Post on 05-Jan-2016
description
1
Programa de certificación de Green Belts
V.A. Seis Sigma – Mejora
P. Reyes / Octubre 2007
2
Seis Sigma - Mejora
Propósitos y salidas
A. Diseño de experimentos
B. Técnicas de creatividad
C. Implantación y verificación de soluciones
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
4
Tormenta deideas
Técnicas decreatividad
MetodologíaTRIZ
Generación de soluciones
Diseño deexperimentos
Optimización
No
Implementación desoluciones y verificación
de su efectivdad
Evaluación de soluciones(Fact., ventajas, desventajas)
Solucionesverificadas
¿Soluciónfactible?
Si
Causasraíz
FASE DE MEJORA
Efecto de X'sen las Y =
CTQs
Ideas
5
V.A.1 Diseño de Experimentos (DOE)
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
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
8
¿Por qué no probar un factor a la vez?
PR
ES
ION
TEMPERATURA
PR
ES
ION
1
2
Zona Máxima
Respuesta MáximaP
RE
SIO
N
4
TEMPERATURA
3
PR
ES
ION
TEMPERATURA
Conclusión de la Prueba
TEMPERATURA
Conclusión de la Prueba
Optimo
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
10
Cambios deliberados y sistemáticos de las variables de entrada (factores) para observar los cambios correspondientes en la salida (respuesta).
Proceso
Entradas Salidas (Y)
Diseño deProducto
Entradas Salidas (Y)
¿Qué es un diseño de experimentos?
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:
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
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
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
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
16
Guías de diseñoNúmero de factores
Objetivo comparativo
Objetivo de filtraje de factores
Objetivo de superficie de respuesta
1 1- factor completamente aleatorizado
- -
2-4 Diseño aleatorizado por bloques
Factorial completo o fraccional
Diseño central compuesto o Box-Behnken
5 o más Diseño aleatorizado por bloques
Factorial fraccional o Placket Burman
Fltrar primero para reducir el número de factores
17
Lista de verificacióntípica 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
18
Lista de verificacióntípica 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
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.
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
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
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
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
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
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
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
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 Adecuado incrementa con X2 cuadrático
agregado a X2
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
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
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:
31
Términos Interacción
Ocurre cuando el efecto de un factor de entrada en la respuesta depende del nivel de otro factor de entrada diferente
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
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
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
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
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 NivelesB. Temp. de Moldeo 600º 700ºE. Tipo de Material Nylon Acetal
Factor cuantitativo, dos niveles
Factor cualitativo, dos niveles
Factores y niveles
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 multidisciplinario3. Determinar qué se va a medir como resultado del
experimento.
4. Identificar los factores de control y de ruido que pueden afectar el resultado.
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.
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.
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.
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
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
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
44
Los Factores Pueden Afectar...
2. El Resultado Promedio
3. La Variación y el Promedio1. La Variación del Resultado
4. Ni la Variación ni el Promedio
Banda ancha
Banda angosta
Tiempo del servicio
Sin entren.
Con Entren.
Pocos ejecutivos
Suficientesejectuvos Ambos sexos
Toman el mismo tiempo
Tiempo del servicio
Tiempo del servicio Tiempo del servicio
45
Tipos de SalidasLas salidas se clasifican de acuerdo con nuestros objetivos.
3. El Valor Máximo es el Mejor
• Tiempo de Ciclo• Tiempo de
conexión
• Confiabilidad• Satisfacción
Objetivo Ejemplos de Salidas1. El Valor Meta es el Mejor
Meta
Lograr unvalor 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
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
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.
48
Pruebas o Corridas ExperimentalesLas 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.
InteraccionesEl grado en que los factores dependen unos de otros. Algunos experimentos evalúan el efecto de lasinteracciones; otros no.
Factor (X’s) NivelesA. Tiempo llamada 30 60 min.B. Localización 1 2 C. Experiencia 1 3 D. Material usado A B
NivelesLos valores en los que se establecen los factores.
A. Tiempo de llamadaB. LOcalizaciónC. ExperienciaD. Tipo de Material usado
FactoresLas variables de entrada de proceso que seestablecen a diferentes niveles para observarsu efecto en la salida.
Y =Tiempo de conexión
Respuesta de SalidaLa salida que se mide como resultado del experimentoy se usa para juzgar los efectos de los factores.
+1-1+1-13
+1+1-1-12
-1-1-1-11
DatosDCBACorridas
-1=Nivel Bajo +1=Nivel Alto
.
.
49
V.A.2 Experimentos factoriales completos
2K
50
Un experimento factorial completo es un experimento donde se prueban todas las posibles combinaciones de los niveles de todos los factores.
