Professional Documents
Culture Documents
Contenido
Objetivo Introduccin Qu es Seis Sigma? Su importancia El Estadstico en la Industria Problema de Paales Problema del Helicptero Problema de Servicios Mdicos
Objetivo
Presentar una introduccin sobre la importancia de la aplicacin de la estadstica en la mejora continua de los procesos (metodologa de Seis Sigma). Presentar algunos ejemplos reales. Exponer la importancia del trabajo que tiene el Estadstico en la mejora continua de los procesos.
Introduccin
En cualquier problema de mejora es importante: Entender bien que significa mejorar (Determinar la variable o variables de Calidad). Como se va a medir la mejora (instrumento de medicin). Evaluar la calidad. Buscar las oportunidades de mejora. Mejorar en el proceso. Mantener lo logrado (la mejora). Mejora continua.
Introduccin
(continuacin)
En el pasado, para mejorar la calidad de un producto o un servicio, se involucraba en el proyecto, el equipo de calidad de la empresa. Ahora la recomendacin es, que se involucren en la mejora todos los que tengan que ver con el proceso, todos participan. El trabajo tiene que ser del equipo completo. Todos son muy importantes. La unin de esfuerzos en una forma objetiva y ordenada, dar muy buenos resultados. En este trabajo por equipo, la participacin del Estadstico es vital.
A la hora de la prctica, aplicar adecuadamente la metodologa Seis Sigma, conducir a la reduccin sistemtica del nmero de defectos o inconformidades, consiguiendo de esta manera el mejoramiento continuo. Aplicar adecuadamente Seis Sigma, nos obliga a trabajar en una forma ordenada, esto es, Seis Sigma se aplicar bajo las siguientes 5 fases:
Diagrama de afinidad
Definicin
Lluvia de ideas Investigacin al cliente Grficas de Gantt Carta de equipo Mapeo de procesos Hoja de verificacin Diagramas de Control QFD Anlisis de Medicin (Gage R&R) Anlisis Exploratorio de datos Indicadores Anlisis de competencia Cuestionarios (muestreo) Prueba de Hiptesis
Medicin Caracterizacin
Anlisis
Grficas de medicin Diagrama de Causa y Efectos Anlisis de regresin Diseo de Experimentos Diagrama de Pareto Anlisis costoprocesos Capacidad de beneficio Diseos de Regresin Experimentos QFD Confiabilidad Respuesta Superficies de proceso Simulacin FMEA Confiabilidad Sistema de control de procesos Anlisis de Regresin Estadstica de Procesos Capacidad Multivariada
Mejora
Control
El Estadstico en la Industria
Qu tipo de personas se necesitan en una empresa para aplicar la estadstica en problemas de calidad?
Profesionistas que entiendan bien la estadstica, comprometidas ha entender el problema a resolverse, a tener una buena comunicacin con los expertos en los procesos, para as lograr la adecuada solucin del problema y tener la adecuada interpretacin del problema. Que tengan la habilidad de entender al experto en el problema, la paciencia y la creatividad de explicarle la interpretacin estadstica adecuada del problema.
El Estadstico en la Industria
(continuacin)
Y por parte de las empresas? Por parte de las empresas, un punto inicial y fundamental, es el abrirse a la aplicacin de las diferentes metodologas estadsticas. Aceptar que necesitan apoyo. Muchas veces por el mismo desconocimiento de las herramientas, no se dan cuenta del potencial que puede ser la estadstica para la solucin de varios de sus problemas. Tambin por el mismo desconocimiento no se dan cuenta quien en verdad los puede apoyar y quien no. Ahora, por el gran avance que hay en todo lo referente a software, puede mal entenderse que estadstica es saber dominar un paquete estadstico.
El Estadstico en la Industria
(continuacin) Ellos son los expertos en sus procesos. Es importante aclararles que nosotros como estadsticos no les vamos a ensear en materia de sus procesos. Por otra parte, en el momento que ellos reconozcan que necesitan apoyo por la persona experta en estadstica y se logra una buena comunicacin por ambas partes, entonces, se llegarn a soluciones efectivas. El experto en el proceso + El experto en estadstica + comunicacin = soluciones efectivas
Problema de Paales
Una empresa fabrica paales de varios clases y tamaos. ltimamente se han preocupado por mejorar la calidad de sus productos, ya que la competencia en el mercado, es cada vez ms fuerte. Sus procedimientos que llevan a cabo para mejorar sus procesos estn en paales. Su cultura estadstica es prcticamente, slo el muestreo por aceptacin. Tienen variables de calidad (de respuesta) muy importantes, tanto del tipo continuo como de atributos (nominales).
