MÉTRICAS

DEFINIR
MARCO DEL PROYECTO

ESTUDIOS r&R

MEDIR LÍNEA BASE

CAPACIDAD A CORTO Y LARGO PLAZO

FACTORES X’s
PROYECTO
ANALIZAR
SEIS SIGMA
DISEÑO ESTADÍSTICO DE EXPERIMENTOS

CONDICIONES ÓPTIMAS
MEJORAR
EVALUAR MEJORAS

POKA-YOKE ...
CONTROLAR
GRÁFICOS DE CONTROL
 Fuerza  Y2 
hacia abajo

Fuerza  Y1 
hacia arriba

■ Fuerza hacia arriba (Y1) y fuerza

hacia abajo (Y2) para mover el
descansabrazos de un asiento.

DEFINIR
En esta primera etapa se clarifican el objetivo del proyecto, la forma de medir su éxito, su alcance,
los beneficios potenciales y las personas que intervienen en el proyecto.
En una empresa que fabrica asientos para automóvil se pone en marcha la estrategia Seis Sigma. El
campeón (según la clasificación d elos profesionales Seis Sigma) identifica que uno de los aspectos
a mejorar ees el descansabrazos de un modelo de asiento, ya que debido a que no se tiene una
calidad Seis Sigma es necesario hacer inspección 100% y corregir con reproceso los problemas
detectados. Las variables críticas del ensamble del descansabrazos son:
• Y1 :Esfuerzo para levantar el descansabrazos.
• Y2 :Esfuerzo para bajar el descansabrazos.
El modelo de asiento era uno de los productos líderes de la empresa. Por ello, era prioritario generar
un proyecto para alcanzar un proceso Seis Sigma, a fin de disminuir los costos de inspección y
garantizar la satisfacción y lealtad de los clientes. Se designó como líder del proyecto a un black
belt, quien conformó su equipo de apoyo en coordinación con el Champion y el propietario del
proceso. Se puede realizar una tabla donde se muestre el marco del proyecto, en donde se muestra
en qué consiste el proyecto, sus métricas y los beneficios esperados. Ahí se observa que si se
cumple con los objetivos del proyecto se lograrían ahorros cuantificables por 31000€.
Marco del proyecto Seis Sigma Fecha: 12 de septiembre Versión 1.3
Título/propósito: mejorar el proceso de ensamble del descansabrazos.

Necesidades del negocio a ser atendidas: como la calidad del ensamble del descansabrazos no tiene un nivel de Seis Sigma es necesario hacer inspección al 100%, y a los
descansabrazos defectuosos es necesario volverlos a ensamblar. Lo que al final se traduce en aumento de costos de inspección (dos inspectores), aumento del tiempo del ciclo,
incremento de costos de calidad (reprocesos e inventario en proceso) y posible insatisfacción de los usuarios por mala calidad en el ensamble.

Declaración del problema: la alta variación del esfuerzo para subir y bajar descansabrazos genera al año 8200 PPM (una calidad de 2.4 sigmas de largo plazo), lo que implica un
costo anual de reproceso de 16000€ y un costo anual de inspección de por lo menos 15000 €. Además hay que tener en cuenta el impacto no cuantificado sobre el tiempo de ciclo y la
satisfacción del cliente.

Objetivo: llevar a un nivel de calidad Seis Sigma el proceso de ensamble del descansabrazos, y eliminar el reproceso y la inspección al 100% en ese proceso.

Alcance: el proyecto se limitará a abordar los problemas de los asientos en relación con los factores del ensamble que influyen en los esfuerzos para subir o bajar el descansabrazos.

Roles y responsabilidades.

Propietarios: manufactura y calidad.

El patrocinador o Champion: director de manufactura.

Equipo: M. G. (BB, líder), R. G. (gerente de línea), A. E. (jefe de línea) yj. T. (YB, operario).

Recursos: registros de calidad, apoyo del área de ensamble.

Métricas: esfuerzo para bajar y subir descansabrazos, PPM por reproceso de descansabrazos.

Fecha de inicio del proyecto: 2 de septiembre.

Fecha planeada para finalizar el proyecto: 10 de junio.

Entregable del proyecto: proceso de ensamble del descansabrazos modificado y documentado, eliminación de reproceso e inspección al 100% del ensamble del descansabrazos,
reducción del tiempo de ciclo. Ahorros anuales proyectados de 31000€; debido a reproceso (16000€) e inspección al 100% (15000€)
MEDIR
En esta etapa se entiende con mayor detalle el proceso, se debe validar el sistema de medición, las
métricas involucradas y se establece la línea base. En el proyecto del descansabrazos se hizo un
mapa del proceso de nivel general y un mapa detallado del proceso de ensamble del descansabrazos.
Además, se vio que era necesario validar el sistema de medición de Y1 y Y2. Por ello, se decidió
realizar un estudio de repetibilidad y reproducibilidad. Después de validar el sistema de medición
se hizo un estudio de capacidad y estabilidad para establecer la línea base o desempeño actual de
cada variable.

A continuación se explican estas cuestiones para Y1

Estudio r&R

Para realizar el estudio de repetibilidad y reproducibilidad para la variable Y1 (esfuerzo hacia

arriba) se utilizaron 10 partes (asientos); con dos inspectores regularmente realizaban la inspección,
y cada uno hizo dos ensayos.

