Lean Sigma – Fase de medición

Slides:



Advertisements
Presentaciones similares
MOVIMIENTO JOVENES DE LA CALLE CIUDAD DE GUATEMALA chi siamo quienes-somos qui sommes-nous who we are attività actividades activités activities scuola.
Advertisements

SIES – SISTEMA INTEGRADO DE EDUCACIÓN SUPERIOR
1 Datos sobre webloggers Datos extraidos de la encuesta a webloggers disponibles en la web de los autores.
ULTRASONDO EN RODILLA MENISCOS Y LIGAMENTOS
Los números del 0 al cero uno dos tres cuatro cinco 6 7 8
1 ESTUDIO DE OPINIÓN PÚBLICA: LA SEXUALIDAD DE LOS CHILENOS ABRIL 2006 ¿Informados o desinformados? Principal fuente de información Las enseñanzas durante.
Noviembre 2007Estudio Rostros de Noticias 2007Collect-GfKWikén Estudio Rostros de Noticias de la TV Chilena Desarrollados para Revista Wikén El Mercurio.
Universidad San Martín de Porres
Variables Sherine Shawky, MD, Dr.PH Profesor asistente
1 LA UTILIZACION DE LAS TIC EN LAS MICROEMPRESAS GALLEGAS. AÑO mayo 2005.
1 LA UTILIZACION DE LAS TIC EN LAS PYMES GALLEGAS AÑO de Junio de 2005.
1 INFORME RESUMEN SOBRE EL NIVEL DE UTILIZACION DE LAS TIC EN LAS EMPRESAS GALLEGAS ( Resumen PYMES ) Noviembre de 2004.
AYUDA A LA FUNCIÓN DOCENTE Internet
TEMA 5.- 1ª PARTE. EL A.O. Y SUS APLICACIONES
TEMA 2 MÚLTIPLOS Y DIVISORES
02- Plan Organización Docente v.2 Noviembre 2009 SIES – SISTEMA INTEGRADO DE EDUCACIÓN SUPERIOR.
02- PLAN DOCENTE Febrero 2009 SIES – SISTEMA INTEGRADO DE EDUCACIÓN SUPERIOR.
01- OFERTA FORMATIVA v.2 Noviembre 2009 SIES – SISTEMA INTEGRADO DE EDUCACIÓN SUPERIOR.
Aladdín-respuestas 1.Vivía 2.Era 3.Amaba 4.Quería 5.Gustaban 6.Se sentía 7.Salía 8.Tenía 9.Decidió 10.escapó 11. Se vistió 12. Conoció 13. Vio 14. Pensó
Respuestas Buscando a Nemo.
SIMULACIÓN DE MONTECARLO
ABECEDARIO FIGURAS GEOMÉTRICAS NÚMERO
Metodología de la Investigación Social
SIMATICA V2.0. Automatización de Viviendas con Simatic S7-200
MUESTREO (NAGA´s) BOLETÍN 5020
Mulán /75 puntos. 1.Querían 2.Gustaban 3.Escuchó 4.Dijo 5.Tenía 6.Ayudaron 7.Maquillaron 8.Arreglaron 9.Dio 10.Estaba 11.Iba 12.Quería 13.Salió 14.Gritó
Unidad de competencia II Estadística descriptiva:
1 XML Extensible Markup Language HTML HyperText Markup Language normas06_01.xml.
CONTROL ESTADÍSTICO DE PROCESOS
William Shakespeare ( greg.), fue un dramaturgo, poeta y actor inglés. Conocido en ocasiones como el Bardo de Avon (o.
TELEFONÍA IP.
50 principios La Agenda 1.- Presentar un único interlocutor a los clientes. 2.- Tratar de modo distinto a las diferentes clases de clientes. 3.- Saber.
QPS Mejora de la calidad y seguridad del paciente
Parte 3. Descripción del código de una función 1.
Curso básico de Minitab*
lean Sigma – Fase de Definición
FUNCIONES DE UNA VARIABLE REAL
Curso de actualización en Ingeniería de calidad
EL OSO APRENDIZ Y SUS AMIGOS
50 principios 1. Los clientes asumen el mando.
1 PROYECTO DE PRESUPUESTO DE EGRESOS DE LA FEDERACION 2002 COORDINACIÓN DE POLITICA ECONOMICA GP-PRD.
Hacer click Hacer click en cualquiera de estos links.
Indicadores CNEP Escuela
Ecuaciones Cuadráticas
RAZONAMIENTO MATEMATICO Mg. CORNELIO GONZALES TORRES
¡Primero mira fijo a la bruja!
¿Qué es un conjunto? Un conjunto es una colección de objetos considerada como un todo. Los objetos de un conjunto son llamados elementos o miembros del.
M.C. Victor M. Cortez Sanchez
PASOS PARA CONSTRUIR UN
POLÍTICAS MACROECONÓMICAS Econ. SEGUNDO A. CALLE RUIZ Ms. Sc. C. D.
Módulo 2: Condiciones Generales de Trabajo
1 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL PRESENTACIÓN DE LA TESIS Presentada por: Guayaquil, Noviembre 2007 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL.
Calendario 2009 “Imágenes variadas” Venezuela Elaborado por: MSc. Lucía Osuna Wendehake psicopedagogiaconlucia.com Enero 2009.
Realimentacion de la salida
Los Numeros.
Diagrama CAUSA_EFECTO ó ISHIKAWA ó ESPINA DE PESCADO
Estructuras de control
Manual de Procedimientos Procedimiento de ejecución del programa de
Indicaciones: 1.- Tener en cuenta que esta estrategia, solo funciona asociando las cuentas los días lunes. 2.- Los cálculos son aproximados con un margen.
1 LOS PROBLEMAS DE DISEÑO EN INGENIERÍA: CONCEPTO Y FORMULACIÓN NELSON VÍLCHEZ UNIVERSIDAD TECNOLÓGICA DEL CENTRO COORDINACIÓN DE INGENIERÍA.
Estadística Administrativa II
Introducción al Análisis Cluster
Herramienta FRAX Expositor: Boris Inturias.
MUESTREO DE ACEPTACIÓN DE LOTES POR VARIABLES
FUNDAMENTOS DE CALIDAD EN LA GESTIÓN PÚBLICA
Mejora del desempeño de procesos
Importancia de las aplicaciones de estadística en el control de procesos Guatemala 2010.
Capacidad de Proceso.
Control Estadístico de Procesos
Taller de investigación 1
Transcripción de la presentación:

