1 Programa de certificación de Green Belts V.A. Seis Sigma – Mejora P. Reyes / Octubre 2007.

Presentación del tema: "1 Programa de certificación de Green Belts V.A. Seis Sigma – Mejora P. Reyes / Octubre 2007."— Transcripción de la presentación:

1

2 1 Programa de certificación de Green Belts V.A. Seis Sigma – Mejora P. Reyes / Octubre 2007

3 2 Seis Sigma - Mejora Propósitos y salidas A. Diseño de experimentos B. Técnicas de creatividad C. Implantación y verificación de soluciones

4 3 Fase de mejora Propósito: Desarrollar, probar e implementar soluciones que atiendan a las causas raíz Salidas Acciones planeadas y probadas que eliminen o reduzcan el impacto de las causas raíz identificadas Comparaciones de la situación antes y después para identificar la dimensión de la mejora, comparar los resultados planeados (meta) contra lo alcanzado

5 4

6 5 V.A.1 Diseño de Experimentos (DOE)

7 6 Ronald Fisher los desarrolla en su estación agrícola experimental de Rothamsted en Londres (ANOVA) 1930 Otros que han contribuido son: F. Yates, G.E.P. Box, R.C. Bose, O. Kempthorne, W.G. Cochran, G. Taguchi Se ha aplicado el DOE en la agricultura y ciencias biológicas, industria textil y lana, en los 1930’s Después de la II Guerra mundial se introdujeron en la industria Química e industria electrónica Perspectiva histórica

8 7 El cambiar un factor a un tiempo presenta las desventajas siguientes: Se requieren demasiados experimentos para el estudio No se puede encontrar la combinación óptima de variables No se puede determinar la interacción Se puede llegar a conclusiones erróneas Se puede perder tiempo en analizar las variables equivocadas Introducción

9 8 ¿Por qué no probar un factor a la vez? PRESION TEMPERATURA PRESION 1 2 Zona Máxima Respuesta Máxima PRESION 4 TEMPERATURA 3 PRESION TEMPERATURA Conclusión de la Prueba TEMPERATURA Conclusión de la Prueba Optimo

10 9 El DOE varia varios factores simultáneamente de forma que se puede identificar su efecto combinado en forma económica: Se identifican los Factores que son significativos No es necesario un alto conocimiento estadístico Las conclusiones obtenidas son confiables Se pueden encontrar los mejores niveles de factores controlables que inmunicen al proceso contra variaciones en factores no controlables Introducción

11 10 Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta). Proceso EntradasSalidas (Y) Diseño de Producto EntradasSalidas (Y) ¿Qué es un diseño de experimentos?

12 11 Las X’s con mayor influencia en las Y’s Cuantifica los efectos de las principales X’s incluyendo sus interacciones Produce una ecuación que cuantifica la relación entre las X’s y las Y’s Se puede predecir la respuesta en función de cambios en las variables de entrada El Diseño de experimentos tiene como objetivos determinar:

13 12 Selección entre diversas alternativas Selección de los factores clave que afectan la respuesta Modelado de la superficie de respuesta para: Llegar al objetivo Reducir la variabilidad Maximizar o minimizar la respuesta Hacer un proceso robusto Buscar objetivos múltiples Aplicación del DOE

14 13 Establecer objetivos Seleccionar variables del proceso Seleccionar un diseño experimental Ejecutar el diseño Verificar que los datos sean consistentes con los supuestos experimentales Analizar e interpretar los resultados Usar / presentar los resultados Pasos del DOE

15 14 La selección de un diseño experimental depende de los objetivos del experimento y del número de factores a ser investigados: Objetivo comparativo Objetivo de filtraje de factores Objetivo del método de superficie de respuesta Optimizar las respuestas cuando los factores son proporciones en un objetivo de mezclas Ajuste óptimo en un objetivo de modelo de regresión Objetivos experimentales

16 15 Las variables de proceso incluyen ambas entradas y salidas, es decir factores y respuestas. La selección de estas variables debe: Incluir todos los factores relevantes Ser brillantes en seleccionar los niveles de factores bajos y altos Evitar ajustes de factores para combinaciones imprácticas o imposibles Incluir todas las respuestas relevantes Evitar usar respuestas que combinen dos o más mediciones de proceso Evitar valores extremos en los factores de entrada Selección y escala de variables del proceso