Los resultados obtenidos se muestran en la siguiente tabla:

Operador A Operador B
Partes
Ensayo 1 Ensayo 2 Ensayo 1 Ensayo 2
(Asientos)
1 26,1 25,2 30,0 32,7
2 23,0 23,4 28,1 28,8
3 15,0 14,3 25,9 26,3
4 24,9 25,5 35,1 34,1
5 20,9 19,3 20,9 21,7
6 15,5 16,0 16,0 16,5
7 16,9 17,1 15,6 15,8
8 16,0 15,2 16,2 15,7
9 15,8 15,2 15,3 15,7
10 15,9 15,3 16,1 17,5

Estudio r&R para la variable Y1 (esfuerzo para subir el descansabrazo). El valor nominal para este
asiento de la variable Y1 es 30 con especificaciones 25  15

Con un primer análisis visual de los resultados se observa que hay una discrepancia importante en
los resultados de los dos operadores. Por ejemplo, para la parte (asiento) 1, el operador A reporta
valores cercanos a 25,5, mientras que los del operador B son cercanos a 31.
Se puede hacer el correspondiente análisis y aportar los gráficos adecuados como confirmación de
lo ya comentado.

En promedio, los operadores están reportando diferentes lecturas para Y1 , sobre todo para las
primeras cuatro piezas, en las que el operador B reporta lecturas mayores. En cuanto al error
(desviación de la media) de cada operador, no parece ser demasiado, lo cual sugiere que hay
problemas de reproducibilidad pero no de repetibilidad.
SnapStat: R&R de Calibrador - Método de Promedio y Rango
Datos/Variable: Medidas
Mediciones de Dispositiv o por Operadores
Sigma Est. % VT % Contrib.
Repet 0,677517 13,1209 1,72158
Reprod 2,38168 46,124 21,2742 38 Operadores
R&R 2,47617 47,9539 22,9958 A
Partes 4,5312 87,752 77,0042 B
Total 5,16364 100 34

% R&R 6,0 Sigma % Tolerancia 30

Promedio
Repet 7,49 4,0651 13,55
Reprod 92,51 14,2901 47,63
R&R 100,00 14,857 49,52 26
Partes 27,1872 90,624
Total 30,9819 103,27 22
Número de categorías distintas (ndc): 2
18

14
1 2 3 4 5 6 7 8 9 10
Partes

Gráfica RyR para Medidas Razón P/T = 49,52%

8
6,0 sigma
Desviación del Promedio

4
Tolerancia = 30

R&R Partes
-4 49,52% 90,62%

-8
A B Total = 103,27%
Operadores

Rango por Partes Gráfico de Corridas

3 38 Operadores
A
2,5 34 B

2 30
Medidas
Rango

1,5 26

1 22

0,5 18

0 14
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Partes Partes
Para confirmar esto es necesario cuantificar en forma numérica el error de medición; para ello,
aplicando el método de medias y rangos se obtuvieron los siguientes resultados

Reporte de Repetibilidad y Reproducibilidad de Calibrador

Medición Sigma Porcentaje Varianza Porcentaje de Porcentaje
Unidad Estimada Variación Total Estimada Contribución de R&R
Repetibilidad 0,677517 13,1209 0,459029 1,72158 7,49
Reproducibilidad 2,38168 46,124 5,67239 21,2742 92,51
R&R 2,47617 47,9539 6,13142 22,9958 100,00
Partes 4,5312 87,752 20,5318 77,0042
Variación Total 5,16364 100.0 26,6632
Número de categorías distintas (ndc): 2

Análisis de Tolerancia
2 operadores 10 partes 2 ensayos
Tolerancia = 30,0
Medición 5,15 Porcentaje de
Unidad Desv. Estd. Tolerancia
Repetibilidad 3,48921 11,6307
Reproducibilidad 12,2656 40,8855
R&R 12,7523 42,5076
partes 23,3357 77,7856

Se concluye que el sistema de medición tiene un desempeño inadecuado, ya que los índices:

P VE
 42,5076 y  47,9539
T VarTot

son claramente mayores a 30%. Recordemos que el primer índice compara la precisión del sistema
de medición ( 5,15 ˆ r&R ) frente a la variación tolerada, que en el ejemplo es de 30, mientras que el
segundo compara la desviación estándar equipo de medición ( ̂r&R ) frente a la desviación estándar
total ( ̂ total ). Además, el número de categorías distintivas nc = 2 y al ser menor que 5 (otros autores
mencionan 4 ) indica que el sistema de medición no tiene la resolución adecuada.

De la misma tabla se concluye que el problema está en reproducibilidad, ya que de 22,9958%

variación total con la que contribuye el sistema de medida 21,2742% se debe a reproducibilidad.

En suma, se concluye que los operadores no utilizan el instrumento de la misma manera para medir
el esfuerzo para subir el descansabrazos y el sistema de medición es inaceptable tanto para controlar
el proceso como para distinguir entre piezas buenas y malas, de manera que este primer estudio
R&R no pasa.

Dado que el sistema de medición es inapropiado, el proyecto Seis Sigma no debe seguir hasta que
no se tenga un sistema de medición confiable. Por ello, se desarrolló un programa de mejora de la
habilidad de los operadores y se reentrenó a todos los inspectores que realizan mediciones en el
proceso.

Después de ello se volvió a hacer un estudio r&R, cuyos resultados se muestran en la siguiente
tabla:
 Operador A Operador B
Partes
Ensayo 1 Ensayo 2 Ensayo 1 Ensayo 2
(Asientos)
1 25,8 26,1 27,6 26,1
2 20,3 21,9 21,7 21,1
3 19,7 20,4 19,1 20,0
4 25,1 24,2 27,0 27,6
5 22,1 20,1 20,7 21,3
6 16,1 15,5 17,2 18,8
7 19,8 19,5 18,3 18,6
8 17,3 17,4 17,9 18,2
9 19,5 18,6 18,9 18,5
10 24,9 26,2 26,9 26,5
SnapStat: R&R de Calibrador - Método de Promedio y Rango
Datos/Variable: Medidas
Mediciones de Dispositiv o por Operadores
Sigma Est. % VT % Contrib.
Repet 0,695001 22,4776 5,05241
Reprod 0,375715 12,1513 1,47654 30 Operadores
R&R 0,790056 25,5518 6,52895 A
Partes 2,98933 96,6804 93,471 B
Total 3,09198 100 27
% R&R 6,0 Sigma % Tolerancia

