. Prueba de Hipótesis Se evalúan los tiempos de acción para dos formulaciones desincrustantes desincrustantes químicas, interesa la comparación de las medias de los tiempos para tomar decisiones, probar a un 95% de nivel de confianza si una formulación tarda menos que la otra (en caso de que P value<= 0): Form_1 Form_2 650

540

810

610

570

730

660

490

820

550

820

460

670

590

590

640

750

720

700

690

A un 95% de nivel de confianza (alfa es 5% o 0.05), Realizar una prueba de igualdad de medias y sacar conclusiones Minitab:Ho: Minitab:Ho: Media form_1 = Media form_2 form_2 Ha: son diferentes































SMED Reducción de los tiempos de preparación y ajuste

Operaciones internas vs externas  Internas o Puede ser hecha cuando la máquina está apagada o Ejemplo: las mangueras solo pueden ser cambiadas cuando la máquina este parada  Externas o Pueden ser hechas cuando la máquina está trabajando o Ejemplo: el material y refacciones pueden ser preparados mientras la máquina está trabajando Pasos para reducir los tiempos de preparación  Estudiar el proceso o Estudio de tiempos y movimientos, videotape, entrevistas  Identificar actividades internas y externas o Listar cada actividad, clasificarlas en internas y externas































V. Seis Sigma - Fase de Mejora 



Propósito: o Desarrollar, probar e implementar soluciones que atiendan a las causas raíz Salidas o Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raíz identificadas o Comparaciones de la situación antes y después para identificar la dimensión de la mejora, comparar los resultados planeados (meta) contra lo alcanzado

FASE DE MEJORA Causas raíz Diseño de experimentos Ideas

Optimización

Efecto de X's en las Y = CTQs

Técnicas de creatividad Tormenta de ideas Metodología

Generación de soluciones

Evaluación de soluciones (Fact., ventajas, desventajas)

No

¿Solución factible?

TRIZ































¿Qué es un diseño de experimentos? Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta). ( respuesta).

Entradas

Sal idas (Y)

Proceso

Diseño de experimentos Factores conocidos no controlados w1 w2 w3 w4

E N T R A

...

y1

x1 x2 . . . x

ws

PROCESO

y2 . . . y

S A L I D





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes o Producen información de los efectos factoriales de 4 o más veces la que produce un factor a la vez o Pueden identificar y ayudar a comprender las interacciones entre factores o Son fáciles de analizar o Pueden cuantificar las relaciones entre las X´s y las Y´s producen una ecuación



 

Factorial completo incluye todas las combinaciones posibles, para 3 factores con 2 niveles, hay 2x2x2 = 8 combinaciones. 2 x 2 x 2 es escrito 2 3. El 3 indica el número de 2s multiplicados juntos. Para 3 factores hay 2 3 = 8 posibles combinaciones de factores Las interacciones son importantes el efecto del factor A depende del factor B y C

































DOE gráficas de interacciones Interaction Plot (data means) for Res

A -1 1 90 n a e M 85

80

-1

1

B

Interacción significativa

Nota: No es significativo Cuando las líneas son Casi paralelas

El factor A y el B indican interacción significativa, dadas las diferentes pendientes de las líneas rectas que unen sus niveles.





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Las interacciones a probar deben de ser conocidas ó altamente probables. Si las  interacciones altamente significativas no son incluidas, se generará una confusión Se deben de analizar los datos mediante la razón señal a ruido, detectando con ello las  combinaciones de los factores de control que generan un proceso robusto.

PRACTICA 17. Diseño de experimentos de Taguchi El experimento se diseñó utilizando Arreglos Ortogonales. Los factores seleccionados con sus niveles son: Niveles Factores

N1

N2

Porcentaje de exceso de O2

0.8

1.2

Compuertas auxiliares N1

20

40

Compuertas auxiliares N2

20

40





























SEIS SIGMA – CHAMPIONS # Exp 1 2 3 4 5 6 7 8

% O2 1 0.8 0.8 0.8 0.8 1.2 1.2 1.2 1.2

C.A. N1 2 20 20 40 40 20 20 40 40

C.A. N2 3 20 20 40 40 40 40 20 20

C.A. N3 4 20 40 20 40 20 40 20 40

Dr. Primitivo. Reyes C.A. N4 5 20 40 20 40 40 20 40 20

Inclinación Quemadores 6 -30 0 0 -30 -30 0 0 -30

Temperatura Vapor 7 537 542 542 537 542 537 537 542

Orden de Experimentación 2 5 6 8 1 4 3 7

Figura 3.4.3 Arreglo ortogonal ortogonal con orden de experimentación

Paso 1.Para darlo de alta en Minitab, se copia la tabla de los factores únicamente, o sea: Inclinación Temperatura % O2 C.A. N1 C.A. N2 C.A. N3 C.A. N4 Quemadores Vapor 0.8 20 20 20 20 -30 537 0.8 20 20 40 40 0 542





























SEIS SIGMA – CHAMPIONS Dr. Primitivo. Reyes Paso 3.Posteriormente se corren los 8 experimentos en el orden aleatorio 2, 5, 6, 8, 1, 4, 3 y 7 para minimizar el error experimental y se obtienen los resultados. Esta columna de resultados se introduce a Minitab como sigue: FACTORES PARA EXPERIMENTACION

% O2

C.A. N1

C.A. N2

C.A. N3

C.A. N4

0.8

20

20

20

20

Inclinación

Temperatura

Quemadores

Vapor

-30

537

1

1

1

1

1

1

1

0.8

20

20

40

40

0

542

1

1

1

2

2

2

2

0.8

40

40

20

20

0

542

1

2

2

1

1

2

2

0.8

40

40

40

40

-30

537

1

2

2

2

2

1

1

1.2

20

40

20

40

-30

542

2

1

2

1

2

1

2

1.2

20

40

40

20

0

537

2

1

2

2

1

2

1

Resultados

Resultados 2668.02

2600.72

2668.02 2600.72 2612.76

2612.76

2640.88

2627.36

2640.88 2627.36 2583.98 2591.12

1.2

40

20

20

40

0

537

2

2

1

1

2

2

2

2583.98

2591.12

2628.82































En Analysisseleccionar Analysisseleccionar en Fit linear modelforSignaltonoise ratios y means En Optionsseleccionar Optionsseleccionar SmallerisBetter ya que se busca minimizar la l a respuesta

































Main Effects Plot for Means

Data Means %O2

C .A . N 1

C .A . N 2

2640 2620 2600

s n a e 2640 M f o 2620 n a e 2600 M

0.8

1.2 C .A . N 3

20

40 C .A . N 4

20 40 I nclinación Q uemadores































Paso 8.Usar lo siguiente para la Predicción de resultados:





























































Técnicas de creatividad

SCAMPER 

  

Sustituir, Combinar, Adaptar, Modificar o ampliar, Poner en otros usos, Eliminar, Revertir o re arreglar Involucrar al cliente en el desarrollo del producto ¿qué procedimiento podemos sustituir por el actual? ¿cómo podemos combinar la entrada del cliente?































Los Seis Sombreros de pensamiento 







Dejemos los argumentos y propuestas y miremos los datos y las cifras. Exponer una intuición sin tener que justificarla Juicio, lógica y cautela Mirar adelante hacia los resultados de una acción propuesta













































































































































































































































































































Seis Sigma – Champions Dr. Primitivo. Reyes

Recommend Documents