17 16 Guías de diseño Número de factores Objetivo comparativo Objetivo de filtraje de factores Objetivo de superficie de respuesta 11- factor completamente aleatorizado -- 2-4Diseño aleatorizado por bloques Factorial completo o fraccional Diseño central compuesto o Box-Behnken 5 o másDiseño aleatorizado por bloques Factorial fraccional o Placket Burman Fltrar primero para reducir el número de factores

18 17 Lista de verificación típica del DOE Definir los objetivos del experimento Aprender acerca del proceso antes de la tormenta de ideas Tormenta de ideas para definir la lista de las variables clave dependientes e independientes Correr experimentos preliminares para afinar el equipo y obtener resultados preliminares

19 18 Lista de verificación típica del DOE Asignar niveles a cada variable independiente en función del conocimiento sobre el proceso Seleccionar un plan estándar de DOE o desarrollar uno Correr los experimentos en orden aleatorio y analizar los resultados periódicamente Establecer conclusiones

20 19 El método iterativo del DOE Mientras que un experimento puede dar un resultado útil, es más común realizar dos o tres o más experimentos antes de dar una respuesta completa. Esto es mejor y más económico.

21 20 Obtención de réplicas: repetición del experimento (5 resultados en cada corrida experimental) Aleatorización: hacer en forma aleatoria: Permite confundir el efecto de los factores no controlables La asignación de los materiales utilizados en la experimentación El orden en que se realizan los experimentos Bloqueo - Orden de corridas aleatorio en cada bloque (Ej., bloque de tiempo: AM vs PM, o Día 1 vs Día 2). Principios básicos

22 21 Bloques: Unidades experimentales homogéneas Bloqueo Cuando se estructuran experimentos factoriales fraccionales, el bloqueo se usa para agrupar las variables que desea evitar. Un bloque puede ser un factor artificial que no interactúa con los factores reales Términos

23 22 Error experimental Variación en respuesta bajo las mismas condiciones de prueba. También se denomina error residual. Fraccional Un arreglo con menos experimentos que el arreglo completo (1/2, ¼, etc.) Factorial completo Arreglo experimental que considera todas las combinaciones de factores y niveles Interacción Ocurre cuando el efecto de un factor de entrada en la respuesta depende del nivel de otro factor diferente Términos

24 23 Nivel o Tratamiento Un valor específico para un factor controlable de entrada (100ºC, 120ºC, 140ºC) Efecto principal Un estimado del efecto de un factor independientemente del efecto de los demás Optimización Hallar las combinaciones de los factores que maximizen o minimizen la respuesta Términos

25 24 Colinealidad Ocurre cuando 2 variables están completamente correlacionadas Confundidos Cuando el efecto de un factor no se puede separar del efecto de alguna de sus interacciones (A y BC, B y AC) Términos

26 25 Correlación Un número entre -1 y +1 que indica el grado de relación lineal entre dos conjuntos de números. El cero indica que no hay relación Covarianza Cosas que cambian durante los experimentos pero no fueron planeadas a cambiar, como temperatura o humedad. Con la aleatorización se alivia este problema. Registrar los valores del covariado para su posible uso en análisis de regresión Términos

27 26 Curvatura Comportamiento no lineal que requiere un modelo de al menos segundo grado Grados de libertad (DOF, DF, df o ) Número de mediciones independientes para estimar un parámetro poblacional (vg. la media con n-1) EVOP (Evolutive operations) Describe una forma secuencial de experimentación haciendo pequeños cambios en el proceso para mejorarlo Términos

28 27 Supuestos experimentales ¿Son capaces los sistemas de medición para todas las respuestas? ¿Es estable el proceso? ¿Los residuos se comportan adecuadamente? Modelo X1 La varianza se Requiere un término Adecuadoincrementa con X2 cuadrático agregado a X2

29 28 Error experimental Variación en respuesta bajo las mismas condiciones de prueba. También se denomina error residual. Primer orden Se refiere a la potencia a la cuál un factor aparece en el modelo. Si la “X” representa un factor y “B” su efecto, entonces el siguiente modelo es de primer orden para X1 y X2: Y = Bo + B1*X1 + B2*X2 + error Términos

30 29 Factorial completo Arreglo experimental que considera todas las combinaciones de factores y niveles Fraccional Un arreglo con menos experimentos que el arreglo completo (1/2, ¼, etc.) Términos

