Lean sigma Fase de medición

Report
Propósito y herramientas
LEAN SIGMA – FASE DE
MEDICIÓN
1.
Definir
5.
Controlar
4.
Mejorar
2. Medir
3.
Analizar
1
Propósito
Requerimientos de información para el proyecto
Métricas de los indicadores del Proceso
Identificar los tipos, fuentes y causas de la
variación en el proceso
 Desarrollar un Plan de Recolección de Datos








Realizar un Análisis del Sistema de Medición
Determinar el tamaño de muestra
Llevar a cabo la recolección de datos
Determinar la capacidad del proceso
Diagnóstico de la situación actual del problema
2
ENTREGABLES
1. Y del
Proyecto
Medición de la
Y del proceso
o producto
para satisfacer
los CTQs del
cliente
3. Plan de
colección de
datos del
proyecto y
validación del
sistema de
medición
2. Estándares
de desempeño
para Y del
proyecto
4. Colección
de datos para
la Y del
proyecto
5. Capacidad
del proceso
para la Y del
proyecto
6. Meta de
mejora para la
Y del proyecto
Diagrama de causa efecto
Medio
ambiente
Clima
húmedo
Distancia de
la agencia al
changarro
Clientes con
ventas bajas
Malos
itinerarios
Métodos
Frecuencia
de visitas
Posición de
exhibidores
Elaboración
de pedidos
Seguimiento
semanal
Conocimiento
de los
mínimos por
ruta
Descompostura
del camión
repartidor
Maquinaría
Personal
Falta de
supervi
Falta de
ción
motivación
Medición
Rotación de
personal
Ausentismo
¿Qué
produce
bajas ventas
Calidad del de
Tortillinas
producto
Tía Rosa?
Tipo de
exhibidor
Materiales
46
3
Mapa de la cadena de valor

El flujo de materiales, desde la recepción
de los proveedores hasta la entrega a los
clientes.

La transformación de materias primas en
productos terminados.

El flujo de información que soporta y
dirige ambos, el flujo de materiales y la
transformación de materias primas en
productos terminados.
4
Íconos de la cadena de valor
Proceso de Manufactura
Control de Producción
Fuentes Externas
C/T = 145 seg
C/O = 90 min
3 turnos
Caja de datos del Proceso
4 % desperdicio
Inventario
Camión de Embarque
5
Íconos de la cadena de valor
Sistema Pull
(Movimiento de Material de
Producciòn)
Movimiento de Producto Terminado
al cliente
FIFO
Secuencia de Flujo primeras
entradas, primeras salidas.
Información Manual
Información electrónica
Existencias de
Seguridad/Reguladoras
Operador
6
Ejemplo de la cadena de valor
7
Diagrama de flujo detallado
8
Diagrama de flujo detallado
9
10
Etapa
Insumos
Parámetros de calidad

Buen
poder
calorífico
 Bajo contenido de
Gas natural
agua
PEMEX
 Bajo contenido de
H2
 Alto contenido de
metano
Plantas de tratamiento de agua
Indicadores






Agua de
procesos


Buena calidad del

agua
Suavidad del agua


Agua de
enfriamiento


Buena calidad del

agua
Suavidad del agua

Kcal/m3

% de humedad
% de H2
%
mol
de

metano
Precio $/m3

Concentración
de SiO2 ppm

Conductividad
del
agua
micromhos

pH

Concentración
de SiO2 ppm
Conductividad

del
agua
micromhos

pH
Valor generado
Optimización
del
régimen
térmico
Kcal/KWH
Costo competitivo de
la energía eléctrica
Calidad
del
vapor
generado
Cantidad
de
incrustaciones
en
paredes de tubos
Mejor
régimen
térmico
Cantidad
de
incrustación
en
equipos
Buena transferencia de
calor
Disponibilidad
de
equipos
11
Técnicas de medición del trabajo

El estudio de tiempos se hace con un
cronómetro ya sea en campo o en una
filmación, separando los elementos de
tiempos:
http://www.hiperconsumible.com/artman/publish/vidapractica/OREGON_SCIENTIFIC_PRESENTA_NUEVOS_CRON_METROS_Y_PULS_METRO
S.shtml
12
Estudio de tiempos
Tiempo normal = tiempo de desempeño
observado por unidad x índice de desempeño
 Tiempo estándar = TN*(1 + tolerancias)

http://www.youtube.com/watch?v=rP8FR5pSmlI
http://www.abantiare.com/2009/01/introd
uccion-metodos-y-tiempos.html
13
Muestreo del trabajo
Identificar la actividad específica del
estudio (% de tiempo ocioso o en
reparación)
 Determinar la razón de tiempo de la
actividad de interés con el tiempo total.
 Declarar la exactitud deseada en el
estudio.
 Determinar los momentos específicos de
cuando se van a hacer las observaciones.

