ESCUELA POLITÉCNICA NACIONAL - Repositorio...
Transcript of ESCUELA POLITÉCNICA NACIONAL - Repositorio...
ESCUELA POLITÉCNICA NACIONAL
FACULTAD DE CIENCIAS ADMINISTRATIVAS
PROPUESTA DE MEJORAMIENTO DEL PROCESO DE PINTURA
MEDIANTE LA METODOLOGÍA SIX SIGMA, CASO: AYMESA
PROYECTO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍTULO DE
INGENIERO EMPRESARIAL
LALALEO LALALEO BYRON RENATO
Director: Mat. Nelson Alomoto MSc.
2012
i
DECLARACIÓN
Yo, Byron Renato Lalaleo Lalaleo, declaro bajo juramento que el trabajo aquí
descrito es de mi autoría; que no ha sido previamente presentada para ningún
grado o calificación profesional; y, que he consultado las referencias bibliográficas
que se incluyen en este documento.
La Escuela Politécnica Nacional puede hacer uso de los derechos
correspondientes a este trabajo, según lo establecido por la Ley de Propiedad
Intelectual, por su Reglamento y por la normatividad institucional vigente.
Byron Renato Lalaleo Lalaleo
ii
CERTIFICACIÓN
Certifico que el presente trabajo fue desarrollado por Byron Renato Lalaleo
Lalaleo, bajo mi supervisión.
Mat. Nelson Alomoto
DIRECTOR
iii
AGRADECIMIENTOS
A mi madre, por ser el pilar fundamental de mi vida.
A mis hermanos Alex y Karina quienes con su ejemplo y profesionalismo han
sabido inculcarme el camino al éxito.
Al Ing. Roberto Jiménez por la apertura brindada en la compañía AYMESA.
Al Mat. Nelson Alomoto por su guía y conocimiento en el presente proyecto.
Finalmente, a mis amigos quienes me brindaron su apoyo y fuerzas para seguir.
Byron Renato
iv
DEDICATORIA
Agradezco a Dios fuente de sabiduría y entendimiento.
A mi padre y madre por iluminar mi camino a lo largo de esto años.
Byron Renato
v
ÍNDICE DE CONTENIDO
LISTA DE FIGURAS ........................................................................................................... 0
LISTA DE TABLAS ............................................................................................................ iv
LISTA DE ANEXOS ............................................................................................................ v
RESUMEN .......................................................................................................................... vii
ABSTRACT ......................................................................................................................... ix
1 INTRODUCCIÓN ......................................................................................................... 0
1.1 LA INDUSTRIA AUTOMOTRIZ ....................................................................................... 1
1.1.1 INDUSTRIA AUTOMOTRIZ MUNDIAL ...................................................... 1
1.1.2 INDUSTRIA AUTOMOTRIZ ECUATORIANA ............................................ 3
1.1.2.1 Evolución del sector automotriz ecuatoriano ............................................ 3
1.1.2.2 GM-OBB ................................................................................................... 4
1.1.2.3 MARESA................................................................................................... 5
1.1.2.4 COENANSA ............................................................................................. 5
1.1.2.5 Aporte tecnológico .................................................................................... 5
1.1.3 EL ENCADENAMIENTO AUTOMOTRIZ .................................................... 6
1.1.3.1 Ensamblaje................................................................................................. 6
1.1.3.2 Autopartista ............................................................................................... 6
1.1.3.3 Comercialización ....................................................................................... 7
1.1.3.4 Otros Actores ............................................................................................. 8
1.1.4 ANÁLISIS DEL SECTOR AÑO 2010 ............................................................. 9
1.2 DESCRIPCIÓN DE LA EMPRESA AYMESA .................................................................... 11
1.2.1 RESEÑA HISTÓRICA ................................................................................... 11
1.2.2 UBICACIÓN ................................................................................................... 12
1.2.3 LA CADENA DE PRODUCCIÓN ................................................................. 12
1.2.3.1 Soldadura de carrocería ........................................................................... 13
1.2.3.2 Pintura ...................................................................................................... 15
1.2.3.3 Ensamblaje............................................................................................... 17
vi
1.2.4 FODA .............................................................................................................. 19
1.3 DESCRIPCIÓN DEL PROBLEMA ................................................................................... 20
1.4 OBJETIVO GENERAL Y ESPECÍFICOS .......................................................................... 21
1.4.1 OBJETIVO GENERAL .................................................................................. 21
1.4.2 OBJETIVOS ESPECÍFICOS .......................................................................... 21
1.5 JUSTIFICACIÓN DEL PROYECTO ................................................................................. 21
2 MARCO TEÓRICO .................................................................................................... 23
2.1 ANTECEDENTES DEL SIX SIGMA ................................................................................. 23
2.1.1 DESARROLLO HISTÓRICO ........................................................................ 23
2.1.2 ESTADÍSTICA DESCRIPTIVA .................................................................... 23
2.1.2.1 Medidas de tendencia central o localización ........................................... 24
2.1.2.1.1 Media Aritmética ................................................................................. 24
2.1.2.1.2 Mediana ............................................................................................... 24
2.1.2.1.3 Moda .................................................................................................... 25
2.1.2.2 Medidas de dispersión o variabilidad ...................................................... 25
2.1.2.2.1 Desviación estándar ............................................................................. 25
2.1.2.2.2 Rango ................................................................................................... 26
2.1.3 CONCEPTOS BÁSICOS DE PROBABILIDAD ........................................... 26
2.1.3.1 Variable aleatoria ..................................................................................... 26
2.1.3.1.1 Variable aleatoria discreta ................................................................... 26
2.1.3.1.2 Variable aleatoria continua .................................................................. 27
2.1.3.1.3 Función probabilidad ........................................................................... 27
2.1.3.2 Distribuciones de probabilidad ................................................................ 27
2.1.3.2.1 Distribución Binomial ......................................................................... 27
2.1.3.2.2 Distribución Poisson ............................................................................ 28
2.1.3.2.3 Distribución Normal ............................................................................ 29
2.1.4 CONTROL ESTADÍSTICO DE PROCESO .................................................. 31
2.1.4.1 Análisis de la capacidad de un proceso ................................................... 31
2.1.4.1.1 Razón de la capacidad de un proceso .................................................. 31
2.1.4.1.2 Índice de capacidad real ...................................................................... 33
2.1.4.1.3 Medición en defectos de partes por millón .......................................... 35
2.1.4.2 Gráfica de control para variables ............................................................. 35
vii
2.1.4.2.1 Gráfica .............................................................................................. 35
2.1.4.2.2 Gráfica .............................................................................................. 36
2.1.4.3 Técnicas de muestreo............................................................................... 36
2.1.4.4 Distribución muestral .............................................................................. 37
2.1.4.4.1 Distribución muestral de las medias .................................................... 37
2.1.5 DISEÑO DE EXPERIMENTOS ..................................................................... 38
2.1.5.1 Diseño factorial .................................................................................. 39
2.1.5.2 Matriz de diseños ..................................................................................... 39
2.2 DEFINICIONES DEL SIX SIGMA ........................................................................ 40
2.2.1 QUE ES SIX SIGMA ...................................................................................... 40
2.2.2 GESTIÓN DE CALIDAD TOTAL Y SIX SIGMA ....................................... 41
2.2.3 LA VARIABILIDAD ...................................................................................... 42
2.2.3.1 Ingeniería de calidad ................................................................................ 43
2.2.3.2 Causas Comunes ...................................................................................... 44
2.2.3.3 Causas Especiales .................................................................................... 44
2.3 PROCESO DMAMC ...................................................................................................... 44
2.3.1 FASE DEFINIR ............................................................................................... 46
2.3.2 FASE MEDIR.................................................................................................. 46
2.3.3 FASE ANALIZAR .......................................................................................... 46
2.3.4 FASE MEJORAR ............................................................................................ 46
2.3.5 FASE CONTROLAR ...................................................................................... 46
2.4 ESTRUCTURA HUMANA ............................................................................................. 47
2.5 HERRAMIENTAS DE APOYO ........................................................................................ 47
2.5.1 CARTA DEL PROYECTO ............................................................................. 48
2.5.2 MATRIZ DE PRIORIZACIÓN ...................................................................... 48
2.5.3 DIAGRAMA DE PARETO ............................................................................ 48
2.5.4 DIAGRAMA DE FLUJO ................................................................................ 48
2.5.5 DIAGRAMA SIPOC ....................................................................................... 49
2.5.6 DIAGRAMA CAUSA EFECTO..................................................................... 49
2.5.7 DIAGRAMA DE DISPERSIÓN ..................................................................... 49
2.5.8 ANÁLISIS MULTI-VARI .............................................................................. 49
2.5.9 ANÁLISIS DE FALLAS POTENCIALES (FMEA) ...................................... 50
2.5.10 LLUVIA DE IDEAS (BRAINWRITTING) ................................................... 50
viii
2.5.11 DIAGRAMA DE ÁRBOL .............................................................................. 50
2.5.12 ÁRBOL DE CONTINGENCIAS (PDPC) ...................................................... 50
3 METODOLOGÍA ........................................................................................................ 51
3.1 DESCRIPCIÓN DE LOS PROCESOS ............................................................................... 51
3.1.1 MAPA DE PROCESOS .................................................................................. 51
3.1.1.1 Procesos Productivos ............................................................................... 51
3.1.1.2 Procesos Gobernantes .............................................................................. 52
3.1.1.3 Procesos de apoyo ................................................................................... 52
3.1.2 ESQUEMA GENERAL DEL PROCESO (SIPOC) ....................................... 54
3.1.3 DESCRIPCIÓN DEL PROCESO ................................................................... 54
3.1.4 REPRESENTACIÓN GRÁFICA DEL PROCEDIMIENTO ......................... 54
3.2 APLICACIÓN DEL SIX SIGMA ...................................................................................... 56
3.2.1 DEFINIR ......................................................................................................... 56
3.2.1.1 Definir el foco de mejora ......................................................................... 56
3.2.1.2 Identificación de las características críticas ............................................. 59
3.2.1.3 Definición de parámetros de desempeño ................................................. 60
3.2.1.4 Definición de procesos críticos................................................................ 62
3.2.1.5 Diagrama de Pareto ................................................................................. 63
3.2.1.6 Diagrama SIPOC – Macro ....................................................................... 65
3.2.1.7 Formalización del proyecto ..................................................................... 65
3.2.2 MEDIR ............................................................................................................ 67
3.2.2.1 Evaluación del sistema de medición ........................................................ 67
3.2.2.2 Estabilidad y capacidad del proceso respecto a la variable de espesor ... 69
3.2.2.3 Estabilidad y capacidad del proceso respecto a la variable brillo ........... 71
3.2.2.4 Estabilidad y capacidad del proceso respecto a la variable flujo ............ 72
3.2.2.5 Estabilidad y capacidad del proceso respecto a la variable temperatura
cabina 74
3.2.2.6 Estabilidad y capacidad del proceso respecto a la temperatura de horno 75
3.2.3 ANALIZAR ..................................................................................................... 78
3.2.3.1 Diagrama de árbol causa-efecto .............................................................. 78
3.2.3.2 Diagrama de dispersión ........................................................................... 80
3.2.3.3 Diagrama de caja ..................................................................................... 81
ix
3.2.3.4 Análisis Multi-Vari .................................................................................. 83
3.2.3.5 Análisis de modos de fallos y efectos /fallas potenciales ........................ 86
4 PLAN DE MEJORA ................................................................................................... 88
4.1 MEJORAR .................................................................................................................. 88
4.1.1 DIAGRAMA DE ÁRBOL (PLAN DE ACCION).......................................... 88
4.1.2 ÁRBOL DE CONTINGENCIA ...................................................................... 90
4.2 PLAN DE IMPLEMENTACION ....................................................................................... 96
4.2.1 CONSIDERACIONES PRÁCTICAS ............................................................. 97
4.2.2 DISEÑO DE EXPERIMENTOS ................................................................... 101
4.2.3 CRONOGRAMA .......................................................................................... 104
5 CONCLUSIONES Y RECOMENDACIONES ........................................................ 108
5.1 CONCLUSIONES ....................................................................................................... 108
5.2 RECOMENDACIONES ................................................................................................ 109
REFERENCIAS ................................................................................................................ 111
ANEXOS ........................................................................................................................... 115
i
LISTA DE FIGURAS
Figura 1.1 - Cadena de mercadeo ......................................................................................... 7
Figura 1.2 - Estructura Del Sector Automotor Ecuatoriano ................................................. 8
Figura 1.3 - Evolución de las ventas de vehículos ............................................................. 10
Figura 1.4 - Ventas de Vehículos por Marca (Top 10 del 2010) ........................................ 10
Figura 1.5 - Vehículo Andino ............................................................................................. 11
Figura 1.6 - Descripción del proceso de producción .......................................................... 13
Figura 1.7 - Jig de soldadura .............................................................................................. 13
Figura 1.8 - Área de remate ................................................................................................ 14
Figura 1.9 - Montado de puertas......................................................................................... 14
Figura 1.10 - Cubas de la planta de ELPO ......................................................................... 15
Figura 1.11 - Cabina de lijado y sellado ............................................................................. 16
Figura 1.12 - Cabina de pintura de fondo ........................................................................... 16
Figura 1.13 – Aplicación de color y brillo ......................................................................... 17
Figura 1.14 - Cabina de control de calidad......................................................................... 17
Figura 1.15 - Preparación de tablero .................................................................................. 18
Figura 1.16 – Montado de motor ........................................................................................ 18
Figura 2.1 - Distribución Binomial con η=5 y ρ=.5 ........................................................... 28
Figura 2.2 - Distribución de Poisson con μ=8 y η=20 ........................................................ 29
Figura 2.3 - Distribución normal con μ=50 y σ=2; 4; 8 ..................................................... 30
Figura 2.4 - La Estadística en el proceso de toma de decisión ........................................... 30
Figura 2.5 - Gráfica de control de los límites específicos y del proceso ............................ 31
Figura 2.6 - Procesos potencialmente capaces ................................................................... 32
Figura 2.7 - para Six Sigma .......................................................................................... 33
Figura 2.8 - Índice de valor real ......................................................................................... 34
Figura 2.9 - para Six Sigma ........................................................................................ 34
Figura 2.10 - Comparación entre y .......................................................................... 37
Figura 2.11 – Aspectos de la planeación experimental ...................................................... 38
Figura 2.12 – Matriz de diseño .......................................................................................... 39
ii Figura 2.13 – Representación gráfica del experimento 23 .................................................. 40
Figura 2.14 - Enfoque del travesaño de portería ................................................................ 43
Figura 2.15 - Función de pérdida de la calidad .................................................................. 44
Figura 2.16 - Uso del DMAMC en un proyecto de Six Sigma .......................................... 45
Figura 3.1 – Propuesta mapa de procesos de AYMESA .................................................... 53
Figura 3.2 - Características críticas de satisfacción............................................................ 59
Figura 3.3 - Parámetros Críticos del Producto ................................................................... 61
Figura 3.4 - Parámetros Críticos del Proceso ..................................................................... 62
Figura 3.5 – Diagrama de Pareto de defectos ..................................................................... 64
Figura 3.6 – Diagrama de Pareto de ubicación ................................................................... 64
Figura 3.7 - Diagrama SIPOC – nivel macro del proceso de producción .......................... 65
Figura 3.8 – Estudio R&R del sistema de medición de brillo ............................................ 68
Figura 3.9 – Estudio R&R del sistema de medición de espesor ......................................... 68
Figura 3.10 – Análisis de estabilidad de la variable espesor .............................................. 70
Figura 3.11 – Análisis de capacidad de la variable espesor ............................................... 70
Figura 3.12 – Análisis de estabilidad de la variable brillo ................................................. 71
Figura 3.13 – Análisis de capacidad de la variable brillo ................................................... 72
Figura 3.14 – Análisis de estabilidad de la variable flujo .................................................. 73
Figura 3.15 – Análisis de capacidad de la variable flujo .................................................... 73
Figura 3.16 – Análisis de estabilidad de la variable temperatura de cabina....................... 74
Figura 3.17– Análisis de capacidad de la variable temperatura de cabina ......................... 75
Figura 3.18 – Análisis de estabilidad de la variable horno-radiación ................................ 76
Figura 3.19 – Análisis de capacidad de la variable horno-radiación .................................. 76
Figura 3.20 – Análisis de estabilidad de la variable horno-convección ............................. 77
Figura 3.21 – Análisis de capacidad de la variable horno-convección .............................. 77
Figura 3.22 – Diagrama de Ishikawa de la variable brillo ................................................. 78
Figura 3.23 – Diagrama de Ishikawa de la variable espesor .............................................. 79
Figura 3.24 – Diagrama de Ishikawa de defecto MPL-MLJ .............................................. 79
Figura 3.25 – Diagrama de Ishikawa de defecto SUC ....................................................... 80
Figura 3.26 – Relación entre CF4 y Temperatura .............................................................. 80
Figura 3.27 – Diagrama de caja sobre flujo derecho e izquierdo ....................................... 81
Figura 3.28 – Diagrama de caja sobre espesor horizontal y vertical .................................. 82
Figura 3.29 – Análisis Multi-vari sobre flujo ..................................................................... 83
iii Figura 3.30 – Análisis Multi-vari sobre espesores ............................................................. 84
Figura 3.31 – Análisis multi-vary de posición de espesores .............................................. 85
Figura 4.1 - Diagrama de árbol de objetivos ...................................................................... 89
Figura 4.2- Estructura de árbol de contingencias ............................................................... 90
Figura 4.3 – Árbol de contingencias para injerencia de personal ....................................... 90
Figura 4.4 - Árbol de contingencias para capacitación técnica .......................................... 91
Figura 4.5 - Árbol de contingencias para capacitación en herramientas estadísticas ......... 91
Figura 4.6 - Árbol de contingencias para capacitación en software ................................... 92
Figura 4.7 - Árbol de contingencias para delegar funcionario ........................................... 92
Figura 4.8 - Árbol de contingencias para información estadística de proveedores ............ 92
Figura 4.9 - Árbol de contingencias para información estadística de AYMESA .............. 93
Figura 4.10 - Árbol de contingencias para adquirir manómetros y termómetros ............... 93
Figura 4.11 - Árbol de contingencias para adquirir Espesímetro ....................................... 94
Figura 4.12 - Árbol de contingencias para auditar niveles de iluminación ........................ 94
Figura 4.13 - Árbol de contingencias para socializar plan de mantenimiento ................... 95
Figura 4.14 - Árbol de contingencias para protección de partículas .................................. 95
Figura 4.15 - Árbol de contingencias para control estadístico de cámara .......................... 96
Figura 4.16 – Paneles de la puerta delantera y trasera ....................................................... 98
Figura 4.17 – Diseño factorial en Minitab........................................................................ 103
Figura 4.18 – Viabilidad financiera del proyecto ............................................................. 107
iv
LISTA DE TABLAS
Tabla 1.1 - Ranking Mundial de Fabricantes de Automotores ............................................. 3
Tabla 1.2 - Producción de Vehículos por Ensambladoras .................................................... 9
Tabla 2.1 - Comparación entre gestión de calidad y seis sigma ......................................... 42
Tabla 3.1 - Inventario de procesos ...................................................................................... 53
Tabla 3.2 – Simbología ANSI para el diagrama de flujo ................................................... 55
Tabla 3.3 – Matriz de priorización de criterios................................................................... 57
Tabla 3.4 – Matriz de priorización del criterio defectos bajo costo ................................... 57
Tabla 3.5 - Matriz de priorización del criterio facilidad de implementación ..................... 58
Tabla 3.6 - Matriz de priorización del criterio accesibilidad a información ...................... 58
Tabla 3.7 - Matriz de priorización del criterio etapa crítica del proceso ............................ 58
Tabla 3.8 - Matriz de priorización del criterio reducido costo de mantenimiento ............. 58
Tabla 3.9 – Matriz síntesis para la determinación del proceso clave ................................. 59
Tabla 3.10 - Valoración del IIC y GNC ............................................................................. 60
Tabla 3.11 - Matriz CTS priorizada .................................................................................... 60
Tabla 3.12 - Matriz CTY priorizada ................................................................................... 61
Tabla 3.13 - Matriz CTX priorizada ................................................................................... 63
Tabla 3.14 – Carta del proyecto .......................................................................................... 66
Tabla 3.15 – Equipos de medición ..................................................................................... 69
Tabla 3.16 – Matriz síntesis del estado actual de variables ................................................ 78
Tabla 3.17 – Criterio para índice de severidad ................................................................... 86
Tabla 3.18 – Criterio para índice de ocurrencia ................................................................. 86
Tabla 3.19 – Matriz AMFE de CTX´s ................................................................................ 87
Tabla 4.1 – Matriz de la propuesta de mejora .................................................................... 97
Tabla 4.2 – Diseño del experimento ................................................................................. 102
Tabla 4.3 – Cronograma de la propuesta .......................................................................... 105
Tabla 4.4 - Costos estimados de la propuesta ................................................................... 106
v
LISTA DE ANEXOS
ANEXO A - Marcas y modelos de automotores ensamblados ......................................... 115
ANEXO B.1 - Calidad de corto y largo plazo en términos DPMO y en nivel de calidad
sigma (Z)............................................................................................................................ 117
ANEXO B.2 - Valores del Cp y su interpretación ............................................................ 118
ANEXO B.3 - Índice Cp en términos de piezas malas ..................................................... 119
ANEXO C - Factores para calcular la gráfica x-barra y gráfica R .................................. 120
ANEXO D - Proceso DMAMC y herramientas Green Belt ............................................. 121
ANEXO E.1 - SIPOC del proceso de Soldadura de Carrocería ........................................ 122
ANEXO E.2 - SIPOC del proceso de ELPO .................................................................... 123
ANEXO E.3 - SIPOC del proceso de Primer ................................................................... 124
ANEXO E.4 - SIPOC del proceso de Aplicación de Esmalte .......................................... 125
ANEXO E.5 - SIPOC del proceso de Ensamblaje General .............................................. 125
ANEXO F.1 - Descripción del proceso de Soldadura de Carrocería ................................ 127
ANEXO F.2 - Descripción del subproceso de ELPO ....................................................... 128
ANEXO F.3 - Descripción del subproceso de Primer ...................................................... 129
ANEXO F.4 - Descripción del subproceso de Esmalte .................................................... 130
ANEXO F.5 - Descripción del proceso de Ensamble General ......................................... 131
ANEXO G.1 - Representación gráfica del procedimiento de Soldadura de Carrocería ... 132
ANEXO G.2 - Representación gráfica del procedimiento ELPO..................................... 133
ANEXO G.3 - Representación gráfica del procedimiento Primer .................................... 134
ANEXO G.4 - Representación gráfica del procedimiento Aplicación Esmalte ............... 135
ANEXO G.5 - Representación gráfica del procedimiento Ensamble General ................. 136
ANEXO H.1 - Datos y códigos para el diagrama de Pareto ............................................. 137
ANEXO H.2 - Histórico de diagramas de Pareto correspondiente a los meses de octubre y
noviembre de 2011 ............................................................................................................ 138
ANEXO I.1 - Distribución física de esmalte .................................................................... 139
ANEXO I.2 - Fotografías del área de esmalte .................................................................. 140
vi ANEXO J - Plan de muestreo sistemático ........................................................................ 141
ANEXO K.1 - Datos para el estudio R&R sobre brillo .................................................... 142
ANEXO K.2 - Resultados del estudio R&R sobre brillo (Software Minitab) .................. 143
ANEXO L.1 - Datos para el estudio R&R sobre variable espesor ................................... 144
ANEXO L.2 - Resultados del estudio R&R sobre espesor (Software Minitab) ............... 145
ANEXO M - Equipos de medición con certificado de calibración .................................. 146
ANEXO N.1 - Especificaciones acerca de las variables de estudio ................................. 148
ANEXO N.2 - Datos para el estudio de capacidad (Espesor y brillo) .............................. 149
ANEXO N.3 - Datos para el estudio de capacidad de Flujo, temperatura de cabina y
temperatura de horno ......................................................................................................... 150
ANEXO O - Curva de viscosidad del barniz .................................................................... 152
vii
RESUMEN
El presente proyecto es una propuesta de mejoramiento para el proceso de
pintura de la ensambladora de automóviles AYMESA; diseñado a través de la
metodología Six Sigma. Contiene el desarrollo de las fases DMAMC: Definir,
Medir, Analizar y Mejorar. Se realiza un análisis situacional de la empresa, mapeo
de procesos de la cadena productiva y la identificación de las causas potenciales.
El primer capítulo trata sobre la industria automotriz mundial y local, se identifican
los actores que intervienen en el encadenamiento. Luego se estudia a la
compañía detallando las actividades productivas, junto a una descripción del
análisis de Fortalezas, Oportunidades, Debilidades y Amenazas (FODA) y se
plantea el problema a solucionar en el proyecto.
El segundo capítulo revisa la base teórica, abarca aspectos relacionados como:
estadística, probabilidad y Six Sigma; explica cada una de las fases del DMAMC
así como las herramientas estadísticas y de gestión.
En el tercer capítulo se desarrollan las fases Definir, Medir y Analizar. En primer
lugar se define cual es el foco de mejora y las características críticas para
formalizar el proyecto. Luego se mapean los procesos y se validan los sistemas
de medición para realizar el análisis de estabilidad y capacidad. Por último, junto a
los responsables del proceso se estudian las causas potenciales y se seleccionan
las causas primarias.
El cuarto capítulo contiene la propuesta del proyecto, enmarcada en la fase
Mejorar, donde se evalúa el modo de riesgos/fracasos, se optimizan las
herramientas del proceso y se generan soluciones, luego éstas se validan para
ser desarrolladas en el plan de mejora. La propuesta tiene un conjunto de
alternativas para mejorar el desempeño de los procesos; se sugiere la adquisición
viii de equipos y software, además de reforzar planes de mantenimiento y
comunicación organizacional.
En el quinto capítulo se presentan las conclusiones y recomendaciones a las que
se llegó en la presente investigación.
Palabras clave: Six Sigma, calidad, pintura.
ix
ABSTRACT
This Project is a proposal for improvement in the painting process at Aymesa.
This has been designed trough Six Sigma methodology. Contains the
development of DMAIC phases: Define, Measure, Analyze and Improve. It
analyzes the company real situation, process mapping of the production chain and
the identification of potential causes.
The first chapter talks about the global and local automotive industry, and
identifies the actors in the chain. It also contains a study of the company, giving a
detail of the productive activities with an analyze of Strengths, Weaknesses,
Opportunities and Threatens (SWOT) and proposes the problem we are going to
solve in the project.
The second chapter is about the theoretical basis and other aspects such as:
statistics, probability and Six Sigma. It explains every DMAIC phases and all the
statistics and management tools.
In the third chapter are developed the DMAIC phases: Define, Measure, and
Analyze. At the beginning is defined what the focus of improvement is and the
critical characteristics in order to formalize the project. This chapter includes the
process mapping, the measurement system validation to make the stability and
capability analysis. Finally, it analyzes the information obtained along with the
principals of the process and is studied the potential causes and are selected
primary causes. Finally, with the principals of the process study the potential
causes and are selected the primary causes.
The fourth chapter contains the project proposal, framed in the Improve phase. In
this phase is evaluated the way risks/ failures, the process tools are optimized and
solutions are given, then they are validated in order to be developed in the
improvement plan. The final proposal has of a group of alternatives to improve
x process performance, which suggests the purchase of equipment and software,
and maintenance plans and organizational communication.
In the fifth chapter are presented the conclusions and recommendations after
doing this investigation.
Key words: Six Sigma, Quality, paint
1
1 INTRODUCCIÓN
1.1 LA INDUSTRIA AUTOMOTRIZ
1.1.1 INDUSTRIA AUTOMOTRIZ MUNDIAL
A inicios del siglo XX, Henry Ford revolucionó la industria automotriz,
transformando el ensamblaje artesanal de piezas en la verdadera era industrial.
Gracias a las cadenas de montaje obtuvo para la época una producción hasta
entonces inigualable que consistía en: fabricar un gran número de vehículos de
bajo costo, líneas de montaje mecanizado en cadena, trabajadores con elevados
salarios y la utilización de maquinaria especializada. Este sistema fue mejorado
por otros competidores, como el caso de General Motors Corporation (GM); que
empleó estudios para conocer la operación de la organización, basados en la
especialización del trabajo; asignando tareas concretas y repetitivas a los obreros,
que a la final fueron fácilmente controlables por los supervisores de sitio
optimizando el uso de recursos (Quiroz Trejo, 2010).
