9. Metodología Seis Sigma Fase de Control

Presentación del tema: "9. Metodología Seis Sigma Fase de Control"— Transcripción de la presentación:

1 9. Metodología Seis Sigma Fase de Control

2 Fase de Control Objetivos: Salidas:
Mantener las mejoras por medio de control estadístico de procesos, Poka Yokes y trabajo estandarizado Anticipar mejoras futuras y preservar las lecciones aprendidas de este esfuerzo Salidas: Plan de control y métodos de control implementados Capacitación en los nuevos métodos Documentación completa y comunicación de resultados, lecciones aprendidas y recomendaciones

3 Metodología Seis Sigma – Fase de Control
A. Control Estadístico del Proceso B. Control Avanzado del Proceso C. Herramientas Lean para control D. Re – análisis de los sistemas de medición

4 Objetivos y beneficios
El CEP es una técnica que permite aplicar el análisis estadístico para medir, monitorear y controlar procesos por medio de cartas de control Se basa en que los procesos presentan variación, aleatoria y asignable Entre los beneficios se encuentran: Monitorear procesos estables e identificar si han ocurrido cambios debido a causas asignables para eliminar sus fuentes

5 Selección de variables
El CEP por variables implica realizar mediciones en la característica de calidad de interés, tal como: Dimensiones Pesos Fuerzas, etc. El CEP por atributos califica a los productos como buenos o como defectivos o en su caso cuantos defectos tiene, tales como: Color, funcionalidad, apariencia, etc.

6 Subrupos racionales Los subgrupos se seleccionan de tal forma que sean tan homogéneos como sea posible, de tal forma que se tenga la oportunidad máxima de estimar la variación esperada entre los subgrupos Esquemas para formar subgrupos: Productos producidos casi al mismo tiempo en secuencia. Permite una variación mínima dentro del subgrupo y una probabilidad de variación máxima entre subgrupos Un subgrupo consiste de una muestra aleatoria representativa de toda la producción durante un periodo de tiempo

7 ¿Qué es una Carta 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 Las cartas de control pueden reconocer cambios buenos y malos. ¿Qué tanto se ha mejorado? ¿Se ha hecho algo mal? Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o asignables de variación.”

8 Variación observada en una Carta de Control
Una Carta de control es simplemente un registro de datos en el tiempo con límites de control superior e inferior. Una carta de control identifica los datos secuenciales en patrones normales y anormales. El patrón normal de un proceso se llama causas de variación comunes. El patrón anormal debido a eventos especiales se llama causa especial de variación. Tener presente que los límites de control NO son límites de especificación.

9 Causas comunes o normales
Siempre están presentes Sólo se reduce con acciones de mejora mayores Su reducción es responsabilidad de la dirección Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente SEGÚN DEMING El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección

10 Variación – Causas comunes
Límite inf. de especs. Límite sup. de especs. Objetivo

11 Causas Especiales CAUSAS ESPECIALES SEGÚN DEMING
Ocurren esporádicamente Son ocasionadas por variaciones anormales (6Ms) Medición, Medio ambiente, Mano de obra, Método, Maquinaria, Materiales Sólo se reduce con acciones en el piso o línea Su reducción es responsabilidad del operador por medio del Control Estadístico del Proceso SEGÚN DEMING El 6% de las causas de la variación son causas especiales y es responsabilidad del operador

12 Variación – Causas especiales
Límite inf. de especs. Límite sup. de especs. Objetivo

13 Cartas de control Límite Superior de Control Línea Central
Límite Inferior de Control

14 9A5. Patrones de anormalidad en la carta de control
“Escuche la Voz del Proceso” Región de control, captura la variación natural del proceso original M E D I A S C L LSC LIC Tendencia del proceso El proceso ha cambiado Causa Especial identifcada TIEMPO

15 Patrones Fuera de Control
Corridas 7 puntos consecutivos de un lado de X-media. Puntos fuera de control 1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo). Tendencia ascendente o descendente 7 puntos consecutivos aumentando o disminuyendo. Adhesión a la media 15 puntos consecutivos dentro de la banda de 1 sigma del centro. Otros 2 de 3 puntos fuera de los límites a dos sigma

16 en Control Estadístico
Patrón de Carta en Control Estadístico Proceso en Control estadístico Sucede cuando no se tienen situaciones anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se encuentran dentro del 1  de las medias en la carta de control. Lo anterior equivale a tener el 68% de los puntos dentro del tercio medio de la carta de control.

