Professional Documents
Culture Documents
de Green Belts
1
Fase de Control
Objetivos:
Mantener las mejoras por medio de control estadstico
de procesos, Poka Yokes y trabajo estandarizado
Salidas:
Plan de control y mtodos de control implementados
Capacitacin en los nuevos mtodos
Documentacin completa y comunicacin de
resultados, lecciones aprendidas y recomendaciones
2
FASE DE CONTROL
Soluciones
implementadas
Plan de Documentar
Control Estndares y Capacitar
CEP - de trabajo
Herramientas
Poka Yokes Lean
Si Proceso
en control?
No
3
Metodologa Seis Sigma
Fase de Control
1. Control Estadstico del Proceso
3. Plan de control
4
1. Control Estadstico del Proceso
5
Objetivos y beneficios
El CEP es una tcnica que permite aplicar el anlisis
estadstico para medir, monitorear y controlar
procesos por medio de cartas de control
6
Seleccin de variables
El CEP por variables implica realizar mediciones en la
caracterstica de calidad de inters, tal como:
Dimensiones
Pesos
Tiempos de servicio, etc.
7
Subrupos racionales
Los subgrupos se seleccionan de tal forma que sean tan
homogneos como sea posible, de tal forma que se tenga la
oportunidad mxima de estimar la variacin esperada entre los
subgrupos
SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin
11
Variacin Causas comunes
Lmite Lmite
inf. de
sup. de
especs. especs.
Objetivo
12
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente
Son ocasionadas por variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra, Mtodo,
Maquinaria, Materiales
Slo se reduce con acciones en el piso o lnea
Su reduccin es responsabilidad del operador por
medio del Control Estadstico del Proceso
SEGN DEMING
El 15% de las causas de la variacin son causas
especiales y es responsabilidad del operador
13
Variacin Causas especiales
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
14
Cartas de control
12.5 Lmite
Superior de
11.5 Control
10.5
9.5 Lnea
Central
8.5
Lmite
Inferior de
7.5
Control
0 10 20 30
15
Patrones de anormalidad
en la carta de control
Escuche la Voz del Proceso Regin de control,
M captura la variacin
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.
Adhesin a la media
15 puntos consecutivos dentro de la banda de 1 sigma del
centro.
Otros
2 de 3 puntos fuera de los lmites a dos sigma
17
Patrn de Carta
en Control Estadstico
18
Cartas de Control para
variables
19
Tipos de Cartas de control
Las cartas de control se dividen en dos categoras,
diferenciadas por el tipo de datos bajo estudio-
variables y atributos.
20
Cartas de Control por Variables
21
Implantacin de cartas
de control por variables
1. Identificar la caracterstica a controlar en base a un
AMEF (anlisis 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 (Continuacin)
Terminologa
k = nmero 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 Lmites 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 caractersticas
como aprobado/reprobado, bueno/malo o pasa/no pasa.
Algunos ejemplos incluyen:
p - CON n PROMEDIO
p - ESTANDARIZADA
c Nmero de defectos
Se cuentan los defectos que tienen cada unidad de inspeccin
de tamao 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 inspeccin final. Los datos de falla se
registraron semanalmente tal como se muestra a continuacin.
# de n np p
com pone nte
s Fr accin 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:
Grfica P para Fraccin Defectiva
0.5
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
n
0.2
0.1 P= 0.1128 p
0.0 -3.0SL= 0.000
LIC
0 5 10
Nmero de muestra
Observe como el LSC vara conforme el tamao (n) de cada muestra vara.
Por qu el LIC es siempre cero?
Qu pas en la muestra 7? (33.3% defectos)
Qu oportunidades para mejorar existen?,
Podemos aprender algo de las muestras 1, 2, 6, 8, y 10?
Podra 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 nmero de productos defectuosos de una
muestra
El tamao 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
Nmero de defectos
5 C = 5.640 C
0 -3.0L IC=0.000
0 5 10 15 20 25
Nmero de Muestras
Ejemplos:
Se toma una muestra de tamao constante de tableros PCB por
semana, identificando defectos visuales por tablero.
k=20 semanas
Carta u (cont..)
Ejemplo 2:
Grfica U para Defectos
Nmero 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
Nmero de Muestras
48
Carta de Promedios Mviles Ponderados
Exponencialmente (EWMA)
Es ms sensible que la grfica X al movimiento de los
pequeos cambios sostenidos en la media del
proceso.
7- 51.0 50 Mean=50
8- 50.1 49
9- 51.2
48
10- 50.5
LCL=47.41
11- 49.6 47
0 10 20
12- 47.6
Sample Number
13- 49.9
14- 51.3
15- 47.8 50
Carta EWMA =
Z0 = X _
_ 1 + (1- )
Los puntos a graficar son los siguientes :Z1 = X Z0
_ 2 + (1- )
Z2 = X
Z1
_ 3 + (1- )
Z3 = X Z2
Z4 = X4 + (1- ) Z3
Con Z = EWMA
51
Estandarizacin
53
22 GUOQCSTORY.PPT
Prevencin de la reincidencia
Realizar actividades para asegurar la no reincidencia
del problema.
54
Prevencin de la reincidencia
CONTROLES AYUDAS
AUTOMATICOS VISUALES PROCEDIMIENTOS ESPECIFICACIONES
POKA - YOKE DE OPERACIN
ESTANDAR
55
Prototype
Core Team
Date (Orig.)
Date (Rev.)
of
Plan de control
Part Name/Desc ription Supplier/Plant Approval/Date Customer Quality Approval/Date (if Req'd.)
Supplier/Plant Supplier Code Other Approval/Date (if Req'd.) Other Approval/Date (if Req'd.)
Part / Proc ess Name / Mac hine, Devic e, Charac teristic s Spec ial Methods
Number Desc ription For Mfg. No. Produc t Proc ess Class. Produc t/Proc ess Evaluation/ Sample Control Method Reac tion Plan
- Un proceso
- Una actividad
- Operaciones Limitadas Operador
Ayuda Visual
Instrucciones:
Distribucin
56
One Way to Standardize a Process
57
Reconocimiento al equipo Seis Sigma
Este paso es de los ms importantes ya que sin un
reconocimiento adecuado a los resultados
alcanzados, se enva el mensaje de ganar perder
para el personal y se elimina la motivacin para
trabajar en nuevos proyectos de mejora.
58