Problema de Paales
(continuacin) Ya han empezado aplicar la estadstica, con la intencin de mejorar sus procesos, no en un esquema Seis Sigma todava. Algo muy importante, en este trabajo de apertura, es la participacin de las personas que estn involucradas en sus procesos. Las aplicaciones son sencillas, pero les empiezan a dar respuesta a la mejora de sus procesos. Estos primeros proyectos, son un pre diagnstico de la calidad de algunos de sus productos que fabrican.
Problema de Paales
(continuacin)
Anlisis de Sistemas de Medicin (por atributos) El objetivo de un anlisis de sistemas de medicin, es verificar si las mediciones o inspecciones realizadas sobre las mismas piezas, por diferentes operadores, son consistentes. Tambin, si una persona mide o revisa un artculo dos o ms veces, verificar si lo hace consistentemente. Se seleccionaron 10 piezas, las cuales fueron revisadas por personas expertas, logrando una revisin estndar (verdadera). A cada uno de 4 inspectores se les asign al azar cada pieza para que dieran su opinin sobre determinados defectos del producto: Defecto grave, defecto mayor y defecto sin importancia. Esta tarea se realiz dos veces por cada inspector.
Problema de Paales
(continuacin)
Within Appraisers Appraiser # Inspected # Matched Percent 95 % CI ANTONIO 10 10 100.00 (74.11, 100.00) CHUY 10 10 100.00 (74.11, 100.00) HUERTA 10 10 100.00 (74.11, 100.00) QUIJANO 10 8 80.00 (44.39, 97.48) # Matched: Appraiser agrees with him/herself across trials. Each Appraiser vs Standard Appraiser # Inspected # Matched Percent 95 % CI ANTONIO 10 9 90.00 (55.50, 99.75) CHUY 10 7 70.00 (34.75, 93.33) HUERTA 10 8 80.00 (44.39, 97.48) QUIJANO 10 8 80.00 (44.39, 97.48) # Matched: Appraiser's assessment across trials agrees with the known standard.
Problema de Paales
(continuacin)
Between Appraisers Assessment Agreement # Inspected # Matched Percent 95 % CI 10 6 60.00 (26.24, 87.84) # Matched: All appraisers' assessments agree with each other. All Appraisers vs Standard Assessment Agreement # Inspected # Matched Percent 95 % CI 10 6 60.00 (26.24, 87.84) # Matched: All appraisers' assessments agree with the known standard.
A s s e s s m e n t A g r e e m e n t
D R N M a te o f s tu d y : e p o r te d b y : a m e o f p r o d u c t: is c :
W it h in
1 0 0 9 0 8 0
A p p r a is e r s
9 5 .0 % C I P e rc e n t
A p p r a is e r v s S t a n d a r d
1 0 0 9 0 8 0
9 5 .0 % C I P e rc e n t
Percent
Percent
7 0 6 0 5 0 4 0
O NI UY TA Q O AN
7 0 6 0 5 0 4 0
O NI UY TA Q O AN
TO AN
CH
ER HU
J UI
TO AN
CH
ER HU
J UI
A p p r a is e r
A p p r a is e r
Problema de Paales
(continuacin) Se revis con ms detalle la manera como realizaron la inspeccin. Se logr observar que la inspeccin incorrecta, se debi sobre todo, a que productos buenos los diagnosticaban como malos. Esto es, varios de sus artculos de primera, los consideraban artculos de segunda. Sugerencia: Capacitar a los diferentes inspectores para lograr una consistencia en su revisin, de acuerdo al estndar. Observacin: Se realiz un anlisis del sistema de medicin, de la variable de calidad: peso del paal en gramos. Llegando a la conclusin que esta variable se est midiendo consistentemente.
Problema de Paales
(continuacin) Control Estadstico y Capacidad de Procesos:
Sample StDev
Para una determinada mquina, cada media hora, se tomaron muestras aleatorias de 9 productos. Se pesaron, se obtuvo un peso promedio y una desviacin estndar. Se consideraron 25 subgrupos.
-3S L=0.437
17 19 21 23 25
0
1 3 5 7 9 11 13 15 Sample
41
Sample Mean
40
39
38
11
13 15 Sample
17
19
21
23
25
Problema de Paales
(continuacin)
Las grficas muestran problemas. Se renen los encargados para encontrar la explicacin de estos problemas. Sugieren realizar cambios en la mquina (ajustes) y cambiar un poco la frmula de los ingredientes del producto. Una vez que se logr el control estadstico del proceso y por lo tanto se logr mejora, se obtuvo informacin con los ajustes realizados, entonces, se procedi a analizar la capacidad del proceso.
Problema de Paales
(continuacin)
Se consideraron los ltimos datos del problema anterior y se analiz la capacidad del proceso.