14
15
2. Identificación KPIVs y KPOVs
Variables críticas del proceso
16
Variables críticas KPIV y KPOV
KPIVs variables críticas de entrada del
proceso
 KPOVs variables críticas de salida del
proceso

http://www.creativeengineers.com/chemical_process_engineering.html
17
3. Plan de colección de datos y
validación de sistemas de medición
18
Plan de colección de datos

Formular una clara descripción del problema

Definir de manera precisa lo que se va a
medir

Listar todas las características importantes a
medir
Cuidadosamente seleccionar la técnica de
medición

19
Plan de colección de datos

Construir un formato sencillo de registro

Decidir quién colectara los datos
Establecer un método de muestreo
apropiado
 Decidir quien analizará e interpretará los
resultados
 Decidir quién reportará los resultados

20
Plan de colección de datos

Qué información se va a recolectar

Por qué se necesita

Quién es responsable

Cómo se va a recolectar

Cuándo se va a recolectar

Dónde se va a recolectar
21
Plan de colección de datos
Provee una estrategia clara y
documentada al recolectar datos
confiables.
 Da a los miembros del equipo una
referencia común.
 Ayuda a asegurar que los recursos sean
usados efectivamente para recolectar
únicamente datos críticos.

22
Validación de los sistemas de
medición
Variación del proceso
Variacióndeldelproceso,
proceso,real
real
Variación
Variación dentro de la
muestra
Repetibilidad
Variación de la medición
Variación
originada
Equipo
de
mediciòn
por el calibrador
Estabilidad
Reproducibilidad
Linealidad
Sesgo
Calibración
23
Error de reproducibilidad

Variación, entre promedios de las
mediciones hechas por diferentes
operadores que utilizan un mismo
instrumento de medición cuando miden
las mismas características en una misma
parte.
Operador-B
Operador-C
Operador-A
Reproducibilidad
24
Error de repetibilidad / Precisión

Variación de las mediciones obtenidas con
un instrumento de medición, cuando es
utilizado varias veces por un operador, al
mismo tiempo que mide las mismas
características en una misma parte
REPETIBILIDAD
25
Error de estabilidad

Variación total de las mediciones
obtenidas con un sistema de medición,
hechas sobre el mismo patrón o sobre las
mismas partes, cuando se mide una sola
de sus características, durante un período
de tiempo prolongado
Tiempo 2
Tiempo 1
26
Error de linealidad

Diferencia en los valores de la escala, a
través del rango de operación esperado
del instrumento de medición
V alo r
V alo r
verd ad ero
verd ad ero
S esg o
S esg o
M en o r
m ayo r
(ran g o in ferio r)
(ran g o su p erio r)
R ango de O peración del equipo
27
Error de exactitud o sesgo

Distancia entre el valor promedio de
todas las mediciones y el valor verdadero.
Error sistemático o desviación
Valor
Verdadero

Sesgo
28
Otras definiciones
Calibración: Es la comparación de un
estándar de medición con exactitud
conocida con otro instrumento para
detectar, reportar o eliminar por medio
del ajuste, cualquier variación en la
exactitud del instrumento.
 Resolución: La medición que tiene
exactitud y precisión al menos de 1/10 de
la tolerancia.

29
Estudios R&R
Método corto del rango

Proporciona un valor aproximado del
error R&R sin que muestre las diferencias
entre errores por el equipo y por los
operadores
Partes
1
2
3
4
5
Evaluador A Evaluador B Rango A,B
0.85
0.80
0.05
0.75
0.70
0.05
1.00
0.95
0.05
0.45
0.55
0.10
0.50
0.60
0.10
Rango medio = 0.35/5 = 0.07
GRR = Rmedio / d2* = 0.07 / 1.19 = 0.0588
Desv. Estándar del proceso = 0.0722
%GRR = 100 (GRR / Desv. Est. Proceso ) = 81.4%
Por tanto el sistema de medición requiere mejora
30
Estudios R&R
Método largo de ANOVA

Intervienen de dos a tres operadores

Se toman 10 unidades
◦ seleccionar de forma que cubran al menos el 80%
del rango total del proceso

Cada unidad es medida por cada operador, 2
ó 3 veces.