31 30 Factoriales completos vs fraccionales Un diseño factorial completo es el que contiene todos los niveles de todos los factores, no se omite ninguno Un diseño factorial fraccional es un diseño experimental balanceado donde que contiene menos combinaciones de todos los niveles y factores. Por ejemplo para 3 factores y 2 niveles se tiene:

32 31 Términos Interacción Ocurre cuando el efecto de un factor de entrada en la respuesta depende del nivel de otro factor de entrada diferente

33 32 Interacciones Una interacción ocurre cuando el efecto de un factor de entrada en la salida depende del nivel de otro factor de entrada. A veces se pierden con los diseños factoriales fraccionales Sin interacción Interacción Interacción Interacción moderada fuerte fuerte

34 33 Experimento con mezclas Experimentos en los cuales las variables se expresan como proporciones del todo sumando 1.0 Experimentos aleatorios Reduce la influencia de variables extrañas en la experimentación Error residual (e o E) Es la diferencia entre los valores observados y los estimados por un modelo determinado empíricamente. Puede ser la variación en resultados de condiciones de prueba virtualmente idénticas Términos

35 34 Resolución I Experimentos donde se varia sólo un factor a la vez Resolución II Experimentos donde algunos efectos principales se confunden, es indeseable Resolución III- Exp. fraccionales Experimentos fraccionales donde no se confunden los efectos principales entre sí, sólo con sus interacciones de dos factores Resolución IV- Exp. fraccionales No se confunden los efectos principales ni con sus interacciones pero si lo hacen las interacciones entre si Términos

36 35 Resolución V – Exp. Fraccionales Sólo puede haber confusión entre interacciones de dos factores con interacciones de tres factores o de mayor orden Resolución VI - Exp. Factorial completo V+ Experimentos sin confusión, factoriales completos o dos bloques de 16 experimentos Resolución VII – Exp. Factoriales completos Experimentos en 8 bloques de experimentos Términos

37 36 Los factores son los elementos que cambian durante un experimento para observar su impacto sobre la salida. Se designan como A, B, C, etc. - Los factores pueden ser cuantitativos o cualitativos - Los niveles se designan como alto / bajo (-1, +1) o (1,2) Factor Niveles B. Temp. de Moldeo 600º 700º E. Tipo de Material Nylon Acetal Factor cuantitativo, dos niveles Factor cualitativo, dos niveles Factores y niveles

38 37 Pasos para Diseñar y Realizar un Diseño de Experimentos 1.Observar datos históricos y/o recolectar datos para establecer la capacidad actual del proceso debe estar en control estadístico. 2.Determinar el objetivo del experimento (CTQs a mejorar). Por medio de un equipo de trabajo multidisciplinario 3.Determinar qué se va a medir como resultado del experimento. 4.Identificar los factores de control y de ruido que pueden afectar el resultado.

39 38 Pasos para Diseñar y Realizar un Diseño de Experimentos 5.Determinar el número de niveles de cada factor y sus valores reales. 6.Seleccionar un esquema experimental que acomode los factores y niveles seleccionados y decidir el número de replicas. 7.Verificar todos los sistemas de medición (R&R < 10%) 8.Planear y preparar los recursos (gente, materiales, etc.) para llevar a cabo el experimento. Hacer un plan de prueba.

40 39 Pasos para Diseñar y Realizar un Diseño de Experimentos 9. Realizar el experimento, identificar muestras con la condición experimental que la produce Medir las unidades experimentales. 11.Analizar los datos e identificar los factores significativos. 12.Determinar la combinación de niveles de factores que mejor alcance el objetivo.

41 40 Pasos para Diseñar y Realizar un Diseño de Experimentos 13.Correr un experimento de confirmación con esta combinación "óptima". 14.Asegurar que los mejores niveles para los factores significativos se mantengan por largo tiempo mediante la implementación de Procesos de Operación Estándar y controles visuales. 15.Re evaluar la capacidad del proceso.