P r oce s s C a pa bility S ixpa ck of C 1 , ..., C 9
X ba r C ha r t
Sample Mean
C a p a b ilit y H is t o g r a m
UC L= 41.690 _ _ X = 40.905
LC L= 40.119
Sample StDev
11
13
15
17
19
21
23
39.00
39.75
40.50
41.25
42.00
42.75
S C har t
1.5 1.0 0.5 LC L= 0.182
1 3 5 7 9 11 13 15 17 19 21 23
N o r m a l P r o b P lo t A D : 0 .3 2 7 , P : 0 .5 1 7
UC L= 1.341 _ S= 0.762
38
40
42
44
C a p a b ilit y P lo t
W ithin S tD e v 0 .7 8 5 6 9 9 Cp 0 .7 2 C pk 0 .6 8 C C pk 0 .7 2
W ithin
40 38
0 5 10
S a m p le
O v e ra ll
Normalidad
O S tD e v Pp P pk C pm
v e ra ll 0 .7 9 9 4 0 2 0 .7 1 0 .6 7 *
Values
15
20
25
S p e cs
P r o c e s s C a p a b i l i ty o f C 1 , . . . , C 9
LS L
P ro ce s s D a ta LS L 3 9 .3 T a rg e t 41 USL 4 2 .7 S a m p le M e a n 4 0 .9 0 4 6 S a m p le N 216 S tD e v (W ith in ) 0 .7 8 5 6 9 9 S tD e v (O v e ra ll) 0 . 7 9 9 4 0 2
T a r g et
USL
W ith in O v er a ll
P o te n tia l C C C C C (W ith in ) C a p a b ility 0 .7 2 p PL 0 .6 8 PU 0 .7 6 pk 0 .6 8 C pk 0 .7 2 0 .7 1 0 .6 7 0 .7 5 0 .6 7 0 .7 0
3 9 .0 0
O b s e rv e d P e rfo rm a n ce % < LS L 2 .7 8 % > U S L 0 .4 6 % T o ta l 3 .2 4
3 9 .7 5
4 0 .5 0
E xp . O % % %
4 1 .2 5
4 2 .0 0
4 2 .7 5
Se espera que el 2.06% se menores al LIE Que el 1.12% se mayor al LSE. Esto es, que El 3.17 % no cumple las especificaciones
cmo?
qu? qu
Medir
Se manejan dos tipos de variables de calidad: Lo vistoso de la cada (nominal) Tiempo de caida (continua) En esta etapa, se asegur reducir factores externos: Lugar donde se toman las medidas debe ser espacioso y sin corrientes de aire. Se estandariz la forma como el operador arroja el helicptero. Los anlisis de sistema de medicin fueron satisfactorios, tanto para la variable por atributos, como la variable continua.
En ambos casos, a pesar de un control estadstico, el promedio de cada de vuelo es bajo, la variabilidad es alta y la proporcin de inconformidades es muy alto,
Capacidad de Proceso
Los ndices Cpk y Ppk son muy bajos. Cpk= 0.54 Nivel Sigma antes de la mejora es de 1.5 El tiempo promedio de cada es de 1.89 segundos. Existe una gran oportunidad de mejora.
Ancho de Cuerpo 4.5cm Cinturn Papel: Aditamento: 1cm Bond Ligero (58gr/m2) Grapa
Definir (las Variables Crticas) Herramientas utilizadas en esta etapa: El diagrama de Pareto que concentra las causas. El diagrama de Flujo, permite ver la interaccin entre los subprocesos. Es indispensable el trabajo en equipo dentro de cada una de las fases de Seis Sigma.
Diagnsticos Errneos Tiempo de espera Hacer Citas Emergencias Falta de Especialistas Enfermera Medicamentos Necesidad de mejora Capacitacin Mal Servicio Anlisis Clnicos Mala Atencin Otros
72%
(continuacin)
Inico
Esperar Consulta
No
Es paciente nuevo ?
Si
No
No
No
Si
Se hace cita
Si
Llenar solicitud
Diagnstico
Apoyo a Diagnstico
Radiologa
Analisis clinicos
Pruebas Diagnosticas
No
Se aplico medicamento ?
No
Si
Si
No
No
Si
No
Es una emergencia ?
Si
Traslado al hospital
Si
Se realiza receta
No
Si
Salir
Definir los Requerimientos del Paciente Tangibles Limpieza Comunicacin del mdico Comunicacin de la enfermera Cortesa del medico Amabilidad de la enfermera Rapidez de atencin Capacidad de diagnstico Equipo mdico Organizacin Confiabilidad
5
IMPORTANCIA CALIDAD ESPERADA
CALIDAD PERCIBIDA
Muchas Gracias