4020-1
5230+1
+1-1
Factor A:
Factor B: Y = Respuesta
Experimento factorial completo – sin interacción
Efecto del factor A = (52+40)/2 - (30+20)/2 = 21Efecto del factor B = (30+52)/2 - (20+40)/2 = 11 Efecto de A*B = (52+20)/2 – (30+40)/2 = 1
51
Experimento sin interacción
A = -1 A = +1
RespuestaPromedio
B = +1
B = -1 20
30
40
52
52
Experimento sin interacción
A = -1 A = +1
B = +1
B = -1
Respuesta
20
3040
52
53
Modelo de regresión lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2
ˆ (20 40 30 52) / 4 35.5
ˆ 21/ 2 11
ˆ 11/ 2 5.5
ˆ 1/ 2 0.5
ˆ 35.5 10.5 5.5 0.5
y x x x x
y x x x x
El coeficiente 0.5 es muy pequeño dado que no hay interacción
54
Gráfica de contornos – Experimentos sin interacción
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1
.5
0
-.5
-1
22
28
34
4046
49 DirecciónDe ascensorápido
55
Superficie de respuesta – Experimentos sin interacción
X1X2
Superficie de respuesta
Gráfica del modelo de regresión
Y = respuesta
56
Un experimento factorial completo es un experimento donde se prueban todas las posibles combinaciones de los niveles de todos los factores.
5020-1
1240+1
+1-1
Factor A = X1 :
Factor B = X2: Y = Respuesta
Experimento factorial completo – con interacción
Efecto de A*B = {(12+20)-(40+50)}/2 = -29
57
Experimento con interacción
A = -1 A = +1
RespuestaPromedio
B = +1
B = -1 20
40
50
12
59
Modelo de regresión lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2
ˆ (20 40 30 52) / 4 30.5
ˆ 2 / 2 1
ˆ 18 / 2 9
ˆ 58 / 2 29
ˆ 30.5 1 9 29
y x x x x
y x x x x
El coeficiente -29 es muy grande representando la interacción
60
Gráfica de contornos
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1
.5
0
-.5
-1
25
28
31 34
43
49 DirecciónDe ascensorápido
40
61
Superficie de respuesta – Experimentos con interacción
Superficie de respuesta
Gráfica del modelo de regresión
62
Un experimento factorial con réplicas tiene varios resultados bajo la misma combinación de niveles
y7
y8
y3
y4
60’
y5
Y6
y1
y230’
9070
Factor A :Horas entrenamiento
Factor B: Acceso al sistema
Y = Tiempo de
respuesta
Experimento factorial con réplicas
63
Factor A :Horas de entrenam.
7978
9592
60 min.
8487
9087
30 min.
9070Factor 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
64
A2 =
El Efecto del entrenamientoFactor B : Tiempo de acceso
7978
9592
B2 = 60 min.
8487
9087
B1 = 30 min.
A2 = 90A1 = 70
Factor A : Horas de entrenamiento
A1 = 90 + 87 + 95 + 924
= 91
84 + 87 + 79 + 784
= 82
¿El tiempo de entrenamiento parece cambiar el tiempo de conexión Y?
Tie
mpo
de
cone
xión
70 90o
95
90
85
80
91
82
65
El Efecto del Tiempo de acceso
B2 =
Factor B : Tiempo de
acceso
B1 = 90 + 87 + 84 + 874
= 87
95 + 92+ 79 + 784
= 86
Tie
mpo d
e c
onexió
n
30 min. 60 min.
95
90
85
80
7978
9592
B2 = 60 min.
8487
9087
B1 = 30 min.
A2 = 90A1 = 70
Factor A : Horas de entrenamiento
¿El cambio de tiempo de acceso parece cambiar el tiempo de atención promedio del Call Center?
8786
66
El Efecto de la Interacción
Factor B : Tiempo de acceso
oo
Factor A : Horas de entrenamiento
7978
9592
B2 = 60 min.
8487
9087
B1 = 30 min.
A2 = 90A1 = 70
78.593.5B2
85.588.5B1
A2A1
A,B, = 90 + 872
= 88.5T
iem
po d
e co
nexi
ón
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
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
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
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 >> OKGraphs Seleccionar Effects Plots Normal y Pareto Seleccionar Residual plots: Normal y vs fits OKResults Full table of fits and residuals
Seleccionar todos los términos con >> OKOK
71
Corrida con Minitab – Interpretación de gráficasMAIN 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
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
73
Tabla ANOVA – Experimento de Tiempo de respuesta
250.0007Total
3.50014.00014.0004Error
0.01120.5772.00072.00072.0001Temp* Tiempo
0.4920.572.0002.0002.0001Tiempo
0.00246.29162.00162.00162.0001Temp
PFMS AjSS AjSS SecDFOrigenLas horas de entr. son significativas.
La interacción del tiempo de acceso y horas de entr. es significativa.
El Tiempo de acceso, no es significativo.