Luego de la Segunda Guerra Mundial, en Japón se aplicaron técnicas de análisis
cualitativo dentro de las cadenas de producción, por parte de William Edwards
Deming, que impartió conocimientos de control estadístico de la calidad y cambió
la reputación de los artículos producidos Made in Japan, los que eran
considerados de calidad inferior y no aptos para competir en mercados
extranjeros. Tal es el caso de Toyota Motor Corporation que exportó el primer
automóvil japonés a los Estados Unidos de América (EUA) debido a la distinta
organización y fabricación de vehículos basados en el Sistema de Producción de
Toyota (SPT) que a partir de los años 50`s aumentó la productividad y alcanzó el
reconocimiento mundial. En los años 70`s, la crisis del petróleo provocó un giro en
la producción industrial, se necesitó de un automóvil compacto y de consumo
eficiente, por lo que el denominado milagro japonés atendió la demanda mundial
enfocado en una estrategia de calidad, reduciendo la participación de mercado de
las empresas de EUA y obligando al primer productor de tecnología de ese
2 entonces a redefinir su táctica global (Mortimore & Barron, 2005). Años después
las ensambladoras japonesas Toyota y Honda consiguieron reducir tiempos para
la terminación de automóviles y eliminaron errores de ensamblajes por miles en
línea. En EUA las empresas automotrices atravesaron problemas de eficiencia y
productividad, reflejados en el despido de obreros y medidas que restringían el
ingreso de autos japoneses. La cuota de mercado de fabricantes de Europa y
EUA se limitó porque las estrategias que emplearon no se asemejaron con los
beneficios del SPT (Aquino, 1999; Cruz, 2010).
En el 2008, la crisis financiera global afectó a la industria, fabricantes de todo el
mundo incluyendo a los tres grandes de Detroit: GM, Ford y Chrysler vieron como
sus ventas se desplomaban; terminando en la quiebra de las dos automotrices
más importantes del país (CNN, 2009). La quiebra se debió al elevado costo de
las materias primas y el aumento del precio del petróleo, que en el 2008 y 2009
registró promedios de USD 94.95 y USD 61.06 respectivamente. El 2010 se
presentó como un lapso de parcial recuperación, aunque todavía no se han
alcanzado los niveles de producción y ventas que tuvieron en años anteriores
(OPEC, 2011). La crisis mostró vulnerable a la industria que se caracterizó por ser
una de las más dinámicas, competitivas y con mayores niveles tecnológicos. El
mercado cambió tanto que: “Tianjin Xiali, Chery y Geely son marcas que, según
estadísticas oficiales, están tomando una creciente proporción en mercados
internacionales, por lo que las llamadas tres grandes de Norteamérica continúan
en la búsqueda de nuevas estrategias para resistir la competencia asiática”
(Capital Management Solutions, 2008, pág. 18). Dentro del top 10 de las gigantes
automotrices, Toyota logró posicionarse como el primer fabricante dejando de
lado a GM que encabezaba la lista por tradición (véase la Tabla 1.1).
3
Tabla 1.1 - Ranking Mundial de Fabricantes de Automotores
Año 2010 (En unidades)
Rank Grupo Total Autos LCV HCV Pesados
TOTAL 77.743.862 60.343.756 13.370.432 3.510.681 518.993
1 TOYOTA 8.557.351 7.267.535 1.080.357 204.282 5.177
2 G.M. 8.476.192 6.266.959 2.197.629 1.175 10.429
3 VOLKSWAGEN 7.341.065 7.120.532 220.533
4 HYUNDAI 5.764.918 5.247.339 393.701 123.878
5 FORD 988.031 2.958.507 1.962.734 66.790
6 NISSAN 3.982.162 3.142.126 738.833 71.203
7 HONDA 3.643.057 3.592.113 50.944
8 PSA 3.605.524 3.214.810 390.714
9 SUZUKI 2.892.945 2.503.436 389.509
10 RENAULT 2.716.286 2.395.876 320.410 LCV: Light Commercial Vehicles HCV: Heavy Commercial Vehicles
(Organización Internacional de Constructores de Automóviles OICA, 2011)
1.1.2 INDUSTRIA AUTOMOTRIZ ECUATORIANA
1.1.2.1 Evolución del sector automotriz ecuatoriano
La Segunda Guerra Mundial dio un gran impulso a la economía ecuatoriana, se
inició la agro exportación con el auge de la siembra del banano en reemplazo del
cacao, dinamizó el comercio exterior y dio la apertura a nuevas fronteras
agrícolas. En la década del 60, la industria automotriz ecuatoriana se forjó a partir
de la adopción del modelo de industrialización por sustitución de importaciones,
impulsado por la Comisión Económica para América Latina y el Caribe (CEPAL) y
la integración del país al Pacto Andino (actualmente Comunidad Andina de
Naciones, CAN) que mediante la suscripción del Acuerdo de Cartagena en 1969,
buscó el desarrollo integral, equilibrado y autónomo de todos los miembros
fortaleciendo los programas sectoriales industriales.
En un inicio, la industria se caracterizó por el escaso mercado interno para la
comercialización, la efímera competencia y la dependencia en las importaciones
de materias primas y repuestos. En las siguientes décadas, se inició el desarrollo
de la industria con el establecimiento de las siguientes ensambladoras:
4
Autos y Maquinarias del Ecuador S.A. (AYMESA)
Ómnibus BB Transportes S.A. (GM-OBB)
Manufacturas Armadurías y Repuestos del Ecuador S.A. (MARESA)
Corporación Ensambladora Automotriz Nacional S.A. (COENANSA)
Todas pertenecientes a grupos financieros del país, que tuvieron inversiones en
empresas vinculadas al sector en la ramas de la comercialización de repuestos,
lubricantes, mantenimiento e importación de vehículos. Revista Líderes (2010)
señala que: “El siguiente impulso importante que tuvo el sector automotor
nacional ocurrió en 1988, cuando el gobierno de León Febres-Cordero lanzó su
plan de Vehículo Popular. Ese año se ensamblaron 12.127 automóviles de los
modelos Suzuki Forsa y Fiat Uno.” (pág. 12). En el año de 1993, se formó la Zona
de Libre Comercio (ZLC) entre Bolivia, Colombia, Ecuador, Venezuela y Perú con
la finalidad de brindar un espacio donde circulen libremente las mercaderías,
eliminando los aranceles de la sub región. Además se firmó el Convenio de
Complementación entre Colombia, Ecuador y Venezuela, para que la producción
de automóviles de los tres países suscriptores no compita entre sí y más bien se
complemente.
1.1.2.2 GM-OBB
El 16 de octubre de 1975 se fundó OBB, en asociación del grupo económico Pinto
con el inmigrante húngaro Bela Botar (Fundación José Peralta, 2003). Al final de
la década de los ochenta participó en el programa de Vehículo Popular. En 1981
GM se integró como accionista a OBB y, a partir de esa fecha han ensamblado
automóviles, camionetas y todoterrenos tales como: Blazer, Trooper, Vitara, Luv
entre otros. En los noventa ejecutó el Sistema de Calidad Total. Además,
implementó el sistema anticorrosión ELPO. Tiene certificaciones como ISO 9001,
ISO 14001 y destina su producción a los mercados de Colombia, Venezuela y
Chile. Genera empleo a más de 1600 trabajadores directos y 6500 colaboradores
en concesionarios y empresas proveedoras. En la planta se ensamblan 220
vehículos diarios (Superbrands, 2010).
5
1.1.2.3 MARESA
La ensambladora MARESA, en sus inicios perteneció al Grupo económico
Amazonas: Morisáenz-Granda (Fundación José Peralta, 2003). Fue constituida el
18 de agosto de 1976, es una empresa dedicada al ensamblaje y distribución de
vehículos Mazda a nivel nacional, pertenece a la Corporación Maresa Holding.
Entre las empresas que conforman el holding se encuentran: Maresa
Ensambladora, Mazmotors, Comercial Orgu, Avis Rent A Car. Maresa
Ensambladora se encuentra certificada bajo la Norma Internacional ISO 9001,
además cumple con las normas OHSAS 18001 e ISO 14001. Generan alrededor
de 500 puestos de trabajo directos (CINAE, 2008; Corporación Maresa, 2011)
1.1.2.4 COENANSA
Operó de 1991 hasta 1996, fue la última planta ensambladora de automotores
establecida en el Ecuador; se ubicó en Manta (fue la primera establecida en el
litoral ecuatoriano) y ensambló autos de la línea Fiat y Mitsubishi (Explored,
1994).
1.1.2.5 Aporte tecnológico
Las empresas ensambladoras y productoras de autopartes han logrado
reconocimiento por la calidad de sus productos; están calificadas con
normas internacionales de calidad especiales para la industria automotriz
como la QS 9000 y la norma ISO TS 16949:2002, más avanzada que la
anterior. También aplican otras normas como la ISO 14.000 sobre medio
ambiente y la 18.000 […] las empresas ensambladoras, conjuntamente con
las industrias autopartistas, se encuentran trabajando en el Modelo de
Gestión para la Competitividad (MGC), el mismo que busca el mejoramien-
to y sostenibilidad de la competitividad global del sector automotor
ecuatoriano, integrando herramientas del GMS (Global Manufacturing
System). Se busca entonces asegurar la permanencia de la industria de
6
auto partes y de ensamblaje como industrias de producción nacional, se
desea implementar la cultura de la excelencia en la gestión, además de lo-
grar niveles de desempeño de clase mundial (clase A) en los proveedores,
en términos de calidad, costo y entrega. (CINAE, 2008, pág. 7).
1.1.3 EL ENCADENAMIENTO AUTOMOTRIZ
Ortega (2005) describe al encadenamiento de las ensambladoras nacionales
como un conjunto de actividades que aportan valor al desarrollo de la industria
manufacturera, a partir de la suscripción de contratos con las firmas
internacionales que las representan para otorgar la licencia de ensamblaje y
distribución. Están involucradas al menos 14 ramas de actividad económica, de
acuerdo a la Clasificación Internacional Industrial Uniforme (CIIU), entre las cuales
se encuentran:
Metalmecánica
Petroquímica
Textil
Servicios y transferencia tecnológica
1.1.3.1 Ensamblaje
El proceso de ensamblaje parte en la importación de los vehículos totalmente
desarmados o también llamado CKD (en inglés Complete Knock Down), los
autopartistas proveen las piezas y partes para completar la unidad, estos son
nacionales y regionales (suscriptores del Convenio de Complementación) una vez
terminados se envían a los respectivos concesionarios para su venta.
1.1.3.2 Autopartista
El sector autopartista está conformado por Pequeñas y Medianas Empresas
(PYME´S), la mayoría opera en la ciudad de Quito, debido a la ubicación de las
7 tres ensambladoras; además existe una pequeña red de autopartistas en la
provincia de Tungurahua.
1.1.3.3 Comercialización
La comercialización se realiza por medio de concesionarios y distribuidores; la
cadena de mercadeo tiene dos tipos de proveedores: las importadoras y
ensambladoras, cada uno entrega a los agentes de comercialización
(concesionarios) para que se encarguen de ofertar los vehículos a los clientes
como se muestra en la Figura 1.1. El servicio post venta es proporcionado por los
concesionarios y talleres de servicio para el mantenimiento y reparación de
automotores.
Figura 1.1 - Cadena de mercadeo
Modificado (Ortega Bardellini, 2005)
Ensambladora
Importadora
Concesionario y distribuidores
Consumidor
8 1.1.3.4 Otros Actores
Los organismos reguladores dentro del encadenamiento son: Ministerio de
Industrias y Productividad (MIPRO), Ministerio de Transporte y Obras Públicas
(MTOP), Comisión de Tránsito del Ecuador (CTE), la Cámara de Comercio de
Quito (CCQ) y la Cámara de Comercio de Guayaquil (CCG), instituciones
financieras y otras (véase la Figura 1.2).
Figura 1.2 - Estructura Del Sector Automotor Ecuatoriano Modificado (Ortega Bardellini, 2005)
Sector Automotriz
Producción
Ensambladoras
Cámara Nacional Automotriz
Asociación de Fabricantes de Autopartes
Asociaciones y Agrupaciones a nivel
provincial
Comercialización
Asociación de Empresas Automotrices del Ecuador
(AEADE)
Asociación Ecuatoriana Automotriz (AEA)
Asociación Ecuatoriana Automotriz del Austro
(AEADA)
Concesionarios
Distribuidores
Usuarios
Almacenes de repuestos
Usuarios
Confederación de Asociación de Transportes
Federación Nacional de Transporte Pesado del Ecuador (FENATRAPE)
Federación Nacional de Transporte Escolar e
Institucional (FENATEI)
Federación Nacional de Cooperativas de Taxis
(FEDOTAXIS)
Uniones de Transportistas Federaciones menores
Órganos Reguladores
MIPRO
CTE
Policia Nacional
MTOP
Instituciones de Apoyo y Empresas
Relacionadas
Cámaras de Comercio y de Industrias de Quito y
Guayaquil
Bancos y Financieras
Compañías de Seguro
Compañías de Servicio y Mantenimiento
9 1.1.4 ANÁLISIS DEL SECTOR AÑO 2010
Según datos de la CINAE (2011), el parque automotor ecuatoriano está
conformado por 1.999.056 vehículos a diciembre 2010, en su mayoría ubicados
en las dos ciudades más pobladas del país: Quito y Guayaquil que captan más
del 50% del total de vehículos donde predominan las marcas Chevrolet, Suzuki y
Toyota. La clase de vehículos más adquirida son los automóviles, motocicletas y
camionetas comprados en los años 2000-2009, caracterizando un parque
automotor relativamente nuevo. En términos de producción 2010 (véase la Tabla
1.2) lidera OMNIBUS BB con 54.165 unidades que representa el 71.03%, seguida
de AYMESA con el 17.17% y MARESA con 11.80%.
Tabla 1.2 - Producción de Vehículos por Ensambladoras
Ensambladora Tipo de Vehículo Producción (Unidades)
AYMESA 17,17%
Automóviles 6.499
Todo Terreno 4.802
Furgonetas 1.791
MARESA 11,80% Camionetas 8.995
GM-OBB 71,03%
Automóviles 20.065
Todo Terreno 19.796
Camionetas 14.304
TOTAL 76.252
Modificado (CINAE, 2011)
Las ventas del sector están constituidas por la producción nacional (parte de esta
es exportada) y por las importaciones. El año 2010 fue un récord por
comercializar la mayor cantidad de vehículos en todos los tiempos (véase la
Figura 1.3) se vendieron cerca de 130.350 unidades, con un incremento del 41%
en comparación a las 92.764 unidades comercializadas en el 2009 (América
Economía, 2011; CINAE, 2011).
10
Figura 1.3 - Evolución de las ventas de vehículos
Fuente: (CINAE, 2011)
La mayor participación en ventas del 2010 mantuvo la marca Chevrolet, que
vendió 56.051(43%). Luego siguen las marcas surcoreanas como Hyundai y Kia,
y las japonesas Mazda y Toyota como se muestra en la Figura 1.4.
Figura 1.4 - Ventas de Vehículos por Marca (Top 10 del 2010) Modificado (CINAE, 2011)
13.672 18.983
56.950
69.372
58.095 59.151
80.410
84.505
91.778
112.684
92.764
130.350
0
20.000
40.000
60.000
80.000
100.000
120.000
140.000
1998 2000 2002 2004 2006 2008 2010 2012
Un
idad
es
Ventas
43,0%
12,7%
8,3%
7,8%
6,9%
5,9% 5,3% 3,5%
2,4%
1,9%
1,9% Chevrolet
Hyundai
Mazda
Otros
Toyota
Kia
Nissan
Hino
Ford
Renault
Volkswagen
11
1.2 DESCRIPCIÓN DE LA EMPRESA AYMESA
1.2.1 RESEÑA HISTÓRICA
La empresa AYMESA nació de la diversificación de la empresa CEPSA,
perteneciente al grupo financiero PROINCO. Luego de que GM fuera accionista
17 años, pasó a formar parte del grupo económico Almacenes Juan Eljuri. En total
las empresas del grupo suman más de 150, entre las que están el banco del
Austro, Neohyundai, Aekia, Asiacar, Metrocar. AYMESA es la primera planta
ensambladora de vehículos en el Ecuador fundada en 1970 y contribuyó a GM en
la ejecución del programa BTV (Basic Transportation Vehicle)1. Este automóvil fue
denominado “Andino, un carro hecho en Ecuador, para los ecuatorianos”.
En 1973, inició la producción con el ensamblaje de 173 autos auspiciado por el
gobierno militar de Guillermo Rodríguez Lara. Hasta el año 1975 se produjeron
cerca de 1.000 BTV´s y la producción total de la década de los setenta alcanzó
las 5.000 unidades; de las cuales algunas se exportaron a Colombia,
convirtiéndose en el primer vehículo de exportación de la industria automotriz
ecuatoriana.
Figura 1.5 - Vehículo Andino (AYMESA, 2011)
1 El vehículo básico de transporte de GM fue fabricado en dos países del mundo: Ecuador y Malasia, según (GM Heritage Center, 2011).
12 En 1978 se ensambló el modelo Cóndor, sucesivamente el Chevette, San Remo,
Aska y Datsun 1200. En 1988, con la propuesta del Vehículo Popular, salió al
mercado el Suzuki Forsa. Dos años más tarde se comercializó el Swift y en 1997
la línea Corsa. En el 2000 se inició la producción del Lada Niva y al siguiente año
se ensamblaron vehículos coreanos de Kia Motors. En el 2004 se cerró la planta
por dos años para renovar las instalaciones. Las inversiones hechas a la planta
consistieron en instalar la protección anticorrosiva por electro-deposición “ELPO”,
cuyo proceso permite proteger la chapa metálica por al menos 10 años y la
adecuación del tratamiento de aguas y desecho de sólidos. El Sistema de
Producción AYMESA involucra Procesos de Fabricación, Calidad y Medio
Ambiente bajos los lineamientos de la Mejora Continua. Actualmente los modelos
de Kia (véase Anexo A) se comercializan en Ecuador y son exportados a
Venezuela y Colombia, además se generan 270 plazas de trabajo directo y más
de 2.000 indirectos (AYMESA, 2011; CINAE, 2011).
1.2.2 UBICACIÓN
La empresa se encuentra localizada al sur de Quito, en el sector de San Bartolo,
en la avenida Maldonado 8519 y Amaru Ñan, cuenta con la siguiente distribución
de planta:
Área planta I: 16.500 m2
Área cubierta planta I: 15.300 m2
Área Planta II: 18.500 m2
Área cubierta planta II: 4.000 m2
Edificio Administrativo 4 pisos: 4000 m2
1.2.3 LA CADENA DE PRODUCCIÓN
Según el CIIU (revisión 3), la empresa se encuentra en la clasificación D-3410:
Fabricación y ensamblaje de vehículos automotores de todo tipo. La capacidad de
la ensambladora es aproximadamente seis unidades por hora, en turnos de ocho
horas diarias; al año se producen cerca de 33.120 unidades. El proceso de
producción está definido en tres fases que se describen a continuación:
13
Figura 1.6 - Descripción del proceso de producción
(AYMESA, 2011)
1.2.3.1 Soldadura de carrocería
El proceso de producción inicia con la soldadura del CKD, remate con puntos de
soldadura y el acabado metálico de la carrocería.
Soldadura
Se acoplan cada una de las piezas y partes del CKD por operarios; luego se envía
al jig (véase la Figura 1.7) por medio de canastillas sujetadas a un riel aéreo,
hasta que un robot automatizado los recibe y mediante la técnica de soldadura de
punto se da forma la estructura de la carrocería.
Figura 1.7 - Jig de soldadura
Soldadura
•Soldadura
•Remate
•Acabado Metálico
Pintura
•ELPO
•Primer
•Esmalte
Ensamblaje
•TrimLine
•Chasis Line
•Final Line
14 Remate
El móvil recorre la línea de remate manualmente mediante un coche, los operarios
realizan un chequeo visual e intervienen en los puntos de la carrocería donde el
jig de soldadura no pudo soldar como se muestra en la Figura 1.8.
Figura 1.8 - Área de remate
Acabado metálico
Las carrocerías avanzan por la línea de remate hasta el área de acabado
metálico, donde se acoplan: puertas, capot, guardafangos, entre otros (véase la
Figura 1.9).
Figura 1.9 - Montado de puertas
15 1.2.3.2 Pintura
Luego de montar la carrocería, se pinta la unidad en el siguiente orden: ELPO,
Primer y aplicación de esmalte.
ELPO
Se envía por un riel aéreo automático a la sección de ELPO, donde por
electrodeposición catódica se da limpieza y tratamiento químico a la carrocería
por el método combinado de aspersión e inmersión, tanto en el interior como al
exterior. La carrocería se desplaza alrededor de 11 cubas como se muestra en la
Figura 1.10 de la siguiente manera: desengrase, activado, fosfatizado y pasivado,
cada proceso tiene su cuba de enjuague. Luego se dirige a las tres últimas cubas,
la primera cataforesis, que consiste en aplicar pintura utilizando descargas
eléctricas y termina en dos cubas de enjuague.
Figura 1.10 - Cubas de la planta de ELPO
El secado del ELPO se realiza en un horno, generado por movimiento de aire
caliente (por resistencias), a través de ventiladores ubicados en su interior, para
dirigirse al área de lijado y sellado (véase la Figura 1.11).
16
Figura 1.11 - Cabina de lijado y sellado
Primer
Se pinta la carrocería para dar fondo usando el primer, que sirve para brindar
protección y uniformidad al acabado antes de pintar y luego se seca el fondo en
un horno accionado por radiación y convección como se muestra en la Figura
1.12.
Figura 1.12 - Cabina de pintura de fondo
Esmalte
17 Se limpia la carrocería e ingresa a la cabina de lacado, donde se aplica el color
definitivo con su respectivo brillo (véase la Figura 1.13). Enseguida se ubica en el
horno de secado para ir a la cabina de control de calidad, donde se revisan
minuciosamente defectos y no conformidades que se presenten como se muestra
en la Figura 1.14.
Figura 1.13 – Aplicación de color y brillo
Figura 1.14 - Cabina de control de calidad
1.2.3.3 Ensamblaje
La línea de ensamble final se divide en tres etapas:
Trim Line, donde se montan todas las piezas del interior del automotor
como tablero, paneles, luces, cristales, levanta vidrios, etc. (véase la
Figura 1.15).
18
Chasis Line, se acoplan las partes mecánicas como: motor,
suspensión, frenos alternador, correas, escape, entre otros, (véase la
Figura 1.16).
Final Line, una vez terminado el ensamble se traslada a la pista de
ensamble donde se verifican los sistemas eléctricos y de frenado,
alineación, suspensión, estanqueidad, apariencia, etc.
Si el vehículo no precisa reparación alguna, está listo para ser enviado al proceso
de liberación y entrega para ventas.
Figura 1.15 - Preparación de tablero
Figura 1.16 – Montado de motor
19 1.2.4 FODA
El análisis FODA estudió características internas de la empresa, como
investigaciones externas realizadas a la industria automotriz.
Fortalezas
Experiencia por más de 40 años en el mercado, certificaciones
internacionales de calidad, medio ambiente, entre otras y,
especialización en el ensamblaje de determinados modelos de marca.
Respaldo de uno de los grupos económicos más grandes del país, tanto
que se tiene la participación en el patrimonio de empresas autopartistas
y concesionarias.
Personal de ingeniería calificado y entrenado a nivel de ensambladora,
de formación universitaria en la especialidad automotriz.
Buena organización y reputación de la ensambladora que atrae la
inversión de firmas internacionales.
Oportunidades
Convenio de Complementación Automotriz que posibilita alianzas
estratégicas o acuerdos de cooperación con Colombia y Venezuela y un
aumento de las exportaciones ecuatorianas.
Crecimiento de demanda de vehículos nacionales en Colombia con
posibilidades de incrementarse por renovación del parque automotor de
ese país.
La capacidad de la planta está disponible para expandir la producción
nacional a otros tipos de automotores.
Debilidades
Los trabajos y controles de calidad necesitan coordinación.
Dependencia de proveedores nacionales y regionales para el
ensamblaje de unidades.
20
No se ensamblan vehículos pesados, se subutiliza la capacidad
instalada y dificulta economías de escala.
El marketing estratégico está sometido a decisiones de la firma
internacional.
Amenazas
Incremento de costos en las importaciones de vehículos, CKD y demás
componentes por reformas tributarias y variaciones de tipo de cambio
de aquellos procedentes de Europa, Japón y Corea.
Dificultad de acceso a nuevas tecnologías por parte de empresas
ensambladoras y autopartistas, debido al bajo nivel de inversión y
desarrollo.
Velocidad de cambio tecnológico, que vuelve obsoletos o poco
atractivos los modelos de fabricación nacional y le resta competitividad
frente a los vehículos importados, limitando además las posibilidades de
exportación del sector.
(CINAE, 2011; Agila, 2011)
1.3 DESCRIPCIÓN DEL PROBLEMA
En entrevista con el personal del área pintura, se trató el caso de los
recubrimientos a las carrocerías; inicialmente existe un control estadístico básico
por parte del proveedor que verifica el cumplimiento de su producto así como de
la empresa que mide cada cierto tiempo las características que se deben cumplir
durante el proceso. Si bien se manejan datos e información que monitorean el
proceso, se carece de un tratamiento adecuado que describa las relaciones que
puedan influir en la calidad del producto, sean estas: posición, orientación,
operador, etc. al momento de la aplicación. Además se trató del sobre
procesamiento de información al recolectar datos manualmente para luego
ingresarlos en el sistema y la producción de defectos a lo largo de la línea de
producción (Agila, 2011). “Donde el mundo empresarial y comercial continúa cada
21 vez más competitivo […]. Así mismo, el cliente exige la calidad necesaria a un
costo menor. Las compañías deben implementar un programa de mejora continua
enfocado a resultados, pero sin incrementar los costos.” (Ochoa & Zagarola,
2011, pág. 14) Si la capacidad de respuesta de la empresa es lenta puede ser
desplazada por la competencia. Aunque la compañía maneja la filosofía del
Mejoramiento Continuo, Six Sigma persigue el mismo objetivo, pero ataca el
problema mediante el uso de herramientas estadísticas y estudios de carácter
cuantitativo.
1.4 OBJETIVO GENERAL Y ESPECÍFICOS
1.4.1 OBJETIVO GENERAL
Proponer un modelo de mejoramiento a través del estudio y análisis de variables
que influyen dentro del proceso de pintura bajo la metodología del Six Sigma en la
empresa AYMESA.
1.4.2 OBJETIVOS ESPECÍFICOS
Análisis situacional de la empresa
Mapear los procesos de la cadena de producción
Desarrollar la metodología Six Sigma, a través de las fases Definir,
Medir, Analizar, Mejorar y Controlar (DMAMC).
Identificar causas potenciales de problemas que presente el proceso.
Presentar propuesta donde se identifique el plan de mejora.
1.5 JUSTIFICACIÓN DEL PROYECTO
Six Sigma recoge aspectos importantes en su desarrollo, toma herramientas de la
calidad y utiliza estadística para la caracterización y estudio del proceso; la
correcta aplicación mejora las características del producto con lo que se
22 consiguen mayores ingresos y disminuye no conformidades. Algunas pruebas
acerca de la ventaja de utilizar Six Sigma, se aprecian en los resultados obtenidos
por compañías que han apostado por esta herramienta. Es el caso de Motorola
que incrementó la productividad de un 12.3% anual y eliminó el 99.7% de los
defectos (Wikipedia, 2011). En el Ecuador, Aglomerados Cotopaxi tuvo un
aumento de USD 1.100.000 en el lucro líquido de la empresa (Qualiplus, 2011).
En la empresa AYMESA, se apuntala a mejorar los índices de productividad y
tener éxito como los casos expuestos; considerando a competidores que marcan
tendencias en el mercado como GM-OBB y MARESA. Si bien la carrera de
Ingeniería Empresarial no tiene formalmente la asignatura, ha brindado las pautas
y herramientas para el presente estudio; con base en cursos externos tomados
Universidad de las Américas y la consultora Qualiplus de Brasil, estoy obteniendo
la certificación Six Sigma Green Belt, la que me ha permitido integrar los
conocimientos y metodologías, razón por la que considero viable aplicar el estudio
a la problemática.
23
2 MARCO TEÓRICO
2.1 ANTECEDENTES DEL SIX SIGMA
2.1.1 DESARROLLO HISTÓRICO
La metodología fue introducida en el año de 1987 en Motorola; el ingeniero Mikel
Harry motivado por el estudio de la variación de los procesos de Deming, llamó la
atención del entonces CEO (en inglés Chief Executive Office) de Motorola Bob
Galvin, con el propósito de reducir los defectos de los productos electrónicos. La
novedosa iniciativa la tomó Allied Signal e inició el programa en 1994, de la mano
de Larry Bossid; asimismo General Electric (GE) lo hizo en 1995 con Jack Welch.