Seguir el procedimiento
31
Estudios R&R
Método largo de ANOVA
Permite separar en el sistema de
medición lo referente a la
Reproducibilidad y a la Repetibilidad.
 También proporciona información acerca
de las interacciones de un operador y
otro en cuanto a la parte.
 Calcula las varianzas en forma más
precisa.
 Los cálculos numéricos requieren de una
computadora.

32
Gráficas de salida

Carta R debe estar en control, la carta X
con al menos el 50% fuera de control
Ga g e R & R (A NOV A ) fo r Da t o s
R e p o rte d b y :
G a ge na m e:
T o le ra n ce :
D a te o f stu d y :
M isc:
Co m p o n e n ts o f Va ria tio n
D a to s b y Pa rte s
80
% C o n t r ib u t io n
0 .0 0 6
P erc ent
% Study Va r
% T o le r a n ce
0 .0 0 5
40
0
0 .0 0 4
G a g e R& R
Re p e a t
Re p r o d
1
P a r t- to - P a r t
2
3
Sam ple R ange
2
U CL= 0 .0 0 1 0 7 3
0 .0 0 6
0 .0 0 0 5
_
R= 0 .0 0 0 4 1 7
0 .0 0 5
0 .0 0 0 0
LCL= 0
1
9
10
2
3
O p e ra d o re s * Pa rte s I n te ra ctio n
3
O p e ra d o re s
U CL= 0 .0 0 5 1 4 3
_
X = 0 .0 0 4 7 1 7
0 .0 0 4 5
LCL= 0 .0 0 4 2 9 0
0 .0 0 4 0
8
Operadores
A v erage
Sam ple M ean
0 .0 0 5 0
2
7
0 .0 0 4
Xb a r Ch a rt b y O p e ra d o re s
1
6
D a to s b y O p e ra d o re s
3
0 .0 0 1 0
5
P artes
R Ch a rt b y O p e ra d o re s
1
4
1
0 .0 0 5 0
2
3
0 .0 0 4 5
0 .0 0 4 0
1
2
3
4
5
6
P artes
7
8
9
10
33
Resultados de salida

Error R&R máximo respecto a la toleracia
10%
Source
StdDev (SD)
Total Gage R&R
0.0003150
Repeatability
0.0003150
Reproducibility
0.0000000
Operadores
0.0000000
Part-To-Part
0.0003092
Total Variation
0.0004414
Study Var %Study Var %Tolerance
(5.15 * SD)
(%SV) (SV/Toler)
0.0016222
71.36
27.04
0.0016222
71.36
27.04
0.0000000
0.00
0.00
0.0000000
0.00
0.00
0.0015923
70.05
26.54
0.0022731
100.00
37.88
Number of Distinct Categories = 1
34
Planes de muestreo
Para calificación de lotes
35
Muestreo aleatorio
Es más barato,
requiriendo menos
inspección.
 Existe un menor
manejo de producto
o menor daño.
 Existe el riesgo de
“aceptar” lotes malos
y de “rechazar” lotes
buenos.

Muestreo aleatorio estadístico
Muestra n
Lote N
36
Norma ANSI Z1.4
Contempla los siguientes casos:
 Inspección normal.
 Inspección estricta.
 Inspección reducida.
Se inicia con la inspección normal, se pasa a
estricta cuando se observa mala calidad
del proveedor y se usa la reducida cuando
la calidad es buena, reduciendo los
tamaños de muestra.
37
Norma ANSI Z1.4
38
Norma ZI.4 Procedimiento
Negociación del AQL (cliente –
proveedor).
 Nivel de inspección, tamaño del lote.
 Consultar la tabla 1 para letra código
 Tabla correcta de acuerdo al plan a
utilizar (II-A, II-B, II-C)
 Pasar de tabla normal para inspección
reducida y estricta, de ser necesario

39
Norma Z1.4 – Tabla I
40
Norma Z1.4 – Tabla II-A normal
41
Norma Z1.4 – Tabla II-B estricta
42
Norma Z1.4 – Tabla II-C reducida
43
Herramientas de colección de
datos
•Diagramas de Pareto
•Gráficas de línea
•Gráficas de barras
•Gráficas de pastel
•Gráficas de caja
•Histogramas
•Cartas de control
•Etc.
44
Histogramas