17 Tipos de Cartas de control
Las cartas para atributos son las que tienen características como aprobado/reprobado, bueno/malo o pasa/no pasa. Algunos ejemplos incluyen: - Número de productos defectuosos - Fracción de productos defectuosos - Numero de defectos por unidad de producto - Número de llamadas para servicio - Número de partes dañadas - Pagos atrasados por mes

18 Cartas de Control para variables

19 Tipos de Cartas de control
Las cartas de control se dividen en dos categorías, diferenciadas por el tipo de datos bajo estudio- variables y atributos. Las Cartas de Control para datos variables son utilizadas para características que tienen una magnitud variable. Ejemplo: - Longitud, Ancho, Profundidad - Peso, Tiempo de ciclo, Viscosidad

20 Cartas de Control por Variables
MEDIAS RANGOS (subgrupos de partes cada x horas, para estabilizar procesos) MEDIANAS RANGOS (para monitorear procesos estables) MEDIAS DESVIACIONES ESTANDAR (subgrupos de 9 o más partes cada hora o cada lote de proveedor para monitoreo de procesos o proveedores) VALORES INDIVIDUALES (partes individuales cada x horas, para monitoreo de procesos muy lentos o químicos)

21 Implantación de cartas de control por variables
Identificar la característica a controlar en base a un AMEF (análisis del modo y efecto de falla) Diseñar los parámetros de la carta (límites de control, subgrupo 3-5 partes, frecuencia de muestreo) Validar la habilidad del sistema de medición por medio de un estudio Repetibilidad & Reproducibilidad Centrar el proceso, correrlo y medir al menos 25 subgrupos de 5 partes cada uno, correspondiente a la producción del mismo turno o día

22 Cartas de Control por Variables - Metodología de implantación
5. Calcular los límites de control preliminares a 3 Sigma 6. Identificar causas asignables o especiales y tomar acción para prevenir recurrencia 7. Recalcular los límites de control de ser necesario repetir paso 6. Establecer límites preliminares para corridas futuras 8. Continuar el monitoreo y Análisis, tomar acciones en causas especiales y recalcular límites de control cada 25 subgrupos 9. REDUCIR CAUSAS COMUNES DE VARIACIÓN

23 Carta X, R (Continuación)
Terminología k = número de subgrupos; n = número de muestras en cada subgrupo X = promedio para un subgrupo X = promedio de todos los promedios de los subgrupos R = rango de un subgrupo R = promedio de todos los rangos de los subgrupos x1 + x2 + x xN n x = x1 + x2 + x xN k x = LSCX = x + A2 R NOTA: Los factores a considerar para n = 5 Son A2 = D3 = 0 D4 = 2.114 LICX = x - A2 R LSCR = D4 R LICR = D3 R

24 Carta X, R (en Excel) Ejemplo 1: ¿Cuál gráfica se analiza primero?
Gráfica Xbar/R para Muestra1-Muestra5 1 3 . S L = 9 5 . 3 6 Medias 9 8 X = 7 4 . 6 7 6 - 3 . S L = 5 3 . 8 4 5 S u b g r o u p 1 2 3 4 5 6 7 8 9 1 8 3 . S L = 7 6 . 1 2 7 6 Rangos 5 4 R = 3 6 . 3 2 1 - 3 . S L = . ¿Cuál gráfica se analiza primero? ¿Cuál es su conclusión acerca del proceso ?

25 Carta de Individuales (Datos variables)
A menudo esta carta se llama “I” o “Xi”. Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser muestrados en lotes o grupos. Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una unidad o pieza La línea central se basa en el promedio de los datos, y los límites de control se basan en la desviación estándar poblacional (+/- 3 sigmas)

26 (usar estos factores para calcular Límites de Control n = 2)
Carta X, R (Continuación) Terminología k = número 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 + x xN n x = n 2 D4 3.27 D3 0 E2 2.66 LSCX = x + E2 R LICX = x - E2 R LSCR = D4 R LICR = D3 R (usar estos factores para calcular Límites de Control n = 2)