Lean Sigma – Fase de medición Propósito y herramientas Lean Sigma – Fase de medición

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

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.

Íconos de la cadena de valor

Íconos de la cadena de valor

Ejemplo de la cadena de valor

Diagrama de flujo detallado

Diagrama de flujo detallado

Etapa Parámetros de calidad Indicadores Valor generado Insumos Gas natural PEMEX Buen poder calorífico Bajo contenido de agua Bajo contenido de H2 Alto contenido de metano Kcal/m3 % de humedad % de H2 % mol de metano Precio $/m3 Optimización del régimen térmico Kcal/KWH Costo competitivo de la energía eléctrica Plantas de tratamiento de agua Agua de procesos Buena calidad del agua Suavidad del agua Concentración de SiO2 ppm Conductividad del agua micromhos pH Calidad del vapor generado Cantidad de incrustaciones en paredes de tubos Mejor régimen térmico Agua de enfriamiento Cantidad de incrustación en equipos Buena transferencia de calor Disponibilidad de equipos

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_METROS.shtml

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/introduccion-metodos-y-tiempos.html

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. 

2. Identificación KPIVs y KPOVs Variables críticas del proceso

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

3. Plan de colección de datos y validación de sistemas de medición

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

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

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

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.

Validación de los sistemas de medición

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.

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

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

Error de linealidad Diferencia en los valores de la escala, a través del rango de operación esperado del instrumento de medición

Error de exactitud o sesgo Distancia entre el valor promedio de todas las mediciones y el valor verdadero. Error sistemático o desviación

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.

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

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

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.

Gráficas de salida Carta R debe estar en control, la carta X con al menos el 50% fuera de control

Resultados de salida Error R&R máximo respecto a la toleracia 10%

Para calificación de lotes Planes de muestreo Para calificación de lotes

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.

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.

Norma ANSI Z1.4

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

Norma Z1.4 – Tabla I

Norma Z1.4 – Tabla II-A normal

Norma Z1.4 – Tabla II-B estricta

Norma Z1.4 – Tabla II-C reducida

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.

Histogramas Gráficas de columnas de frecuencia que muestran una imagen estática del comportamiento del proceso

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

Cartas de control

Carta I-MR de lecturas individuales y rango móvil Valores individuales Rango 12 - 15 3 11 4 14 8 6 9 1

Carta X-R de lecturas individuales y rango móvil Ejemplo

Carta X-R Ejemplo

Para cumplir con las especificaciones 6. Capacidad de procesos Para cumplir con las especificaciones

Propósitos 1. Predecir que tanto el proceso cumple especificaciones 2. Apoyar a diseñadores de producto o proceso en sus modificaciones

Capacidad del proceso

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.

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.

Capacidad del proceso

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

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? _

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

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? _

Capacidad con base en el rendimiento

Determinar la meta a alcanzar

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)