42 41 Objetivos de los experimentos Caracterizar el proceso (identificar los factores que influyen en la ocurrencia de errores) Optimizar, identificar el nivel óptimo de los factores críticos para reducir el número de errores Identificar los factores controlables que pueden afectar a la respuesta Y = Tiempo de solución de problema Identificar los factores de ruido que no podemos o queremos controlar Ejemplo: Proceso de atención a clientes en un Call Center

43 42 Variables de control X’s Número de líneas telefónicas Nivel del Personal Tiempo de acceso a bases de datos Horas laboradas al día Horas de atención Ejemplo: Proceso de atención a clientes en un Call Center

44 43 Variables que no se pueden o desean controlar Z’s – Variables de ruido Edad del ejecutivo de cuenta Distribución del Call Center Día del año Medio ambiente Horarios de comida Ejemplo: Proceso de atención a clientes en un Call Center

45 44 Los Factores Pueden Afectar... 2. El Resultado Promedio 3. La Variación y el Promedio 1. La Variación del Resultado 4. Ni la Variación ni el Promedio Banda ancha Banda angosta Tiempo del servicio Sin entren. Con Entren. Pocos ejecutivos Suficientes ejectuvos Ambos sexos Toman el mismo tiempo Tiempo del servicio

46 45 Tipos de Salidas Las salidas se clasifican de acuerdo con nuestros objetivos. 3. El Valor Máximo es el Mejor Tiempo de Ciclo Tiempo de conexión Confiabilidad Satisfacción ObjetivoEjemplos de Salidas 1. El Valor Meta es el Mejor Meta Lograr un valor meta con variación mínima Tiempo de atención Tiempo de conexión 2. El Valor Mínimo es el Mejor 0 Tendencia de salida hacia arriba Tendencia de salida hacia cero

47 46 Estrategia cuando el “Valor Meta es Mejor” Paso 1: Encuentra los factores que afectan la variación. Usa estos factores para reducir al mínimo la variación. Paso 2: Encuentra los factores que desplazan el promedio (y no afectan la variación). Usa estos factores para ajustar la salida promedio con la meta deseada. Meta

48 47 Estrategia cuando el “Valor Mínimo es Mejor” 0 Tendencia de salida baja El objetivo en este caso es encontrar los factores que afectan la salida promedio (tiempo). Usa estos factores para hacer que la tendencia del promedio sea baja. Cuando se reduce la variación en la salida al mínimo, también se mejora la salida al detectar los factores que contribuyen en gran medida a la variación.

49 48 Pruebas o Corridas Experimentales Las combinaciones de pruebas específicas de factores y niveles que se corren durante el experimento. Experiencia x Material usado: El mejor nivel de Material depende de la experiencia. Interacciones El grado en que los factores dependen unos de otros. Algunos experimentos evalúan el efecto de las interacciones; otros no. Factor (X’s) Niveles A. Tiempo llamada 30 60 min. B. Localización 1 2 C. Experiencia 1 3 D. Material usado A B Niveles Los valores en los que se establecen los factores. A. Tiempo de llamada B. LOcalización C. Experiencia D. Tipo de Material usado Factores Las variables de entrada de proceso que se establecen a diferentes niveles para observar su efecto en la salida. Y =Tiempo de conexión Respuesta de Salida La salida que se mide como resultado del experimento y se usa para juzgar los efectos de los factores. +1+13 +1+1+1 2 1 DatosDCBA Corridas -1=Nivel Bajo +1=Nivel Alto....

50 49 V.A.2 Experimentos factoriales completos 2K

51 50 Un experimento factorial completo es un experimento donde se prueban todas las posibles combinaciones de los niveles de todos los factores. 4020 5230+1 Factor A: Factor B: Y = Respuesta Experimento factorial completo – sin interacción Efecto del factor A = (52+40)/2 - (30+20)/2 = 21 Efecto del factor B = (30+52)/2 - (20+40)/2 = 11 Efecto de A*B = (52+20)/2 – (30+40)/2 = 1

52 51 Experimento sin interacción A = -1 A = +1 Respuesta Promedio B = +1 B = -1 20 30 40 52

53 Experimento sin interacción A = -1 A = +1 B = +1 B = -1 Respuesta 20 30 40 52

54 53 Modelo de regresión lineal El coeficiente 0.5 es muy pequeño dado que no hay interacción

55 54 Gráfica de contornos – Experimentos sin interacción X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1 X2 1.5 0 -.5 22 28 34 40 46 49 Dirección De ascenso rápido

56 55 Superficie de respuesta – Experimentos sin interacción X1 X2 Superficie de respuesta Gráfica del modelo de regresión Y = respuesta

57 56 Un experimento factorial completo es un experimento donde se prueban todas las posibles combinaciones de los niveles de todos los factores. 5020 1240+1 Factor A = X1 : Factor B = X2: Y = Respuesta Experimento factorial completo – con interacción Efecto de A*B = {(12+20)-(40+50)}/2 = -29