27 Ejemplo: Carta I (en Excel)
Carta I para Longitud de parte 1 2 . 3 5 3 . S L = 1 2 . 3 1 2 . 2 5 6 6 6 Valor Individual 1 2 . 1 5 1 2 . 5 X = 1 2 . 3 1 1 . 9 5 1 1 . 8 5 8 1 1 . 7 5 - 3 . S L = 1 1 . 7 5 1 1 1 . 6 5 5 1 1 5 Número de Observación Observar la situación fuera de control

28 Ejercicios de Cartas I o X, R
Hacer dos cartas X-R y concluir: MUESTRA 1 MUESTRA 2 MUESTRA MUESTRA 2

29 Cartas de Control para atributos

30 Cartas de control para atributos
Datos de Atributos Tipo Medición ¿Tamaño de Muestra ? p Fracción de partes defectuosas, Constante o variable > 30 defectivas o no conformes np Número de partes defectuosas Constante > 30 c Número de defectos Constante = 1 Unidad de inspección u Número de defectos por unidad Constante o variable en unidades de inspección

31 Cartas de Control tipo p
p - CON LÍMITES DE CONTROL VARIABLES p - CON n PROMEDIO p - ESTANDARIZADA CURVA CARACTERÍSTICA DE OPERACIÓN OC Y ARL

32 2... Cartas de Control por Atributos
c – Número de defectos Se cuentan los defectos que tienen cada unidad de inspección de tamaño n constante en productos complejos – TV, computadoras u – Defectos por unidad Se cuentan los defectos que tienen diferentes unidades de inspección de tamaño n variable en productos complejos y se determinan los defectos por unidad – TV, computadoras

33 Cartas de control para Atributos Situaciones fuera de control
Un punto fuera de los límites de control. Siete puntos consecutivos en un mismo lado de de la línea central. Siete puntos consecutivos, todos aumentando o disminuyendo. Catorce puntos consecutivos, alternando hacia arriba y hacia abajo. Carta C Límite Superior de Control Conteo de Muestras Línea Central Límite Interior de Control Número de Muestras Ahora, veamos algunos ejemplos...

34 Carta p (Cont...) Ejemplo: Algunos componentes no pasaron la inspección final. Los datos de falla se registraron semanalmente tal como se muestra a continuación. n np p K = 13 semanas

35 Carta p (Cont..) Ejemplo: LSC p LIC
Gráfica P para Fracción Defectiva . 5 LSC 3 . S L = . 4 4 8 4 . 4 Proporción . 3 . 2 p . 1 P = . 1 1 2 8 LIC . - 3 . S L = . 5 1 Número de muestra Observe como el LSC varía conforme el tamaño (n) de cada muestra varía. ¿Por qué el LIC es siempre cero? ¿Qué pasó en la muestra 7? (33.3% defectos) ¿Qué oportunidades para mejorar existen?, ¿Podemos aprender algo de las muestras 1, 2, 6, 8, y 10? ¿Podría este proceso ser un buen proyecto de mejora?

36 Carta np (Atributos) Se usa cuando se califica al producto como bueno/malo, pasa/no pasa. Monitorea el número de productos defectuosos de una muestra El tamaño de muestra (n) es constante y mayor a 30. Terminología (igual a gráfica p, aunque n es constante) n = tamaño de cada muestra (Ejemplo: producción semanal) np = número de unidades defectuosas en cada muestra k = número de muestras

37 Carta np (Cont..) Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000 partes de cada lote, se rechazan algunas partes por tener defectos, como sigue: n np K=15 lotes

38 4... Carta np (Cont...) Ejemplo 1: np LIC Número de muestras
Carta np de número de defectivos o defectuosos LSC=10.03 1 3 . No. De fecetivos 5 Np =4.018 np - 3 . S LIC=0.0 LIC Número de muestras 5 1 1 5 El tamaño de la muestra (n) es constante Los límites de control LSC y LIC son constantes Esta carta facilita el control por el operador ya que el evita hacer cálculos

39 4... Carta c (Atributos) Terminología
Monitorea el número de defectos por cada unidad de inspección (1000 metros de tela, 200 m2 de material, un TV) El tamaño de la muestra (n unidades de inspección) debe ser constante Ejemplos: - Número de defectos en cada pieza - Número de cantidades ordenadas incorrectas en órdenes de compra Terminología c = Número de defectos encontrados en cada unidad o unidades constantes de inspección k = número de muestras

40 Carta c (cont..) Ejemplo: Número de defectos encontrados en una unidad de inspección que consta de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11). #Lote / Defectos encontrados 6 4 2 3 5 NOTA: Utilizar Excel para Construir la carta c

41 Carta c (cont..) Carta C Ejemplo: LSC C Número de Muestras
1 5 1 LSC 3 . L SC = 1 2 . 7 6 1 Número de defectos C C = 5 . 6 4 5 - 3 . L IC = . 5 1 1 5 2 2 5 Número de Muestras Observe el valor de la última muestra; está fuera del límite superior de control (LSC) ¿Qué información, anterior a la última muestra, debió haber obviado el hecho de que el proceso iba a salir de control?