Gráficas de columnas de frecuencia que
muestran una imagen estática del
comportamiento del proceso
45
Cartas 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
46
Cartas de control
Patrones de anormalidad
en la carta de control
“Escuche la Voz del Proceso”
M
E
D
I
D
A
S
C
A
L
I
D
A
D
Región de control,
captura la variación
natural del proceso
original
LSC
LIC
Tendencia del proceso (7P)
Causa Especial
Corrida del Proceso (7P)
identifcada
TIEMPO
47
Carta I-MR de lecturas individuales
y rango móvil
Valores
individuales
12
15
11
14
8
9
Rango
3
4
3
6
1
LSCx  X  ( 2 . 66 * R )
LICx  X  ( 2 . 66 * R )
LSCr 3 . 27 * R
LICr 0
48
Carta X-R de lecturas individuales y
rango móvil
Ejemplo
I-MR Chart of Supp1
1
1
U C L=601.176
Individual Value
601
600
_
X=599.548
599
598
LC L=597.920
1
1
10
20
30
40
50
60
O bser vation
70
80
90
100
1
2.4
Moving Range

1
U C L=2.000
1.8
1.2
0.6
__
M R=0.612
0.0
LC L=0
1
10
20
30
40
50
60
O bser vation
70
80
90
100
49
Carta X-R
Ejemplo
Xbar-R Chart of Supp2
1
1
Sample M ean
U C L=602.474
602
_
_
X=600.23
600
598
LC L=597.986
2
4
6
8
10
Sample
12
14
16
18
20
U C L=8.225
8
Sample Range

6
_
R=3.890
4
2
0
LC L=0
2
4
6
8
10
Sample
12
14
16
18
20
50
6. Capacidad de procesos
Para cumplir con las especificaciones
51
Propósitos
1. Predecir que tanto el proceso cumple
especificaciones
2. Apoyar a diseñadores de producto o
proceso en sus modificaciones
LSE
Especificación
superior
LIE
Especificación
inferior
Z
s
xi
_
X
p = porcentaje de partes fuera de Especificaciones
52
Capacidad del proceso
53
Procedimiento
1. Seleccionar un equipo donde realizar el
estudio.
2. Seleccionar las condiciones de operación del
proceso.
3. Seleccionar un operador entrenado.
4. El sistema de medición debe tener una
resolución de al menos el 10% y una
habilidad (error R&R < 10%).
5. Cuidadosamente colectar la información en
una carta de control X-R o I-MR.
54
Procedimiento
6. Construir la carta de control y estabilizar
el proceso a que este en control.
7. Calcular la fracción defectiva con Minitab.
10. Calcular el índice de capacidad potencial
Cp = (LSE – LIE) / (6*s), debe ser mayor a
1.33.
11. Determinar el índice de capacidad real
Cpk = Menor |Zs; Zi| / 3, debe ser mayor
a 1.33.
55
Capacidad del proceso
56
Corrida con Minitab – I/MR
Stat > Quality tools > Capability analysis
(Normal)
 Data is arranged as a single column:
Viscocidad
 Subgroup size 5
 Lower spec 5.95 Upper spec 6.06
 Estimate: Methods of estimate sigma R-Bar
 Options: Display Percents o Parts per million
/ Capability Stat Cp, Cpk
 OK OK

57
Ejemplo (p. 46):
Con los datos de la carta I-MR anterior, una vez que se
encuentra en control: si los límites de especificación
son LIE = 5.95 y LSE = 6.06, determinar lo siguiente:
a) Determinar la Desviación estándar (St dev. Within )=
b) Fracción defectiva = % Total “Within” =
c) Índice de capacidad Potencial Cp =
d) Índice de capacidad Real Cpk =
e) ¿Qué se puede hacer para mejorar el Cpk? _
58
Corrida con Minitab – X-R
Stat > Quality tools > Capability analysis
(Normal)
 Seleccionar Subgroups across rows off X1
X2 X3 X4 X5
 Lower spec 15.2 Upper spec 16.6
 Estimate: Methods of estimate sigma R-Bar
 Options: Display Percents o Parts per million
/ Capability Stat Cp, Cpk
 OK OK

59
Ejemplo (p. 46):
Con los datos de la carta X-R anterior, una vez que se
encuentra en control: si los límites de especificación
son LIE = 15.2 y LSE = 16.6, determinar lo siguiente:
a) Determinar la Desviación estándar (St dev. Within )=
b) Fracción defectiva = % Total “Within” =
c) Índice de capacidad Potencial Cp =
d) Índice de capacidad Real Cpk =
e) ¿Qué se puede hacer para mejorar el Cpk? _
60
Capacidad con base en el
rendimiento
61
62
Determinar la meta a alcanzar
63
Diagnóstico de un proceso de la
empresa

Con datos de los procesos determinar su
capacidad para cumplir especificaciones:

a. Colectar datos

b. Desarrollar una carta de control

c. Determinar la capacidad del proceso
(Fracción defectiva, Cp y Cpk)
64

similar documents