En Latinoamérica la compañía Mabe implantó la metodología con éxito. Los
resultados que alcanzaron fueron:
Motorola logró 1.000 millones de dólares en ahorros en tres años y
ganó el premio a la calidad Malcolm Braldrige en 1998.
Allied Signal consiguió ahorros de 2.000 millones de dólares entre
1994-1999.
GE obtuvo 2.250 millones de dólares en ahorros durante 1998 y 1999.
(Gutiérrez Pulido & De la Vara, 2005)
A continuación se revisarán aspectos esenciales de teoría estadística y
probabilidad en los que se apoyan varios de los métodos de control estadísticos
de calidad y Six Sigma.
2.1.2 ESTADÍSTICA DESCRIPTIVA
La estadística descriptiva es la presentación de datos en forma de tablas y
gráficos, diseñada para resumir o describir los datos sin inferir. Estos datos
numéricos pueden ser de dos tipos:
24
Por atributo: son conteos o porcentajes basados en la clasificación de
artículos según algún criterio (ej.: bueno o rechazado).
Por variable: son magnitudes físicas, medidas en una escala continua
(ej.: dimensiones, tiempo, volumen, etc.).
(Moura/Quali, 2011)
Todo conjunto de datos presenta ciertas características que deducen el
comportamiento del proceso mediante la visualización de histogramas; las tres
principales características de los datos son: localización, dispersión y simetría.
2.1.2.1 Medidas de tendencia central o localización
Determina la posición relativa de los datos, en general se mide la localización por
el valor que tiene el punto medio del conjunto de datos. Con esto se conoce si la
variable de salida es igual o está muy próxima al valor nominal especificado
(Galindo, 2006).
2.1.2.1.1 Media Aritmética
Llamado también promedio y notado como . Es el promedio aritmético de un
conjunto de datos que se obtiene al sumarlos y el resultado se divide
entre el número de datos. (Galindo, 2006)
2.1.2.1.2 Mediana
Conocido como percentil 50 y notado como , es el valor de un conjunto de
valores que se encuentran en el punto medio, cuando son ordenados de menor
a mayor. La mediana es usada para reducir los valores extremos (Moura/Quali,
2011).
25 2.1.2.1.3 Moda
Es el valor que ocurre con más frecuencia en la muestra y es usada para
distribuciones marcadamente asimétricas.
Además existen las medidas de posición no central, parten de un conjunto de
datos ordenados los cuales se dividen en un número fijo de partes, entre las
cuales tenemos:
Percentiles, son cada uno de los 99 valores que dividen a la
distribución de los datos en 100 partes iguales.
Cuartiles, es igual a los percentiles 25, 50 y 75 que dividen a las
distribución en 4 partes, es decir el 25% de los mismos. El rango
intercuartílico es aquella distancia entre el cuartil inferior y el superior.
(Galindo, 2006)
2.1.2.2 Medidas de dispersión o variabilidad
Los valores obtenidos en una muestra no siempre son iguales debido la
variabilidad presente. Cuando se mide la dispersión se determina el grado de
diseminación de los valores individuales alrededor del centro de las
observaciones (Galindo, 2006).
2.1.2.2.1 Desviación estándar
Es la raíz cuadrada de la varianza y mide que tan esparcidos están los datos
respecto a la media aritmética.
donde:
26
2.1.2.2.2 Rango
El rango o recorrido mide la amplitud de la variación, resulta de la diferencia entre
el mayor y el menor valor del grupo de datos.
2.1.3 CONCEPTOS BÁSICOS DE PROBABILIDAD
En la naturaleza y en la vida cotidiana existen fenómenos cuyos resultados no
pueden ser anticipados con certeza, sino que existe una probabilidad de que
cierto resultado se dé; éstas parten de un modelo matemático y predicen sobre
ocurrencias futuras (Galindo, 2006; Moura/Quali, 2011). La probabilidad es una
medida de la oportunidad de ocurrencia de un evento, se define:
donde:
2.1.3.1 Variable aleatoria
Es una función matemática que asocia un número real a cada ocurrencia de un
evento de interés.
2.1.3.1.1 Variable aleatoria discreta
Aquella variable cuantitativa que toma solamente una cantidad finita o infinita
contable de valores con la simple observación, como por ejemplo: cantidad
mensual de quejas de clientes, cantidad de productos con defectos.
27 2.1.3.1.2 Variable aleatoria continua
Son variables que al medir, los resultados se ubican en una escala continua que
corresponde a un intervalo de los números reales, por lo general calculan: peso,
volumen, temperatura, humedad, tiempo, etcétera.
2.1.3.1.3 Función probabilidad
En términos generales la función probabilidad usualmente llamada
distribución estadística, es una función matemática que define la forma de
variación de una variable aleatoria (Moura/Quali, 2011).
2.1.3.2 Distribuciones de probabilidad
La distribución de probabilidad de una variable aleatoria , es una descripción del
conjunto de valores posibles de , junto con la probabilidad asociada a cada uno
de estos valores. Las más usadas son: Distribución Binomial, Poisson y Normal.
2.1.3.2.1 Distribución Binomial
Proporciona la probabilidad de observar éxitos en una sucesión de pruebas
donde ocurre sólo uno de los dos resultados posibles (éxito o fracaso), con una
probabilidad constante de éxito (Galindo, 2006; Gutiérrez Pulido & De la Vara,
2005).
Tiene la siguiente función:
Si es una variable aleatoria con distribución Binomial , entonces
Media:
Varianza:
28 Por ejemplo, la probabilidad de no tener no conformidades, cuando
x
P(x
)
1086420
0,25
0,20
0,15
0,10
0,05
0,00
Binomialn=5; p=0,50
Figura 2.1 - Distribución Binomial con η=5 y ρ=.5 Modificado (Moura/Quali, 2011)
2.1.3.2.2 Distribución Poisson
Se utiliza la distribución de Poisson a sucesos o eventos por unidad que se
presenten en el tiempo o en el espacio, tales como número de defectos por metro
cuadrado de tela, número de impurezas en un líquido, número de errores en un
trabajador. (Moura/Quali, 2011)
La función probabilidad es:
donde:
Un ejemplo para este tipo de distribución se muestra en la Figura 2.2, cuando
29
x
f(x)
20151050
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
Poissonu=8
Figura 2.2 - Distribución de Poisson con μ=8 y η=20 Modificado (Moura/Quali, 2011)
2.1.3.2.3 Distribución Normal
Es la distribución continua más importante, tanto en estadística teórica como
aplicada. Estudia varios fenómenos naturales, en que las variaciones son
causadas por el efecto aditivo de muchas y pequeñas causas. Si es una
variable aleatoria normal, entonces su función de densidad de probabilidad está
dada por:
; con
Donde es su media y su desviación estándar. Al graficar la función se
obtiene una gráfica simétrica y unimodal, tiene forma similar a una campana como
se muestra en la Figura 2.3 (Gutiérrez Pulido & De la Vara, 2005; Moura/Quali,
2011).
30
x
Y-D
ata
100806040200
0,20
0,15
0,10
0,05
0,00
Variable
f(x)1
f(x)2
f(x)3
NormalSt Dev= 2,4,8 ; u=50
Figura 2.3 - Distribución normal con μ=50 y σ=2; 4; 8 Modificado (Moura/Quali, 2011)
La estadística y la probabilidad son herramientas que intervienen en el proceso de
toma de decisiones bajo incertidumbre. El objetivo es inferir o predecir el
comportamiento sobre ciertas características de una población basada en la
información contenida en una muestra escogida al azar de la población entera.
(véase la Figura 2.4).
Situación Incial Recolección de datos
Datos brutos
Estadística descriptiva
Información
Inferencia estadística y probabilidad
Conclusiones, previsiones Toma de decisión
Técnicas demuestreo
Estu
dio
esta
dístico
Figura 2.4 - La Estadística en el proceso de toma de decisión Modificado(Moura/Quali, 2011)
31 2.1.4 CONTROL ESTADÍSTICO DE PROCESO
El control estadístico del proceso (SPC en inglés) según Krajewski & Ritzman
(2000) “Es la aplicación de técnicas estadísticas para determinar si el resultado de
un proceso concuerda con el diseño del producto o servicio correspondiente.”
(pág. 246). Si las variaciones presentan anormalidades se usan las gráficas de
control (véase la Figura 2.5), éstas poseen un valor nominal, que generalmente es
el objetivo y los acotamientos de control llamados Límites Inferior y Superior
Especificados (LIE y LSE).
Valor nominal
m LSELIE μ μ+3σμ-3σ
Límite Inferior deEspecificación
Límite Superior deEspecificación
(Voz del cliente)Tolerancia especificada
“Tolerancia natural”
del proceso(Voz del proceso)
Figura 2.5 - Gráfica de control de los límites específicos y del proceso Modificado(Moura/Quali, 2011)
2.1.4.1 Análisis de la capacidad de un proceso
2.1.4.1.1 Razón de la capacidad de un proceso
Un proceso es potencialmente capaz si tiene una distribución cuyos valores
extremos se localizan dentro de las especificaciones superior e inferior. Es decir,
la diferencia entre la especificación superior y la inferior (voz del cliente) como se
32 muestra en la Figura 2.5, debe ser mayor que seis desviaciones estándar2 (voz
del proceso) (Gutiérrez Pulido & De la Vara, 2005; Krajewski & Ritzman, 2000).
La razón de capacidad del proceso ( ) se define como:
A causa de la mentalidad travesaño de portería3 (véase la Figura 2.11), el de la
mayoría de los procesos potencialmente capaces están en la faja del 1 a 1,33;
aunque para tener calidad Six Sigma se requiere un (véase Anexo B).
El nivel sigma es: “la distancia (medida en unidades de desviación estándar) entre
la media y los límites especificados” (Moura/Quali, 2011, pág. 28). Como se
muestra en la Figura 2.6, se definen niveles de respectivamente por la
distancia que existe entre la media y el límite de tolerancia.
m LSELIE
μ μ+3σμ-3σ
6σ
6σ
3σ
Tolerancia especificada
Tolerancia del proceso
Nivel sigma del proceso
Tolerancia especificada
Tolerancia del proceso
Nivel sigma del proceso
m LSELIE
μ μ+3σμ-3σ
6σ
8σ
4σ
Figura 2.6 - Procesos potencialmente capaces Modificado(Moura/Quali, 2011)
En términos de métrica sigma, un proceso de , el es igual a 2 (ver figura
2.7)
2 Se dice que es la variación real, debido a las propiedades de distribución normal, en donde se afirma que entre se encuentra el 99.73% de los valores de una variable. (Gutiérrez Pulido & De la Vara, 2005) 3 Mientras los esfuerzos se dediquen exclusivamente a reducir la variabilidad fuera de los límites
33
m LSELIE
μ μ+3σμ-3σ
6σ
12σ
6σ
Tolerancia especificada
Tolerancia del proceso
Nivel sigma del proceso
Figura 2.7 - para Six Sigma Modificado(Moura/Quali, 2011)
2.1.4.1.2 Índice de capacidad real
En caso que el proceso esté descentrado, se usa el índice de capacidad real
(ver figura 2.8), que mide el potencial del proceso para generar productos entre la
media y los LIE - LSE. Se calcula de la siguiente manera:
Para desplazamiento en dirección al límite superior,
Para desplazamiento en dirección al límite inferior,
El valor mínimo entre las dos razones,
(Krajewski & Ritzman, 2000; Moura/Quali, 2011).
Si el índice es satisfactorio, indica que el proceso en realidad es capaz.
34
m
LSELIE
μ
3σ
LIE-u
Figura 2.8 - Índice de valor real Modificado (Moura/Quali, 2011)
Hay estudios que ponen de manifiesto que la media de un proceso puede
desplazarse a través del tiempo, por eso Moura/Quali (2011): “existirá un
desplazamiento de hasta para acomodar desviaciones ‘típicas’ de la media
del proceso, a lo largo del tiempo” (pág. 31). Por lo que el índice es
determinado:
m LSELIE
3σ
6σ
μ μ+3σμ-3σ
1,5σ
Figura 2.9 - para Six Sigma El índice siempre va a ser menor o igual que el índice
35 2.1.4.1.3 Medición en defectos de partes por millón
Es un índice que mide los defectos esperados en un millón de oportunidades
(DPMO), en el supuesto de un proceso de tres sigma sin desplazamiento se tiene
2.700 DPMO y con desplazamiento de , se tiene 66.807 DPMO; para el caso
de un proceso de Seis Sigma se obtienen 2 DPMO sin desplazamiento y con
desplazamiento 3,4 DPMO como se muestra en el Anexo B (Moura/Quali, 2011).
2.1.4.2 Gráfica de control para variables
Las cartas de control para variables se aplican a características de calidad de tipo
continuo que requieren un instrumento de medición (peso, volumen, temperatura,
humedad). Sirven para el análisis de estabilidad o control estadístico de las
características estudiadas.
2.1.4.2.1 Gráfica
Gráfica que vigila la variabilidad de los procesos. Se calcula el rango de un
conjunto de datos restando la medición más pequeña de la medición más grande
obtenida en cada muestra. Si cualquiera de los datos queda fuera de los
acotamientos de control, se dice que la variabilidad del proceso no está bajo
control. Los Límites de Control Inferior y Superior (LCI y LCS) para la gráfica
son:
y
donde: promedio de varios valores R pasados y la línea central de la
gráfica de control.
= constantes que proporcionan tres acotamientos de
desviación estándar (véase el Anexo C).
(Krajewski & Ritzman, 2000)
36 2.1.4.2.2 Gráfica
La gráfica analiza la variación entre las medias de los subgrupos y detecta,
cambios en la media del proceso. Los acotamientos de control para la gráfica
son:
y
donde: Línea central de la gráfica y el promedio de las medias de una
muestra o un valor establecido como objetivo para el proceso.
Constante para proporcionar acotamientos tres sigma para la
media de la muestra (véase el Anexo C).
(Krajewski & Ritzman, 2000)
2.1.4.3 Técnicas de muestreo
El propósito del muestreo es calcular una variable o media de atributo para cierta
característica de calidad.
Muestreo Sistemático, método el cual se obtienen los elementos de la muestra a
intervalos uniformes de tiempo, orden y espacio. Usado para la producción en
serie considera lo siguiente:
Población; muestra
Elemento inicial tomado de la muestra
Número de saltos para tomar el siguiente elemento
Elementos no considerados al principio
Elementos no considerados al final
donde
37 2.1.4.4 Distribución muestral
En la práctica se trabaja con muestras, por esto es de interés estudiar cómo se
comporta una larga serie de muestras. Las distribuciones muestrales son:
Media (datos tipo variable)
Proporción (datos tipo atributo)
(Moura/Quali, 2011)
2.1.4.4.1 Distribución muestral de las medias
Si es una variable aleatoria normal con media y desviación estándar
entonces la distribución de las medias también es:
Media: =
Desviación estándar: =
(Moura/Quali, 2011)
m
X
XX
n
XX
XX
Figura 2.10 - Comparación entre y Modificado (Moura/Quali, 2011)
38 2.1.5 DISEÑO DE EXPERIMENTOS
Los modelos de Diseños De Experimentos (DDE) son un conjunto de pruebas
experimentales, se utilizan variables de entradas (X´s) de tal manera que los
datos generados (Y´s) pueden analizarse estadísticamente para obtener
conclusiones objetivas y válidas sobre el sistema o proceso. En la figura 2.11 se
muestra la representación gráfica de un DDE en estudio (Cuesta Muñoz, 2012).
Figura 2.11 – Aspectos de la planeación experimental Modificado (Moura/Quali, 2011)
Factores: Entrada del sistema (traducción de la voz de cliente)
Respuesta: Salida del sistema
Factores de ruido: Factores no controlables o que tienen alto impacto sobre
el costo.
Factores de control: Factores controlables o que tienen mínimo impacto
sobre el costo.
El resultado observado de un experimento se muestra así:
Donde X es el resultado “verdadero” del experimento y es una contribución
aleatoria. En escenarios reales los datos están sujetos a errores experimentales y
errores aleatorios, lo cual convierte a la metodología estadística en el único
enfoque objetivo para el análisis. En términos de calidad la metodología DDE es
39 el resultado de enfocar mayores esfuerzos en la prevención y menos esfuerzos en
la inspección (Cuesta Muñoz, 2012).
2.1.5.1 Diseño factorial
En el estudio sobre la mejora de procesos industriales (control de calidad) es
usual trabajar con problemas en los que hay muchos factores que pueden influir
en la variable de interés. La utilización de experimentos completos en estos
problemas tiene el gran inconveniente de necesitar un número elevado de
observaciones, además puede ser una estrategia ineficaz porque, por lo general,
muchos de los factores en estudio no son influyentes y mucha información
recogida no es relevante. En este caso se utiliza una técnica secuencial que
trabaja con unos pocos factores y según los resultados que se obtienen se eligen
los factores a estudiar en la segunda etapa. Los diseños factoriales son
diseños en los que se trabaja con factores, todos ellos con dos niveles (se
suelen denotar + y -). Estos diseños son adecuados para tratar el tipo de
problemas descritos porque permiten trabajar con un número elevado de factores
y son válidos para estrategias secuenciales (Marín Diazaraque, 2006).
2.1.5.2 Matriz de diseños
Supongamos que se tienen tres factores binarios El número de posibles
combinaciones es 8, y con replicaciones se tiene un total de observaciones.
Para calcular los efectos se usa la siguiente tabla o matriz de diseño:
Figura 2.12 – Matriz de diseño
40 La primera fila es la identidad y cualquier fila multiplicada por ella permanece
invariante. El resto de filas tiene el mismo número de signos + y signos -. Se
pueden obtener los contrastes y los efectos sustituyendo los signos + por 1 y los -
por -1 (Marín Diazaraque, 2006).
Figura 2.13 – Representación gráfica del experimento 23
2.2 DEFINICIONES DEL SIX SIGMA
2.2.1 QUE ES SIX SIGMA
Moura/Quali (2011) Six Sigma es una iniciativa liderada por la alta dirección que
implementa proyectos y su objetivo es mejorar radicalmente el desempeño de los
procesos empresariales, siendo su enfoque reducir la variación de parámetros
para la satisfacción de los clientes; Six Sigma es una evolución del TQM/TQC.
Finn, Ginn & Ritter (2002/2011) sigma es un concepto estadístico que representa
la cantidad de variación presente en un proceso. Cuando un proceso opera en el
nivel Six Sigma, la variación es muy pequeña teniendo productos y servicios libres
de defectos en un 99.9997%, Six Sigma es notado de varias formas: o .
o
Six sigma tiene tres áreas prioritarias de acción: satisfacción del cliente, reducción
del tiempo de ciclo y disminución de los defectos. El fin es tener procesos que
generen como máximo 3,4 DPMO. Esta meta se alcanza con un programa
41 vigoroso de mejora, diseñado e impulsado por la alta dirección de una
organización, donde se desarrollan proyectos a lo largo y ancho de la
organización con el objetivo de mejorar, eliminar defectos y retrasos de productos,
procesos y transacciones. La metodología en la que se apoya Six Sigma está
definida y fundamentada en las herramientas y el pensamiento estadístico. Los
principales principios son:
Orientación al cliente y enfoque en los procesos.
Dirección en base a datos y pensamiento estadístico.
Sustento en una metodología robusta.
Capacitación y entrenamiento para todos.
Iniciativa con horizonte de varios años que integra a otras iniciativas
estratégicas.
(Gutiérrez Pulido & De la Vara, 2005)
2.2.2 GESTIÓN DE CALIDAD TOTAL Y SIX SIGMA
Un análisis acerca de la Gestión de la Calidad Total y Six Sigma lo hacen
Mendoza & Mendoza (2005, pág. 5):
Como puede verse, seis sigmas es una técnica que involucra el plano
estratégico; Además, con ella se busca darle competitividad a la compañía
mediante la creación de valor y reducción de los costos. En cambio, en la
calidad total se acentuaba la importancia de la solución de problemas
puntuales con una orientación táctica. De la misma manera, la gestión de
calidad total insistía bastante en el desarrollo de una cultura a través de la
comunicación (pregonar la calidad) y la capacitación, mientras que seis
sigma coloca el puntero en la medición, la ejecución y el seguimiento.
La gestión de calidad total se basaba bastante en la intuición y el acervo de
experiencia de los trabajadores, utilizando matemática básica y tanteo por
prueba y error, de manera espontánea; por el contrario, seis sigmas se
aplica al uso extensivo del método científico, como dice Eckes (2003), seis
42
sigmas se caracteriza por basarse en datos y hechos. No obstante, entre
estas dos herramientas existen elementos comunes como son:
Orientación al cliente
Uso del mejoramiento
Cambio organizacional
Disminución de defectos
Aplicación del proceso de solución del problema
Tabla 2.1 - Comparación entre gestión de calidad y seis sigma
Gestión de calidad total Seis Sigma
Operacional Estratégica y operacional
Se trabaja en los problemas de un área específica, los proyectos se llevan a cabo en forma aislada
Poco transversal. Trabajan diversas áreas de la empresa
Bastante declarativa Orientación a la acción
Heurística, espontánea Sistemática
Es simple, busca soluciones convencionales
Es compleja, pretende una meta retadora pero viable
Necesita un conocimiento común Exige un alto conocimiento. En su madurez emplea técnicas avanzadas en mediciones, lógicas y estadísticas.
Modificado (Mendoza & Mendoza, 2005)
2.2.3 LA VARIABILIDAD
La variación en los procesos constituye una de las fuentes principales de
insatisfacción en los clientes; si se encuentra su causa raíz y se elimina, los
clientes sentirán la diferencia. No siempre se obtiene el mismo producto o servicio
con igual nivel de conformidad a lo especificado y de forma consistente y
repetitiva. La variabilidad de un proceso se evidencia por de tres aspectos:
sistema de medición adecuado, presencia de causas especiales y presencia de
causas comunes. (Herrera, 2011; PPG Consultores)
43 Gutiérrez y De la Vara (2005) “En un proceso industrial interactúan materiales,
máquinas, mano de obra, mediciones, medio ambiente y métodos. (…) las 6 M´s
determinan de manera global todo el proceso y cada uno aporta en algo a la
variabilidad de la salida del proceso” (pág. 17). Sin embargo no todos los cambios
de las 6M´s reflejan una transformación significativa, ya que habrá ciertos
cambios inherentes y otros particulares. Como lo enunció Deming “El 94% de los
problemas [y oportunidades de mejora] se deben a causas comunes. Apenas el
6% se deben a causas especiales” (Moura/Quali, 2011, pág. 49).
Fundamentalmente se apoya en el Control Estadístico de Procesos CEP (SPC),
para bajar la variabilidad eliminando las causas especiales, en el Diseño de
experimentos DDE (DOE) para reducir la variabilidad debida a las causas
naturales (comunes), y en el ANOVA para realizar un estudio de la variabilidad
total a través del R&R.
2.2.3.1 Ingeniería de calidad
La mentalidad tradicional para reducir costos y mejorar la calidad se basa en
preocuparse que no exista variación fuera de los límites de tolerancia (LIE, LSE)
pero hay serios efectos colaterales negativos de esta mentalidad llamada
travesaño de portería (véase la Figura 2.14), porque se contrae el virus de la
reactividad y se mejora hasta cierto punto. Para no desaprovechar las verdaderas
oportunidades de reducción de costo, Genichi Taguchi desarrolló la función de
pérdida de calidad; todo proceso generará pérdidas si existe algún desvío
alrededor del valor ideal, aún dentro de la tolerancia; es decir, cuanto mayor es el
desvío, mayor será la pérdida como se muestra en la Figura 2.15 (Moura/Quali,
2011).
LSEm
(cero defecto)
LIE
“Bueno”“Rechazado” “Rechazado”
Pérdida ($)Pérdida ($)
Distribución delProceso
Figura 2.14 - Enfoque del travesaño de portería
44
Distribucióndel Proceso
LIE LSEm
Funciónpérdida
de calidad
Figura 2.15 - Función de pérdida de la calidad Modificado (Moura/Quali, 2011)
2.2.3.2 Causas Comunes
Según Krajewski & Ritzman (2000), las causas comunes son las fuentes de
variación puramente aleatorias, no identificables e imposibles de evitar mientras
se utilice el procedimiento actual. No se pueden eliminar del todo por lo que se
usa la metodología del DDE (Herrera, 2011; Moura/Quali, 2011).
2.2.3.3 Causas Especiales
Causas especiales o también asignables las cuales surgen ocasionalmente, no
están presentes todo el tiempo y afectan a algunos resultados. Por lo general
pueden ser fácilmente aisladas Se puede reducir la variabilidad utilizando SPC
(Herrera, 2011; Moura/Quali, 2011).
2.3 PROCESO DMAMC
Los datos por si solos no resuelven los problemas del cliente y del negocio. Por
ello es necesaria una metodología robusta como se muestra en la Figura 2.16
45
Cuando se aplica el mejoramiento de un producto, proceso o servicio, se
usa Definir Medir-Analizar-Mejorar-Controlar, o el modelo DMAMC [en
inglés DMAIC; Define, Measure, Analize, Improve and Control]. La
estructura del DMAMC proporciona una útil estructura a la “ventana
abierta”. El criterio para completar una fase en particular se determinará si
todos los requisitos se han cumplido; finalizadas las cinco etapas se
considera que la ventana ha sido cerrada (Pyzdek & Keller, 2010/2011,
pág. 147).
El DMAMC es un abordaje estructurado que promueve el uso integrado de varios
métodos y herramientas (véase el Anexo D) aplicados en proyectos de
mejoramiento que reducen la variabilidad para la satisfacción de los clientes. “El
DMAMC es la espina dorsal del Six Sigma para mejoramiento continuo en
procesos existentes” (Moura/Quali, 2011, pág. 125).
Figura 2.16 - Uso del DMAMC en un proyecto de Six Sigma Modificado (Pyzdek & Keller, 2010/2011; Moura/Quali, 2011)
Gutiérrez Pulido & De la Vara (2005) determina las etapas del DMAMC de la
siguiente manera:
Definir ¿Qué debe ser
mejorado?
Definir el foco de mejora
Identificar caracteristicas
criticas
Definir objeto de mejora
Formalizar el proyecto de mejora
Medir ¿Cómo estamos?
Mapear el proceso
Definir y validar la medicion
Determinar estabilidad/
capacidad del proceso
Confirmar objetivo del proyecto
Analizar ¿Por qué estamos
así?
Analizar al mejor (benchmarking)
Determinar directores de
procesos
Identificar causas potenciales
Seleccionar causas primarias
Mejorar ¿Cómo mejorar?
Evaluar el modo de riesgos y fracasos
Optimizar herramientas del proceso/producto
Generar/seleccionar soluciones
Validar solución
Controlar ¿Cómo mantener
la mejora?
Estandarizar las mejoras
Diseñar e implementar el plan
de control
Documentar lecciones aprendidas
Finalizar el proyecto
46 2.3.1 FASE DEFINIR
En esta fase se tiene una visión y definición clara del problema por resolver
mediante un proyecto . Es fundamental identificar las Variables Críticas para la
Calidad (VCC), esbozar metas, definir el alcance del proyecto, precisar el impacto
y beneficiarios del proyecto.
2.3.2 FASE MEDIR
En esta segunda etapa se miden las VCC del producto (variables de salida, las
4). Se evalúa la situación actual (línea base) en cuanto al desempeño o
rendimiento del proceso y se establecen metas para el VCC.
2.3.3 FASE ANALIZAR
Analiza la causa raíz del problema o situación (identificar las vitales) y se
entende cómo éstas generan el problema y confirman las causas con evidencias
de datos.
2.3.4 FASE MEJORAR
En esta cuarta etapa se evalúa e implementa soluciones que atienden las causas
raíz, asegurándose de reducir los defectos (variabilidad).
2.3.5 FASE CONTROLAR
Una vez que las mejoras deseadas han sido alcanzadas, en esta etapa se diseña
un sistema que las mantenga (controlar las vitales) para luego cerrar el
proceso.
4 donde es el resultado, el producto final. El producto es función de los insumos (las . Solo controlando los insumos es posible controlar el producto.
47
2.4 ESTRUCTURA HUMANA
Un despliegue exitoso de Six Sigma exige una infraestructura orgánica para
manejar y apoyar las actividades resumidas. Los logros recaen en integrar líderes
de negocio, de proyectos, expertos y facilitadores. Algunos roles considerados
han sido tomados de las artes marciales, que reflejan el nivel de compromiso y
dedicación entre los cuales tenemos:
Campeones (Champions). Llamados también patrocinadores, son los
directores de área quienes proveen la dirección estratégica y recursos
para apoyar a los proyectos por realizar.