Promedio
Repet 77,38 4,17 13,90 24
Reprod 22,62 2,25429 7,51
R&R 100,00 4,74033 15,80
Partes 17,936 59,7867 21
Total 18,5519 61,84
Número de categorías distintas (ndc): 5
18

15
1 2 3 4 5 6 7 8 9 10
Partes

Gráfica RyR para Medidas Razón P/T = 15,80%

2,4
6,0 sigma
Desviación del Promedio

1,6

0,8 Tolerancia = 30

-0,8 R&R Partes

15,80% 59,79%
-1,6

-2,4
A B Total = 61,84%
Operadores

Rango por Partes Gráfico de Corridas

3 30 Operadores
A
2,5 B
27
2
Medidas

24
Rango

1,5
21
1

0,5 18

0 15
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Partes Partes
A primera vista se observa una mayor coincidencia entre los resultados de ambos operadores.

Reporte de Repetibilidad y Reproducibilidad de Calibrador

Medición Sigma Porcentaje Varianza Porcentaje de Porcentaje
Unidad Estimada Variación Total Estimada Contribución de R&R
Repetibilidad 0,695001 22,4776 0,483026 5,05241 77,38
Reproducibilidad 0,375715 12,1513 0,141162 1,47654 22,62
R&R 0,790056 25,5518 0,624188 6,52895 100,00
Partes 2,98933 96,6804 8,93612 93,471
Variación Total 3,09198 100.0 9,56031
Número de categorías distintas (ndc): 5

Análisis de Tolerancia
2 operadores 10 partes 2 ensayos
Tolerancia = 30,0
Medición 5,15 Porcentaje de
Unidad Desv. Estd. Tolerancia
Repetibilidad 3,57925 11,9308
Reproducibilidad 1,93493 6,44978
R&R 4,06879 13,5626
partes 15,3951 51,3169

Se concluye que los índices:

P VE
 13,5626 y  25,5518
T VarTot

como ambos son menores a 30% se considera que es un sistema de medición con un error aceptable.
Lo anterior se confirma con el número de categorías distintivas ya que n cd  5 , por consiguiente se
concluye que la resolución del sistema de medición es adecuado. Por lo tanto, es posible continuar
con la siguiente actividad del proyecto Seis Sigma.
Estudio de capacidad y estabilidad

Una vez aprobada la calidad de las mediciones se procede a determinar la línea base de Y1 .
Se planea un estudio de capacidad y estabilidad utilizando un gráfico de control X . En este
R
ejemplo concreto, se decidió hacer un gráfico de control X con tamaño de subgrupo igual a
R
cuatro, hasta completar 20 subgrupos repartidos en un periodo de tiempo suficiente como para que
se manifieste la variación de largo plazo del proceso.
Los datos obtenidos se muestran en la siguiente tabla:

Subgrupo Mediciones
1 12,0 15,7 16,8 10,9
2 23,4 21,8 20,7 21,2
3 19,5 17,1 20,9 18,7
4 16,9 13,6 12,9 17,6
5 16,3 18,0 21,4 15,9
6 18,5 21,2 19,0 22,2
7 23,6 28,5 26,9 24,5
8 22,0 18,9 19,4 17,6
9 24,3 21,8 22,9 27,6
10 22,3 25,9 18,7 16,9
11 23,5 22,6 30,7 25,5
12 16,8 11,8 14,7 17,0
13 16,6 19,6 23,6 17,8
14 22,0 15,5 12,0 20,0
15 22,9 21,8 19,5 22,9
16 19,6 15,5 17,3 18,7
17 17,1 18,6 18,5 15,7
18 23,8 28,2 22,4 24,6
19 24,7 27,2 20,2 23,6
20 18,5 24,4 19,5 23,9

Una vez completados los 20 subgrupos y antes del estudio de capacidad, se verifica
estadísticamente que los datos no rechazan su procedencia de una distribución normal.

Pruebas de Normalidad

Prueba Estadístico Valor-P

Estadístico W de Shapiro-Wilk 0,982272 0,700603

El estudio de estabilidad se muestra en el gráfico X y el de capacidad en el correspondiente

R
gráfico
SnapStat: Ev aluación de Capacidad (Datos Agrupados)
Datos/Variable: Col_2
Distribución: Normal Gráfico X-bar
Tamaño de muestra = 80 Media = 20,16
Tamaño promedio de subgrupo = 4
Especificaciones Fuera de Especs. Valor-Z 28
LSE = 40 0,000000% 4,77
Nom = 25
LIE = 10 0,000000% -2,44 25
24,16
Capacidad a Largo Plazo Capacidad a Corto Plazo
Sigma = 4,16026 Sigma = 2,66634 22

Col_2
Pp = 1,20 Cp = 1,88
Ppk = 0,81 Cpk = 1,27 20,16
DPM = 7300,82 DPM = 69,38 19

16 16,16

13
0 4 8 12 16 20
Subgrupo

Histograma de Capacidad Gráfico de Rangos

10,00 25,00 40,00

12 15

10 12 12,52

8
frecuencia

9
Rango

6
6 5,49
4

2 3

0 0 0,00
0 10 20 30 40 0 4 8 12 16 20
Col_2 Subgrupo

Gráfica de Probabilidad Gráfico de Tolerancia

34 40 40,00

30 35
Distribución Normal

26 30
Col_2

22 25 25,00

18 20

14 15

10 10 10,00
10 14 18 22 26 30 34 0 4 8 12 16 20
Col_2 Subgrupo

Observados Estimados Defectos

Especificaciones Fuera Especs. Valor-Z Fuera Especs. Por Millón
LSE = 40,0 0,000000% 4,77 0,000093% 0,93
Nominal = 25,0 1,16
LIE = 10,0 0,000000% -2,44 0,729990% 7299,90
Total 0,000000% 0,730082% 7300,82