42 Carta u (Atributos) Monitorea el número de defectos en una muestra de n unidades de inspección. El tamaño de la muestra (n) puede variar Los defectos por unidad se determinan dividiendo el número de defectos encontrados en la muestra entre el número de unidades de inspección incluidas en la muestra (DPU o número de defectos por unidad) . Ejemplos: Se toma una muestra de tamaño constante de tableros PCB por semana, identificando defectos visuales por tablero. Se inspeccionan aparatos de TV por turno, se determinan los defectos por TV promedio.

43 Carta u (cont...) Ejemplo 2: Defectos encontrado al inspeccionar varios lotes de productos registrados por semana Lote n c = Defectos u = DPU k=20 semanas

44 Carta u (cont..) Ejemplo 2: Gráfica U para Defectos 8 7 LSC 3 . L SC = 6 . 7 6 8 6 Número de efectos u 5 U = 4 . 9 7 9 4 - 3 . L IC = 3 . 1 9 LIC 3 2 1 2 Número de Muestras Observe que ambos límites de control varían cuando el tamaño de muestra (n) cambia. ¿En que momentos estuvo el proceso fuera de control?

45 Capacidad de proceso por atributos
Para cartas de control p y np en base a la fracción promedio de productos defectivos o no conformes es: Cp >=1 es equivalente a p <= 0.27% NOTA: Equivale a que el porcentaje de partes buenas sea cuando menos del 99.73% Para cartas de control c y u dependen de la especificación proporcionada por el cliente

46 9A6. Cartas de Precontrol

47 9A6. Cartas de precontrol (Shainin)
Es más exitosa con procesos estables no sujetos a corridas rápidas una vez que se ajustan Sirven como referencia de ajuste y de monitoreo La distancia entre los límites de especificaciones se divide entre cuatro quedando los límites de control entre el primer y tercer cuarto

48 Pre- Control Rojo Verde Rojo Bajo Alto Línea P-C Línea P-C Amarillo
1/4 1/2 1/4 Tolerancia Completa

49 Reglas de Precontrol 1. Ajustes: Iniciar producción sólo cuando 5 piezas consecutivas caen en verde. a Sí hay una amarilla reinicie el conteo b Sí hay dos amarillas consecutivas, ajuste c Re - inicie control, cuando suceda algún cambio en herramienta, operador, material o después de cualquier paro de maquinaria. 2. Durante la producción: Tomar una muestra de dos piezas consecutivas A y B (cada 1/6 del tiempo prom. transc.entre 2 paros): a b c d Sí A y B caen en verde, continuar el proceso Sí A es amarilla y B cae en verde continuar proceso. Sí A y B son amarillas parar proceso e investigar causas Sí A o B son rojas, parar proceso e investigar causas

50 Acciones a tomar Ultima pieza Pieza actual Verde Continuar Amarillo
Rojo Pieza actual Continuar Primera: Continuar Segunda: Detener Detener

51 Distribución de probabilidad
LIEsp. LSEspecif. Línea P-C Línea P-C 1/14 12/14 1/14 7% 86% 7% Rojo Amarillo Verde Amarillo Rojo Area Objetivo 1/4 1/2 1/4 Tolerancia Completa

52 9B. Cartas de sumas acumuladas CuSum

53 9B. Gráfica de Sumas acumuladas ( CuSum )
Se usa para registrar al centro del proceso. Se corre en tándem (una tras otra) Es más sensible que la gráfica X al movimiento de los pequeños cambios sostenidos en el centro del proceso. Es más sensible que la gráfica X al movimiento de separación gradual del centro del proceso. Es menos sensible que la gráfica X al desplazamiento grande e único del centro del proceso. Se puede aplicar a las Xs o a las Xs individuales Sus parámetros clásicos son h = 4; k = 0.5