Maestros Cinta Negra (Master black belts). Personal seleccionado y
capacitado, que ha desarrollado actividades de Cinta Negra y
coordinan, capacitan y dirigen a los expertos Cinta Negra en su
desarrollo como expertos Six Sigma.
Cintas Negra (Black belts). Expertos técnicos que generalmente se
dedican de tiempo completo a la metodología Six Sigma. Son los que
asesoran, lideran proyectos y apoyan en mantener una cultura de
mejora de procesos. Se encargan de capacitar a los Cinta Verde.
Cintas Verde (Green belts). Expertos técnicos que se dedican en forma
parcial a actividades de Six Sigma. Se enfocan en actividades
cotidianas diferentes de Six Sigma pero participan o lideran proyectos
para atacar problemas de sus áreas.
(Gutiérrez Pulido & De la Vara, 2005; Pyzdek & Keller, 2010/2011)
2.5 HERRAMIENTAS DE APOYO
Se apoyan en herramientas estadísticas y de análisis, proponen el desarrollo de
grupos de trabajo dinamizadores, creando una estructura propia dentro de la
organización.
48 2.5.1 CARTA DEL PROYECTO
Es una carta que formaliza el lanzamiento del proyecto, aclara lo que espera el
equipo para tenerlo alineado con los objetivos primarios de la empresa; se
documenta el por qué, cómo, quién, y cuándo de un proyecto e incluye los
siguientes elementos:
Declaración del problema
Objetivo del proyecto
Alcance
Miembros del equipo
Estimación de duración del proyecto
Otros recursos, entre otros
Pyzdek & Keller (2010/2011)
2.5.2 MATRIZ DE PRIORIZACIÓN
Establece prioridad entre varias alternativas planteadas por el equipo, define el
foco de mejora en la fase Definir para asegurar un proyecto conveniente a la
empresa (Moura/Quali, 2011).
2.5.3 DIAGRAMA DE PARETO
Gráfico de barras que identifica prioridades y causas, se ordena por importancia
los diferentes problemas que se presenten en el proceso. La utilidad del diagrama
está respaldada por el llamado Principio de Pareto, conocido como “Ley 80-20” o
“Pocos vitales, muchos triviales” (Gutiérrez Pulido & De la Vara, 2005).
2.5.4 DIAGRAMA DE FLUJO
Es un diagrama que utiliza símbolos gráficos estandarizados para representar el
flujo y las fases de un proceso con lo que asegura el entendimiento completo y
homogéneo del mismo. Además identifica problemas, oportunidades de mejora
49 del proceso y pone de manifiesto las relaciones proveedor – cliente. (Moura/Quali,
2011).
2.5.5 DIAGRAMA SIPOC5
Es una herramienta que muestra al proceso en forma sintética, identificando
elementos relevantes para su posterior análisis. Estudia a los sujetos que
intervienen en el flujo sean estos: proveedores, insumos, resultados y clientes
(Moura/Quali, 2011).
2.5.6 DIAGRAMA CAUSA EFECTO
Conocido también como diagrama de Ishikawa, es un método que grafica una
espina de pescado, donde el principal problema se rotula como la cabeza, las
categorías más importantes de causas potenciales se representan como espinas
estructurales y las causas específicas probables aparecen como las espinas
menores (Gutiérrez Pulido & De la Vara, 2005).
2.5.7 DIAGRAMA DE DISPERSIÓN
Es una gráfica del tipo X-Y; el objeto es analizar la forma en que dos variables
numéricas están relacionadas (Gutiérrez Pulido & De la Vara, 2005).
2.5.8 ANÁLISIS MULTI-VARI
Gráfica de análisis que visualiza e identifica las fuentes de variación que
potencialmente afectan al proceso, está medido por la comparación de medias.
Las fuentes están agrupadas entre variaciones dentro de la pieza/lote, variación
entre piezas/lotes y variación con el tiempo (Gutiérrez Pulido & De la Vara, 2005;
Moura/Quali, 2011).
5 Del inglés: Supplier, Input, Process, Output and Customer
50 2.5.9 ANÁLISIS DE FALLAS POTENCIALES (FMEA)
Es un análisis que identifica sistemáticamente errores o fallas en un proceso; es
una simplificación de la técnica FMEA6 (Moura/Quali, 2011). Para Pyzdek & Keller
(2010/2011) el modo de fracaso y análisis de efecto, es un esfuerzo por delinear
todos los posibles fracasos, el efecto en el sistema, la probabilidad de ocurrencia
y fracaso. El FMEA dirige los recursos disponibles hacia las oportunidades más
prometedoras.
2.5.10 LLUVIA DE IDEAS (BRAINWRITTING)
Las sesiones de lluvias o tormenta de ideas, es una forma de pensamiento
creativo encaminado a que todos los miembros de un grupo participen libremente
y aporten ideas sobre determinado tema o problema. Esta técnica es de gran
utilidad para el trabajo en equipo, debido a que permite la reflexión y el diálogo
(Gutiérrez Pulido & De la Vara, 2005).
2.5.11 DIAGRAMA DE ÁRBOL
Es una herramienta que muestra de manera sistemática los vínculos racionales
entre la descripción de objetivo primario y los medios para alcanzar el objetivo;
además se conoce cuál es la realidad compleja en el proyecto (Moura/Quali,
2011).
2.5.12 ÁRBOL DE CONTINGENCIAS (PDPC7)
Herramienta útil en anticipar problemas potenciales antes de implementar un plan
de acción; se identifican y seleccionan tanto acciones preventivas (para evitar que
el problema ocurra), como acciones alternativas (si un caso el hecho ocurre)
(Moura/Quali, 2011).
6 Del inglés: Failure Mode and Effects Analysis 7 En inglés: Process Decision Program Chart
51
3 METODOLOGÍA
En este capítulo se desarrolló las fases: Definir, Medir, Analizar del DMAMC; en
primer lugar se definió el proceso a estudiar, luego se midió la capacidad de los
parámetros y se utilizaron herramientas analíticas y estadísticas para identificar
las causas de los problemas.
3.1 DESCRIPCIÓN DE LOS PROCESOS
Se estudiaron los procesos que intervienen en la cadena de producción y se
utilizó herramientas como: mapa de procesos, caracterización, descripción y
diagramas de flujo que permitieron un adecuado entendimiento.
3.1.1 MAPA DE PROCESOS
Un mapa de procesos es una representación gráfica del flujo de trabajo a través
de la empresa. Se definieron tres tipos de procesos: los gobernantes o
estratégicos, procesos productivos o claves y los procesos de apoyo, todos
detallados en un inventario de procesos (ver Tabla 3.1). Se mapearon los
procesos de la empresa junto al equipo de ingeniería donde se identificaron los
siguientes tipos:
3.1.1.1 Procesos Productivos
Considerando que el giro de negocio es el ensamblaje de autos, primero se
detallaron los procesos que se relacionan con la manufactura. Se identificó los
macro procesos de la cadena productiva:
Soldadura de carrocería, contiene a los procesos de Soldadura, Remate y
Acabado Metálico.
Pintura, formado por ELPO, Primer y esmalte.
Ensamble General, dado por Trim, Chasis y línea final.
52 Además se incluyó el proceso de “Control de la Producción” que vigile el correcto
funcionamiento de la cadena. Se tomaron en cuenta procesos claves que aporten
al correcto desarrollo de la cadena, que en primer lugar coordine y conduzca las
operaciones de ensamblaje y asegure la correcta entrega del automotor al cliente.
En el equipo de trabajo se identificaron los siguientes procesos como:
Planificación de la producción, Organización y dirección del sistema de
manufactura.
Liberación y entrega para ventas, Vehículo listo para ser comercializado.
Ventas y Garantías: Almacenamiento y control del producto, entrega a
clientes locales y exportaciones.
3.1.1.2 Procesos Gobernantes
Son aquellos que relacionan a la organización con su entorno, por lo que estos
obedecen a políticas y estrategias. Fue necesario contar con dos macro procesos
que atraviesen transversalmente a la organización, relacionándose con áreas
administrativas, de mejora continua y gestión, entre los cuales tenemos:
Planificación Estratégica, trata aspectos relacionados con la planificación
y control financiero, planeación de productos y procesos, gestión por la
dirección.
Gestión de Control, seguimiento de indicadores y objetivos, voz del
cliente, previsión de ventas.
3.1.1.3 Procesos de apoyo
Para el correcto funcionamiento de los procesos productivos, se incluyeron dos
macro procesos, uno referente a la gestión de abastecimiento de la cadena de
producción, teniendo en cuenta los procedimientos relacionados con: compras,
proveedores y logística. Y el proceso de soporte a la gestión concerniente con:
control ambiental, gestión del talento humano, mantenimiento, comunicación
53
Clie
nte
s/
Sa
tisfa
cció
n
C.Planificación de laproducción
D.Soldadura decarrocerías
B.Gestión delControl
E. Pintura decarrocerías
F.Ensamble generalG.Liberación y
entregaH.Ventas y garantías
I. Gestión deAprovisionamiento
J. Gestión de soporte delsistema
A. Planificación Estratégica
Procesos Gobernantes
Procesos Claves
Procesos de Apoyo
Proceso de Producción
A.1 Planificación y controlfinanciero
A.2 Planeación de productos yprocesos
A.3 Gestión por la dirección
B.1 Seguimiento deindicadores y objetivos
B.2 Voz del clienteB.3 Previsión en ventas
I.1 Gestión de comprasI.2 Gestión de proveedores
I.3 Gestión de logística
J.1 Control ambientalJ.2 Talento Humano
J.3 Gestión del mantenimientoJ.4 Comunicación interna
J.5 Tecnologías de lainformación
J.6 Gestión de auditorías
D.1 Soldadura
D.2 Remate
D.3 Acabado Metálico
E.1 ELPO
E.2 Primer
E.1 Esmalte
F.1 Trim
E.1 Chasis
E.1 Línea Final
H.1 Almacenamientoy control del productoH.2 Entrega clientes
localesH.3 Exportaciones
C.1 Organización dePCP
C.2 Control de PCP
Clie
nte
s/
Sa
tisfa
cció
n
interna, tecnología de la información y auditorías. A continuación se muestra el
mapa de procesos desarrollado por el equipo (ver Figura 3.1).
Figura 3.1 – Propuesta mapa de procesos de AYMESA Elaboración: Autor
Tabla 3.1 - Inventario de procesos
Procesos Código
Planificación Estratégica (A)
Gestión de Control (B)
Planificación de la producción (C)
Soldadura de carrocerías (D)
Pintura de carrocerías (E)
ELPO (E.1)
Primer (E.2)
54
Esmalte (E.3)
Ensamble General (F)
Gestión de aprovisionamiento (C)
Gestión de soporte del sistema (D)
3.1.2 ESQUEMA GENERAL DEL PROCESO (SIPOC)
Se cuenta con distintas formas para la caracterización, por lo que es útil describir
de manera ordenada y clara como se desarrolla y finaliza un proceso, esta vista
general se conoce como diagrama SIPOC y se elabora en el siguiente orden:
Precisar el tipo de proceso y objetivo
Determinar los inputs (entradas) y proveedores (internos y externos)
Explicar del desarrollo del proceso paso a paso
Entregar el output (salidas) al cliente (interno y externo)
De este modo se desarrolló el SIPOC para los procesos productivos (véase
Anexo E).
3.1.3 DESCRIPCIÓN DEL PROCESO
Es un tipo de descripción donde se definen características del proceso, entre las
relevantes encontramos: nombre y codificación, propietario, alcance, fecha de
levantamiento; así como los elementos del diagrama SIPOC. Es necesario
complementar el estudio con controles y recursos a utilizar (físicos, técnicos,
humanos, etc.). Estos se documentaron en fichas o también llamadas hojas de
caracterización (véase Anexo F).
3.1.4 REPRESENTACIÓN GRÁFICA DEL PROCEDIMIENTO
Conocido como diagrama de flujo, es una gráfica que representa la secuencia de
rutinas simples de los procedimientos, definiendo la sucesión de pasos para
ejecutar una tarea (véase Anexo G). Los símbolos estándares más usados por la
55 ANSI (en inglés, American National Standard Institute) se muestran en la Tabla
3.2.
Tabla 3.2 – Simbología ANSI para el diagrama de flujo
Símbolo Significado
Caja de actividad: Contiene una frase o nombre que identifica una actividad del proceso
Caja de decisión: Contiene una pregunta encerrada, (respuesta "Sí" o "No"
Conector: Indica conexión a otro punto del proceso
Caja de documento impreso: Identifica la emisión o uso de documento, informe o registro
Caja de Stock / Almacenamiento
Caja de Proceso: Se refiere a otro proceso o procedimiento estandarizado
Caja de espera: Identifica tiempo de espera mientras otra actividad es concluida
Sentido de flujo: Dirección del flujo, del sentido ascendente o descendente.
Límite: Indica el inicio y fin de un proceso
Modificado (Moura/Quali, 2011)
56
3.2 APLICACIÓN DEL SIX SIGMA
3.2.1 DEFINIR
Es la fase que trata sobre los requerimientos del cliente y entender los procesos
importantes afectados; se encarga de definir quién es el cliente, así como sus
requerimientos y expectativas. Además delimita el inicio y final del proceso que se
busca mejorar.
3.2.1.1 Definir el foco de mejora
“La definición del foco de mejora debe ser de alta relevancia tanto para el cliente
final como para los objetivos de la empresa” (Moura/Quali, 2011, pág. 130), por tal
motivo, en consenso con los responsables de cada uno de los procesos de
producción, se concluyó que el subproceso de pintura presenta condiciones para
iniciar un estudio de Six Sigma. En la determinación del subproceso específico de
mejora, se utilizó la matriz de priorización definiendo los siguientes criterios de
selección:
1. Defectos de bajo costo
2. Facilidad en la implementación
3. Accesibilidad a información
4. Etapa crítica del proceso
5. Reducido costo de mantenimiento de equipos
Cada uno de los criterios fue comparado para establecer un peso de importancia
relativa, de acuerdo a la siguiente escala:
Mucho más importante = 9
Más importante = 7
Igualmente importante = 5
Menos importante = 3
57
Mucho menos importante = 1
Se obtuvo la siguiente matriz de priorización, como se muestra en la Tabla 3.3
Tabla 3.3 – Matriz de priorización de criterios
Luego, se construyeron las matrices comparando tanto las alternativas que
cumplen con cada criterio, en este caso las alternativas fueron los subprocesos de
pintura (ver Figura 1.6) los pesos de importancia relativa son:
Cumple mucho más = 9
Cumple más = 7
Cumple igualmente = 5
Cumple menos = 3
Cumple mucho menos = 1
Las matrices de priorización para cada criterio se muestran a continuación:
Tabla 3.4 – Matriz de priorización del criterio defectos bajo costo
A B C D E Suma Porcent.A Defectos de bajo costo 5 3 3 7 18 18,0%B Facilidad en la implementación 5 7 5 7 24 24,0%C Accesibilidad a información 7 3 3 5 18 18,0%D Etapa crítica del proceso 7 5 7 7 26 26,0%
E Reducido costo de mantenimiento 3 3 5 3 14 14,0%Total 100 100%
Criterios
Matriz de Criterios
A B C Suma Porcent.A ELPO 7 5 12 40,0%B Primer 3 7 10 33,3%C Esmalte 5 3 8 26,7%
Total 30 100%
Criterio 1 vs Alternativas
Defectos de bajo costo
58
Tabla 3.5 - Matriz de priorización del criterio facilidad de implementación
Tabla 3.6 - Matriz de priorización del criterio accesibilidad a información
Tabla 3.7 - Matriz de priorización del criterio etapa crítica del proceso
Tabla 3.8 - Matriz de priorización del criterio reducido costo de mantenimiento
Para finalizar se construyó la matriz síntesis (véase Tabla 3.9) y se estableció que
en el proceso esmalte se desarrollará la metodología Six Sigma.
A B C Suma Porcent.A ELPO 5 3 8 26,7%B Primer 5 3 8 26,7%C Esmalte 7 7 14 46,7%
Total 30 100%
Criterio 2 vs. Alternativas
Facilidad en la implementación
A B C Suma Porcent.A ELPO 5 3 8 26,7%B Primer 5 3 8 26,7%C Esmalte 7 7 14 46,7%
Total 30 100%
Accesibilidad a información
Criterio 3 vs. Alternativas
A B C Suma Porcent.A ELPO 7 3 10 33,3%B Primer 3 5 8 26,7%C Esmalte 7 5 12 40,0%
Total 30 100%
Criterio 4 vs. Alternativas
Etapa crítica del proceso
A B C Suma Porcent.A ELPO 1 3 4 13,3%B Primer 9 5 14 46,7%C Esmalte 7 5 12 40,0%
Total 30 100%
Criterio 5 VS. Alternativas
Reducido costo de mantenimiento
59
Tabla 3.9 – Matriz síntesis para la determinación del proceso clave
3.2.1.2 Identificación de las características críticas
En esta etapa se conocieron los principales requisitos del cliente para el
subproceso seleccionado. Estas características críticas para la satisfacción son
denominadas CTS (en inglés: Critical To Satisfaction), las CTS son atributos de la
Voz del Cliente (Moura/Quali, 2011). Para determinar las CTS de esmalte, se
trabajó con ingeniería en procesos de pintura y se utilizó un diagrama de árbol
(véase Figura 3.2).
Presentación y aparienciacorrecta
Apariencia
Buen ensamble
Durabilidad yresistencia
Apertura y cierre de puertas, baúly capot
Definición de los detalles
Carrocería sin imperfecciones
Cumplimiento
Entrega de pedido a tiempo
Entrega de pedidos completos
Protección a la corrosión internay externa
Protección contra la luz ultravioletay agentes químicos/mecánicos
Cobertura total de la pintura
Pulido de carrocería
Figura 3.2 - Características críticas de satisfacción
Criterio A Criterio B Criterio C Criterio D Criterio E
18% 24% 18% 26% 14%
1 ELPO 40% 27% 27% 33% 13% 29% 3º2 Primer 33% 27% 27% 27% 47% 31% 2º3 Esmalte 27% 47% 47% 40% 40% 40% 1º
Total 100%
Matriz Síntesis
OrdenAlternativas Porcent.
60 Éstas características se priorizaron según dos criterios: IIC8 y GNC9; los puntajes
de cada criterio se muestran en la Tabla 3.10
Tabla 3.10 - Valoración del IIC y GNC
IIC GNC
Mucho poco importante=1 Muy Bajo=1
Poco importante=3 Bajo=3
Medianamente importante=5 Medio=5
Importante=7 Alto=7
Muy Importante=9 Muy Alto=9
Modificado (Moura/Quali, 2011)
Como resultado se obtuvo la siguiente matriz de CTS priorizada (ver Tabla 3.11)
Tabla 3.11 - Matriz CTS priorizada
Atributos IIC GNC Puntaje CTS
Orden
1 Pulido de carrocería 7 3 21 5
2 Definición de los detalles 9 5 45 2
3 Carrocería sin imperfecciones 9 7 63 1
4 Cobertura total de pintura 5 3 15 6
5 Apertura y cierre 3 1 3 9
6 Protección a la corrosión 3 5 15 6
7 Protección contra agentes externos 9 3 27 4
8 Entrega de pedidos a tiempo 7 5 35 3
9 Entrega de pedidos completos 5 3 15 6
Los factores determinantes del CTS con alto puntaje fueron:
Carrocería sin imperfecciones
Definición de los detalles
Pulido de carrocería
Protección contra agentes externos
3.2.1.3 Definición de parámetros de desempeño
8 Índice de importancia del cliente: Como el consumidor percibe la manera en que la empresa y la competencia satisfacen sus necesidades y expectativas. 9 Grado de no conformidad: El nivel en que el producto incumple un requisito.
61 Las CTS se desdoblan en parámetros de desempeño del producto, que son las
CTY (en inglés: Crytical To Product) relacionadas con la calidad, costo y entrega
como se muestra en la Figura 3.3 (Moura/Quali, 2011),
Carrocería
Apariencia
Protección Nivelación
Curado
Espesor
Resistencia alrayado
Brillo
Adherencia
Figura 3.3 - Parámetros Críticos del Producto
Los distintos parámetros CTY se analizaron comparando la relación con los CTS
priorizados en la Tabla 3.12
Tabla 3.12 - Matriz CTY priorizada
Los parámetros referentes a la calidad con mayor puntaje fueron los siguientes:
9 7 5 3
Carrocería sin imperfecciones
Definición de los detalles
Entrega de pedidos a
tiempo
Protección contra
agentes externos
Puntaje
CTYOrden
Espesor 5 7 1 9 126 1Nivelación OP 3 5 1 9 94 4
Brillo 5 9 1 1 116 2Curado 5 5 3 1 98 3
Adherencia 5 3 3 5 96 5Resistencia al rayado 3 3 1 3 62 6
Parámetros CTS
Par
amet
ros
CT
Y
62
Espesor
Brillo
Curado
3.2.1.4 Definición de procesos críticos
A su vez las CTY se desdoblan en los parámetros críticos para el proceso CTX
(en inglés: Crytical To Process), como se muestra en la Figura 3.4
Subroceso de esmalte
Viscocidad
Temperatura
Presión
Presión aspersión
Flujo
Humedad realtiva
Velocidad del aire
Temperatura
Cabinas de aplicación
Horno
Sala de pinturas
Figura 3.4 - Parámetros Críticos del Proceso
Los parámetros CTX se analizaron comparando la relación con los CTY
priorizados anteriormente (véase Tabla 3.13)
63
Tabla 3.13 - Matriz CTX priorizada
Por medio del análisis de la matriz CTX y de la opinión de los responsables de
cada uno de los procesos vinculados, se obtuvieron los siguientes parámetros
claves:
Temperatura horno
Flujo
Viscosidad
Temperatura cabina
Estos parámetros críticos seleccionados intervienen directamente en las
características del producto para la brindar satisfacción al cliente; fue aquí donde
se enfocó el análisis para desarrollar la propuesta de mejora.
3.2.1.5 Diagrama de Pareto
Se estudiaron los defectos ocurridos en la línea de esmalte realizados en el mes
de diciembre del 2011 en las cabinas de control de calidad, la información al
respecto se muestra en el Anexo H, del cual se obtuvo el siguiente diagrama
(véase la Figura 3.5).
9 7 5
Espesor Brillo CuradoPuntaje
CTYOrden
Flujo 9 5 7 151 2Viscocidad 7 7 5 137 3
Presion aspersion 5 5 7 115 5Presion sala pinturas 3 3 3 63 8
Temperatura 5 7 5 119 4Humedad relativa 5 5 5 105 6Velocidad del aire 5 3 3 81 7Temperatura horno 7 9 7 161 1
Par
amet
ros
CT
X
Parámetros CTY
64
Figura 3.5 – Diagrama de Pareto de defectos
Se concluyó que los defectos más comunes son Mal Pulido (MPL) y Mal
Reparado (MRE). Para un análisis más objetivo se realizó un Pareto de segundo
grado considerando la ubicación del defecto en los paneles de la carrocería
(véase la Figura 3.6).
Figura 3.6 – Diagrama de Pareto de ubicación
El mayor número de errores por Mal Pulido (MPL) se encontraron en: Capot,
puertas y laterales.
Co
un
t
Pe
rce
nt
Defectos
Count 4 3 3 3 3 3 10
Percent 28 17
60
11 9 9 7 4 2 2 1 1 1
36
1 1 5
Cum % 28 45 56 65 73 80
24
84 87 88 90 91 93 94 95 100
19 19 14 9 5Ot
her
PHR
GRU
GOL
ESQ
COP
FCC
TPF
FIB
PRO
MLJ
MHESU
CMREM
PL
200
150
100
50
0
100
80
60
40
20
0
Pareto Chart of Defectos
Co
un
t
Pe
rce
nt
MPL-Ubicacion
Count 3
Percent 30.0 20.0 18.3 10.0 5.0 5.0 3.3 3.3
18
5.0
Cum % 30.0 50.0 68.3 78.3 83.3 88.3 91.7 95.0
12
100.0
11 6 3 3 2 2
Othe
r
Parante pu
erta
Guarda
fang
o
Fron
tal
Compu
erta
Alojam
iento pu
erta
Latera
l
Puer
ta
Capo
t
60
50
40
30
20
10
0
100
80
60
40
20
0
Pareto Chart of MPL-Ubicacion
65 3.2.1.6 Diagrama SIPOC – Macro
Para brindar una perspectiva general y amplia de todo el proceso, se utilizó el
siguiente diagrama general SIPOC (véase Figura 3.7)
Entradas alproceso
- Requisitos delos clientes
- Ordenes deproducción
- Materia Prima- Mano de Obra
Proveedores
- Clientes- Dpto. de
compras- Dpto.
Planificación- Proveedores
Etapas básicasdel proceso
Clientes
- Dpto. Ventas- Almacenamie
nto- Distribución- Clientes
Salidas delproceso
- AutomotoresTerminados
- Datos decontrol decalidad
- Sueldas decarrocería
- Pintura- Ensamblaje
General
Figura 3.7 - Diagrama SIPOC – nivel macro del proceso de producción
3.2.1.7 Formalización del proyecto
La etapa Definir concluyó con la formalización de la carta que fue presentado a la
dirección del proyecto para su revisión y aprobación. (véase la Tabla 3.14)
66
Tabla 3.14 – Carta del proyecto
Champion Ing. Roberto Jiménez Green Belt Renato Lalaleo
Producto impactado Toda la línea de automotores Dirección Av. Maldonado y Amaru Ñan
Elemento Descripcion
ProcesoProceso en el cual exis te una
oportunidad de mejora
Inicio Fin
Defini r 15-nov-11 30-nov-11
Medir 01-dic-11 30-dic-11
Anal izar y Mejorar 04-ene-12 27-ene-12
Propuesta 30-ene-11 10-feb-12
Ítem Costo
Transporte $100
Útiles de oficina $50
Copias $300
Impresiones $200
Espiralados $50
Otros Gastos $200
TOTAL $900
Plan de equipo
Miembros del equipo
Proceso de pintura, subproceso de esmalte
Declaración del problema
Objetivo
Descripción del proyectoPropós i to del proyecto y sus
a lcances
Presentar una propuesta de mejoramiento para el
proceso de esmalte
Retomar el uso de herramientas estadisticas que ayuden
a identificar y reducir variabilidad
Sal idas s igni ficativas que el
equipo busca mejorar
Validar análisis de capacidad y estabilidad con los de la
empresa
Reducir defectos en el área de esmalte
Controlar causas comunes que se presenten
Lo que se pretende lograr
Nombres y funciones
Ing. Fernando Suárez - Ingeniería en manufactura
Ing. César Agila - Ingeniería en procesos
Lenin Barros - Aseguramiento de ca l idad
Alcance del proyecto¿Qué partes del proceso y de la
metodología serán uti l i zadas?
Proceso: El estudio comprende desde la recepcion del
proceso de Primer hasta el envío de la carrocería a
Ensamblaje
Metodología: El desarrollo de la metodología comprende
Definir, Analizar, Medir y Mejorar
Clientes beneficiadosMuestra tanto a los cl ientes
internos como externos
beneficados
Cliente Interno: Ensamblaje, retocadores y
aseguramiento de calidad
Cliente Externo: Concesionarios, distribuidores y cliente
final
Lo que se requiere para
desarrol lar el proyecto
Cronograma
Definición de recursos
67 3.2.2 MEDIR
Las mediciones fueron realizadas en el área de esmalte, por lo que fue necesario
conocer la distribución física así como el desarrollo del proceso (véase el Anexo
I); además se estudió el sistema de medición antes de recopilar información y
conjuntamente se detalló el plan de muestreo que maneja el proveedor (véase el
Anexo J).
3.2.2.1 Evaluación del sistema de medición
Evaluar el sistema de medición es una de las actividades obligadas de todo
proyecto de Six Sigma, lo que se quiere evitar es que un artículo considerado
defectuoso sea en realidad bueno y viceversa. De ahí la importancia de contar
con un sistema robusto basado en un adecuado Gage R&R (Repetibilidad y
Reproductibilidad). El estudio Gage R&R es la evaluación en forma experimental
de la variabilidad total observada, donde se considera el error de medición, la
variabilidad del producto y las tolerancias de calidad (Gutiérrez Pulido & De la
Vara, 2005; Minitab Inc., 2010; Ochoa & Zagarola, 2011).