Capacidad Desempeño
Corto Plazo Largo Plazo
Sigma 2,66634 4,16026
Cp/Pp 1,87523 1,20185
Cpk/Ppk 1,27015 0,814052
K -0,322667
% fuera de especs. 0,00693772 0,730082
DPM 69,3772 7300,82
Intervalos de confianza del 95,0%
Índice Límite Inferior Límite Superior
Cp 1,58318 2,16676
Pp 1,01467 1,38869
Cpk 1,05906 1,48125
Ppk 0,667603 0,960501

Capacidad de Proceso
LIE = 10,0; Nominal = 25,0; LSE = 40,0

12 Normal
Media=20,16
Desv. Est.=4,16026
10
Cp = 1,88
8 Pp = 1,20
frecuencia

Cpk = 1,27
Ppk = 0,81
6
K = -0,32

0
0 10 20 30 40
Col_2

Del gráfico de control X se aprecia que el proceso es muy inestable en cuanto a la tendencia
R
central y estable en cuanto a la dispersión.
Al aplicar el criterio de puntos fuera de los límites, vemos que de 20 puntos, seis están fuera de los
límites de control. Por lo tanto, sólo considerando los puntos fuera, una estimación del índice de
6
inestabilidad está dado por: s t  100  30% que es demasiado grande, por lo que el proceso
20
puede considerarse muy inestable en cuanto a la tendencia central. Además, la variación de corto
plazo se obtiene a partir del promedio de los recorridos del gráfico R. En efecto,
R  1  5, 49
ˆ    R   2, 66634
d2  d2  2, 059

1
El valor de se obtiene de acuerdo con los valores de la tabla correspondiente a subgrupos de
d2
tamaño 4.
Por otro lado, en cuanto a la capacidad, las especificaciones o tolerancias para Y1 son TI  10 y
TS  40 . En el análisis de gráfico correspondiente, se observa que los resultados del esfuerzo están
cargados hacia la especificación inferior, lo cual incrementa de manera considerable la aparición de
descansabrazos que no cumplen las especificaciones por quedar demasiado flojos.

La curva es la distribución potencial (si la desviación típica fuese la que se denomina a corto plazo
R  1  5, 49
ˆ    R   2, 66634 ) que se tendría si se reduce la variabilidad entre subgrupos a
d2  d2  2, 059
los niveles de la variación dentro de subgrupos, que es típicamente lo que ocurre cuando el proceso
se encuentra en control estadístico durante el periodo de muestreo.
De aquí que la capacidad de corto plazo es igual a Zc  3  C pk  3 1, 27  3,81 sigmas, lo cual está
por debajo de la meta de Seis Sigma.

La variación real (de largo plazo) se obtiene calculando la desviación estándar de todos los datos
(los 80 datos de la tabla) s  4,16026 , lo cual es considerablemente mayor que la variación de corto
plazo. De aquí que la capacidad de largo plazo es igual a ZL  3  Ppk  3  0,81  2, 43 sigmas, lo cual
está por debajo de la meta de 4.5

Calidad a corto plazo Calidad a largo plazo

(suponiendo un proceso centrado) (Cp=Cpk) Con un movimiento de 1,5
% de la curva % de la curva
Calidad en PPM fuera de las PPM fuera de las
Índice Cp dentro de las Índice ZL dentro de las
Sigmas Zc especificaciones especificaciones
especificaciones especificaciones
0,33 1 68,27 317300 -0,5 30,23 697700
0,67 2 95,45 45500 0,5 69,13 308700
1,00 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
2,00 6 99,9999998 0,002 4,5 99,99966 3,4
 29,37  Z  0,8406 2 
 C

 
Zc  0,8406  29,37  2, 221  ln  PPM L 
2,221
Nivel de calidad en sigmas PPM L  e  

Dado que a largo plazo la capacidad es Ppk  0,81 Ppk o 2.43 sigmas, entonces se tienen (hechos los
cálculos según el software) 7300,82 PPM defectuosas. Esto es ligeramente menor a la capacidad
especificada en el marco del proyecto, que según aparece en la tabla era de 8200.
La razón de este decremento es que al disminuirse el error de medición, debido a las mejoras en el
mismo, de una manera inmediata se reduce la variación observada y con ello se percibe esa ligera
mejoría.
Con la figura correspondiente al análisis de capacidad, queda claro que una razón importante del
nivel de PPM que se tiene es el descentrado del proceso. En efecto, aún con la variación actual, si el
proceso se centrara en el valor nominal (25 N), la capacidad se incrementaría hasta niveles de
Cp  Cpk  1,88 , lo está muy cercano a la meta deseada de 2.
Sin embargo, tener un proceso con tan pobre estabilidad hace necesario, además de centrar el
proceso, buscar la razón de su escaso control.
ANALIZAR
En esta etapa se identifican las X’s (factores) potenciales que están influyendo en los problemas de
Y1 ya que a partir de esto es posible identificar las pocas X’s vitales.
En el caso del proyecto que nos ocupa, partiendo de los estudios de la fase anterior, las causas
potenciales se generaron mediante lluvia de ideas y se organizaron en el diagrama causa-efecto
donde se despliegan los factores que podrían estar influyendo en los esfuerzos para subir y bajar el
descansabrazos. Con base en la discusión del grupo y los graves problemas de control detectados en
los pasos anteriores, el equipo del proyecto se inclina por atribuir el problema principalmente a
cuestiones del material y los métodos utilizados en el proceso de ensamble del asiento.