58 57 Experimento con interacción A = -1 A = +1 Respuesta Promedio B = +1 B = -1 20 40 50 12

59 58 Experimento con interacción A = -1 A = +1 B = +1 B = -1 Respuesta 20 50 40 12

60 59 Modelo de regresión lineal El coeficiente -29 es muy grande representando la interacción

61 60 Gráfica de contornos X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1 X2 1.5 0 -.5 25 28 31 34 43 49 Dirección De ascenso rápido 40

62 61 Superficie de respuesta – Experimentos con interacción Superficie de respuesta Gráfica del modelo de regresión

63 62 Un experimento factorial con réplicas tiene varios resultados bajo la misma combinación de niveles y7y8y7y8 y3y4y3y4 60’ y5Y6y5Y6 y1y2y1y2 30’ 9070 Factor A : Horas entrenamiento Factor B: Acceso al sistema Y = Tiempo de respuesta Experimento factorial con réplicas

64 63 Factor A : Horas de entrenam. 79 78 95 92 60 min. 84 87 90 87 30 min. 9070 Factor B: Acceso al sistema Y = Tiempo de conexión ¿El tiempo de entrenamiento afecta el tiempo de conexión? ¿El tiempo de acceso afecta el tiempo de conexión? ¿Qué efecto tiene la interacción entre las horas de entrenamiento y la hora del día sobre el tiempo de conexión? Análisis del efecto de la media

65 64 A 2 = El Efecto del entrenamiento Factor B : Tiempo de acceso 79 78 95 92 B 2 = 60 min. 84 87 90 87 B 1 = 30 min. A 2 = 90A 1 = 70 Factor A : Horas de entrenamiento A 1 = 90 + 87 + 95 + 92 4 = 91 84 + 87 + 79 + 78 4 = 82 ¿El tiempo de entrenamiento parece cambiar el tiempo de conexión Y? Tiempo de conexión 70 90 o 95 90 85 80 91 82

66 65 El Efecto del Tiempo de acceso B 2 = Factor B : Tiempo de acceso B 1 = 90 + 87 + 84 + 87 4 = 87 95 + 92+ 79 + 78 4 = 86 Tiempo de conexión 30 min. 60 min. 95 90 85 80 79 78 95 92 B 2 = 60 min. 84 87 90 87 B 1 = 30 min. A 2 = 90A 1 = 70 Factor A : Horas de entrenamiento ¿El cambio de tiempo de acceso parece cambiar el tiempo de atención promedio del Call Center? 87 86

67 66 El Efecto de la Interacción Factor B : Tiempo de acceso o o Factor A : Horas de entrenamiento 79 78 95 92 B 2 = 60 min. 84 87 90 87 B 1 = 30 min. A 2 = 90A 1 = 70 78.593.5 B2B2 85.5 88.5B1B1 A2A2 A1A1 A,B, = 90 + 87 2 = 88.5 Tiempo de conexión 30 min. 60 min. 95 90 85 80 70 90 En una gráfica de interacción, las líneas paralelas indican que no hay interacción. ¿Por qué? ¿Las horas de entrenamiento y el tiempo de acceso parecen interactuar? ¿Qué niveles de los factores deben usarse para reducir al mínimo la dureza de las partes?

68 67 Experimento con interacción A = 1 A = 2 B = 2 B = 1 Respuesta 88.5 93.5 78.5 85.5

69 68 Stat > DOE > Factorial > Create Factorial Design o Two level Designs: Number of center points 0 Number of Replicates 2 Number of blocks 1 OK Options Non randomize runs OK Factors Introducir el nombre real de los factores y en forma opcional los niveles reales Results Summary table, alias table OK Corrida con Minitab – Creación del diseño para 2 factores 2 niveles

70 69 Stat > DOE > Factorial > Create Factorial Design Type of Design: General Full Factorial Designs: Number of levels 3, 3 Number of Replicates 2 Options Non randomize runs OK Factors Introducir el nombre real de los factores y en forma opcional los niveles reales Corrida con Minitab – Diseño para 2 factores con 3 o más niveles