El análisis consideró a 2 operadores (A y B) con 8 muestras; se repitió la medición
2 veces por cada operador, se aplicó a los parámetros de brillo y espesor. Los
resultados del análisis del sistema de brillo (véase el Anexo K), indicaron que sólo
el 25.5% (%Var. del estudio) de la variación total en los datos se debió al sistema
de medición, mientras que un 89,33% de dicha variación se debió a las
diferencias entre los elementos medidos, como se muestra en la Figura 3.8.
68
Parte
a pa
r te
Repr
od
Repe
ti r
R&R
del s
i stema
de m
edición
100
50
0
Porc
enta
je
% Contribución
% Var. del estudio
% Tolerancia
8765432187654321
2
1
0
Partes
Rango d
e la m
uestr
a
_R=0,543
LCS=1,775
LCI=0
Operador 1 Operador 2
8765432187654321
92
90
88
Partes
Media
de la m
uestr
a
__X=91,182
LCS=92,204
LCI=90,161
Operador 1 Operador 2
87654321
92
90
88
Partes
Operador 2Operador 1
92
90
88
Operadores
87654321
92
90
88
Partes
Pro
medio
Operador 1
Operador 2
Operadores
Nombre del sistema de medición : Brillo Prev io a etapa Measure
Fecha del estudio: 2011
Notificado por:
Tolerancia:
M isc:
Componentes de variación
Gráfica R por Operadores
Gráfica Xbarra por Operadores
Mediciones por Partes
Mediciones por Operadores
Interacción Partes * Operadores
R&R del sistema de medición (ANOVA) para Mediciones
Figura 3.8 – Estudio R&R del sistema de medición de brillo
Los resultados del análisis al sistema de brillo (véase Anexo L), indicaron que sólo
el 10.1% (%Var. del estudio) de la variación total en los datos se debió al sistema
de medición, mientras que un 99.49% de dicha variación se debió a las
diferencias entre los elementos medidos (véase Figura 3.9).
Parte
a p
arte
Repr
od
Repe
ti r
R&R
del s
i stema
de m
edición
100
50
0
Porc
enta
je
% Contribución
% Var. del estudio
% Tolerancia
8765432187654321
2
1
0
Partes
Rango d
e la m
uestr
a
_R=0,625
LCS=2,042
LCI=0
Operador 1 Operador 2
8765432187654321
120
110
100
Partes
Media
de la m
uestr
a
__X=110,88LCS=112,05LCI=109,70
Operador 1 Operador 2
87654321
120
110
100
Partes
Operador 2Operador 1
120
110
100
Operadores
87654321
120
110
100
Partes
Pro
medio Operador 1
Operador 2
Operadores
Nombre del sistema de medición : Espesor Prev io a Measure
Fecha del estudio: 2011
Notificado por:
Tolerancia:
M isc:
Componentes de variación
Gráfica R por Operadores
Gráfica Xbarra por Operadores
Mediciones por Partes
Mediciones por Operadores
Interacción Partes * Operadores
R&R del sistema de medición (ANOVA) para Mediciones
Figura 3.9 – Estudio R&R del sistema de medición de espesor
69 Se concluye que los sistemas de brillo y espesor midieron de forma uniforme y
exacta; porque para tener un sistema de medición adecuado, el componente de
variación del sistema de medición debe ser menor al 30% y el componente de
variación parte a parte debe ser el más grande. Por lo que en los procesos no
existe variabilidad considerando al sistema de medición. Además se destaca que
los equipos de medición (véase Tabla 3.15) tienen un plan de calibración anual
que aseguran la exactitud y linealidad del instrumento; evidencia es su respectivo
sello de calibración, como se muestra en el Anexo M.
Tabla 3.15 – Equipos de medición
Variables Equipos de medición
Brillo Brillómetro (Elcometer 407)
Espesor Espesímetro (Elcometer 456)
Flujo Cronómetro, Probeta
Viscosidad Termómetro, Copa Ford #4, Cronómetro
Temperatura cabina Anemómetro (Testo 417)
Temperatura hornos Termómetros
3.2.2.2 Estabilidad y capacidad del proceso respecto a la variable de espesor
De acuerdo plan al muestreo, se recopilaron datos (véase Anexo N) para el
siguiente estudio de estabilidad del proceso como se muestra en la Figura 3.10
70
120
110
100
Med
ia
3128252219161310741
20
10
0
Ran
go
Prueba de normalidad
(Anderson-Darling)
Resultados No pasa Pasa
Valor p < 0,005 0,093
Original Transformado
Análisis de capacidad para EspesorInforme de diagnóstico
Gráfica Xbarra-R
Confirme que el proceso es estable.
Gráf. normalidad (lambda = 5,00)
Los puntos deben estar cerca de la línea.
Figura 3.10 – Análisis de estabilidad de la variable espesor
La tabla de control X y R no presentó puntos fuera de los límites y el
comportamiento de ellos no siguió ningún patrón o tendencia, por lo que el
proceso se consideró en control estadístico. Con respecto al análisis de
capacidad (véase Figura 3.11) se obtuvo el siguiente análisis:
12612011410810296
LEI LES
N Total 96
Tamaño del subgrupo 3
Caracterización del proceso
Real (general)
Pp 1,49
Ppk 0,77
Z.Bench 2,31
% fuera espec. (observado) 0,00
% fuera espec. (esperado) 1,03
PPM (DPMO) (observado) 0
PPM (DPMO) (esperado) 10334
Estadísticas de capacidad
La capacidad real (general) es lo que experimenta el cliente.
eliminaran los desplazamientos y desvíos del proceso.
La capacidad potencial (dentro de) es la que se podría alcanzar si se
Análisis de capacidad para EspesorInforme de desempeño del proceso
Datos transformados
Histograma de capacidad
¿Están los datos dentro de los límites?
Figura 3.11 – Análisis de capacidad de la variable espesor
71
El nivel de capacidad potencial ( ) tiene un valor superior al estándar de
la empresa ( ) y que el nivel de capacidad real ( ) tiene un valor
bajo. Se concluye que el nivel de capacidad es el adecuado pero se encuentra
descentrado, por lo que se obtienen muestras fuera de la especificación inferior
en un 1.03% (véase el Anexo B).
3.2.2.3 Estabilidad y capacidad del proceso respecto a la variable brillo
De la misma manera, se tomó muestras respecto a la variable brillo (véase Anexo
N) para el siguiente análisis de estabilidad, como se muestra en la Figura 3.12
Sam
ple
Mean
15131197531
2
0
-2
__X=0,012
UCL=1,915
LCL=-1,891
Sam
ple
Range
15131197531
4
2
0
_R=1,860
UCL=4,788
LCL=0
Sample
Valu
es
15105
2
0
-2
3210-1-2
20-2
Overall
Specs
Overall
Location 0,0121334
Scale 1,01262
Pp *
Ppk 0,81
Process Capability Sixpack of BrilloJohnson Transformation with SU Distribution Type-3,268 + 3,092 * Asinh( ( X - 83,427 ) / 5,855 )
Xbar Chart
R Chart
Last 16 Subgroups
Capability Histogram
Normal Prob PlotAD: 0,541, P: 0,156
T ransformed Capa Plot
Figura 3.12 – Análisis de estabilidad de la variable brillo
En las cartas X y R no existieron valores fuera de los límites, además los puntos
no presentan patrones anormales de comportamiento. Se concluye que el
proceso ha venido funcionando de manera estable considerando su tendencia
central y la amplitud de variación. El análisis de capacidad se muestra en la
Figura 3.13
72
3210-1-2
LSL*
transformed dataProcess Data
Sample N 48
StDev 3,50658Shape1 -3,26838
Shape2 3,09163
Location 83,4269
LSL
Scale 5,85491
A fter Transformation
LSL* -2,4474
Target* *
USL* *
Sample Mean*
85
0,0121334
StDev * 1,01262
Target *
USL *
Sample Mean 91,2917
O v erall C apabilityPp *
PPL 0,81
PPU *
Ppk 0,81
O bserv ed Performance
PPM < LSL 0
PPM > USL *PPM Total 0
Exp. O v erall PerformancePPM < LSL 7573,00
PPM > USL *
PPM Total 7573,00
Process Capability of BrilloJohnson Transformation with SU Distribution Type-3,268 + 3,092 * Asinh( ( X - 83,427 ) / 5,855 )
Figura 3.13 – Análisis de capacidad de la variable brillo
Se trabajó con la variable del tipo mientras más grande mejor de un solo nivel de
especificación. El análisis de capacidad determinó que el , por lo que el
proceso es incapaz de cumplir con la especificación inferior, el porcentaje
aproximado de productos que tienen un espesor menor a 85 GU está alrededor
del 0.8%, es decir 7.573 DPMO.
3.2.2.4 Estabilidad y capacidad del proceso respecto a la variable flujo
De acuerdo al muestreo, se obtuvieron los datos como se muestra en el Anexo N,
para el siguiente estudio de estabilidad del proceso (véase Figura 3.14).
73
Sa
mp
le M
ea
n
332925211713951
400
375
350
__X=389,17
UCL=419,72
LCL=358,61
Sa
mp
le R
an
ge
332925211713951
80
40
0
_R=29,86
UCL=76,88
LCL=0
Sample
Va
lue
s
3530252015
420
390
360
420405390375360345
450400350
Within
O v erall
Specs
Within
StDev 17,6393
C p 0,76
C pk 0,58
C C pk 0,76
O v erall
StDev 16,368
Pp 0,81
Ppk 0,63
C pm *
77
Process Capability Sixpack of FlujoXbar Chart
R Chart
Last 25 Subgroups
Capability Histogram
Normal Prob PlotA D: 4,474, P: < 0,005
Capability P lot
Figura 3.14 – Análisis de estabilidad de la variable flujo
La carta R no presentó inconveniente en patrones y puntos fuera del límite; en
cambio la carta X indicó tendencias en los puntos 22 y 23, los puntos se
encuentran agrupados con más de 15 en torno a la línea central, por lo que el
proceso no se encuentra en control estadístico. Se debería redefinir los límites de
especificación, reduciendo las tolerancias. El análisis de capacidad se muestra en
la Figura 3.15
420405390375360345
LSL USL
Process Data
Sample N 108
StDev (Within) 17,6393
StDev (O v erall) 16,368
LSL 340
Target *
USL 420
Sample Mean 389,167
Potential (Within) C apability
C C pk 0,76
O v erall C apability
Pp 0,81
PPL 1,00
PPU 0,63
Ppk
C p
0,63
C pm *
0,76
C PL 0,93
C PU 0,58
C pk 0,58
O bserv ed Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. Within Performance
PPM < LSL 2657,13
PPM > USL 40232,57
PPM Total 42889,70
Exp. O v erall Performance
PPM < LSL 1333,05
PPM > USL 29799,20
PPM Total 31132,25
Within
Overall
Process Capability of Flujo
Figura 3.15 – Análisis de capacidad de la variable flujo
74
Si bien, en el análisis de capacidad ( ) se obtuvo indicadores
bajos, se debió a que no existió un procedimiento normalizado en la
determinación del flujo, pues se notan datos concentrados alrededor de 390
ml/min y unos cuantos en 340 ml/min, por lo que los datos no sigue una
distribución normal influyendo en la interpretación. Se espera definir de mejor
manera las especificaciones y revisar el procedimiento de registro de datos.
3.2.2.5 Estabilidad y capacidad del proceso respecto a la variable temperatura cabina
Se tomó muestras respecto a la variable temperatura cabina (véase Anexo N),
para el análisis de estabilidad.
Sa
mp
le M
ea
n
1715131197531
29
28
27
__X=28,130
UCL=29,631
LCL=26,629
Sa
mp
le R
an
ge
1715131197531
4
2
0
_R=1,467
UCL=3,777
LCL=0
Sample
Va
lue
s
20151050
30
28
26
3029282726
302826
Within
O v erall
Specs
Within
StDev 0,86666
C p 1,15
C pk 0,72
C C pk 1,15
O v erall
StDev 0,805825
Pp 1,24
Ppk 0,77
C pm *
Process Capability Sixpack of Temperatura cabinaXbar Chart
R Chart
Last 18 Subgroups
Capability Histogram
Normal Prob PlotA D: 3,548, P: < 0,005
Capability P lot
Figura 3.16 – Análisis de estabilidad de la variable temperatura de cabina
Las cartas X y R indican que no existieron puntos fuera de los límites y ninguna
clase de tendencias. Se concluyó que el proceso es estable. Respecto al análisis
de capacidad se realizó según la Figura 3.17
75
30292827262524
LSL USL
Process Data
Sample N 54
StDev (Within) 0,86666
StDev (O v erall) 0,805825
LSL 24
Target *
USL 30
Sample Mean 28,1296
Potential (Within) C apability
C C pk 1,15
O v erall C apability
Pp 1,24
PPL 1,71
PPU 0,77
Ppk
C p
0,77
C pm *
1,15
C PL 1,59
C PU 0,72
C pk 0,72
O bserv ed Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. Within Performance
PPM < LSL 0,94
PPM > USL 15458,60
PPM Total 15459,55
Exp. O v erall Performance
PPM < LSL 0,15
PPM > USL 10141,70
PPM Total 10141,85
Within
Overall
Process Capability of Temperatura cabina
Figura 3.17– Análisis de capacidad de la variable temperatura de cabina
El índice de capacidad ( ) tiene un nivel parcialmente
adecuado, esto se debió a que el conjunto de datos estuvo orientado hacia el
LSE, por lo que se obtienen muestras fuera de las especificaciones del orden de
0.010%, expresado en 10.142 DPMO.
3.2.2.6 Estabilidad y capacidad del proceso respecto a la temperatura de horno
Tanto la carta X y R fueron estables y no hubo puntos fuera de control (véase
Figura 3.18). El análisis de capacidad indicó un nivel , y se
enmarcó como variable de categoría mundial.
76
Figura 3.18 – Análisis de estabilidad de la variable horno-radiación
210207204201198195192
LSL USL
Process Data
Sample N 54
StDev (Within) 0,930802
StDev (O v erall) 0,996623
LSL 190
Target *
USL 210
Sample Mean 198,161
Potential (Within) C apability
C C pk 3,58
O v erall C apability
Pp 3,34
PPL 2,73
PPU 3,96
Ppk
C p
2,73
C pm *
3,58
C PL 2,92
C PU 4,24
C pk 2,92
O bserv ed Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. Within Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. O v erall Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Within
Overall
Process Capability of Radiacion
Figura 3.19 – Análisis de capacidad de la variable horno-radiación
Con respecto a la estabilidad de la variable temperatura horno-convección, tanto
la carta X y R del proceso fueron estables y no hubo puntos fuera de control
(véase Figura 3.20). El análisis de capacidad real ( ) estuvo descentrado
hacia el LIE, ocasionando 0.72 DPMO; mientras que el nivel de capacidad
potencial ( ) se enmarcó como variable de categoría mundial con la
salvedad de centrar al proceso.
Sa
mp
le M
ea
n
1715131197531
199
198
197
__X=198,161
UCL=199,773
LCL=196,549
Sa
mp
le R
an
ge
1715131197531
4
2
0
_R=1,576
UCL=4,057
LCL=0
Sample
Va
lue
s
20151050
200
198
196
200199198197196
200,0197,5195,0
Within
O v erall
Specs
Within
StDev 0,930802
C p 3,58
C pk 2,92
C C pk 3,58
O v erall
StDev 0,996623
Pp 3,34
Ppk 2,73
C pm *
Process Capability Sixpack of RadiacionXbar Chart
R Chart
Last 18 Subgroups
Capability Histogram
Normal Prob PlotA D: 0,482, P: 0,222
Capability Plot
77
Figura 3.20 – Análisis de estabilidad de la variable horno-convección
Figura 3.21 – Análisis de capacidad de la variable horno-convección
Se presenta un resumen del análisis considerando aspectos como: técnicas de
medición, valores de especificación, defectos, estado actual, entre otros (véase
Tabla 3.16).
Sa
mp
le M
ea
n
1715131197531
149
147
145
__X=146,904
UCL=148,962
LCL=144,845
Sa
mp
le R
an
ge
1715131197531
4
2
0
_R=2,012
UCL=5,179
LCL=0
Sample
Va
lue
s
20151050
150,0
147,5
145,0
150,4148,8147,2145,6144,0
150148146144
Within
O v erall
Specs
Within
StDev 1,18838
C p 2,8
C pk 1,94
C C pk 2,8
O v erall
StDev 1,43211
Pp 2,33
Ppk 1,61
C pm *
Process Capability Sixpack of ConveccionXbar Chart
R Chart
Last 18 Subgroups
Capability Histogram
Normal Prob PlotA D: 0,247, P: 0,743
Capability Plot
160,0156,8153,6150,4147,2144,0140,8
LSL USL
Process Data
Sample N 54
StDev (Within) 1,18838
StDev (O v erall) 1,43211
LSL 140
Target *
USL 160
Sample Mean 146,904
Potential (Within) C apability
C C pk 2,80
O v erall C apability
Pp 2,33
PPL 1,61
PPU 3,05
Ppk
C p
1,61
C pm *
2,80
C PL 1,94
C PU 3,67
C pk 1,94
O bserv ed Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. Within Performance
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Exp. O v erall Performance
PPM < LSL 0,72
PPM > USL 0,00
PPM Total 0,72
Within
Overall
Process Capability of Conveccion
78
Tabla 3.16 – Matriz síntesis del estado actual de variables
Variable Técnica de medición
LIE Valor
Nominal LSE Cp Cpk DPMO Estado
Brillo Brillómetro 85 - Más alto,
mejor - .81 7573 En estudio
Espesor Espesímetro 92 - 130 1.49 .77 10334 En estudio
Flujo Probeta,
Cronómetro 340 - 420 .81 .63 31133 En estudio
Temperatura Cabina
Termómetro 24 - 30 1.24 .77 10141 En estudio
Temperatura Radiación
Termómetro 190 200 210 3.34 2.73 0 En control
Temperatura Convección
Termómetro 140 150 160 2.33 1.61 0.72 En control
3.2.3 ANALIZAR
En esta etapa se lleva a cabo el análisis de la información recolectada para
determinar las causas raíz de los defectos y oportunidades de mejora.
3.2.3.1 Diagrama de árbol causa-efecto
El diagrama de Ishikawa ayudó en la identificación de las causas primarias de los
problemas, se usó la técnica de lluvia de ideas junto al responsable de pintura. Se
consideró las variables críticas del producto como del proceso y se procedió a
determinar las causas.
VariaciónAplicación Brillo
Material
Método
Máquina
Mano Obra
Preparación de pinturasin especificación
Mala calibraciónpistola
Varia flujo en aplicación
Aplicación de capas de pintura(húmedo sobre húmedo)
Temperaturaambiente variable
Preparación de clearsin especificación
Mejorar estandarizaciónde operaciones No cumplen procedimientos
de aplicación
Aparente zonade pre-secado
Inadecuada dimensióncámara flash off
No se respetael tiempo de oreo
Existe fluctuaciónde presión
Desgastepistolas
Control de temperatura
Termómetrossin mantenimiento
Figura 3.22 – Diagrama de Ishikawa de la variable brillo
79
Variaciónen espesor
Material
Método
Máquina
Mano Obra
Preparación de pinturasin especificación
Mala calibraciónpistola
Varia flujo en aplicación
Aplicación de capas de pintura(húmedo sobre húmedo)
Temperaturaambiente variable
Preparación de clearsin especificación
Mejorar estandarizaciónde operaciones
No cumplen procedimientosde aplicación
Aparente zonade pre-secado
Inadecuada dimensióncámara flash off
No se respetael tiempo de oreo
Existe fluctuaciónde presión
Boquillas obstruidas
Cumplir programaciónindicada
Tiempo deaplicación corto
Desconocimientodel flujo ideal
Control detemperatura
Termómetrosin mantenimiento
Figura 3.23 – Diagrama de Ishikawa de la variable espesor
MPL-MLJ
Material
Método
Máquina
Mano Obra
Falta de control delmantenimiento de los equipos
Filtros de aire no secambian periódicamente
Ambientecon partículas
Incorrectomantenimiento
de paños
No detectan defectos
No miran losdefectos señalados
Paños con suciedades
Deficienteprocedimiento
de pulido
Operario percibeacumulaciónde unidades
Faltacapacitación
Bajo nivel deiluminación Incorrecto uso de
lijadora
Pulimento fuerade especificaciones
Figura 3.24 – Diagrama de Ishikawa de defecto MPL-MLJ
80
SUC
Material
Método
Máquina
Mano Obra
Limpieza defectuosade superficie
Concentración de suciedaden filtros
Presencia de polvoarremolinado
Cabinas sin puertasde aislamiento
Pintura conresiduos sólidos
Clear conresiduos sólidos
Solventes conresiduos sólidos
No cumplenprocedimientos
de limpiezaIngreso de personal
no autorizado
Overoles con partículasde suciedad
Ambientecon partículas
Paño de limpiezasucio
Lijado deficientede la capa precedente
Hollín de caldero
Figura 3.25 – Diagrama de Ishikawa de defecto SUC
3.2.3.2 Diagrama de dispersión
Para describir la posible relación entre la temperatura (en grados centígrados) del
barniz y el tiempo usado en una copa Ford 4 (CF4 en segundos), se analizó la
dispersión de éstas dos variables (véase en la Figura 3.26).
Figura 3.26 – Relación entre CF4 y Temperatura
27262524232221201918
32,5
30,0
27,5
25,0
temp (*c)
cf4
(se
g)
Residuo grande
Estadísticas
R-cuadrado (ajustado)
Valor p, modelo
Valor p, término lineal
Valor p, término cuadrático
Valor p, término cúbico
Desviación estándar de los residuos
93,08%
0,000*
0,000*
-
-
0,459
Lineal
Modelo seleccionado
Y: cf4 (seg)
X: temp (*c)Gráfica de línea ajustada para modelo lineal
Y = 45,92 - 0,7875 X
* Estadísticamente significativo (p < 0,05)
Regresión para cf4 (seg) vs. temp (*c)Informe de selección de modelo
81
Por regresión lineal la ecuación describe la relación Y y X de la siguiente manera:
Se concluye que existió una correlación negativa es decir cuando
aumenta la temperatura, el tiempo de CF4 tiende a disminuir. Asimismo el modelo
pudo explicar que 93.08% de variación en la CF4, se debió a la variación de la
temperatura. No se logró describir el 100% de la relación por la variación de
temperatura que existe en el área de mezclas, esto se compensa en la actualidad
adicionando dos segundos a manera de holgura para que esté dentro del
estándar, como se muestra en el Anexo O de la curva de viscosidad.
3.2.3.3 Diagrama de caja
Para visualizar la variabilidad del conjunto de datos recolectados se analizó el
diagrama de caja para el flujo derecho e izquierdo en la cabina de aplicación
(véase la Figura 3.27).
Figura 3.27 – Diagrama de caja sobre flujo derecho e izquierdo
82 Se tienen los siguientes resultados:
La mediana y media de ambos flujos se encontraron a la par.
El tercer cuartil de ambos flujos fue amplio, por lo que la mayor parte de
muestras estuvieron sobre la mediana.
El rango intercuartílico del flujo derecho fue más extenso que el flujo
izquierdo, por lo que el tercer cuartil derecho presentó mayor variación.
El análisis de caja sobre los espesores verticales y horizontales se realizó en cada
uno de los paneles de la carrocería (véase la Figura 3.28).
Figura 3.28 – Diagrama de caja sobre espesor horizontal y vertical
Se concluye que:
El espesor vertical presentó valores inferiores al espesor horizontal,
considerando el intervalo entre 100 y 105 micras.
Los paneles verticales con valores inferiores fueron: puerta delantera
izquierda, puerta posterior izquierda, puerta delantera derecha y puerta
posterior derecha.
83 3.2.3.4 Análisis Multi-Vari
Al realizar un análisis de múltiples variables por la simple comparación de las
medias, se visualizaron algunos factores que influyeron en las mediciones. La
carta Multi-Vari estudió las relaciones entre las mediciones hechas en los flujos
(derecha e izquierda) y las horas de la toma de muestras. (véase la Figura 3.29).
Horas
De
sv
io
1310 7
395
390
385
380
375
Ubicacion
L
R
Multi-Vari Chart for Desvio by Ubicacion - Horas
Figura 3.29 – Análisis Multi-vari sobre flujo
Se tienen los siguientes resultados:
A medida que avanzó el día, los flujos aumentaron.
El flujo de las 7 horas fue inferior en relación al flujo de las 10 y 13
horas.
Existió mayor variación de flujo a las 13 horas.
El flujo que presentó menor variación fue a las 10 horas.
El flujo derecho fue mayor que el flujo izquierdo en las tres muestras.
Además se analizó la relación de los espesores (vertical y horizontal) recolectados
en tres muestras a lo largo del día (véase la Figura 3.30).
84
Muestra
Me
dic
ión
14/horas11/horas8/horas
111
110
109
108
107
106
105
Ubicacion
H
V
Multi-Vari Chart for Medición by Ubicacion - Muestra
Figura 3.30 – Análisis Multi-vari sobre espesores
La figura muestra que:
Mientras transcurrió el día, los espesores se redujeron.
El espesor horizontal fue mayor al espesor vertical en cada una de las
tres muestras.
Existió una mayor variación de espesores en la muestra uno.
La muestra tres presentó menor variación.
El análisis Multi-Vari realizado en las Figuras 3.29 y 3.30 muestra que a lo largo
del día, los flujos aumentan al finalizar el turno de las 13 horas, pero los
espesores se reducen en el mismo lapso del tiempo. Posiblemente se deba al
efecto que tuvo la curva de trabajo en los operadores al finalizar el turno o
también al sentido de cumplir con la planificación diaria que obligó a modificar los
flujos para compensarlo de esa manera, sin percatarse que al intervenir en una
CTX se alteró una CTY.
85 De acuerdo a la Figura 3.28, se utilizó la información sobre los paneles verticales
con espesor bajo, para analizar la variación de acuerdo a la posición de aplicación
(derecha e izquierda) como se muestra en la Figura 3.29.
Muestra
Me
dic
ion
es
321
114
112
110
108
106
104
102
100
321
Der. Izq. Panel
Guardafango Del.
Guardafango Post.
Puerta Del.
Puerta Post.
Multi-Vari Chart for Mediciones by Panel - Posición
Panel variable: Posición
Figura 3.31 – Análisis multi-vary de posición de espesores
Se concluye que:
Mientras transcurrió el día, los espesores de las muestras disminuyeron.
Los espesores con valores mínimos fueron: puerta delantera y puerta
posterior.
Los espesores con valores dentro del promedio fueron: guardafango
delantero y guardafango posterior.
De manera general, el espesor en la posición derecha fue más alto que
la izquierda.
La aplicación en el espesor izquierdo presentó menor variación que la
aplicación en posición derecha.
86 3.2.3.5 Análisis de modos de fallos y efectos /fallas potenciales
El diagrama AMFE analizó los potenciales modos de falla de un proceso, por lo
que para cada falla, en primer lugar se estimó el efecto que esta tiene, se dio una
calificación de severidad (S) como se muestra en la Tabla 3.16; luego se
definieron las causas potenciales por la que se pudo presentar el efecto, la misma
que se valoró por el chance de ocurrencia (O) (véase Tabla 3.17), de inmediato se
calculó el índice de riesgo (SxO), y se identificó los métodos actuales de control,
junto a las medidas de acción preventiva. El diagrama se aplicó a los CTX como
se muestra en la Tabla 3.18.