Una de las hipótesis planteadas es que el exceso de variabilidad de los esfuerzos es por la aplicación
de los mismos métodos a diferentes tipos de asientos, ya que se usan los mismos métodos
independientemente de que el asiento sea de piel o de tela, o que sea para el conductor o el pasajero.
Entonces, el equipo plantea que si se disgregan las poblaciones que son diferentes entre sí, será
posible desarrollar métodos adecuados para cada población que den por resultado esfuerzos
cercanos a su valor nominal.
A partir del análisis del diagranma de causa-efecto, y del conocimiento del proceso, se considera
que las X potenciales que vale la pena investigar más a fondo son:

• X1: Tipo de asiento (del conductor y del pasajero).

• X2: Tipo de material utilizado (piel o tela).
• X3 Tipo de espuma (tipo A y tipo B).
• X4: ILD o firmeza de la espuma (395,5 Newton y 455,5 Newton).
• X5: Dimensión de la costura (6 mm. y 10 mm).
• X6: Posición de la costura (izquierda o derecha).
• X7: Número de rondanas (2 o 3).
• X8: Torque (25 Newton o 29 Newton).
Hay que poner especialmente de manifiesto que en cada X se agregaron dos niveles de la misma,
que corresponden a valores alternativos que se pueden tomar y que serán usados para probar cuál de
estas X’s son realmente vitales.

Las tres primeras X’s pueden dar lugar a diferentes poblaciones de asientos, en el sentido de que
independientemente de la influencia que tengan sobre Y1 se deben ensamblar asientos en cualquier
combinación de niveles de estos tres factores. La solución ideal sería que existiera y se encontrara
una combinación de los niveles de los factores X4 hasta X8, en la cual el desempeño de Y1 fuera
adecuado en cualquier combinación de los primeros tres factores.

Identificación de las pocas X vitales

En este tipo de problemas de manufactura en que hay varias X’s potenciales y que es necesario
identificar las que son vitales, la técnica por excelencia es el diseño de experimentos. De manera
breve podemos decir que la idea de un diseño factorial es estudiar el efecto individual y de
interacción de dos o más factores (X) sobre una o más variables de respuesta (Y).

Para ello, cada factor a investigar debe tener por lo menos dos niveles, y entonces el diseño factorial
consiste en correr en el proceso todas las combinaciones que pueden formarse con los niveles de los
factores. Por ejemplo, si se tiene dos factores con dos niveles cada uno, entonces el total de pruebas
o combinaciones de niveles son cuatro, como se muestra en la siguiente tabla:

X1 X2 Y:respuesta
Nivel bajo Nivel bajo
Nivel alto Nivel bajo
Nivel bajo Nivel alto
Nivel alto Nivel alto

Por lo tanto, en este caso, el diseño de experimentos consiste en correr estas cuatro condiciones de
prueba en orden aleatorio, cierta cantidad de veces (réplicas), y en cada prueba se debe registrar
cuál es el valor de la variable de respuesta.

En el caso de los asientos, como se quieren investigar ocho factores (X’s), entonces el total de
combinaciones considerando dos niveles en cada factor es igual a 28  256 , lo que en general se
considera un número demasiado grande de pruebas. Por ello, en este caso se recomendaría realizar
alguna fracción del diseño factorial 28 , para investigar de manera simultánea el efer individual de
los ocho factores y sus interacciones.

Sin embargo, en nuestro ejemplo, y desde el punto de vista práctico y por restricciones de
producción de los asientos, se decidió investigar por separado los des primeros factores,
considerando que cada combinación de estos dos factores es una población de asientos, que de
cualquier manera debe seguirse produciendo. Es decir, no tiene sentido elegir en ellos un nivel
óptimo.

Se realizaron experimentos comparativos simples (así debe hacerse en un principio) con los factores
X1: tipo de asiento (conductor y pasajero) y X2: tipo de material (tela y piel). Se encontraron
diferencias estadísticamente significativas entre el asiento del conductor y el del pasajero, así que
sus condiciones de fabricación óptima, se estudiarán por separado. En cuanto al tipo de material no
se encontraron diferencias estadísticamente significativas en los acabados con tela o piel.
Cabe enfatizar que este análisis individual es correcto si los factores no interactúan entre sí, ni con
los seis factores restantes. En caso de que eso ocurriera las conclusiones pueden ser incorrectas.

Para los restantes seis factores, en este ejemplo (se recomienda conocimientos de DOE-DEE) se
decide hacer un experimento factorial fraccionado 26-1 con los niveles de prueba dados en la lista
anterior. Este diseño consiste de un total de 32 pnuebas, elegidas adecuadamente. Estas pruebas, en
unidades codificadas: -1 para el primer nivel o nivel bajo, y 1 para el nivel alto se muestran en la
siguiente tabla. Así, se ensambló un descansabrazos del asiento del conductor (recordar que existía
diferencias estadísticamentes significativas entre asiento para el conductor y para el pasajero) para
cada una de estas condiciones y luego se midió Y1 , cuyos valores obtenidos fueron:

A:Espuma B:ILD C:Ceja D:Posición E:Rondanas F:Torques Y1:Esfuerzo

-1 -1 -1 -1 -1 -1 8,24
1 -1 -1 -1 -1 1 38,94
-1 1 -1 -1 -1 1 16,99
1 1 -1 -1 -1 -1 26,64
-1 -1 1 -1 -1 1 13,94
1 -1 1 -1 -1 -1 29,13
-1 1 1 -1 -1 -1 5,77
1 1 1 -1 -1 1 30,00
-1 -1 -1 1 -1 1 13,82
1 -1 -1 1 -1 -1 27,59
-1 1 -1 1 -1 -1 10,20
1 1 -1 1 -1 1 35,21
-1 -1 1 1 -1 -1 4,14
1 -1 1 1 -1 1 27,59
-1 1 1 1 -1 1 9,36
1 1 1 1 -1 -1 21,90
-1 -1 -1 -1 1 1 27,20
1 -1 -1 -1 1 -1 38,75
-1 1 -1 -1 1 -1 26,63
1 1 -1 -1 1 1 45,86
-1 -1 1 -1 1 -1 20,29
1 -1 1 -1 1 1 43,66
-1 1 1 -1 1 1 30,71
1 1 1 -1 1 -1 42,03
-1 -1 -1 1 1 -1 27,81
1 -1 -1 1 1 1 42,67
-1 1 -1 1 1 1 31,01
1 1 -1 1 1 -1 31,35
-1 -1 1 1 1 1 32,85
1 -1 1 1 1 -1 50,06
-1 1 1 1 1 -1 7,03
1 1 1 1 1 1 36,81

Para analizar los resultados de esta tabla, muchos y variados son los procedimientos que se pueden
usar. Por ejemplo, se puede realizar un estudio de PARETO para ver cuáles son los factores X’s
más significativos que infgluyen en la variable de respuesta Y1 . Se puede, después de comprobar
todos los supuestos necesarios de normalidad, homocedasticidad,... realizar un análisis de ANOVA
para llegar a una conclusión similar pero con más aportes técnicos. También, podemos usar
métodos de regresión (multilineal por ser las más fáciles de entender). En concreto, siguiendo
métodos como el de Wald podemos incluso llegar a la fórmula de regresión con el mejor valor del
coeficiente de determinación R2 usando la menor cantidad de variables.
La ecuación de regresión o transferencia para la variable Y1 (esfuerzo hacia arriba) es:

Ŷ1  26, 693  8,819   X3 : Espuma   6, 727   X7 : Rondanas   3, 096  X8 : Torque 

De acuerdo con el estadístico R2 ajustado (corregido), estas tres variables explican el R 2  83,1%
de la variación real que se pone de manifiesto a través de la variación presente en los datos.

Con esta ecuación es posible predecir el esfuerzo en cada combinación de los tres factores,
denotando los niveles bao y alto en cada factor como -1 y +1 repectivamente. Con excepción del
torque (X8) , no tiene sentido predecir en valores intermedios, dado que el tipo de espuma y el
número de rondanas toman valores discretos.

De esta manera, se encontró y confirmó que hay cuatro causas vitales: X1 en el primer experimento
y X3, X7 y X8 en el segundo experimento. De aquí que es, por tanto, necesario considerar el tipo de
asiento que se está ensamblando (tipo de asiento y tipo de espuma) además del número de rondanas
(arandelas) y el torque (fuerza de apriete), para encontrar condiciones óptimas de ensamblaje para
los mismos. Por lo tanto, se han completado los trabajos de esta fase.
MEJORAR
El objetivo de esta etapa es proponer e implementar soluciones que atiendan las causas raíz (las X’s
vitales); es decir, asegurarse de corregir o reducir el problema.

En el caso de nuerstro ejemplo, el proyecto de los descansabrazos, es necesario encontrar las

condiciones apropiadas de operación del proceso en función de los tgres factores significativos
encontrados en la fase anterior.

Para ello, como siempre, de todas las posibilidades de diseño de experimentos estadísticos, vamos a
elegir el diseño que se suele llamar “De cribado”.

Sabemos de la fase a nterior que la fórmula de regresión a utilizar es:

Ŷ1  26, 693  8,819   X3 : Espuma   6, 727   X7 : Rondanas   3, 096  X8 : Torque 

Según el propio diseño del experimento “De cribado”. y usando la anterior fórmula para calcular los
valores de la variable de salida Y1 se obtiene....

X3:Tipo de espuma X7:Rondanas (arandelas) X8:Torque (apriete) Y1:Fuerza ascendente

-1 -1 -1 8,051
1 -1 -1 25,689
-1 1 -1 21,505
1 1 -1 39,143
-1 -1 1 14,243
1 -1 1 31,881
-1 1 1 27,697
1 1 1 45,335
De esta manera

Gráfica de Cubo para Y1:Fuerza ascendente

27,697
45,335
14,243
1.0
X8:Torque (apriete)

31,881

21,505
39,143 1,0
8,051
-1.0
-1,0 25,689
X7:Rondanas (arandelas)
1,0 -1,0
X3:Tipo de espuma

De esta manera, se deben buscar las condiciones (vértices) que predicen valores cercanos al valor
nominal de 25 Newton. Es claro que el valor de 25,689 es el valor predicho más cercano a 25, y
esto se produce en la combinación X 3  1 X 7  1 y X8  1 que en las unidades originales,
teniendo en cuenta que:
• X1: Tipo de asiento (del conductor y del pasajero).
• X2: Tipo de material utilizado (piel o tela).
• X3 Tipo de espuma (tipo A y tipo B).
• X4: ILD o firmeza de la espuma (395,5 Newton y 455,5 Newton).
• X5: Dimensión de la costura (6 mm. y 10 mm).
• X6: Posición de la costura (izquierda o derecha).
• X7: Número de rondanas (2 o 3).
• X8: Torque (25 Newton o 29 Newton).

significa X 3 : Espuma tipo B X7  Número arandelas 2 y X8  Apriete 25 Nw

Por consiguiente, esta es la solución propuesta.

