• Author / Uploaded
• Yesica Jesus

• Categories
• Medición
• Estadísticas
• Six Sigma
• Calidad (comercial)
• Ciencia

Citation preview

3.1 Seleccionar CTQ’s del producto,proceso y servicio.

CTQ Critico para la calidad (Critical to quality), es un atributo o característica de calidad de un

producto o servicio que es importante para el cliente. Nota: También existen otros conceptos como CTT (Critical to time) y CTC (Critical to Cost), en este tipo de proyectos estamos interesados en el caso de CTT en reducir el tiempo de respuesta y para los CTC en reducir los costos Tanto en los CTQ, CTT y CTC

el objetivo para la empresa es reducir los costos,

aumentar la satisfacción del cliente y aumentar las utilidades.

Para determinar los CTQ, tenemos que conocer la voz del cliente interno o externo (VOC), o sea que es lo que espera nuestro cliente acerca del servicio o producto que le proporcionamos. Mediante la voz del cliente podemos saber cual es el grado de satisfacción que este tiene.

3.1 Seleccionar CTQ’s del producto,proceso y servicio. Ejemplo de CTQ: • • • • •

Entregas a tiempo Mantenimiento Durabilidad Confiabilidad Seguridad

Para determinar los CTQ´S

podemos

basarnos en lo siguientes puntos: 

Metas del negocio



Entrevistas



Encuestas



Quejas



Datos de Benchmarking



Discusiones ejecutivas



Discusiones de trabajo específico



Matriz de Causa Efecto



QFD



Tendencias del mercado futuras

3.2 DPMO, capacidad de proceso (cpk)

Métrica Seis Sigma para atributos (DPMO)

El índice Z se emplea como métrica en Seis Sigma cuando la característica de calidad es de tipo continuo; sin embargo, muchas características de calidad son de atributos. En este caso se utilizará como métrica a los Defectos por millón de oportunidades de error (DPMO), que explicamos enseguida

FIGURA 5.3

3.2 DPMO, capacidad de proceso (cpk)

EJEMPLO:

En una fábrica de muebles, durante la etapa de ensamble del producto se quiere evaluar el desempeño del proceso. En particular, se pretende evaluar la calidad del ensamble de la silla que se muestra en la fi gura 5.3. El producto tiene 24 puntos de ensamble; por lo tanto, en la inspección

Final se evalúa cada uno de los puntos de ensamble. De los resultados del último mes se tiene que de 2 000 sillas revisadas, se encontraron 120 puntos de ensamble insatisfactorios. A continuación, veamos cómo evaluar esta situación en término de las métricas Seis Sigma.

3.2 DPMO, capacidad de proceso (cpk) Se entiende por unidad a la parte o producto que es elaborada por un proceso y que, por lo tanto, es posible inspeccionar o evaluar su calidad. En el caso del ejemplo 5.3, la unidad es la silla, puesto que es el producto del proceso de ensamble. Ahora bien, en la elaboración de un producto o unidad por lo general existe más de una oportunidad de error. En el caso del ejemplo del ensamble de las sillas, cada punto de ensamble es una oportunidad de error. En este caso, como se deduce de la figura 5.3, en el ensamble de cada unidad (silla) se tendrán 24 oportunidades de error. En general, se define como oportunidad de error cualquier parte de la unidad que es posible medirse o probarse si es adecuada. De acuerdo con lo anterior, un defecto es cualquier no conformidad o desviación de la calidad especificada de un producto; en el caso del ejemplo 5.3 será alguna desviación con respecto a que el ensamble se realice en forma correcta y de acuerdo con criterios de calidad bien especificados. En este contexto surge el índice DPU (defectos por unidad), el cual es una métrica que determina el nivel de no calidad de un proceso que no toma en cuenta las oportunidades de error y se obtiene con el siguiente cociente:

3.2 DPMO, capacidad de proceso (cpk) donde U es el número de unidades inspeccionadas en las cuales se observaron d defectos; ambas referidas a un lapso de tiempo específico. Por ejemplo, de 2 000 sillas inspeccionadas se detectaron 120 ensambles con defectos, por lo tanto:

Esto significa que, en promedio, cada silla tiene 0.06 ensambles defectuosos (en 100 sillas se esperarían seis ensambles defectuosos). Es claro que una misma silla puede tener más de un ensamble defectuoso.

3.2 DPMO, capacidad de proceso (cpk) Una desventaja del DPU es que no toma en cuenta el número de oportunidades de error en la unidad. En el caso del ejemplo 5.3 no es lo mismo tener un DPU = 0.06 para una silla que sólo tiene 12 puntos de ensamble a la que se está considerando, que tiene 24. Por ello, para tomar en cuenta la complejidad de la unidad o producto se utiliza el índice DPO (defectos por oportunidad), que mide la no calidad de un proceso y se obtiene como sigue:

3.2 DPMO, capacidad de proceso (cpk) donde U y d son como antes, y O es el número de oportunidades de error por unidad. Nótese que para calcular el DPO es necesario dividir el total de defectos encontrados, d, entre el total de oportunidades de error, ya que éste se obtiene multiplicando el total de unidades inspeccionadas, U, por el número de oportunidades de error por unidad, O. De esta manera, en el caso de las sillas, lo cual significa que de 48 000 ensambles (oportunidad de error) se fabricaron 120 con algún defecto. Para lograr un mejor entendimiento de la métrica DPO, es mejor obtener el índice DPMO (Defectos por millón de oportunidades), el cual cuantifica los defectos del proceso en un millón de oportunidades de error, y se obtiene al multiplicar al DPO por un millón, por lo que para las sillas se tiene que:

3.2 DPMO, capacidad de proceso (cpk)

Entonces, de un millón de ensambles realizados (24 por silla) se espera tener 2 500 con algún tipo de defecto, lo cual habla de que no se tiene un proceso Seis Sigma, ya que la meta será tener 3.4 DPMO como máximo. En suma, la métrica Seis Sigma para este tipo de procesos con una característica de calidad de atributos que, en el procesamiento de una unidad o producto es posible tener más de una oportunidad de error, es el índice DPMO. En general, bajo las condiciones anteriores hay una tendencia a preferirlo sobre el DPU, e incluso sobre el DPO.

TAREA VIERNES 5 DE MAYO

Elaborar con STATGRAPHIC´S: Realizar el análisis de una variable obteniendo: • • • •

grafico de dispersión Histograma Resumen del análisis Resumen Estadístico

TAREA VIERNES 5 DE MAYO

Elaborar con STATGRAPHIC´S: Realizar el análisis de una variable obteniendo: • • • •

grafico de dispersión Histograma Resumen del análisis Resumen Estadístico

3.2.1 STATISTICAL THINKING PENSAMIENTO ESTADÍSTICO

• El éxito del mercado, hoy en día, depende de la habilidad de las organizaciones para mejorar todo aquello que hacen • Si estos problemas son de naturaleza estadística, se necesita tener “pensamiento estadístico” • Actualmente la estadística juega un gran papel en el diseño y en mejora de la productividad y calidad de los procesos y los productos

STATISTICAL THINKING PENSAMIENTO ESTADÍSTICO • El objetivo de la Estadística para Ingenieros será entender el enfoque del pensamiento estadístico y cómo aplicarlo en la práctica. Y esto incluye entender: • La existencia de variabilidad en todos los procesos • La sinergia entre los datos empíricos y la teoría sobre el tema • La naturaleza dinámica de los procesos • Y la naturaleza secuencial del pensamiento estadístico

STATISTICAL THINKING PENSAMIENTO ESTADÍSTICO DATA (Facts, phenomenons,…)

Deduction

Induction

Deduction

Induction

...

...

HYPOTHESES (Conjectures of the model, theory, ideas,…)

Source : Box, Hunter, Hunter 1978

STATISTICAL THINKING PENSAMIENTO ESTADÍSTICO • El pensamiento estadístico se caracteriza por: • Abordar la solución de problemas en base a datos no solo intuiciones (falacia del jugador) • Importancia del proceso generador de datos (muestreo, experimentos, fuentes secundarias) • Percibir de manera natural la omnipresencia de la variabilidad y la incertidumbre e incluirla en el proceso de modelización de la realidad

STATISTICAL THINKING PENSAMIENTO ESTADÍSTICO • El pensamiento estadístico se caracteriza por: • Desarrollar la capacidad de abordar problemas faltos de estructura • Valorar la utilidad de la estadística para estimar, para predecir, para valorar el impacto de un factor sobre la variabilidad de otros, para decidir entre diferentes opciones, etc. • Uso del enfoque científico para resolver los problemas (inducción-deducción) • Saber comunicar los resultados

3.3 Validación del sistema de medición. (ESTUDIO GAGE R&R). Estudio largo de repetibilidad y reproducibilidad la repetibilidad y la reproducibilidad son los componentes de la precisión. La repetibilidad de un instrumento de medición se refiere a la precisión o variabilidad de sus mediciones cuando se obtienen varias mediciones del mismo objeto en condiciones similares (mismo operador); mientras que la reproducibilidad es la precisión o variabilidad de las mediciones del mismo objeto pero en condiciones variables (diferentes operadores).

En los estudios R&R se evalúa de modo experimental qué parte de la variabilidad total observada en los datos es atribuible al error de medición; además, permite cuantificar si este error es mucho o poco en comparación con la variabilidad del producto y con las tolerancias de la característica de calidad que se mide. Estudio R&R largo Permite evaluar la repetibilidad y reproducibilidad en forma separada.

3.3 Validación del sistema de medición. (ESTUDIO GAGE R&R). Estudio largo de repetibilidad y reproducibilidad Repetibilidad Variación o error de las mediciones sucesivas sobre el mismo objeto con un instrumento bajo las mismas condiciones (un operador).

Reproducibilidad Variabilidad o error de las mediciones sobre el mismo objeto con un instrumento bajo condiciones cambiantes (diferentes operadores).

Precisión Es la variación o error que presentan las mediciones repetidas del sistema de medición sobre el mismo mensurando. Se compone de la repetibilidad y la reproducibilidad.

Estudio R&R corto Permite evaluar de manera rápida la variabilidad del sistema de medición sin separar repetibilidad y reproducibilidad.

3.3 Validación del sistema de medición. (ESTUDIO GAGE R&R). Estudio largo de repetibilidad y reproducibilidad