Tabla 3.17 – Criterio para índice de severidad
Tabla 3.18 – Criterio para índice de ocurrencia
S Descripción
1 Sin gravedad
2 Alguna gravedad
3 Grave
4 Muy grave
5 Extremadamente grave
Indice de severidad (S)
O Descripción
1 Altamente improbable
2 Poco probable
3 Probable
4 Muy probable
5 Ocurrencia prácticamente cierta
Indice de Ocurrencia (O)
87
CTX
(P
roce
so C
ríti
co)
Pro
ble
ma
po
ten
cial
Efe
cto
severidad
Cau
sa p
ote
nci
al
ocurrencia
riesgo
Co
ntr
ole
s ac
tual
es
Acc
ión
pre
ven
tiva
3B
oq
uil
las
ob
stru
idas
26
Insp
ecc
ión
vis
ual
Re
visi
ón
de
bo
qu
illa
s al
inic
io y
fin
de
jorn
ada
3B
ajo
flu
jo d
e p
intu
ra3
9In
spe
cció
n v
isu
alM
ed
ició
n d
e f
lujo
po
r m
ue
stre
o s
iste
mát
ico
y C
EP
3C
um
pli
r co
n p
rogr
amac
ión
13
Insp
ecc
ión
vis
ual
Re
cord
ar t
iem
po
s d
e a
pli
caci
ón
po
r u
nid
ad
3V
isco
sid
ad f
ue
ra d
e e
spe
cifi
caci
on
es
39
Pro
vee
do
rM
ane
jar
mar
gen
de
err
or
en
vis
cosi
dad
3Er
ror
en
la s
ecu
en
cia
de
ap
lica
ció
n2
6In
spe
cció
n v
isu
alA
ud
ito
ria
de
l pro
ceso
3V
aria
ció
n d
e t
em
pe
ratu
ra c
abin
a3
9P
rove
ed
or
Me
dic
ión
de
te
mp
era
tura
po
r m
ue
stre
o s
iste
mát
ico
2N
o s
e r
esp
eta
el t
iem
po
de
ore
o2
4Ti
em
po
/ o
pe
rad
or
Au
dit
ori
a d
el p
roce
so
2M
al c
ub
rim
ien
to d
el m
ate
rial
24
Insp
ecc
ión
vis
ual
Au
dit
ori
a d
el p
roce
so
An
ális
is d
e f
alla
s p
ote
nci
ale
s
Baj
o e
spe
sor
Alt
o e
spe
sor
Flu
jo d
e a
pli
caci
ón
Var
iaci
ón
en
el
niv
el d
e e
spe
sor
Var
iaci
ón
en
el
niv
el d
e b
rill
oN
ive
l de
bri
llo
baj
o
CTX
(P
roce
so C
ríti
co)
Pro
ble
ma
po
ten
cial
Efe
cto
severidad
Cau
sa p
ote
nci
al
ocurrencia
riesgo
Co
ntr
ole
s ac
tual
es
Acc
ión
pre
ven
tiva
3D
esg
aste
de
pis
tola
s1
3In
spe
cció
n v
isu
alP
isto
la e
lect
roe
stát
ica
de
re
serv
a
3V
isco
sid
ad f
ue
ra e
spe
cifi
caci
on
es
39
Pro
vee
do
rM
ane
jar
mar
gen
de
err
or
en
vis
cosi
dad
3Te
mp
era
tura
cab
ina
vari
able
39
Pro
vee
do
rC
amb
io d
el m
ed
ido
r d
e t
em
pe
ratu
ra
3Te
mp
era
tura
am
bie
nte
var
iab
le2
6M
ed
ició
n m
anu
alA
ud
ito
ria
de
l pro
ceso
2N
o s
e r
esp
eta
el t
iem
po
de
ore
o2
4Ti
em
po
/ o
pe
rad
or
Au
dit
ori
a d
el p
roce
so
2Te
mp
era
tura
fla
sh o
ff f
ue
ra e
spe
cifi
caci
on
es
12
Me
dic
ión
man
ual
Inst
alac
ión
de
te
rmó
me
tro
de
ntr
o d
e c
abin
a
2In
corr
ect
a li
mp
ieza
de
un
idad
12
Insp
ecc
ión
vis
ual
Au
dit
ori
a d
el p
roce
so
An
ális
is d
e f
alla
s p
ote
nci
ale
s
Alt
o e
spe
sor
Niv
el d
e b
rill
o b
ajo
Tem
pe
ratu
ra d
e
cab
ina
Var
iaci
ón
en
el
niv
el d
e e
spe
sor
Var
iaci
ón
en
el
niv
el d
e b
rill
o
Baj
o e
spe
sor
Tabla 3.19 – Matriz AMFE de CTX´s
88
4 PLAN DE MEJORA
El plan de mejora se basó en la cuarta etapa del DMAMC Mejorar; se propusieron
y evaluaron las soluciones generadas por las causas especiales identificadas en
el anterior capítulo. Este se concibió usando herramientas como: diagramas de
árbol, lluvias de ideas, pláticas con el personal, árbol de contingencias para
finalmente plasmarlo en un plan de implementación donde se estiman los costos,
un cronograma de ejecución y las consideraciones prácticas antes de ponerlo en
marcha. Para el caso de la de las causas comunes se realizó una propuesta de
diseño experimental en donde se consideraron variables de entrada para luego
entender su comportamiento en una variable de salida.
4.1 MEJORAR
4.1.1 DIAGRAMA DE ÁRBOL (PLAN DE ACCION)
El diagrama de árbol de objetivos encontró soluciones potenciales a través de la
expansión del pensamiento. La forma de elaborarlo consistió en:
Establecer el objetivo
Generar los objetivos secundarios
Generar los medios y tareas
Montar/revisar el diagrama
Revisión final
(Moura/Quali, 2011)
En este caso, el objetivo principal fue pintar carrocerías de excelente calidad; el
desarrollo del diagrama se muestra en la Figura 4.1.
89
Pintarcarrocerías de
excelente calidad
Optimizarcontroles al
proceso
Utilizar softwareestadístico
Fortalecer plan demantenimiento de
cabinas
Validarinformación deproveedores
Capacitación enherramientasestadísticas
Capacitación en manejode software
Delegar funcionarioresponsable de
mediciones de Aymesa
Renovar equiposmedición
Capacitacióntécnica
Ingreso personalautorizado en
unidad de trabajo
Mejorardesempeño
Capacitar en: método,patrón, traslapado ygama de aplicación
Realizar análisisestadístico de proceso
(Aymesa)
Socializar plan demantenimiento con área
de pintura
Utilizar informaciónestadística de producto
(proveedores)
Recordar la competenciadel personal en cada
unidad de trabajo
Instalar proteccióncontra partículas
Crear ambientehermético en
cabinas
Auditar plan de limpiezade cabinas
Control estadístico de latemperatura de cámara
Monitorearcámara flash off
Auditar niveles deiluminación
Adquirir espesímetrocapa por capa
Correctofuncionamiento
de equipos
Adquirir manómetros ytermómetros
Objetivoprincipal
Objetivos secundariosy medios
Tareas deimplementación
Figura 4.1 - Diagrama de árbol de objetivos
90 4.1.2 ÁRBOL DE CONTINGENCIA
El árbol de contingencia anticipó los problemas potenciales antes de implementar
un plan de acción, además de identificar y seleccionar contramedidas. El
diagrama básico se muestra así:
Actividad que serárealizada
Problema potencial
Acción preventiva oalternativa
Ok, Seleccionada
Rechazada, Dificil
Figura 4.2- Estructura de árbol de contingencias
Se consideraron como actividades que serán realizadas, las tareas de
implementación detalladas en la Figura 4.1.
Recordar la competencia delpersonal en cada unidad de
trabajo
El personal está concientepero por facilidad ingresa a
las áreas no permitidas
Poka Yoke enapertura de puertas
de acceso lateral
Sancionar alpersonal
Revisión defunciones en
manual de procesos
Figura 4.3 – Árbol de contingencias para injerencia de personal
91
Capacitar en: método, patrón,traslapado y gama de aplicación
No existe disponibilidad de tiempo
Auditoría en procedimientos
Breves charlas para recordarprocedimientos
Grabar la forma de aplicación ycitarlos individualmente para
analizarlo
Figura 4.4 - Árbol de contingencias para capacitación técnica
Capacitación en herramientasestadísticas
Ciertas herramientas conocen y no esnecesario
Motivar en base a los beneficiosque se obtiene aplicando la
metodología
Breves charlas de estadísticaorientada al 6s
Compartir información en grupos detrabajo
Figura 4.5 - Árbol de contingencias para capacitación en herramientas estadísticas
92
Capacitación en manejo de software
Excel puede ayudar en manejoestadístico
Beneficios sobre el manejo delsoftware especializado
Figura 4.6 - Árbol de contingencias para capacitación en software
Delegar funcionario responsable demediciones de Aymesa
No dispone en algunas ocasiones detiempo
Coordinar actividades conproveedor
Establecer un plan de muestreo
Figura 4.7 - Árbol de contingencias para delegar funcionario
Utilizar información estadística deproveedores
La responsabilidad está a cargo delprovedor
Monitorear informaciónpresentada por proveedores
Figura 4.8 - Árbol de contingencias para información estadística de proveedores
93
Realizar análisis estadístico delproceso (Aymesa)
Proveedores ya realizan el análisis
Utilizar información que tomófuncionario y validarla
Monitorear límites deespecificación
Explicar los beneficios en relacióna análisis exploratorio de datos
Sobreprocesamiento de información
Modificar hoja de recoleccióndatos
Ingreso de datos a softwareestadístico
Figura 4.9 - Árbol de contingencias para información estadística de AYMESA
Adquirir manómetros y termómetros
Los actuales medidores se encuentranfuncionando
Seguir con el procedimiento decalibración
Adquirir un termo-higrómetro encabina
Cumplir con plan demantenimiento
Figura 4.10 - Árbol de contingencias para adquirir manómetros y termómetros
94
Adquirir espesímetro capa por capa
Se dispone de un espesímetro básico
Realizar un análisis estadísticopara cada recubrimiento
Calibrarlo periódicamente
Cumplir con plan demantenimiento
Figura 4.11 - Árbol de contingencias para adquirir Espesímetro
Auditar niveles de iluminación
No se tiene previsto realizar esteexamen en el año
Considerar a futuro la evaluación
Cumplir con plan demantenimiento
Figura 4.12 - Árbol de contingencias para auditar niveles de iluminación
95
Socializar plan de mantenimiento conárea de pintura
No se comparte información
Postear en cartelera el estado delplan de mantenimiento
Intercambiar información yrequerimientos
Figura 4.13 - Árbol de contingencias para socializar plan de mantenimiento
Protección contra partículas
Necesita montar infraestructura
Cumplir con plan demantenimiento
Uso de overolesdesechables
Denegar acceso a personalno autorizado
Uso adecuado de equipo deprotección
Figura 4.14 - Árbol de contingencias para protección de partículas
96
Control estadístico de la temperaturade cámara
La cámara debe ser más amplia
Mantener puertas de accesocerradas
Instalar termómetro en cabina
Figura 4.15 - Árbol de contingencias para control estadístico de cámara
4.2 PLAN DE IMPLEMENTACION
Para implementar una solución es importante elaborar un plan que especifique las
diferentes tareas, descripción (en que consiste, dónde se va a implementar), las
fechas para cada una, los recursos monetarios requeridos, las personas
responsables y participantes en cada tarea. Luego de elaborar los diagramas de
árbol se escogieron las opciones más viables por el impacto que tendrán en el
desempeño de los procesos de la empresa. En la Figura 4.1 se presenta las
tareas por realizar, junto a los responsables del área.
97
Tabla 4.1 – Matriz de la propuesta de mejora
4.2.1 CONSIDERACIONES PRÁCTICAS
Luego de determinar el plan, se amplía cada una de las tareas a desempeñar,
encaminadas principalmente en satisfacer las necesidades del cliente al ofrecer
un automóvil de calidad y reducir la variación de los procesos evidenciada en la
reducción de defectos. En cada ítem se propone una oportunidad de mejora que
ayudará en la correcta gestión del proyecto de Six Sigma.
1 Recordar la competencia del personal en cada unidad de trabajo
Concientizar al personal sobre el ingreso a áreas no permitidas, como la
entrada a las cabinas de aplicación sin el respectivo overol que ocasiona
que partículas adheridas a las prendas de vestir se dirijan a las carrocerías.
No. Tareas Acciones preventivas/alternativas Responsable
Revisión de funciones en manual de procesos
Poka Yoke en apertura de puertas de acceso lateral
Breves charlas para recordar procedimientos
Grabar forma de aplicación y citarlos para analizar video
3Capacitación en herramientas
estadísticasCompartir información en grupos de trabajo Ingeniería en procesos de pintura
4 Capacitación en manejo de software Beneficios sobre el manejo de software especializado Ingeniería en procesos de pintura
5Delegar funcionario responsable de
mediciones
Coordinar actividades con proveedor
Establecer un plan de muestreoIngeniería en procesos de pintura
6Utilizar información estadística de
proveedoresMonitorear información presentada por proveedores Ingeniería en procesos de pintura
7Realizar análisis estadístico del proceso
(Aymesa)
Validar información
Monitorear límites de especificación
Ingresar datos a software estadístico
Ingeniería en procesos de pintura
Seguir con el procedimiento de calibración
Cumplir con plan de mantenimiento
Adquirir un termo-higrómetro en cabina
Realizar un análisis estadístico para cada recubrimiento
Calibrarlo periódicamente
Cumplir con plan de mantenimiento
10 Auditar niveles de iluminación Cumplir con plan de mantenimiento Superintendencia de pintura
11Socializar plan de mantenimiento con
área de pintura
Postear en cartelera el estado del plan de mantenimiento
Intercambiar información y requerimientosDepartamento de mantenimiento
12 Protección contra partículas
Cumplir con plan de mantenimiento
Uso adecuado de equipo de protección
Denegar acceso a personal no autorizado
Superintendencia de pintura
Mantener puertas cerradas
Instalar termómetro en cabina
Superintendencia de pintura
1
2
8
13
Adquirir espesímetro capa por capa Ingeniería en procesos de pintura9
Control estadístico de temperatura en
cabina flash offIngeniería en procesos de pintura
Adquirir manómetros y termómetros Ingeniería en procesos de pintura
Capacitar en método, patrón,
traslapado y gama de aplicación
Recordar competencia de personal en
cada unidad de trabajoSuperintendencia de pintura
98
Además se sugiere la implementación de un Poka Yoke10 en las puertas de
acceso lateral para que solo sean abiertas desde el interior.
2 Capacitar en método, patrón, traslapado y gama de aplicación
La capacitación en la compañía es constante y se enfatizará en parámetros
de aplicación como: distancia de la pistola rociadora, sobreposición de
capas, ángulo, velocidad, y secuencia de aplicación, apoyados en video
grabación que analice, detecte y trate los defectos hallados. En el caso de
los paneles con el espesor bajo ubicados en las puertas delanteras y
posteriores, se controlará que el ángulo de la pistola rociadora esté de
manera perpendicular al panel, tomando en cuenta las curvaturas del
mismo. Además, para pintar se debe mover todo el cuerpo de lado al lado,
utilizando la cintura como punto de apoyo, en lugar de mover solo el brazo;
asi mismo se moverá gradualmente la posición de pie a la de cuclillas para
cubrir toda la superficie.
Figura 4.16 – Paneles de la puerta delantera y trasera
3 Capacitación en herramientas estadísticas
Consistirá en compartir breves lecturas dentro del equipo de trabajo sobre:
SPC, métrica sigma, estabilidad y capacidad de un proceso y acompañado
de la capacitación del software.
10 Dispositivo a prueba de errores
99
4 Capacitación en manejo de software
Es necesario contar con un software especializado en el estudio estadístico
para proyectos Six Sigma y de mejora de la calidad. Se sugiere el uso del
software Minitab, por la facilidad de uso, interfaz simplificada y por el
conocimiento básico del programa que tiene parte del equipo de trabajo.
5 Delegar funcionario responsable de mediciones
Es necesario contar con un delegado que acompañe al proveedor, esto se
logrará coordinando los horarios en la toma de muestras, las que validarán
la información y servirán como registro para un posterior análisis interno.
De acuerdo al plan de muestreo se sugiere continuar con el muestreo
sistemático y para evitar efectos cíclicos que conduzcan a muestras con
menor precisión, es recomendable utilizar números aleatorios al proceso,
documentando la forma como fue calculado.
6 Utilizar información estadística de proveedores
Hasta implantar un análisis propio es necesario usar la información
suministrada por proveedores, que será útil para realizar un análisis
minucioso de las posibles correlaciones, controlar los procesos y detectar
oportunidades de mejora.
7 Realizar análisis estadístico del proceso
Los nuevos límites de especificación se definirán; en el caso del flujo existió
gran dispersión de datos y una pequeña parte de las muestras se ubicó
sobre los 340 mil/min y la otra en los 390 mil/min, por lo que se
estandarizará la determinación del flujo considerando el criterio técnico
(proveedor) y la habilidad de aplicación (operario) definiendo un valor ideal
(nominal) en donde se ubicará el flujo para evitar fluctuaciones y obtener
una adecuada distribución de datos que permitan realizar un estudio de
capacidad. En el caso de la temperatura de hornos, se obtuvo un nivel de
capacidad ( ) mayor a dos; se debería reducir de a poco los limites,
hasta que se ajusten al adecuado Seis Sigma, ya que se puede dar el caso
que las especificaciones estén sobrestimadas y no se tenga un verdadero
100
control pese a estar en un nivel de capacidad de categoría mundial. Luego
se recopilarán los datos en un único formato y se ingresarán en el software
para analizarlos.
8 Adquirir manómetros y termómetros
Verificar la correcta calibración del termómetro en la cabina de aplicación
porque presentó temperaturas superiores a la media. Se sugiere adquirir un
termo-higrómetro para medir la temperatura, velocidad del aire y humedad
relativa de la cabina (variable que no se mide por el momento, pero es
necesaria). Con respecto a los manómetros, se debería realizar
mantenimiento en cuanto al aspecto visual, pues existen sombras en el
cristal que no permiten una correcta toma de datos.
9 Adquirir espesímetro capa por capa
Por el momento se cuenta con espesímetros básicos y se plantea a
mediano plazo el estudio del espesor en cada una de las estaciones en
donde se aplican recubrimientos a la carrocería para identificar qué
proceso no aplica el material de acuerdo a especificaciones (Véase Anexo
N).
10 Auditar niveles de iluminación
“Un tratamiento adecuado del ambiente visual incidirá directamente en
seguridad, confort y seguridad” (INSHT, 2010, pág. 1); por lo que es
necesario contar con un nivel de iluminación adecuado, tanto en la cabina
de aplicación como en retoque. Se debería verificar si las estaciones de
trabajo cumplen con el nivel apropiado por ello se sugiere adquirir un
luxómetro. Por el momento se deben cumplir con los planes de
mantenimiento de luminarias.
11 Socializar plan de mantenimiento con área de pintura
La información que se genera al realizar el mantenimiento (equipos,
herramientas, cabinas, etc.) es necesaria ponerla a disposición de los
ejecutores del proceso; esto describirá si los equipos intervenidos
101
influenciaron en el producto final. Se sugiere colocar los planes de
mantenimiento junto a las pizarras de control para que sean revisadas por
los interesados. Además se deben revisar el estado de las pistolas
electrostáticas para evitar irregularidades en la aplicación de flujo.
12 Instalar protección contra partículas
El proceso de pintura es una etapa sensible del ensamblaje de un
automotor y requiere una atmósfera libre de impurezas; se tratará de
reducirlas usando correctamente el equipo de protección (gafas, gorro
protector, mascarilla, guantes, botas); además de lavar continuamente el
overol para evitar que permanezcan partículas secas de pintura en este,
cumplir con el plan mantenimiento diario de cabina (limpieza de rejillas,
pistolas, mangueras, etc.), revisión del flujo de aire que atrapa el over spray
hacia la superficie (cortina de agua), denegar el acceso de personal no
autorizado que no porte el equipo de protección.
13 Control estadístico de temperatura en cabina flash off
Es necesario considerar la importancia de una cámara de evaporación, que
evacue los disolventes contenidos en la carrocería y que endurezca la
superficie. Al instalar un termómetro y mantener puertas de acceso
cerradas se mantendrá una temperatura uniforme para tener una carrocería
con excelente brillo.
4.2.2 DISEÑO DE EXPERIMENTOS
Adicionalmente a las soluciones planteadas, para las causas comunes se propone
el desarrollo de un experimento de diseño factorial, el cual se detalla a
continuación:
Estudio de caso: Espesor de una carrocería
Una pintura puede definirse como una composición química liquida pigmentada
que al aplicarse sobre una superficie o soporte cumple dos funciones básicas:
102 protección y acabado. Los componentes de una pintura son: resinas, pigmentos,
aditivos y solventes. Se conoce que son muchas las variables que afectan al
proceso de aplicación del recubrimiento como presión de aire inadecuada,
distancia de aplicación, temperatura de cabina y de horneo, entre otras. Se hizo
un estudio para observar el efecto de algunos de los factores controlables que
afectan al espesor. Para efectos de este estudio, se considerarán tres parámetros
críticos del proceso (CTX): cantidad de flujo, temperatura en cabina y humedad
relativa.
Objetivo del experimento: El objetivo del experimento es determinar en qué
medida afectan las tres variables mencionadas en el espesor de una carrocería, y
cómo interaccionan entre ellas.
Diseño del experimento: Es un experimento a tres factores, con dos niveles
cada uno, según la siguiente descripción:
Tabla 4.2 – Diseño del experimento
Factores Niveles
A. Flujo A.1 370 ml/min (-1)
A.2 390 ml/min (1)
B. Temperatura de cabina B.1 22 ºC min (-1)
B.2 27 ºC min (1)
C. Humedad relativa C.1 40% min (-1)
C.3 70% min (1) En el estudio experimental se utilizó el software Minitab, se elaboró la siguiente
matriz en donde se plantea el modelo para finalmente ingresar los resultados en
la columna “Respuesta”, de acuerdo a las combinaciones expuestas como se
muestra en la Figura 4.17.
103
Figura 4.17 – Diseño factorial en Minitab Respuesta del experimento: Es la medición del espesor por medio del equipo
(Elcometer 456) en unidades micras.
Preparación de muestras: Se recibirán los paneles del proceso de Primer, luego
se limpiarán impurezas para luego ingresarlas a la cabina de acuerdo al
modelamiento del experimento. Además se considerarán aspectos como:
La abertura del patrón de rociado se debe encontrar entre 25 a 30 cm.
Voltaje adecuado en el uso de la pistola electrostática.
La temperatura de horneo debe ser la especificada.
La presión de aire debe estar entre 55 – 60 psi.
Mantener una distancia del panel y el aplicador entre 20 a 30 cm y colocar
la pistola perpendicularmente.
Limitaciones: Debido a la dimensión que representa pintar una carrocería por
completo, se realizará el presente experimento tomando en cuenta los paneles de
los guardafangos derecho e izquierdo, los que sirven de ensayos para el
departamento de pintura.
Realización del experimento: La corrida experimental se realizará a lo largo de
un día laborable, dependiendo de las exigencias del modelamiento.
104 4.2.3 CRONOGRAMA
Se elaboró una guía (véase Tabla 4.3) donde se indican las tareas, las acciones
preventivas y alternativas para cada caso, junto a la estimación del tiempo en
realizarlas. “El proyecto debe tener un alcance razonable, se puede realizar en un
tiempo de tres a seis meses” (Gutiérrez Pulido & De la Vara, 2005, pág. 564). La
propuesta se definió ejecutarla en un periodo de tres meses, consta de
actividades simultáneas, predecesoras y sucesoras.
105
Tabla 4.3 – Cronograma de la propuesta
No
.Ta
reas
Acc
ion
es
pre
ven
tiva
s/al
tern
ativ
asR
esp
on
sab
leD
urac
ión
S1S2
S3S4
S5S6
S7S8
S9S1
0S1
1S1
2
Re
visi
ón
de
fun
cio
ne
s e
n m
an
ua
l de
pro
ceso
s1
sem
an
a
Po
ka Y
oke
en
ap
ert
ura
de
pu
ert
as
de
acc
eso
late
ral
1 se
ma
na
Bre
ves
cha
rla
s p
ara
re
cord
ar
pro
ced
imie
nto
s1
sem
an
a
Gra
ba
r fo
rma
de
ap
lica
ció
n y
cit
arl
os
pa
ra a
na
liza
r vi
de
o2
sem
an
as
3C
ap
aci
taci
ón
en
he
rra
mie
nta
s
est
ad
ísti
cas
Co
mp
art
ir in
form
aci
ón
en
gru
po
s d
e t
rab
ajo
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra2
sem
an
as
4C
ap
aci
taci
ón
en
ma
ne
jo d
e
soft
wa
reB
en
efi
cio
s so
bre
el m
an
ejo
de
so
ftw
are
esp
eci
ali
zad
oIn
gen
ierí
a e
n p
roce
sos
de
pin
tura
2 se
ma
na
5D
ele
gar
fun
cio
na
rio
re
spo
nsa
ble
de
me
dic
ion
es
Co
ord
ina
r a
ctiv
ida
de
s co
n p
rove
ed
or
Esta
ble
cer
un
pla
n d
e m
ue
stre
oIn
gen
ierí
a e
n p
roce
sos
de
pin
tura
2 se
ma
na
s
6U
tili
zar
info
rma
ció
n e
sta
dís
tica
de
pro
vee
do
res
Mo
nit
ore
ar
info
rma
ció
n p
rese
nta
da
po
r p
rove
ed
ore
sIn
gen
ierí
a e
n p
roce
sos
de
pin
tura
4 se
ma
na
s
7R
ea
liza
r a
ná
lisi
s e
sta
dís
tico
de
l
pro
ceso
(Aym
esa
)
Va
lid
ar
info
rma
ció
n
Mo
nit
ore
ar
lím
ite
s d
e e
spe
cifi
caci
ón
Ingr
esa
r d
ato
s a
so
ftw
are
est
ad
ísti
co
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra4
sem
an
as
Segu
ir c
on
el p
roce
dim
ien
to d
e c
ali
bra
ció
n
Cu
mp
lir
con
pla
n d
e m
an
ten
imie
nto
4 se
ma
na
s
Ad
qu
irir
un
te
rmo
-hig
róm
etr
o e
n c
ab
ina
4 se
ma
na
s
Re
ali
zar
un
an
áli
sis
est
ad
ísti
co p
ara
ca
da
re
cub
rim
ien
to4
sem
an
as
Ca
lib
rarl
o p
eri
ód
ica
me
nte
Cu
mp
lir
con
pla
n d
e m
an
ten
imie
nto
4 se
ma
na
s
10A
ud
ita
r n
ive
les
de
ilu
min
aci
ón
Cu
mp
lir
con
pla
n d
e m
an
ten
imie
nto
Sup
erin
ten
den
cia
de
pin
tura
11So
cia
liza
r p
lan
de
ma
nte
nim
ien
to
con
áre
a d
e p
intu
ra
Po
ste
ar
en
ca
rte
lera
el e
sta
do
de
l pla
n d
e m
an
ten
imie
nto
Inte
rca
mb
iar
info
rma
ció
n y
re
qu
eri
mie
nto
sD
epa
rta
men
to d
e m
an
ten
imie
nto
4 se
ma
na
s
12P
rote
cció
n c
on
tra
pa
rtíc
ula
s
Cu
mp
lir
con
pla
n d
e m
an
ten
imie
nto
Uso
ad
ecu
ad
o d
e e
qu
ipo
de
pro
tecc
ión
De
ne
gar
acc
eso
a p
ers
on
al n
o a
uto
riza
do
Sup
erin
ten
den
cia
de
pin
tura
Tod
o e
l ti
em
po
Ma
nte
ne
r p
ue
rta
s ce
rra
da
sTo
do
el
tie
mp
o
Inst
ala
r te
rmó
me
tro
en
ca
bin
a4
sem
an
as
14D
esa
rro
llo
de
Exp
eri
me
nto
s (D
DE)
Pre
pa
rar
pa
ne
les
y re
qu
eri
mie
nto
s p
ara
la e
jecu
cio
n d
el
exp
eri
me
nto
al a
pli
car
el r
ecu
bri
mie
nto
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra1
sem
an
a
Me
s 1
Me
s 2
Me
s 3
Fech
a
Re
cord
ar
com
pe
ten
cia
de
pe
rso
na
l
en
ca
da
un
ida
d d
e t
rab
ajo
Sup
erin
ten
den
cia
de
pin
tura
Sup
erin
ten
den
cia
de
pin
tura
1 2 8 13
Ad
qu
irir
esp
esí
me
tro
ca
pa
po
r ca
pa
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra9
Co
ntr
ol e
sta
dís
tico
de
te
mp
era
tura
en
ca
bin
a fl
ash
off
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra
Ad
qu
irir
ma
nó
me
tro
s y
term
óm
etr
os
Inge
nie
ría
en
pro
ceso
s d
e p
intu
ra
Ca
pa
cita
r e
n m
éto
do
, pa
tró
n,
tra
sla
pa
do
y g
am
a d
e a
pli
caci
ón
106 Dentro del plan se estimaron los costos de inversión en alrededor de USD $4100
dólares, destinando rubros monetarios para cada mes, tales como: compra de
software, adquisición de equipos de medición y ejecución de los planes de
mantenimiento, diseño de experimentos, entre otros como se muestra en la Tabla
4.4. Las otras acciones consistirán en reforzar planes de capacitación laboral, de
comunicación organizacional y coordinación actividades internas, las que no
tienen un costo extra a la empresa porque forman parte de las actividades que se
venían desarrollando.