Sin embargo, el factor X3:Tipo de espuma, no se puede controlar en un nivel fijo, puesto que se
deben producir asientos con ambos tipo de espuma.
Tomando esta idea en consideración, en la gráfica del cubo se aprecia que cuando se utiliza el tipo
A de espuma (cara izquierda del cubo según el gráfico; X 3  1 ) el valor más cercano al nominal
de 25 Nw es 27,697 que corresponde a la combinación X 3  1 X 7  1 y X8  1 , es decir, de
acuerdo con nuestro diseño, tipo de espuma A, utilizar 3 rondanas (arandelas) y un valor de torque
(apriete) de 29 Nw. Así, las mejores condiciones de operación del proceso para el asiento del
conductor y dependiendo del tipo de espuma son:

ˆ  25, 689Nw
X 3 : Espuma tipo B X 7  Número arandelas 2 y X8  Apriete 25 Nw  Y1

ˆ  27, 697Nw
X 3 : Espuma tipo A X 7  Número arandelas 3 y X8  Apriete 29 Nw  Y1

Los valores de Ŷ1 son el esfuerzo esperado para subir el descansabrazos en la combinación de
niveles correspondientes. Como se observa hay un desfase de 2,697 Nw con respecto al valor
nominal de 25 Nw en la segunda combinación y de o,689 Nw en la primera combinación.

Para aprovechas la continuidad del factor torque se decide buscar un valor intemedio de éste entre
25Nw y 29Nw, popara predecir de manera más cercana el valor deseado de 25 Nw.

En la primera opción X 3  1 X 7  1 y X8  1 que el valor de preicción es Ŷ1  25, 689Nw .

Para ajustarlo a 25Nw, debería ser menor el valor de la variable X8 .... pero no es posible....

Optimizar Respuesta
Meta: mantener Y1:Fuerza ascendente en 25,0
Valor óptimo = 25,689
Factor Bajo Alto Óptimo
X3:Tipo de espuma 1,0 1,0 1,0
X7:Rondanas (arandelas) -1,0 -1,0 -1,0
X8:Torque (apriete) -1,0 1,0 -1,0
En la segunda opción X 3  1 X 7  1 y X8  1 que el valor de preicción es Ŷ1  27, 697Nw .
Para ajustarlo a 25Nw, haciendo las cálculos....

Optimizar Respuesta
Meta: mantener Y1:Fuerza ascendente en 25,0
Valor óptimo = 25,0
Factor Bajo Alto Óptimo
X3:Tipo de espuma -1,0 1,0 -1,0
X7:Rondanas (arandelas) -1,0 1,0 1,0
X8:Torque (apriete) -1,0 1,0 0,128876

Entre los valores -1 y 1 para X8 , parece ser que el valor óptimo es 0,128876, que después de hacer
la correspondiente regla de tres.....

X8  1  25Nw  1  2Nw 
  Punto central 0  27Nw    x  0, 257752
X8  1  29Nw  0,128876  x 

Valor buscado de X8  27Nw  0, 257752  27, 257752Nw

Así, la respuesta óptima será:

X 3 : Espuma tipo A X 7  Número arandelas 3 y X 8  Apriete 27, 257752 Nw

Evaluar las soluciones propuestas

Para evaluar y validar las dos soluciones propuestas se deben realizar experimentaciones sobre los
tratamientos óptimos encontrados, teniendo en cuenta que dependen del tipo de espuma utilizado.

En nuestro ejemplo concreto, durante una semana se opera el proceso con estas condiciones hasta
completar 20 subgrupos racionales de tamaño 4 para que las condiciones de comparación con
respecto a otras fases de este proyecto sea viable.

Con los datos obtenidos, se hace un análisis de capacidad y estabilidad de la misma manera que se
hizo en la fase MEDIR

Los datos obtenidos fueron los siguientes:

 Subgrupo Mediciones
1 27,5 22,4 27,0 23,0
2 24,0 26,0 24,4 22,6
3 29,3 29,2 26,9 23,0
4 26,8 27,1 27,1 30,6
5 24,8 23,1 26,4 28,2
6 25,2 23,5 24,3 20,7
7 25,5 25,7 25,0 21,1
8 25,7 24,6 28,8 24,9
9 24,3 26,3 22,6 25,5
10 28,1 30,0 25,5 27,8
11 25,2 25,3 23,4 27,2
12 26,9 23,7 25,4 21,6
13 23,5 28,7 24,0 24,5
14 22,1 23,5 26,6 25,1
15 27,0 25,7 23,5 24,2
16 25,1 27,9 22,9 25,8
17 26,0 28,8 24,0 22,1
18 25,8 23,3 28,9 27,1
19 20,0 22,1 26,2 21,8
20 23,8 21,5 19,9 22,3

Una vez completados los 20 subgrupos y antes del estudio de capacidad, se verifica
estadísticamente que los datos no rechazan su procedencia de una distribución normal.

Pruebas de Normalidad para Col_1

Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,981012 0,6409

El estudio de estabilidad se muestra en el gráfico X y el de capacidad en el correspondiente

R
gráfico
SnapStat: Ev aluación de Capacidad (Datos Agrupados)
Datos/Variable: Col_1
Distribución: Normal Gráfico X-bar
Tamaño de muestra = 80 Media = 25,08625
Tamaño promedio de subgrupo = 4
Especificaciones Fuera de Especs. Valor-Z 29
LSE = 40 0,000000% 6,24 28,54
Nom = 25
LIE = 10 0,000000% -6,32 27
Capacidad a Largo Plazo Capacidad a Corto Plazo
Sigma = 2,388407856 Sigma = 2,304516756