54 9B. Ejemplo de carta Cusum con Máscara en V
Target = 5, sigma = 1, h = 2, k =0.5, Vmask

55 9B. Continuación de ejemplo – con máscara en V
Agregando 4 Puntos adicionales Se observa que se Salen los puntos 16, 17 y 18 Requiriendo acción Target = 5, sigma = 1, h = 2, k =0.5, Vmask

56 9B. Carta CuSum – sólo un Límite superior o inferior
Target = 5, sigma = 1, h = 2, k =0.5, One Sided FIR = 1 sigma, Reset after each signal

57 9B. Carta EWMA de promedios móviles ponderados exponencialmente

58 9B. Carta de Promedios Móviles Ponderados Exponencialmente (EWMA)
Es más sensible que la gráfica X al movimiento de los pequeños cambios sostenidos en la media del proceso. Es más sensible que la gráfica X al movimiento de separación gradual de la media del proceso. Es menos sensible que la gráfica X a desplazamientos grandes de la media del proceso. Se puede aplicar a las Xs o a las Xs individuales.

59 9B. Carta EWMA del ejemplo
Xewma

60 9B. Carta EWMA Z0 = X Z1 = X1 + (1- ) Z0 Z2 = X2 + (1- ) Z1
Con Z = EWMA _ Los puntos a graficar son los siguientes : Observa que Z es un promedio ponderado de X i y de todas las Xs anteriores. La típica forma de una gráfica EWMA se muestra a continuación. _ _ _ UCL Los cálculos, especialmente de los límites de control, son tan complejos que normalmente este tipo de gráfica se realiza por medio de un paquete de computo. XII LCL subgrupo

61 9B. Carta de control de promedios móviles

62 9B. Carta de control de Promedios Móviles
Monitorea un proceso promediando los últimos W datos. Con valores individuales se usa W = 2 Tiene una sensibilidad intermedia entre las cartas de control de Shewhart y las cartas EWMA o Cusum para detectar pequeñas corridas graduales en la media del proceso Suponiendo que se colectan muestras de tamaño n y se obtienen sus respectivas medias Xi. La media móvil promedio de amplitud W en el tiempo t se define como sigue:

63 9B. Ejemplo de carta de promedios móviles
Xmm 2- 6.0 6- 9.5 7- 6.0

64 9C. Herramientas Lean para control

65 9C. Herramientas Lean de control
5S’s (Organización del lugar de trabajo) Fábrica visual Kaizen Kanban Poka Yoke TPM

66 9C. 5S’s (Imai) Seiko (arreglo adecuado) Seiton (orden)
Seiketso (limpieza personal) Seiso (limpieza) Shitsuke (disciplina personal) En Inglés: Sort (eliminar lo innecesario) Straighten (poner cada cosa en su lugar) Scrub / Shine (limpiar todo Systematize (hacer de la limpieza una rutina) Standardize (mantener lo anterior y mejorarlo)

67 9C. Fábrica visual La producción Los programas La calidad del producto
Tiene como propósito mostrar a la administración y empleados lo que está sucediendo en cualquier momento de un vistaso Uso de pizarrones para mostrar el estado de: La producción Los programas La calidad del producto Los tiempos de entrega Requerimientos del cliente y costos Tableros de herramientas, dispositivos Jidoka, Tarjetas Kanban

68 9C. Kaizen (Mejora continua)
Kai = Buen Zen = Cambio La estrategia Kaizen involucra: Kaizen en la administración Mejora de los procesos Uso de los ciclos PDCA / PDSA de mejora La calidad es la más alta prioridad Hablar con datos El siguiente proceso es el cliente

69 9C. Kaizen Blitz (evento o taller)
Involucra una actividad Kaizen (proyecto de mejora) en un área específica por medio de un equipo de trabajo durante 3 a 5 días: 2 días de entrenamiento 3 días para colección de datos, análisis e implementación de la solución Es necesario el apoyo de la dirección Al final el equipo hace una presentación del proyecto

70 9C. Kaizen Blitz (evento o taller)
Resultados: Ahorro de espacio Flexibilidad de la línea Flujo de trabajo mejorado Ideas de mejora Mejoras en calidad Ambiente de trabajo seguro Tiempo que no agrega valor reducido