71 70 Corrida con Minitab – Análisis del diseño factorial Hacer una columna de RESPUESTAS e introducir los datos correspondientes a cada celda Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Residuals Estandardized Terms Pasar todos los términos a Selected con >> OK Graphs Seleccionar Effects Plots Normal y Pareto Seleccionar Residual plots: Normal y vs fits OK Results Full table of fits and residuals Seleccionar todos los términos con >> OK OK

72 71 Corrida con Minitab – Interpretación de gráficas MAIN EFFECTS La gráfica de EFFECTS PLOT debe indicar fuera de la recta los factores e interacciones que son significativas La gráfica EFFECTS PARETO debe indicar en sus barras principales más allá de la recta de 0.1 o 0.05 los factores e interacciones significativas RESIDUALS La gráfica NORMAL PLOT de residuos debe mostrar los puntos cerca de la recta La gráfica de residuos RESIDUALS vs FITS debe mostrar aleatoriedad en los residuos

73 72 Corrida con Minitab – Interpretación de resultados Estimated Effects and Coefficients for Res (coded units) Term Effect Coef SE Coef T P Variables significativas (p < 0.05, 0.1) Constant 86.500 0.6614 130.78 0.000 A -9.000 -4.500 0.6614 -6.80 0.002 B -1.000 -0.500 0.6614 -0.76 0.492 A*B -6.000 -3.000 0.6614 -4.54 0.011 Modelo de regresión Y = 86.5 – 4.5 A – 3 AB (incluyendo sólo las variables significativas) Analysis of Variance for Res (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 2 164.00 164.00 82.000 23.43 0.006 Existencia del modelo 2-Way Interactions 1 72.00 72.00 72.000 20.57 0.011 Residual Error 4 14.00 14.00 3.500 Pure Error 4 14.00 14.00 3.500 Total 7 250.00

74 73 Tabla ANOVA – Experimento de Tiempo de respuesta 250.0007Total 3.50014.000 4Error 0.01120.5772.000 1Temp* Tiempo 0.4920.572.000 1Tiempo 0.00246.29162.00 162.0001Temp PFMS AjSS AjSS SecDFOrigen Las horas de entr. son significativas. La interacción del tiempo de acceso y horas de entr. es significativa. El Tiempo de acceso, no es significativo.

75 74 Crear las gráficas factoriales y de interacción: Stat > DOE > Factorial > Factorial Plots Seleccionar Main effects e Interaction Plots Setup para ambas: Seleccionar columna Respuesta y con >> seleccionar todos los factores OK Seleccionar Data Means OK Corridas con Minitab – Gráficas factoriales

76 75 Interpretación de gráficas Si la interacción es significativa, entonces los mejores niveles de operación del proceso ya sea para maximizar o para minimizar la respuesta Y, se seleccionan de la Gráfica de Interacción Si no es significativa la interacción, entonces los mejores niveles de los factores se seleccionan de las gráficas de efectos principales

77 76 Gráfica de efectos principales

78 77 Gráfica de interacciones

79 78 Crear las gráficas de contorno y superficies de respuesta: Stat > DOE > Factorial > Contour/Surface Plots Seleccionar Contour / Surface Plots Setup para ambas: Entrar a opción y dar OK Seleccionar OK Corridas con Minitab – Gráficas de contorno y superficie de respuesta

80 79 Gráfica de contorno Permite identificar la dirección de experimentación de ascenso rápido perpendicular a los contornos

81 80 Gráfica superficie de respuesta

82 81 V.B. Generación e implantación de soluciones – Técnicas de creatividad

83 82 Tormenta de ideas Permite obtener ideas de los participantes

84 83 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? ¿Qué podemos adaptar o copiar de alguien más? ¿Cómo podemos modificar nuestro proceso actual? ¿Qué podemos ampliar en nuestro proceso actual? ¿Cómo puede apoyarnos el cliente en otras áreas? ¿Qué podemos eliminar en la forma de inv. Del cliente? ¿qué arreglos podemos hacer al método actual?