Col_1
Pp = 2,09 Cp = 2,17 25 25,09
Ppk = 2,08 Cpk = 2,16
DPM = 0,00 DPM = 0,00

23

21,63
21
0 4 8 12 16 20
Subgrupo

Histograma de Capacidad Gráfico de Rangos

10,00 25,00 40,00

12 12
10,82
10 10

8 8
frecuencia

Rango

6 6
4,75
4 4

2 2

0 0 0,00
10 15 20 25 30 35 40 0 4 8 12 16 20
Col_1 Subgrupo

Gráfica de Probabilidad Gráfico de Tolerancia

31 40 40,00

29 35
Distribución Normal

27 30
Col_1

25 25 25,00

23 20

21 15

19 10 10,00
19 21 23 25 27 29 31 0 4 8 12 16 20
Col_1 Subgrupo
 Observados Estimados Defectos
Especificaciones Fuera Especs. Valor-Z Fuera Especs. Por Millón
LSE = 40,0 0,000000% 6,24 0,000000% 0,00
Nominal = 25,0 -0,04
LIE = 10,0 0,000000% -6,32 0,000000% 0,00
Total 0,000000% 0,000000% 0,00

Capacidad Desempeño
Corto Plazo Largo Plazo
Sigma 2,304516756 2,388407856
Cp/Pp 2,169652266 2,093444797
Cpk/Ppk 2,157176765 2,081407489
K 0,00575
% fuera de especs. 7,836536975E-9 3,482661382E-8
DPM 0,00007836536975 0,0003482661382
Con base en límites 6,0 sigma. La sigma de corto plazo se estimó a partir del rango promedio.

Intervalos de confianza del 95,0%

Índice Límite Inferior Límite Superior
Cp 1,83174543 2,506956067
Pp 1,767406695 2,418901046
Cpk 1,812975732 2,501377798
Ppk 1,748742368 2,414072611

Capacidad de Proceso
LIE = 10,0; Nominal = 25,0; LSE = 40,0

12 Normal
Media=25,08625
Desv. Est.=2,388407856
10
Cp = 2,17
8 Pp = 2,09
frecuencia

Cpk = 2,16
Ppk = 2,08
6
K = 0,01

0
10 15 20 25 30 35 40
Col_1

En primera instancia, se obsera una distribución de los datos centrada prácticamente en el valor 25
Nw (en concreto en 24,8Nw) en contraste con el estudio de capacidad realizado en la etapa MEDIR
en el cual la distribución estaba desfasada hacia la izquierda.
En cuanto a los estadísticos calculados, ahora la capacidad a corto plazo
Zc  3  C pk  3  2,16  6, 48 sigmas y a largo plazo ZL  3  Ppk  3  2, 08  6, 24 y en este largo
plazo las partes por millón no conformes son 0,00 ( PPM  0, 00 ).
Estos datos confirman el cumplimiento de la meta.

Es decir, se dispone de un proceso Seis Sigma

Lo más importante, es suponer un desfase cuando el proceso está en marcha corriente. Suponiendo,
como coinciden la mayoría de los autores, yn desfase de 1,5 veces la desviación típica, podemos
calcular los defectos por millón (PPM) a largo plazo usando la fórmula de Schmidt y Launsby 1997
 29,37  Z  0,8406 2 
 C

 2,221 
PPM L  e  
podemos calcular:
 29,37   Z  0,8406  2   29,37  6 ,48  0,8406 2 
 C
  
 2,221   2,221 
PPM L  e  
e  0,3344135 .

Usando la distribución normal y teniendo en cuenta que si PPM L  0,3344135  0, 0000003344135

en tanto por uno.

0, 0000003344135 0, 0000003344135
2 2

Por consiguiente, después de admitir una desviación de 1,5 veces la desviación típica
ZL  3  Ppk  5,1029  Ppk  1, 7

Resultados alcanzados

En la siguiente tabla, se resume el antes y el desapués para la variable Y1 , en términos de los

índices estadísticos de calidad, que de manera indirecta controlan los valores de PPm que son los
que se utilizan para vertebrar una argumentación de investigación y de cambio.

Los estadísticos de largo plazao, como se ha mencionado, se pusieron suponiendo un escenario

donde el proceso se desplaz<a en su media en 1,5 veces la desviación típica.

Antes Después
Cpk  1, 27 Cpk  2,16

Ppk  0,81 Ppk  2, 08

PPM  7300,82 PPM  0,3344135

Sigmas corto plazo  ZC  3,81

Sigmas corto plazo  ZC  6, 24
Sigmas l arg o plazo  ZL  2, 43 Sigmas l arg o plazo  ZL  5,1029
Recordad que para que un proceso sea Seis Sigma se suele poner como valor umbral
Sigmas l arg o plazo  ZL  4,5 .

Por consiguiente, se logró cumplir con los objetivos planteados en el proyecto. Este nuevo nivel de
desempeño generó ahorros directtos que corresponden al coste de reprocesar descansabrazos fuera
de especificaciones y a los sueldos de los dos inspectores de tiemppo completo, que fueron
recolocados en operaciones que agregan valor al producto. Además, se logró una pequeña reducción
en el tiempo de ciclo.

CONTROLAR
En esta etapa se diseña un sistema que mantenga las mejoras logradas (controlar las X vitales) y se
cierra el proyecto. Las acciones de control se dan en tres niveles: proceso, documentación y
monitoreo.
Para el caso del descansabrazos, primero el proceso se modificó de acuerdo con las soluciones
propuestas. En particular, se implementaron medidas tipo poka-yoke para controlar de manera
adecuada la variable torque (apriete) en las condiciones de operación propuestas y en función del
tipo de espuma.
Además se modificaron los procedimientos de trabajo correspondientes.
En cuanto a los cambios relacionados con el monitoreo del proceso, también se implementaron
gráficos de control de medias y rangos, basadas en dos muestras de tamaño cuatro por día, para
monitorear el comportamiento del esfuerzo.
Se generó la carpeta de historial del proyecto, misma que se puso a disposición y se presentó el
proyecto en una sesión especial.
Por último, cabe mencionar que los miembros del equipo Seis Sigma fueron invitados al evento
especial que organiza la empresa cada año para reconocer a todo el personal que participa de
manera activa en la iniciativa SeisSigma.