Tabla 4.4 - Costos estimados de la propuesta
El análisis costo-beneficio (B/C) es una herramienta financiera que mide la
relación entre los costos y beneficios asociados a un proyecto de inversión con el
fin de evaluar su rentabilidad. La tasa de descuento de la industria se estima en
28% anual aproximadamente. Se analizó la viabilidad del proyecto mediante el
uso del software financiero PCM, usando el módulo decisiones de inversión y
considerando el flujo de fondos netos como se muestra en la Figura 4.18 (BCE,
2010).
No. Tareas Costo Total Duración S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12
- 1 semana
$ 100 1 semana 100
4 Capacitación en manejo de software $ 1.400 2 semana 700 700
$ 300 4 semanas 300 400
$ 400 4 semanas 100 100 100 100
- 4 semanas
$ 100 4 semanas 100
10 Auditar niveles de iluminación $ 450 100 100 100 150
11Socializar plan de mantenimiento con
área de pintura$ 50 4 semanas 50
12 Protección contra partículas $ 400 Todo el tiempo 100 300
Todo el tiempo
$ 200 4 semanas 200
14Desarrollo de Experimentos (DDE)
$ 800 1 semana 800
$ 4.100 $ 2.400 $ 1.750 $ 450
Fecha
Mes 1 Mes 2 Mes 3
1Recordar injerencia de personal en cada
unidad de trabajo
13Control estadístico de temperatura en
cabina flash off
8 Adquirir manómetros y termómetros
9 Adquirir espesímetro capa por capa
107
Figura 4.18 – Viabilidad financiera del proyecto
Un proyecto es rentable cuando la relación (B/C) es mayor que la unidad. La
figura indica que la relación es mayor y se concluye que el proyecto es viable
financieramente.
B/C: 1,12 > 1
108
5 CONCLUSIONES Y RECOMENDACIONES
5.1 CONCLUSIONES
La variación en un proceso está siempre presente y afecta al resultado por
lo que es imposible aislarla. El estudio SPC no presentó grandes
interacciones de causas especiales que influyan en el proceso, además al
analizar el sistema de medición (R&R) no evidenció variabilidad; en cambio
sí existió la presencia de causas comunes por lo que fue imprescindible
plantear un DDE factorial de dos niveles y tres factores.
Los resultados de las fase Medir revelaron que mediante un SPC de las
variables: temperatura horno radiación y convección obtuvieron calidad six
sigma, mientras los restantes: brillo, espesor, flujo y temperatura de cabina
poseían calidad entre tres y cuatro sigma.
Las medidas de mejora requirieron del análisis estadístico que identificó las
características CTS, CTY y CTX y analizó las relaciones de múltiples
variables para identificar las causas potenciales.
Se describió la relación entre el flujo y el espesor del automotor, ya que
mientras transcurre el día el flujo del recubrimiento aumenta y el espesor
disminuye al final de día.
El plan de mejora se estimó en un USD $4100 dólares, que contempla la
compra de software, equipos, planes de mantenimiento y DDE. Las otras
tareas se complementarán con planes de capacitación, de comunicación
organizacional, entre otros. El tiempo de ejecución se estima realizarlo en
tres meses.
109
5.2 RECOMENDACIONES
El compromiso y la participación activa de la dirección de AYMESA es vital
para afianzar esta nueva filosofía, indicando el por qué es necesario
trabajar por ella. Sin ese fundamento indispensable el proyecto no tendrá
éxito la metodología.
Es necesario cambiar el paradigma de travesaño de portería sobre la
conformidad de un producto, ya que por cumplir con las expectativas
definidas por el cliente, se consideraba al producto potencialmente
adecuado y se dejaba de lado a iniciativas que veían más allá de las
tolerancias, por lo que ahora los esfuerzos se enfocarán en reducir la
variabilidad aun dentro de ellas, lo que generará calidad máxima y mínima
variación simultáneamente.
El estudio R&R evaluó el sistema en el corto tiempo, validando su resultado
solo para el presente proyecto. El estudio se debería repetir cada cierto
período para monitorear la variación del proceso que dependerá del
alcance de posteriores planes, del tipo de instrumento, de la intensidad de
uso, de la frecuencia de calibración, entre otros aspectos.
El área de pintura se encuentra en un ambiente con temperatura distinta
respecto a las áreas de soldadura o ensamble general, debido al tipo de
equipos y maquinarias que dispone (hornos, cubas, calderos, cabinas,
etc.). Por ello es necesario controlar la temperatura que se genera, tanto en
controlar la viscosidad presente en el cuarto de mezcla, como en las
cabinas de aplicación y evitar cualquier cambio brusco que afecte al
producto final.
110
El control de la apariencia ya no está limitado a la inspección del acabado
final, sino a realizar un estudio más completo del desempeño de los CTX y
como estos influyen en los CTY, por lo que se recomienda extender el
estudio a variables como: humedad relativa, velocidad del aire, nivelación
de paneles, piel de naranja/DOI entre otros.
La clave del éxito de la implementación es contar con datos confiables. No
se deberían omitir los pasos para obtener datos aceptables. Por eso se
debe tener un adecuado plan de muestreo documentado que involucre a
todos los elementos descritos en el desarrollo del proceso.
111
REFERENCIAS
Agila, C. (septiembre de 2011). Conversación sobre área de pintura. (R. Lalaleo,
Entrevistador)
América Economía. (5 de Febrero de 2011). Recuperado el 15 de Octubre de
2011, de http://www.americaeconomia.com/negocios-industrias/ecuador-
mercado-automotriz-registra-record-de-ventas-el-2010
Aquino, C. (Diciembre de 1999). Economía Asiática. Recuperado el 9 de Octubre
de 2011, de http://www.economiaasiatica.com/books/ieasia.pdf
AYMESA. (2011). Autos y Máquinas del Ecuador S.A. Recuperado el 17 de
Octubre de 2011, de www.aymesa.com.ec
BCE. (2010). Banco Central de Ecuador. Recuperado el 20 de Mayo de 2012, de
http://www.portal.bce.fin.ec/ebi/servlet/fin.bce.ebi.ClsIngresoCalculadora
Capital Management Solutions. (2008). Sector Automotriz. Revista Ekos
Economía y Negocios, 18.
CINAE. (2008). [Cámara de la Industria Automotriz Ecuatoriana]. Recuperado el
24 de Octubre de 2011, de
http:/www.cinae.org.ec/index.php?option=com_docman&task=doc_downloa
d&gid=235&Itemid=60&lang=es
CINAE. (2011). Camara de la industria Automotriz Ecuatoriana. Recuperado el 22
de Octubre de 2011, de Bases de datos de www.cinae.org.ec
CNN. (9 de Diciembre de 2009). CNN Expansión. Recuperado el 9 de Octubre de
2011, de http://www.cnnexpansion.com/actualidad/2009/12/09/la-quiebra-
de-gm-y-chrysler
Corporación Maresa. (2011). Recuperado el 17 de Octubre de 2011, de
Corporación Maresa:
http://www.corpmaresa.com.ec/interna2.aspx?idMI=1&idPag=8
Cruz, J. (2010). Sede Web de los profesores de la FCA-UNAM. Recuperado el 5
de Octubre de 2011, de
http://aprender.fca.unam.mx/~lvaldes/cal_pdf/cal5.pdf
112 Cuesta Muñoz, C. (2012). Centro de Ingeniería de la Calidad. Recuperado el 18
de Mayo de 2012, de
http://www.cicalidad.com/articulos/Dise%F1o%20de%20Experimentos.pdf
Explored. (09 de Enero de 1994). Explored. Recuperado el 15 de Octubre de
2011, de http://www.explored.com.ec/noticias-ecuador/industria-automotriz-
contra-nuevo-impuesto-33555-33555.html
Finn, L., Ginn, D., & Ritter, D. (2002/2011). The Six Sigma Memory Jogger II.
EUA: GOAL/QPC.
Fundación José Peralta. (2003). Concentración y Distribución de la riqueza. En L.
Vazques, & N. Saltos, Ecuador: Su realidad (págs. 281-287). Quito:
Fundación José Peralta.
Galindo, E. (2006). Estadística. Quito: ProCiencia Editores.
GM Heritage Center. (2011). GM Heritage Center. Recuperado el 27 de
Septiembre de 2011, de
http://history.gmheritagecenter.com/wiki/index.php/Bill_Bowman
Grupo El Comercio. (12 de Abril de 2010). Los autos impulsan la industria desde
1973. pág. 12.
Gutiérrez Pulido, H., & De la Vara, R. (2005). Control estadístico y Seis Sigma.
México: McGraw-Hill.
Herrera, G. (25 de Agosto de 2011). Blog Seis Sigma. Recuperado el 7 de Mayo
de 2012, de http://seisssigmas.blogspot.com/2011/08/manual-de-seis-
sigma.html
INSHT. (2010). Instituto Nacional de Seguridad e Higiene en el trabajo.
Recuperado el 14 de Febrero de 2012, de
http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/
NTP/Ficheros/201a300/ntp_211.pdf
Krajewski, L., & Ritzman, L. (2000). Administración de Operaciones. Mexico:
Pearson Educación.
Marín Diazaraque, J. (2006). Universidad Carlos III de Madrid. Recuperado el 18
de Mayo de 2012, de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE
113 Mendoza, J. M., & Mendoza, J. J. (2005). Hacia la cumbre de la calidad.
Pensamiento & Gestión, Academic Search Complete.
Minitab Inc. (2010). Minitab. Recuperado el 12 de 2011, de
http://www.minitab.com/uploadedFiles/Shared_Resources/Documents/Sam
ple_Materials/TrainingSampleMeasurementSystemsMTB16ES.pdf
Mortimore, M., & Barron, F. (Agosto de 2005). CEPAL. Recuperado el 1 de
Octubre de 2011, de
http://www.eclac.org/publicaciones/xml/1/22811/lcl2304e.pdf
Moura/Quali. (Febrero de 2011). Formación de Especialistas Lean Six Sigma
Green Belt. Quito, Ecuador.
Ochoa, J., & Zagarola, S. (2011). Medición en el siglo XXI. Pubicación mensual
EKOS, 14.
OPEC. (4 de Octubre de 2011). Organization of the Petroleum Exporting
Countries . Recuperado el 4 de Octubre de 2011, de
http://www.opec.org/opec_web/en/data_graphs/40.htm
Organización Internacional de Constructores de Automóviles OICA. (2011).
Recuperado el 25 de Septiembre de 2011, de http://oica.net/wp-
content/uploads/ranking-2010.pdf
Ortega Bardellini, J. (Octubre de 2005). Banco Central del Ecuador, BCE.
Recuperado el 12 de Octubre de 2011, de
http://www.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/Apuntes/a
e50.pdf
PPG Consultores. (s.f.). Detextiles. Recuperado el Noviembre 17 de 2011, de
http://www.detextiles.com/files/6%20SIGMA.pdf
Pyzdek, T., & Keller, P. (2010/2011). The Six Sigma Handbook. New York:
McGraw-Hill.
Qualiplus. (2011). Recuperado el 15 de Agosto de 2011, de
http://www.qualiplus.com.br/es/casos-de-exito/utilizando-six-sigma-
plus.html
Quiroz Trejo, J. O. (Julio-Diciembre de 2010). Gestión y Estrategia. Recuperado el
5 de Octubre de 2011, de base de datos EBSCOHost Academic Search
Complete
114 Superbrands. (2010). Superbrands Ecuador. Recuperado el 12 de Octubre de
2011, de
http://macrovisionmedia.com/superbrandsecuador/pdf_casos/generalmotor
s.pdf
Wikipedia. (1 de Agosto de 2011). Recuperado el 16 de Agosto de 2011, de
http://es.wikipedia.org/wiki/Seis_Sigma
115
ANEXOS
ANEXO A - Marcas y modelos de automotores ensamblados
Kia - Rio Stylus
Kia – Grand Pregio
116
Kia – Sportage Active
Chevrolet - Vitara
117 ANEXO B.1 - Calidad de corto y largo plazo en términos DPMO y en nivel de calidad sigma (Z)
Índice Cp
Calidad de corto plazo Calidad de largo plazo con un movimiento
de Z=1,5
Calidad en sigmas (Z)
Porcentaje de la curva dentro de especificaciones
DPMO Calidad en sigmas (Z)
Porcentaje de la curva dentro de especificaciones
DPMO
0,33 1 68,27 317300 -0,5 30,23 697700
0,67 2 95,45 45500 0,5 69,13 308700
1 3 99,73 2700 1,5 93,32 66807
1,33 4 99,9937 63 2,5 99,379 6210
1,67 5 99,999943 0,57 3,5 99,9767 233
2 6 99,9999998 0,002 4,5 99,99966 3,4
Modificado (Gutiérrez Pulido & De la Vara, 2005)
118 ANEXO B.2 - Valores del Cp y su interpretación
Valor del Índice Cp (Corto Plazo)
Categoría del proceso
Decisión (si el proceso está centrado)
Cp>=2 Clase mundial
Se tiene calidad Seis Sigma
Cp> 1.33 1 Adecuado
1<Cp<1,33 2 Parcialmente adecuado. Requiere de un control estricto
0,67<Cp<1 3 No adecuado para el trabajo. Un análisis del proceso es necesario.
Cp<0,67 4 No adecuado para el trabajo. Requiere de modificaciones serias
Modificado (Gutiérrez Pulido & De la Vara, 2005, pág. 125)
119 ANEXO B.3 - Índice Cp en términos de piezas malas
Proceso con doble
especificación (índice Cp) Con referencia a una sola
especificación (Cp)
Valor del Índice (corto plazo)
% Fuera de las dos
especificaciones
Parte por millón fuera
% Fuera de una
especificación
Parte por millón fuera
0,2 54,8506% 548506,13 27,4253% 274253,065
0,3 36,8120% 368120,183 18,4060% 184060,0915
0,4 23,0139% 230139,463 11,5070% 115069,7315
0,5 13,3614% 133614,458 6,6807% 66807,229
0,6 7,1861% 71860,531 3,5931% 35930,2655
0,7 3,5729% 35728,715 1,7865% 17864,3575
0,8 1,6395% 16395,058 0,8198% 8197,529
0,9 0,6934% 6934,046 0,3467% 3467,023
1 0,2700% 2699,934 0,1350% 1349,967
1,1 0,0967% 966,965 0,0484% 483,4825
1,2 0,0318% 318,291 0,0159% 159,1455
1,3 0,0096% 96,231 0,0048% 48,1155
1,4 0,0027% 26,708 0,0014% 13,354
1,5 0,0007% 6,802 0,0004% 3,401
1,6 0,0002% 1,589 0,0001% 0,7945
1,7 0,0000% 0,34 0,0000% 0,17
1,8 0,0000% 0,067 0,0000% 0,0335
1,9 0,0000% 0,012 0,0000% 0,006
2 0,0000% 0,002 0,0000% 0,00
Modificado (Gutiérrez Pulido & De la Vara, 2005, pág. 124)
120 ANEXO C - Factores para calcular la gráfica x-barra y gráfica R
Factores para calcular acotamientos tres sigma para la gráfica x-barra y gráfica R
Tamaño de la muestra
(n)
Factor para LCI y LCS para
gráficas X-barra (A2)
Factor para LCI para
gráficas R (D3)
Factor para LCS para
gráficas R (D4)
2 1,88 0 3,267
3 1,023 0 2,575
4 0,729 0 2,282
5 0,577 0 2,115
6 0,483 0 2,004
7 0,419 0,076 1,924
8 0,373 0,136 1,864
9 0,337 0,184 1,816
10 0,308 0,223 1,777
Fuente: (Krajewski & Ritzman, 2000, pág. 256)
121 ANEXO D - Proceso DMAMC y herramientas Green Belt
Modificado (Moura/Quali, 2011)
Project Charter
Matriz de Priorizacion
Analisis de Pareto
Diagrama SIPOC-macro
Mapa flujo de valor
Diagrama SIPOC-detallado
Estadística descriptiva
Isoplot
Estudio cap. Proceso
Análisis Causa Efecti
Diagrama de dispersión
Análisis Multi-Vari
Análisis Fallas Potenciales
Brainwritting
Nube de conflicto
Diagrama de árbol
Arbol de Contingencias
Herramientas Lean
CEP
Def
inir
el e
nfo
qu
e d
e m
ejo
ra
Iden
tifi
car
cara
cter
isti
cas
crit
icas
Form
ula
r el
ob
jeti
vo d
e m
ejo
ra
Map
ear
el p
roce
so
Def
inir
y v
alid
ar e
l sis
tem
a d
e m
edic
ion
Det
erm
inar
la e
stab
ilid
ad /
cap
acid
ad d
el p
roce
so
Co
nfi
rmar
/re
fin
ar e
l ob
jeti
vo d
e m
ejo
ra
(Im
ple
men
tar
mej
ora
s rá
pid
as)
iden
tifi
car
cau
sas
po
ten
cial
es
sele
ccio
nar
cau
sas
pri
mar
ias
Gen
erar
so
luci
on
es p
ote
nci
ales
Sele
ccio
nar
e in
tegr
ar la
s ac
cio
nes
de
mej
ora
Val
idar
la s
olu
cio
n
Esta
nd
ariz
ar la
s m
ejo
ras
Fin
aliz
ar e
l pro
yect
o d
e m
ejo
ra
DM
AM
C &
He
rram
ien
tas
Gre
en
Be
lt
Ayu
da
Pu
ed
e a
yu
da
r
Med
ir
De
fin
ir
An
aliz
ar
Mej
ora
r
Co
ntr
ola
r
122 ANEXO E.1 - SIPOC del proceso de Soldadura de Carrocería
123 ANEXO E.2 - SIPOC del proceso de ELPO
124 ANEXO E.3 - SIPOC del proceso de Primer
125 ANEXO E.4 - SIPOC del proceso de Aplicación de Esmalte
126 ANEXO E.5 - SIPOC del proceso de Ensamblaje General
127
ANEXO F.1 - Descripción del proceso de Soldadura de Carrocería
NO
MB
RE
DE
L P
RO
CE
SO
: So
lda
du
ra d
e c
arr
oce
ría
sC
OD
IFIC
AC
ION
ED
ICIO
N N
o.
2
PR
OP
IET
AR
IO D
EL
SU
BP
RO
CE
SO
: Su
pe
rin
ten
de
nci
a d
e S
old
ad
ura
FEC
HA
AL
CA
NC
E: C
om
pre
nd
e d
es
de
la r
ece
pci
ón
de
l CK
D e
n a
lma
cen
am
ien
to h
as
ta la
en
tre
ga
de
la c
arr
oce
ría
so
lda
da
en
pin
tura
FIS
ICO
S: C
ab
ina
s, b
razo
s m
ecá
nic
os
, so
lda
do
raT
EC
NIC
OS
: Co
mp
uta
do
r, In
yect
or
de
air
e, c
on
tro
lad
ore
s m
ecá
nic
os
, me
did
ore
sR
RH
H: S
up
eri
nte
nd
en
te d
e s
old
ad
ura
, op
era
do
res
, pro
vee
do
res
DE
SC
RIP
CIO
N D
EL
PR
OC
ES
OD
01
/12
/20
11
RE
CU
RS
OS
PR
OV
EE
DO
RE
SP
RO
CE
SO
CL
IEN
TE
S
I. G
estió
n de
apr
ovis
iona
mie
nto
Dpt
o. d
e pr
oduc
ción
Rec
ibir
hoja
s de
pro
ceso
Cum
plir
hoja
s de
pro
ceso
Enví
o de
ítem
s e
insu
mos
Arm
ado
del m
odel
oS
olda
r pa
rtes
Sol
dar
en u
nion
es
Rea
lizar
insp
ecci
ón d
e ca
rroc
ería
sol
dada
Lija
r la
car
roce
ría d
e im
pure
zas
Rem
atar
uni
ones
con
sue
lda
mic
Li
mpi
ar im
pure
zas
Envi
ar r
esid
uos
a bo
dega
Envi
ar a
sub
proc
eso
E.2.
1 EL
PO
E.2.
1. E
LPO
Dpt
o. A
segu
ram
ient
o de
cal
idad
EN
TR
AD
AS
SA
LID
AS
Hoj
a de
rut
a de
veh
ícul
oPr
ogra
ma
de p
rodu
cció
n di
ario
Hoj
a de
pro
ceso
s
Car
roce
ría s
olda
daR
egis
tro
de u
nida
des
en s
olda
dura
Reg
istr
os y
rep
orte
s de
cal
idad
Hoj
a de
con
trol
de
CK
DH
ojas
de
retr
oalim
enta
ción
Form
ato
de s
alid
a de
veh
ícul
osO
BJ
ET
IVO
Sol
dar
cada
una
de
las
part
es r
eque
ridas
par
a el
arm
ado
de c
arro
cería
IND
ICA
DO
RE
SR
EG
IST
RO
S/A
NE
XO
S
Tasa
de
carr
ocer
ías
sold
adas
con
err
orPr
oduc
tivid
ad d
e m
ano
de o
bra
Tasa
de
falta
de
insu
mos
Tiem
po e
fect
ivo
de m
ovilz
ació
n en
líne
a
Doc
umen
tos
de in
geni
ería
Cam
bio
de In
geni
ería
Emis
ión
de In
geni
ería
Cam
bio
prov
isio
nal d
e m
ater
ial e
n lín
ea
CO
NT
RO
LE
S
Hoj
as d
e pr
oces
oPl
an d
e so
ldad
ura
Sec
ción
de
cont
rol d
e ca
lidad
EL
AB
OR
AD
O P
OR
RE
VIS
AD
O P
OR
AP
RO
BA
DO
PO
RR
enat
o La
lale
oIn
g. C
ésar
Agi
la
128 ANEXO F.2 - Descripción del subproceso de ELPO
NO
MB
RE
DE
L S
UB
PR
OC
ES
O: E
LP
OC
OD
IFIC
AC
ION
ED
ICIO
N N
o.
2
PR
OP
IET
AR
IO D
EL
SU
BP
RO
CE
SO
: Su
pe
rin
ten
de
nci
a d
e P
intu
raFE
CH
AA
LC
AN
CE
: Co
mp
ren
de
de
sd
e la
re
cep
ció
n d
e la
ca
rro
cerí
a d
e S
old
ad
ura
ha
sta
el e
nví
o a
l pro
ces
o d
e P
rim
er
FIS
ICO
S: P
isci
na
s E
LP
O, C
ab
ina
s, d
olly
s, s
old
ad
ora
, lija
do
raR
RH
H: S
up
eri
nte
nd
en
te p
intu
ra, o
pe
rad
ore
s, p
rove
ed
ore
sT
EC
NIC
OS
: Co
mp
uta
do
r, In
yect
or
de
air
e, t
erm
óm
etr
os
, me
did
ore
s
DE
SC
RIP
CIO
N D
EL
PR
OC
ES
OE
.1
03
/12
/20
11
RE
CU
RS
OS
PR
OV
EE
DO
RE
SP
RO
CE
SO
CL
IEN
TE
S
C. P
lani
ficac
ión
de la
pro
ducc
ión
I. G
estió
n de
apr
ovis
iona
mie
nto
Prov
eedo
r de
pin
tura
Rec
ibir
hoja
s de
pro
ceso
s In
spec
ción
de
carr
ocer
íaPr
etra
tam
ient
o de
car
roce
ríaC
oloc
ar to
pes
en c
arro
cería
Apl
icar
des
engr
asan
teLi
mpi
eza
de c
arro
cería
Rea
lizar
inm
ersi
ón d
e ca
rroc
ería
s en
pis
cina
s Pu
rific
ar c
arro
cería
s A
plic
ar p
intu
ra m
edia
nte
sist
ema
ELPO
S
ecad
o de
car
roce
ríaIn
spec
ción
de
defe
ctos
Ret
iro d
e to
pes
de c
abin
aEn
vio
al s
upro
ceso
E.2
Prim
er
E.2
Apl
icac
ión
Prim
erD
pto.
de
prod
ucci
ónD
pto.
Ase
gura
mie
nto
de la
cal
idad
Prov
eedo
r de
pin
tura
EN
TR
AD
AS
SA
LID
AS
Uni
dad
sold
ada
Hoj
a de
rut
a de
veh
ícul
oPr
ogra
ma
de p
rodu
cció
n di
ario
Hoj
a de
pro
ceso
s
Uni
dad
aplic
ada
ELPO
Reg
istr
o de
uni
dade
s en
ELP
OR
egis
tros
y r
epor
tes
de c
alid
ad
OB
JE
TIV
O
Apl
icar
cor
rect
amen
te e
l fon
do c
orro
sivo
ant
icor
rosi
vo p
or e
lect
rode
posi
ción
(E
LPO
) pa
ra s
u po
ster
ior
entr
ega
a Pr
imer
IND
ICA
DO
RE
SR
EG
IST
RO
S/A
NE
XO
S
Tasa
de
defe
ctos
en
linea
ELP
OTi
empo
pro
med
io d
e ap
licac
ión
Hoj
as d
e pr
oces
o de
Ens
ambl
aje
Cam
bio
de In
geni
ería
Emis
ión
de In
geni
ería
Cam
bio
prov
isio
nal d
e m
ater
ial e
n lín
eaFo
rmat
o de
sal
ida
de v
ehíc
ulos
Reg
istr
o de
5 p
asos
CO
NT
RO
LE
S
Hoj
as d
e pr
oces
osPl
an d
e EL
POS
ecci
ón d
e co
ntro
l de
calid
ad
EL
AB
OR
AD
O P
OR
RE
VIS
AD
O P
OR
AP
RO
BA
DO
PO
RR
enat
o La
lale
oIn
g. C
ésar
Agi
la
129 ANEXO F.3 - Descripción del subproceso de Primer
NO
MB
RE
DE
L P
RO
CE
SO
: Pri
me
rC
OD
IFIC
AC
ION
ED
ICIO
N N
o.
2
PR
OP
IET
AR
IO D
EL
SU
BP
RO
CE
SO
: Su
pe
rin
ten
de
nci
a d
e P
intu
raFE
CH
AA
LC
AN
CE
: Re
cep
ció
n d
e la
ca
rro
cerí
a c
on
EL
PO
ha
sta
la e
ntr
eg
a d
e la
un
ida
d a
plic
ad
a p
intu
ra d
e fo
nd
o p
ara
Es
ma
lte
FIS
ICO
S: C
ab
ina
s, d
olly
s, p
isto
las
, lija
do
ras
RR
HH
: Su
pe
rin
ten
de
nte
pin
tura
, pro
du
cció
n, o
pe
rad
ore
s, p
rove
ed
ore
sT
EC
NIC
OS
: In
yect
or
de
air
e, c
om
pro
ba
do
res
elé
ctri
cos
y m
ecá
nic
os
, me
did
ore
s
DE
SC
RIP
CIO
N D
EL
PR
OC
ES
OE
.2
06
/12
/20
11
RE
CU
RS
OS
PR
OV
EE
DO
RE
SP
RO
CE
SO
CL
IEN
TE
S
I. G
estió
n de
apr
ovis
iona
mie
nto
Dpt
o. d
e pr
oduc
ción
Prov
eedo
r pi
ntur
a
Rec
ibir
hoja
s de
pro
ceso
s A
plic
ar s
ella
nte
de s
olda
dura
sC
oloc
ar a
ntio
xida
nte
a ca
rroc
ería
s C
oloc
ar a
nti r
uido
s en
car
roce
rías
Def
inir
plan
de
colo
res
Prep
arar
pin
tura
A
plic
ar f
ondo
de
pint
ura
In
gres
o a
horn
oLi
jado
pre
vio
Enví
o de
uni
dad
a E.
3 A
plic
ació
n Es
mal
te
E.3
Apl
icac
ión
esm
alte
Dpt
o. P
rodu
cció
nD
pto.