85 84 Lista de atributos Lista de atributos: Dividir el problema en partes Lista de atributos para mejorar una linterna ComponenteAtributoIdeas CuerpoPlásticoMetal InterruptorEncendido/Apagado /luminosidad media BateríaCorrienteRecargable Bombillode VidrioPlástico PesoPesadoLiviano

86 85 Análisis morfológico Conexiones morfológicas forzadas Ejemplo: Mejora de un bolígrafo CilindricoMaterialTapa Fuente de Tinta De múltiples caras MetalTapa pegadaSin repuesto Cuadrado Vidrio Sin Tapa Permanente En forma de cuentas Madera Retráctil Repuesto de papel En forma de escultura Papel Tapa desechable Repuesto hecho de tinta

87 86 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  Interesante, estímulos y cambios  Visión global y del control del proceso

88 87 Dividir y analizar Dividir un problema en partes pequeñas y analizarlas por separado: (Vendedor de pescado no ofrecía el sabor de pez fresco) El Pez: Vive bajo el agua; tiene agallas; se mueve constantemente; de sangre fria; cambia su color fuera del agua Solución: Se colocó un pequeño tiburón en la pecera para que el pez conservara sus atributos vitales de frescura

89 88 Pensamiento forzado con palabras aleatorias Crear nuevos patrones de pensamiento y forzar a ver relaciones donde no las hay. Desarrollar ideas efectivas de lanzamiento de productos: Impermeables Protegen de los elementos productos simples Son a prueba de agua productos laminados Son de hule flexibles flexibilidad de distribución Tienen bolsas productos de bolsillo Tienen capote publicidad amplia territorial

90 89 Listas de verificación Haga Preguntas en base a las 5W – 1H. Por qué es esto necesario? Dónde debería hacerse? Cuándo debería hacerse? Quién lo haría? Qué debería hacerse? Cómo debería hacerse?

91 90 Mapas mentales Se inicia en el centro de una página con la idea principal, y trabaja hacia afuera en todas direcciones, produciendo una estructura creciente y organizada compuesta de palabras e imágenes claves Organización; Palabras Clave; Asociación; Agrupamiento Memoria Visual: Escriba las palabras clave, use colores, símbolos, iconos, efectos 3D, flechas, grupos de palabras resaltados. Enfoque: Todo Mapa Mental necesita un único centro.

92 91 TRIZ Hay tres grupos de métodos para resolver problemas técnicos: Varios trucos (con referencia a una técnica) Métodos basados en utilizar los fenómenos y efectos físicos (cambiando el estado de las propiedades físicas de las substancias) Métodos complejos (combinación de trucos y física)

93 92 TRIZ – 40 herramientas Segmentación Extracción Calidad local Asimetría Combinación/Consolidación Universalidad Anidamiento Contrapeso Contramedida previa Acción previa Compensación anticipada Acción parcial o excesiva Transición a una nueva dim. Vibración mecánica Acción periódica Continuidad de acción útil Apresurarse Convertir lo dañino a benéfico Construcción Neumática o hidráulica Membranas flexibles de capas delgadas Materiales porosos

94 93 TRIZ – 40 herramientas Equipotencialidad Hacerlo al revés Retroalimentación Mediador Autoservicio Copiado Disposición Esferoidicidad Dinamicidad Cambio de color Homogeneidad Rechazar o recuperar partes Transformación de propiedades Fase de transición Expansión térmica Oxidación acelerada Ambiente inerte Materiales compuestos

95 94 Generar y evaluar las soluciones Generar soluciones para eliminar la causa raíz o mejora del diseño Probar en pequeño la efectividad de las soluciones Evaluar la factibilidad, ventajas y desventajas de cada una de las diferentes soluciones, con un diagrama de árbol Por cada causa raíz – generar varias soluciones – ver sus ventajas, desventajas, factibilidad, impacto y costo

96 95 Generar y evaluar las soluciones Realizar una definición analítica y selección cuantitativa de las alternativas de solución, además de analizar y evaluar cada una de ellas. Hacer un plan de implementación de las soluciones (Gantt o 5W – 1H)

97 96 Implantación de soluciones PUNTO CRITICO ACTIVIDADES * Realizar las medidas como se habian acordado * Antes de aplicar las medidas correctivas * Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos * Dar capacitacion y entrenamiento. secundarios que puedan afectar al producto o áreas* Los equipos implantan las acciones correctivas y después poner en práctica las soluciones. * Obtener la aprobación de las áreas relacionadas, turno o puesto, Jefe inmediato etc. Es decir, Comunicar a todos los involucrados de la mejora a realizar. EJEMPLO 1 LISTADO DE LAS MEDIDAS CORRECTIVAS NO CUANDO ¿A QUE? - ¿COMO? DONDE RESUL TADO JUICIOQUIEN TOPE PROC. DE LIMPIEZA 1 2 JULIO 97 BARRA DE APLICACION PARA LOS MOLDES AUNQUE SE DA EFECTO NO ES PERSISTENTE EXISTE POCO DEFECTO J. PÉREZ L.TORRES