74
Crear las gráficas factoriales y de interacción:
Stat > DOE > Factorial > Factorial PlotsSeleccionar Main effects e Interaction Plots Setup para ambas: Seleccionar columna Respuesta
y con >> seleccionar todos los factores OKSeleccionar Data Means OK
Corridas con Minitab – Gráficas factoriales
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
76
Gráfica de efectos principales
BA
90
88
86
84
82
Res
Main Effects Plot (data means) for Res
77
Gráfica de interacciones
-1 1
1 1-1-1
90
85
80
B
A
Mea
n
Interaction Plot (data means) for Res
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
79
Gráfica de contorno
82.5 85.0
87.5 90.0 92.5
10-1
1
0
-1
A
B
Contour Plot of Res
Permite identificar la dirección de experimentación de ascenso rápido perpendicular a los contornos
80
Gráfica superficie de respuesta
1
0-1
B
80
85
90
95
0
Res
-11A
Surface Plot of Res
81
V.B. Generación e implantación de soluciones –
Técnicas de creatividad
82
Tormenta de ideas Permite obtener ideas de los participantes
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?
84
Lista de atributos Lista de atributos: Dividir el problema en partes
Lista de atributos para mejorar una linterna
Componente Atributo Ideas
Cuerpo Plástico Metal
Interruptor Encendido/ApagadoEncendido/Apagado/luminosidad media
Batería Corriente Recargable
Bombillo de Vidrio Plástico
Peso Pesado Liviano
85
Análisis morfológico Conexiones morfológicas forzadas
Ejemplo: Mejora de un bolígrafo
Cilindrico Material TapaFuente de Tinta
De múltiples caras
Metal Tapa pegada Sin repuesto
Cuadrado Vidrio Sin Tapa Permanente
En forma de cuentas
Madera RetráctilRepuesto de papel
En forma de escultura
PapelTapa desechable
Repuesto hecho de tinta
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
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
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
89
Listas de verificaciónHaga 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?
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.
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)
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
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
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
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)
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?
DONDERESULTADO
JUICIO QUIEN TOPE PROC. DE
LIMPIEZA
1
2
JULIO 97
JULIO 97
BARRA DEAPLICACION
PARA LOS MOLDES
AUNQUE SE DA EFECTO
NO ES PERSISTENTE
EXISTE POCO DEFECTO
J. PÉREZ
L.TORRES
97
Calendario de las actividadesCalendario de las actividades
¿qué? ¿qué? ¿por qué?¿por qué? ¿cómo?¿cómo? ¿cuánd¿cuándo?o?
¿dónd¿dónde?e?
¿quién¿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 ’04
1804 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 ’04
1804Embob
.
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 rodamientos3.1.2 Comparar valores de vibraciones con lecturas anteriores.3.1.3 Analizar valor lecturas de vibración tomadas.
Abril’04 1804 Embob
.
F. 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’04 1804 Embob
.
J. R.U. P.
98
Implantación de soluciones
15 GUOQCSTORY.PPT
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.
100
1. Actions
2. Responsibilities
3. Schedule
4. Cost/Benefit Analysis
5. Measures
6. Risk Assessment7. Contingency Plan8. Change Strategy9. 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 successfulAssesses 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 takenIdentifies 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
101
Verificación de solucionesPUNTO 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.
2.12
1.91.8
1.71.6
1.51.4
1.31.2
1.11
2.19 2.142.22
2.33
1.76
1.32
0.9 0.87 0.940.79
0.990.94
0
0.5
1
1.5
2
2.5
May-97 Jun-97 Jul-97 Ago-97 Sep-97 Oct-97 Nov-97 Dic-97 Ene-98 Feb-98 Mzo-98 Abr-98
%D < 1 %
Ejemplo 1.%DEFECTUSO
Comprobar efec_tividad de lasSoluciones con Pruebas de Hipótesis
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
103
Verificación de resultados
0
10
20
30
40
50
60
70
80
90
1e r trim. 2do trim. 3e r trim. 4t o trim.
EsteOe steN or te
0
10
20
30
40
50
60
70
80
90
1er t rim. 2do t rim. 3er t rim. 4to t rim.
E steOe steN orte
A N TE S DE SP U E S
ME J OR AC OSTO$ 5,000
C OSTO$ 1,000
104
Diagrama deIshikawa
Diagrama derelaciones
Diagramade Árbol
Análisis del Modo y Efecto deFalla (AMEF)
QFD
DiagramaCausa Efecto
CTQs = YsOperatividad
X's vitales
Diagramade Flujo
delproceso
Pruebasde
hipótesis
Causas raízvalidadas
¿CausaRaíz?
DefiniciónY=X1 + X2+. .Xn
X'sCausas
potenciales
Medición Y,X1, X2, Xn
FASE DE ANÁLISIS
SiNo
Llenar las últimas Columnas del FMEAy comprobar Hipótesis