Ase
gura
mie
nto
de la
cal
idad
Prov
eedo
r pi
ntur
a
EN
TR
AD
AS
SA
LID
AS
Uni
dad
aplic
ada
ELPO
Uni
dad
sold
ada
Hoj
a de
rut
a de
veh
ícul
oPr
ogra
ma
de p
rodu
cció
n di
ario
Hoj
a de
pro
ceso
sPi
ntur
a Pr
imer
Uni
dad
con
Prim
erR
egis
tro
de u
nida
des
en p
rodu
cció
nR
egis
tros
y r
epor
tes
de c
alid
adH
ojas
de
retr
oalim
enta
ción
Form
ato
de s
alid
a de
veh
ícul
osO
BJ
ET
IVO
Apl
icar
la p
intu
ra b
ase
con
el f
in d
e ig
uala
r lo
s pr
oces
os a
nter
iore
s y
prep
arar
la
sup
erfic
ie a
ntes
de
la a
plic
ació
n de
l esm
alte
fin
al
IND
ICA
DO
RE
SR
EG
IST
RO
S/A
NE
XO
S
Tasa
de
defe
ctos
en
línea
Prim
erTi
empo
de
dura
ción
del
pro
ceso
Tasa
de
rend
imie
nto
de in
sum
os
Hoj
as d
e pr
oces
o de
Ens
ambl
aje
Cam
bio
de In
geni
ería
Emis
ión
de In
geni
ería
Cam
bio
prov
isio
nal d
e m
ater
ial e
n lín
eaFo
rmat
o de
sal
ida
de v
ehíc
ulos
Reg
istr
o de
5 p
asos
CO
NT
RO
LE
S
Hoj
as d
e pr
oces
oPl
an d
e pr
imer
Sec
ción
de
cont
rol d
e ca
lidad
EL
AB
OR
AD
O P
OR
RE
VIS
AD
O P
OR
AP
RO
BA
DO
PO
RR
enat
o La
lale
oIn
g. C
ésar
Agi
la
130 ANEXO F.4 - Descripción del subproceso de Esmalte
NO
MB
RE
DE
L S
UB
PR
OC
ES
O: A
plic
ac
ión
Es
ma
lteC
OD
IFIC
AC
ION
ED
ICIO
N N
o.
2
PR
OP
IET
AR
IO D
EL
SU
BP
RO
CE
SO
: Su
pe
rin
ten
de
nci
a d
e P
intu
raFE
CH
AA
LC
AN
CE
: Co
mp
ren
de
de
sd
e la
re
cep
ció
n d
e la
un
ida
d d
e P
rim
er,
ap
lica
ció
n d
e p
intu
ra y
ba
rniz
ha
sta
su
ins
pe
cció
n p
ara
se
r e
ntr
eg
ad
a a
en
sa
mb
le
FIS
ICO
S: C
ab
ina
s, d
olly
s, p
isto
las
ele
ctro
sta
tica
s, p
ulid
ora
, lija
do
raR
RH
H: S
up
eri
nte
nd
en
te d
e p
intu
ra y
pro
du
cció
n, o
pe
rad
ore
s, p
rove
ed
ore
sT
EC
NIC
OS
: Co
mp
uta
do
r, In
yect
or
de
air
e, t
erm
óm
etr
os
, me
did
ore
s
E.3
Car
roce
ría e
n Pr
imer
Hoj
a de
rut
a de
veh
icul
oH
oja
de p
roce
sos,
Pla
n de
col
ores
Sol
vent
e, B
ase
colo
r, B
arni
zPu
limen
to, C
inta
s, C
era
para
veh
ícul
osPr
ogra
ma
de p
rodu
cció
n di
ario
Car
roce
ría c
on p
intu
ra y
cle
arR
egis
tros
y h
ojas
de
cont
rol
Reg
istr
o de
uni
dade
s en
esm
alte
Reg
istr
os y
rep
orte
s de
cal
idad
Hoj
as d
e re
troa
limen
taci
ónFo
rmat
o de
sal
ida
de v
ehic
ulos
DE
SC
RIP
CIO
N D
EL
PR
OC
ES
O
09
/12
/20
11
F. E
nsam
ble
gene
ral
Dpt
o. d
e pr
oduc
cón
Dpt
o. A
segu
ram
ient
o de
la c
alid
adPr
ovee
dor
pint
ura
Prov
eedo
r cl
ear
SA
LID
AS
RE
CU
RS
OS
PR
OV
EE
DO
RE
S
Ing.
Cés
ar A
gila
RE
VIS
AD
O P
OR
AP
RO
BA
DO
PO
RR
enat
o La
lale
o
EL
AB
OR
AD
O P
OR
PR
OC
ES
OC
LIE
NT
ES
EN
TR
AD
AS
Ver
ifica
r la
aus
enci
a to
tal d
e po
lvo
o su
cied
ades
Con
trol
ar n
úmer
o de
VIN
seg
ún m
anifi
esto
.Li
mpi
ar la
uni
dad
con
thin
ner
de li
mpi
eza
Lim
piar
con
tack
clo
th to
da la
uni
dad
Apl
icac
ión
de b
ase
en la
car
roce
ría e
xter
na c
omo
exte
rna
Apl
icac
ión
de c
lear
en
carr
ocer
íaU
bica
ción
de
unid
ad e
n cá
mar
a fla
sh O
ffIn
gres
o de
uni
dad
en h
orno
de
conv
ecci
ón y
rad
iaci
ónC
hequ
ear
la c
alid
ad d
el a
caba
do d
el e
xter
ior
e in
terio
rC
oloc
ació
n de
cau
chos
en
puer
tas
y co
mpu
erta
sLi
jado
y p
ulid
o C
oloc
ació
n de
bla
ck ta
pe e
n m
arco
de
puer
tas
Col
ocac
ión
de c
era
antic
orro
siva
E.2
Apl
icac
ión
de P
rimer
Dpt
o. d
e pr
oduc
ción
Prov
eedo
r pi
ntur
aPr
ovee
dor
clea
r
IND
ICA
DO
RE
SR
EG
IST
RO
S/A
NE
XO
S
Tasa
de
defe
ctos
en
línea
fin
al-e
smal
teN
úmer
o de
def
ecto
s po
r ve
hícu
loTa
sa d
e cu
mpl
imie
nto
en e
ntre
ga d
e re
port
esTa
sa d
e er
rore
s en
el i
ngre
so d
e in
form
ació
nO
rden
es d
e pr
oduc
ción
ate
ndid
as
Hoj
as d
e pr
oces
oPl
an d
e co
lore
sS
ecci
ón d
e co
ntro
l de
calid
ad
Doc
umen
tos
de in
geni
eria
Cam
bio
de In
geni
ería
Emis
ión
de In
geni
ería
Cam
bio
prov
isio
nal d
e m
ater
ial e
n lín
ea
OB
JE
TIV
O
Entr
egar
la c
arro
cería
del
aut
omot
or p
inta
da, b
ajo
cont
role
s qu
e as
egur
en la
ca
lidad
par
a su
pos
terio
r en
sam
ble
CO
NT
RO
LE
S
131 ANEXO F.5 - Descripción del proceso de Ensamble General
NO
MB
RE
DE
L P
RO
CE
SO
: En
sa
mb
le G
en
era
lC
OD
IFIC
AC
ION
ED
ICIO
N N
o.
2
PR
OP
IET
AR
IO D
EL
SU
BP
RO
CE
SO
: Su
pe
rin
ten
de
nci
a d
e M
an
ufa
ctu
raFE
CH
AA
LC
AN
CE
: Co
mp
ren
de
de
sd
e la
re
cep
ció
n d
e la
un
ida
d d
e p
intu
ra, h
as
ta s
u in
sp
ecc
ión
pa
ra s
er
alm
ace
na
do
y p
os
teri
or
en
tre
ga
FIS
ICO
S: C
ab
ina
s, b
razo
s m
ecá
nic
os
, lla
ves
a p
res
ión
RR
HH
: Su
pe
rin
ten
de
nte
de
ma
nu
fact
ura
,pro
du
cció
n,o
pe
rad
ore
s,p
rove
ed
ore
sT
EC
NIC
OS
: Co
mp
uta
do
r, In
yect
or
de
air
e, c
om
pro
ba
do
res
elé
ctri
cos
y m
ecá
nic
os
, me
did
ore
s
DE
SC
RIP
CIO
N D
EL
PR
OC
ES
OF
12
/12
/20
11
RE
CU
RS
OS
PR
OV
EE
DO
RE
SP
RO
CE
SO
CL
IEN
TE
S
I. G
estió
n de
apr
ovis
iona
mie
nto
Dpt
o. d
e pr
oduc
ción
Aut
opar
tista
Rec
epci
ón d
e ca
rroc
ería
de
pint
ura
Ver
ifica
ción
de
cond
icio
nes
para
ingr
eso
a lín
eaR
egis
tro
de u
nida
des
a lín
ea d
e pr
oduc
ción
Ensa
mbl
aje
en á
rea
de v
estid
ura
Mon
tado
de
piez
as e
n el
inte
rior
de c
arro
cería
Ensa
mbl
aje
en á
rea
mec
ánic
aM
onta
do d
e m
otor
, sus
pens
ión,
etc
.In
gres
o a
la lí
nea
final
Prue
bas
de a
linea
ción
, fre
nos,
agu
a, a
parie
ncia
Entr
ega
a pa
tio d
e ac
umul
ació
nG
. Lib
erac
ión
y en
treg
a
F. E
nsam
ble
Gen
eral
J. G
estió
n de
sop
orte
Dpt
o. A
segu
ram
ient
o de
la c
alid
adC
INA
E
EN
TR
AD
AS
SA
LID
AS
Uni
dad
pint
ada
Hoj
a de
rut
a de
veh
ícul
oPr
ogra
ma
de p
rodu
cció
n di
ario
Hoj
a de
pro
ceso
s
Uni
dad
ensa
mbl
ada
Reg
istr
o de
uni
dade
s en
pro
ducc
ión
Reg
istr
os y
rep
orte
s de
cal
idad
Hoj
a de
con
trol
de
Kee
pers
Hoj
as d
e re
troa
limen
taci
ónFo
rmat
o de
sal
ida
de v
ehíc
ulos
OB
JE
TIV
O
Ensa
mbl
ar e
l aut
omot
or y
ent
rega
rlo e
n pe
rfec
tas
cond
icio
nes
para
su
post
erio
r al
mac
enam
ient
o y
dist
ribuc
ión
IND
ICA
DO
RE
SR
EG
IST
RO
S/A
NE
XO
S
Tiem
po e
fect
ivo
de m
onta
je T
RIM
Tasa
de
cum
plim
ient
o de
aut
opar
tista
sC
apac
idad
util
izad
a en
ens
ambl
e ge
nera
lTi
empo
de
entr
ega
aten
dido
a L
ibre
acio
n y
Entr
ega
Doc
umen
tos
de in
geni
ería
Cam
bio
de In
geni
ería
Emis
ión
de In
geni
ería
Cam
bio
prov
isio
nal d
e m
ater
ial e
n lín
ea
CO
NT
RO
LE
S
Hoj
as d
e pr
oces
oPl
an d
e en
sam
blaj
eS
ecci
ón d
e co
ntro
l de
calid
ad
EL
AB
OR
AD
O P
OR
RE
VIS
AD
O P
OR
AP
RO
BA
DO
PO
RR
enat
o La
lale
oIn
g. C
ésar
Agi
la
132 ANEXO G.1 - Representación gráfica del procedimiento de Soldadura de Carrocería
Bodega
HOJA 1 DE 1
CÓDIGO: D
Recepción de hojas de proceso
Cumplir hojas deproceso
Inicio
Envío de ítems einsumos
MACROPROCESO: Soldadura de carrocería (D)
Cumple conrequisitos?
Envío de ítems einsumos
Armado demodelo
Soldar partes
Soldar uniones
Realizarinspección de
carrocería soldada
Se encuentracompletamente
soldado?
Lijar carrocerías
Rematar consuelda MIC
Limpiar impurezas
Enviar residuos abodega
E.1. ELPO
Fin
si
si
no
no
AcabadoRemate
Hojas de procesos
Registro deunidades soldadas
133 ANEXO G.2 - Representación gráfica del procedimiento ELPO
HOJA 1 DE 1
CÓDIGO: E.1
PROCESO: ELPO (E.1)
MACROPROCESO: Pintura (E)
ELPOLimpieza
Recepción de hojas de proceso
Inspección decarrocería
Inicio
Pre tratamiento decarrocería
Cumple conrequisitos?
Hojas de procesos
Colocar topes encarrocería
Aplicardesengrasante
Limpieza decarrocería
Inmersión decarrocerías en
piscinas
Purificarcarrocerías
Aplicación fondomediante sistema
ELPO
D. Soldadura
Secado decarrocería
Inspección dedefectos
Revisión defecto
Ubicación defecto
Reparación unidad
Registro dereparación
2
Cumple conrequisitos?
Retiro de topes decabina
E.2 Primer
Fin
no
sí
2
1
1
134 ANEXO G.3 - Representación gráfica del procedimiento Primer
HOJA 1 DE 1
CÓDIGO: E.2
PROCESO: Primer (E.2)
MACROPROCESO: Pintura (E)
AplicaciónPreparación
Recepción de hojas de proceso
Aplicar sellante desoldadura en
interiores y bajopiso
Inicio
Hojas de procesos
E.3 Esmalte
Colocarantioxidantes a
carrocerías
Lijado previo
Ingreso a horno
Aplicar fondo depintura
Preparar pintura
Definir plan decolores
Colocar anti ruidosa carrocería
1
Fin
1
135 ANEXO G.4 - Representación gráfica del procedimiento Aplicación Esmalte
Cabinas Aplicación
HOJA 1 DE 1
CÓDIGO: E.3
PROCESO: Aplicación esmalte
Inicio
MACROPROCESO: Pintura
Verificar laausencia desuciedades
Limpiar unidad conThinner
Controlar númeroVIN
Aplicación de baseen carrocería
Ubicar unidad enFlash OFF
Aplicación de clearen carrocería
Fin
1
1
Cabinas Revisión
Limpiar unidad conTack Cloth
Ingreso de unidada horno
Cheque carroceríacalidad deacabado
Colocación decauchos
Lijado y pulido
Colocación deblack tape
Colocación decera anticorrosiva
Envío decarrocería portransportador
F. Ensamble
Cumple conestándarescarrocería?
Revisión defecto
Ubicación defecto
Reparación unidad
Registro dereparación
no
sí
2
2
136 ANEXO G.5 - Representación gráfica del procedimiento Ensamble General
TRIM Line
HOJA 1 DE 1
CÓDIGO: F.
Recepción decarrocería
Fin
Inicio
Registro deingreso deunidades
Chasis Line
MACROPROCESO:Ensamblaje General
Recepción
1
Final Line
Registro deunidades a ingreso
de línea
Cumplecondiciones
Montado de piezasen el interior de
carroceríaMontado de motor
Montado desuspensión
Montado dealternador,
correas, etc.
Alienación dellantas
Roll test
Test de frenos
Test deestanqueidad
Entrega al patio deacumulación
G. Liberacióny entrega
si
Reparación de launidad
Se devuelve aE. Pintura
Envío decarrocería a E.
Pinturasi
no
1
no
2
2
137
ANEXO H.1 - Datos y códigos para el diagrama de Pareto
138 ANEXO H.2 - Histórico de diagramas de Pareto correspondiente a los meses de octubre y noviembre de 2011
Mes de octubre 2011 C
ou
nt
Pe
rce
nt
Defecto OctubreCount
20,0 16,6 10,9
Cum % 30,3 52,6 72,6 89,1 100,0
53 39 35 29 19
Percent 30,3 22,3
OtrosMPLMRESUCMLJ
200
150
100
50
0
100
80
60
40
20
0
Pareto Chart of Defecto Octubre
Mes de noviembre 2011
Co
un
t
Pe
rce
nt
Defecto NoviembreCount
21,3 11,6 10,3
Cum % 34,2 56,8 78,1 89,7 100,0
53 35 33 18 16
Percent 34,2 22,6
OthersMHEMREMLJMPL
160
140
120
100
80
60
40
20
0
100
80
60
40
20
0
Pareto Chart of Defecto Noviembre
139
LimpiezaPresión
aireAplicación
pintura
Aplicaciónclear
Flash off
Primer
En
sam
ble
Gen
eral
EL
PO
H.Radiación
H.convección
Horno
Control de calidadArea de retoqueSala depinturas
Bodega
Transportador
ANEXO I.1 - Distribución física de esmalte
140 ANEXO I.2 - Fotografías del área de esmalte
Zona de aire Zona de limpieza Aplicación de pintura
Aplicación de clear Zona de flash off Salida de Horno
Sala de pintura
Área de retoque y control de calidad Transportador
141 ANEXO J - Plan de muestreo sistemático
Para las características CTX y CTY se realizó un muestreo sistemático,
considerando que en el mes de diciembre del 2011 se produjeron alrededor de
1666 unidades.
Modelo Dic. 2011
Un
idad
es
Pro
du
cid
as
Rio 546
Pregio 400
Vitara 160
Sportage 560
Total Mes 1666
Total Semana 417
Total día 69
Con lo que la producción diaria aproximada es de 69 autos, que se desplazan por
la cabina de pintura, de tal manera que el plan de muestreo establecido entre
proveedores y AYMESA es de tres muestras al día, como se muestra a
continuación:
Se tiene que:
La hora establecida para la toma de muestras fueron:
7.00 horas
10.00 horas
13.00 horas
De igual manera a la semana se escogió cuatros días aleatorios, es decir que por
mes se recolectaron datos de 16 a 18 días.
142 ANEXO K.1 - Datos para el estudio R&R sobre brillo
Panel: Capot
No. Operadores Partes Mediciones
1 Operador 1 1 90,00
2 Operador 1 2 88,00
3 Operador 1 3 91,60
4 Operador 1 4 93,30
5 Operador 1 5 92,95
6 Operador 1 6 91,40
7 Operador 1 7 92,15
8 Operador 1 8 91,55
9 Operador 2 1 90,10
10 Operador 2 2 87,70
11 Operador 2 3 90,20
12 Operador 2 4 93,00
13 Operador 2 5 92,70
14 Operador 2 6 91,19
15 Operador 2 7 92,06
16 Operador 2 8 91,50
17 Operador 1 1 90,30
18 Operador 1 2 87,90
19 Operador 1 3 90,50
20 Operador 1 4 92,70
21 Operador 1 5 92,10
22 Operador 1 6 91,02
23 Operador 1 7 91,90
24 Operador 1 8 91,39
25 Operador 2 1 90,50
26 Operador 2 2 88,40
27 Operador 2 3 91,30
28 Operador 2 4 92,40
29 Operador 2 5 93,01
30 Operador 2 6 92,24
31 Operador 2 7 91,70
32 Operador 2 8 91,07
143 ANEXO K.2 - Resultados del estudio R&R sobre brillo (Software Minitab)
Estudio R&R del sistema de medición - método ANOVA R&R del sistema de medición para Mediciones
Nombre del sistema de medición: Brillo Previo a etapa Measure
Fecha del estudio: 2011
Notificado por:
Tolerancia:
Misc:
Tabla ANOVA de dos factores con interacción Fuente GL SC CM F P
Partes 7 67,5494 9,64992 107,448 0,000
Operadores 1 0,0030 0,00300 0,033 0,860
Partes * Operadores 7 0,6287 0,08981 0,452 0,855
Repetibilidad 16 3,1791 0,19869
Total 31 71,3601
Alfa para eliminar el término de interacción = 0,25
Tabla ANOVA dos factores sin interacción Fuente GL SC CM F P
Partes 7 67,5494 9,64992 58,2889 0,000
Operadores 1 0,0030 0,00300 0,0181 0,894
Repetibilidad 23 3,8077 0,16555
Total 31 71,3601
R&R del sistema de medición %Contribución
Fuente CompVar (de CompVar)
R&R del sistema de medición total 0,16555 6,53
Repetibilidad 0,16555 6,53
Reproducibilidad 0,00000 0,00
Operadores 0,00000 0,00
Parte a parte 2,37109 93,47
Variación total 2,53664 100,00
El límite inferior de tolerancia del proceso es = 85
Desv.Est. Var. del estudio
Fuente (DE) (6 * DE)
R&R del sistema de medición total 0,40688 2,44129
Repetibilidad 0,40688 2,44129
Reproducibilidad 0,00000 0,00000
Operadores 0,00000 0,00000
Parte a parte 1,53983 9,23901
Variación total 1,59268 9,55611
%Var. del estudio %Tolerancia
Fuente (%VE) (VE/Toler)
R&R del sistema de medición total 25,55 19,74
Repetibilidad 25,55 19,74
Reproducibilidad 0,00 0,00
Operadores 0,00 0,00
Parte a parte 96,68 74,72
Variación total 100,00 77,29
Número de categorías distintas = 5
144 ANEXO L.1 - Datos para el estudio R&R sobre variable espesor
Panel: Capot
No. Operadores Partes Mediciones
1 Operador 1 1 110,00
2 Operador 1 2 108,00
3 Operador 1 3 119,00
4 Operador 1 4 115,00
5 Operador 1 5 102,00
6 Operador 1 6 116,00
7 Operador 1 7 102,00
8 Operador 1 8 116,00
9 Operador 2 1 110,00
10 Operador 2 2 108,00
11 Operador 2 3 118,00
12 Operador 2 4 115,00
13 Operador 2 5 103,00
14 Operador 2 6 115,00
15 Operador 2 7 100,00
16 Operador 2 8 116,00
17 Operador 1 1 111,00
18 Operador 1 2 109,00
19 Operador 1 3 119,00
20 Operador 1 4 115,00
21 Operador 1 5 102,00
22 Operador 1 6 115,00
23 Operador 1 7 101,00
24 Operador 1 8 117,00
25 Operador 2 1 109,00
26 Operador 2 2 108,00
27 Operador 2 3 118,00
28 Operador 2 4 114,00
29 Operador 2 5 103,00
30 Operador 2 6 116,00
31 Operador 2 7 102,00
32 Operador 2 8 116,00
145 ANEXO L.2 - Resultados del estudio R&R sobre espesor (Software Minitab)
Estudio R&R del sistema de medición - método ANOVA R&R del sistema de medición para Mediciones
Nombre del sistema de medición : Espesor Previo a Measure
Fecha del estudio: 2011
Notificado por:
Tolerancia:
Misc:
Tabla ANOVA de dos factores con interacción Fuente GL SC CM F P
Partes 7 1175,50 167,929 408,870 0,000
Operadores 1 1,13 1,125 2,739 0,142
Partes * Operadores 7 2,88 0,411 1,095 0,411
Repetibilidad 16 6,00 0,375
Total 31 1185,50
Alfa para eliminar el término de interacción = 0,25
Tabla ANOVA dos factores sin interacción Fuente GL SC CM F P
Partes 7 1175,50 167,929 435,195 0,000
Operadores 1 1,13 1,125 2,915 0,101
Repetibilidad 23 8,88 0,386
Total 31 1185,50
R&R del sistema de medición %Contribución
Fuente CompVar (de CompVar)
R&R del sistema de medición total 0,4321 1,02
Repetibilidad 0,3859 0,91
Reproducibilidad 0,0462 0,11
Operadores 0,0462 0,11
Parte a parte 41,8857 98,98
Variación total 42,3177 100,00
La tolerancia del proceso es = 38
Desv.Est. Var. del estudio
Fuente (DE) (6 * DE)
R&R del sistema de medición total 0,65732 3,9439
Repetibilidad 0,62118 3,7271
Reproducibilidad 0,21493 1,2896
Operadores 0,21493 1,2896
Parte a parte 6,47191 38,8315
Variación total 6,50521 39,0313
%Var. del estudio %Tolerancia
Fuente (%VE) (VE/Toler)
R&R del sistema de medición total 10,10 10,38
Repetibilidad 9,55 9,81
Reproducibilidad 3,30 3,39
Operadores 3,30 3,39
Parte a parte 99,49 102,19
Variación total 100,00 102,71
Número de categorías distintas = 13
146 ANEXO M - Equipos de medición con certificado de calibración
Anemómetro (Testo 417)
Espesímetro (Elcometer 456)
Brillómetro (Elcometer 407)
147
Copa Ford #4 / Termómetro / Probeta
Termómetro de horno convección / Termómetro de horno radiación
148 ANEXO N.1 - Especificaciones acerca de las variables de estudio
Especificaciones
Brillo a 20 0 (GU) 85
Espesor (u) 92 - 130
Flujo (ml/min) 340 - 420
Viscosidad (ºC vs. s) 25 º C=26 2 segundos
Temperatura cabina 24 - 30
Temperatura Horno (ºC)
Radiación 190 - 210
Convección 140- 1 60
Espesores requeridos por cada recubrimiento
Espesores requerido (micras)
Película Min Max
KTL 17 25
Primer 25 35
Color 15 25
Barniz 35 45
Total 92 130
149 ANEXO N.2 - Datos para el estudio de capacidad (Espesor y brillo)
Mes: Diciembre 2011
Muestra Elementos Espesor Brillo
Horizontal Vertical
1
1 110 107 96
2 114 106 86
3 94 98 90
2
1 113 105 93
2 93 101 93
3 109 106 93
3
1 113 114 89
2 113 112 90
3 98 102 92
4
1 112 109 91
2 110 113 92
3 107 107 88
5
1 104 105 96
2 109 106 88
3 114 108 90
6
1 111 115 90
2 110 107 87
3 112 113 87
7
1 106 105 93
2 110 108 106
3 117 107 93
8
1 115 104 96
2 97 99 90
3 111 105 95
9
1 112 112 89
2 101 107 91
3 109 107 90
10
1 107 106 89
2 102 102 92
3 112 108 96
11
1 109 109 93
2 110 105 86
3 109 102 92
12
1 113 104 92
2 116 104 95
3 114 106 92
13
1 113 110 90
2 112 110 90
3 94 100 90
14
1 112 107 87
2 110 109 93
3 93 97 89
15
1 112 105 89
2 112 106 90
3 98 107 93
16
1 107 102 95
2 112 108 87
3 97 105 88
150 ANEXO N.3 - Datos para el estudio de capacidad de Flujo, temperatura de cabina y temperatura de horno
Mes: Diciembre 2011
Flujo Viscosidad
26 º C=26+/-2 Cabina Temperatura Horno
Muestra Horas Lh Rh Temp.
º C Cf#4
s Temp. Radiación Convección
1
7 382 380 19 31 27 196,1 145
10 384 382 22 28,5 28 197,5 145,5
13 380 382 22 28,5 27 196,2 144,6
2
7 382 384 18 32,1 28 197,1 145,2
10 380 382 22 28,5 27 196,3 145,5
13 408 416 24 27,1 28 198,1 145,1
3
7 380 380 19 30,6 27 198,7 146,5
10 380 388 23 27,8 29 197,9 145,9
13 382 382 23 28 28 196,7 144,1
4
7 380 380 19 31,1 27 198,1 146,7
10 380 396 22 28,5 28 197,3 145,6
13 396 404 26 25,4 29 199,6 146,9
5
7 380 380 19 30,4 27 198,1 145,7
10 388 392 22 27,9 28 200,2 150,6
13 408 412 24 27,5 28 198,7 147,1
6
7 380 380 18 32,4 26 198,7 146,1
10 404 408 22 28,9 27 197,5 146,2
13 342 342 23 27,5 27 196,4 147,2
7
7 340 340 20 30 27 197,2 145,1
10 388 408 21 28,6 29 199,5 147,6
13 388 396 22 29 29 199,4 147,9
8
7 348 360 19 31,5 29 199,5 148,1
10 396 388 21 29,4 29 198,7 147,9
13 394 412 22 28,5 29 197,9 145,6
9
7 394 408 21 28,4 29 198,7 145,6
10 394 388 22 28,4 29 198,7 145,6
13 386 388 21 28 28 198 146,1
10
7 380 380 19 30,5 27 198,5 147,1
10 392 396 21 28,5 28 198,1 147,1
13 412 416 23 28,1 29 198,4 148,1
11
7 380 380 20 31,2 27 197,3 146,1
10 388 396 20 30,8 29 198,1 147,6
13 412 416 24 27,1 29 200,1 149,6
151
Mes: Diciembre 2011
Flujo Viscosidad
26 º C=26+/-2 Cabina Temperatura Horno
Muestra Horas Lh Rh Temp.
º C Cf#4
s Temp. Radiación Convección
12
7 380 380 20 30,7 27 198,6 146,9
10 404 386 24 27 29 198,9 147,6
13 400 412 25 26 28 196,7 146,5
13
7 380 380 19 31,5 29 197,5 147,2
10 382 382 22 28,1 28 198,4 148,6
13 380 386 24 27,5 29 199,1 147,5
14
7 380 386 19 31,2 27 196,4 143,5
10 416 412 21 29,5 28 198,1 147,8
13 388 400 23 27,7 29 198,5 146,9
15
7 380 388 19 31 28 198,5 146,9
10 412 416 23 27,8 30 198,9 147,6
13 385 385 24 27,1 29 199,5 148,7
16
7 382 385 19 30,8 29 197,6 149,1
10 384 385 24 27,1 29 198,5 148,2
13 382 384 25 26,1 29 197,4 149,5
17
7 384 382 20 30 28 197,7 148,6
10 420 416 23 28 29 198,5 147,9
13 388 408 26 25,7 29 197,9 147,1
18
7 380 380 21 29,6 27 198,4 146,9
10 412 416 24 28 28 199,6 147,1
13 396 396 25 26,1 29 198,7 148,1
152 ANEXO O - Curva de viscosidad del barniz