98 97 Calendario de las actividades ¿qué? ¿por qué? ¿cómo? ¿cuándo ? ¿dónde ? ¿quién? 1 Tacogenerador de motor embobinador 1.1 Por variación de voltaje durante el ciclo de cambio 1.1.1 Tomar dimensiones de ensamble entre coples. 1.1.2 Verificar estado actual y especificaciones de escobillas. 1.1.3 tomar valores de voltaje de salida durante el ciclo de cambio. Abril ’041804 Embob. J. R. 2 Sensor circular y de velocidad de linea. 2.1 Por que nos genera una varión en la señal de referencia hacia el control de velocidad del motor embobinador 2.1.1 Tomar dimensiones de la distancia entre poleas y sensores. 2.1.2 Tomar valores de voltaje de salida de los sensores. 2.1.3 Verificar estado de rodamientos de poleas. Abril ’041804 Embob. U. P. 3 Ejes principales de transmisión. 3.1 Por vibración excesiva durante el ciclo de cambio 3.1.1 Tomar lecturas de vibración en alojamientos de rodamientos 3.1.2 Comparar valores de vibraciones con lecturas anteriores. 3.1.3 Analizar valor lecturas de vibración tomadas. Abril’041804 Embob. F. 4 Poleas de transmisión de ejes embobinadores. 4.1 Puede generar vibración excesiva durante el ciclo de cambio. 4.1.1 Verificar alineación, entre poleas de ejes principales y polea de transmisión del motor. 4.1.2 Tomar dimensiones de poleas(dientes de transmisión). 4.1.3 Tomar dimensiones de bandas (dientes de transmisión) 4.1.4 Verificar valor de tensión de bandas. Abril’041804 Embob. J. R. U. P.

99 98 Implantación de soluciones 15 GUOQCSTORY.PPT

100 99 Prueba e implantación de soluciones Probar las soluciones investigando los efectos secundarios que puedan afectar a otras áreas y después ponerlas en practica. Planear la implantación de las alternativas seleccionadas. Ejecutar las acciones del plan de acciones, comprobando su efectividad con: diagramas, fotos, cartas de control, Paretos, histogramas, etc.

101 100 1. Actions 2. Responsibilities 3. Schedule 4. Cost/Benefit Analysis 5. Measures 6. Risk Assessment 7. Contingency Plan 8. Change Strategy 9. Communication Plan 10. Education Plan Describes the specific actions & tasks to be taken for each root cause Describes who is responsible for each action Indicates when the actions & tasks will be completed Predicts direct & indirect costs & benefits associated with each action Indicates whether the actions (solutions) are successful Assesses what could go wrong if the actions are implemented Includes a back-up plan for each action based on a risk assessment Identifies potential organizational barriers to actions and strategies for addressing them Details who must be informed as well as how they will be informed and involved, before the actions are taken Identifies who needs to be trained for the implementation to be successful as well as the source, scheduling, method and content of that training Implementation Plan Components

102 101 Verificación de soluciones PUNTO CRITICO ACTIVIDADES * Verificar hasta obtener efectos estables ampliando* Hacer análisis comparativo antes y después los datos históricos en gráficas de la etapa de * En caso de aplicar varias medidas correctivas "razón de selección del tema", Verificar los efectos intangibles sin omisiones * Comparar el efecto en gráfica entre antes y después de DMAIC respecto al objetivo. confirmar el efecto sobre cada concepto de (relación humana, capacidad, trabajo en equipo, contramedidas. entusiasmo, área de trabajo alegre). * Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen áreas y operaciones similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento. %D < 1 % Ejemplo 1. %DEFECTUSO%DEFECTUSO Comprobar efec_ tividad de las Soluciones con Pruebas de Hipótesis

103 102 Verificación de resultados Verificar hasta obtener efectos estables ampliando los datos históricos como confirmación inicial. Comparar el efecto antes y después del proyecto Seis Sigma respecto al objetivo. Verificar los efectos intangibles sin omisiones(relación humana, capacidad, trabajo en equipo, entusiasmo, área de trabajo alegre). Convertirlo en monto de ahorro en lo posible

104 103 Verificación de resultados

105 104 Llenar las últimas Columnas del FMEA y comprobar Hipótesis