71 9C. Muda, los 7 desperdicios
El Muda son actividades que no agregan valor en el lugar de trabajo. Su eliminación es escencial para reducir costos y tener calidad en producto: Sobreproducción Inventarios Reparaciones / Retrabajos Movimientos Esperas Transportes

72 9C. Kanban Kanban = signo. Es una señal a los procesos internos para proporcionar productos. Normalmente son tarjetas pero pueden ser banderas, espacio en el piso, etc. Proporciona indicación visual de: Número de parte, código de barras Cantidad Localización Frecuencia de embarque Tiempo de entrega Colores de contenedores en función del destino

73 9C. Poka Yoke Mr. Shingo reconoce que los errores humanos no tienen por que crear defectos. Con dispositivos sencillos a Prueba de error se pueden evitar En los sistemas de control, las operaciones se paran cuando ocurre una falla para toma de acción inmediata: Detectan fallas en una secuencia de operaciones Se pueden usar charolas o listas de verificación Los dispositivos se basan en longitudes, ancho, peso y altura

74 9C. Poka Yoke Otras mejoras de diseño a prueba de error incluyen:
Eliminación de componentes propensos a error o falla Amplificación de los sentidos humanos Redundancia en los diseños Simplificación al usar menos componentes Consideración de factores físicos y ambientales Proporcionar mecanismos de paro seguros Mejorando la producibilidad y mantenabilidad del producto Seleccionando componentes y circuitos ya probados

75 9C. TPM El mantenimiento productivo total incluye la participación de todos para asegurar la disponibilidad del equipo de producción y combina los mantenimientos preventivo, predictivo, mejoras en la mantenabilidad, facilidad de mantenimiento y confiabilidad Hay 6 grandes pérdidas que contribuyen en forma negativa a la efectividad del equipo: Falla del equipo Preparación y ajustes Arranques y paros menores Velocidad reducida Defectos de proceso Pérdidas de producto

76 9C. TPM Un ejemplo de una empresa alemana incluye:
Mantenimiento autónomo Eliminación de las 6 grandes pérdidas 100% de calidad de producción Planeación de nuevos equipos y maquinaria Capacitación a todos los operadores Eficiencia de oficina mejorada Obteniendo como beneficios: Reducción de ausentismo, mejora en sistema de sugerencias, reducción de desperdicios y quejas, reducción de tiempos de ajuste y de ciclo, etc.

77 9C. Estándares de Trabajo
La operación de una planta depende de políticas, procedimientos e instrucciones de trabajo o Estándares, cuya mejora redunda en mejoras a la planta Cuando la operación de planta (Gemba) está bajo control es tiempo de emprender mejoras, utilizando por ejemplo grupos Kaizen Blitz En Japón los estándares se hacen para controlar el proceso no tanto a los trabajadores

78 9C. Estándares de Trabajo
Otros estándares adicionales son: Líneas amarillas en el piso Códigos de colores Pizarrón de control para producción Indicadores de nivel mínimo y máximo de inventarios Matrices de capacitación cruzada Lámparas de falla

79 9C. Estándares de Trabajo
Características de los estándares: Representan la mejor manera de hacer el trabajo , en forma más fácil y segura Preservan el Know How y experiencia para hacer el trabajo que puede perderse al irse los empleados Proporcionar un método de evaluar el desempeño Muestran la relación entre causas y efectos Proporcionan una base para mantenimiento y mejora Son la base de la capacitación Son la base de la auditoria Método preventivo para prevenir recurrencia de errores Minimizan la variabilidad

80 9C. Re - análisis de sistemas de medición
Las mejoras en proceso reducen la variabilidad lo que puede requerir reanalizar los sistemas de medición Por ejemplos micrómetros para medir 0.001” ahora se requiere que midan ” De acuerdo al MSA del QS 9000 el error de R& R máximo debe ser: <10% sistema de medición aceptable 10 a 30% puede ser aceptable en función de la importancia de la característica >30% el sistema de medición requiere mejora

81 9C. Re - análisis de sistemas de medición
La expresión de evaluación de la incertidumbre incluye un rango y el nivel de confianza al cual se hace la afirmación, por ejemplo: M = ( ) g donde la incertidumbre expandida U = k uc Uc = g y k = 2 indicando el 95% de nivel de confianza Cada organización debe determinar los requerimientos de su sistema de medición