Professional Documents
Culture Documents
TECNOLOGÍAS E INGENIERÍAS
¿ qué más
hicimos en el
proyecto seis
sigma
ejemplo…?
Ing. Mag. Germán Gómez Solarte, BB LSS
Recordar-Proyecto 6S modelo
Cali
UBICACIÓN
Optimización del peso de las bolsas de leche de 1,1 lt durante el proceso de llenado
TÍTULO DEL PROYECTO
En el proceso de llenado de leche en la planta Vitalac, el flujo de leche que ingresa en cada bolsa
desde la máquina llenadora/empacadora PackAB7000 varía generalmente por exceso, generando
bolsas de leche con sobrepeso lo cual afecta la cantidad de leche que la empresa puede vender. Este
sobrepeso se mide con el índice: “% sobrepeso”, el cual se calcula como: kg. leche producida con
OPORTUNIDAD DETECTADA sobrepeso-mes / kg leche producidas mes x 100. Actualmente, este índice está en 5 %. Según el
(Delcaración del problema) lineamiento de la alta dirección, este índice debe estar en 2%. Durante los últimos 12 meses se ha
venido mejorando, pero no se ha alcanzado la meta. El impacto económico para la empresa es de $
17.445.500 millones de pesos mensuales representados en leche que llega al consumidor como
sobrepeso sin que se pague más por esta cantidad.
peso de las bolsas de leche bolsa de leche empacada 252000 1500 $/bolsa de leche de 1,1 lt
Recordemos el Project
TIPOS DE DEFECTOS QUE SE
PUEDEN PRESENTAR
NÚMERO Y % PROMEDIO DE
DEFECTOS-MES
DPMO (PPM) NIVEL SIGMA ACTUAL charter …
1:Sobrepeso 4500 bolsas/mes
8929 3,87
2:Bajo peso 1,78%
3% 4% 2% $ 6.728.400
Operarios de llenado, profesional de costos, Jefe de Producción, Jefe de calidad, Jefe Financiero,
EQUIPO DEL PROYECTO
Supervisores de producción, Jefe Comercial
En el diseño de
especificaciones DISEÑO DE ESPECIFICACIONES bolsa 1100 ml
podemos tomarlas en VT 1100
términos relativos (%) o EI (LSL/LIE) 2,00% 1122
en términos absolutos VN 3,00% 1156
(gr) peso de la bolsa de ES (USL/LSE) 4,00% 1202
leche
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
DMAIC (DMAMC)
FASE MEDIR
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
Focalizamos el proyecto mediante un Pareto
Diagrama de Pareto:
Con el cual focalizamos
el proyecto hacia los
factores o causas más
representativos…
Focalizar el proyecto:
Consite en precisar los
factores (Xi) más
importante que pueden
explicar el efecto (Y) del
problema investigado…
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
Validamos el sistema de medición de los datos
mediante un análisis R&R
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
COMPONENTE PRÁCTICO
FORMATO ANÁLISIS DE LOS SISTEMAS DE MEDICIÓN: REPETIBILIDAD Y REPRODUCIBILIDAD
Diseñado por Ing. Germán Gómez Solarte nuestro sistema de medición es
DILIGENCIE SOLAMENTE LOS CAMPOS MARCADOS EN COLOR VERDE. LOS CAMPOS EN OTRO COLOR SON CALCULADOS AUTOMÁTICAMENTE O DEFINIDOS POR DEFECTO confiable y no está aportando
Fecha:
Responsable:
18/10/2018
Jefe de producción EI=
ESPECIFICACIONES DE LA CARACTERÍSTICA DE CALIDAD
1122 VN= 1156 ES= 1202
TOLERANCIA
80
otra causa de variabilidad al
Instrumento utilizado: Balanza electrónica
OPERADOR A
No. muestras (n)=
OPERADOR B
20 No. Operadores 2 No. mediciones por muestra (t)
OPERADOR C
3
proceso…
Muestra
No.
Medición 1 Medición2 Medición3 Rango Medición 1 Medición2 Medición3 Rango Medición 1 Medición2 Medición3 Rango
1 1210,000 1210,000 1210,000 0,000 1210,000 1210,000 1210,000 0,000
2 1206,000 1205,000 1205,000 1,000 1204,000 1204,000 1204,000 0,000 Se tuvo en cuenta que: La característica de
3 1196,000 1195,000 1195,000 1,000 1195,000 1195,000 1195,000 0,000
4 1196,000 1196,000 1196,000 0,000 1196,000 1196,000 1196,000 0,000 calidad a medir es el peso en gr de una bolsa
5 1189,000 1188,000 1189,000 1,000 1188,000 1188,000 1188,000 0,000
6 1195,000 1195,000 1195,000 0,000 1197,000 1196,000 1197,000 1,000 de leche y para ello se utilizó una balanza
7 1177,000 1177,000 1177,000 0,000 1177,000 1178,000 1177,000 1,000
8 1179,000 1179,000 1178,000 1,000 1179,000 1178,000 1178,000 1,000 electrónica al final de la línea de llenado. Se
9 1204,000 1204,000 1204,000 0,000 1203,000 1203,000 1203,000 0,000
10 1191,000 1190,000 1190,000 1,000 1190,000 1190,000 1189,000 1,000 hizo un análisis R&R con una muestra de 20
11 1190,000 1191,000 1189,000 2,000 1190,000 1190,000 1190,000 0,000
12 1190,000 1190,000 1189,000 1,000 1188,000 1188,000 1188,000 0,000 bolsas de leche que fueron pesadas por dos
13 1209,000 1209,000 1209,000 0,000 1210,000 1210,000 1210,000 0,000
14 1167,000 1167,000 1168,000 1,000 1168,000 1168,000 1168,000 0,000 operarios. Cada operario pesó cada una de las
15 1199,000 1199,000 1199,000 0,000 1198,000 1198,000 1198,000 0,000
16 1185,000 1185,000 1185,000 0,000 1186,000 1186,000 1185,000 1,000 20 bolsas de leche 3 veces (1 medición y 2
17 1181,000 1181,000 1182,000 1,000 1180,000 1180,000 1179,000 1,000
18 1188,000 1187,000 1188,000 1,000 1187,000 1187,000 1186,000 1,000 réplicas) en la misma balanza. Aplicando el
19 1179,000 1179,000 1179,000 0,000 1178,000 1178,000 1178,000 0,000
20 1183,000 1183,000 1183,000 0,000 1184,000 1184,000 1184,000 0,000 R&R se encontró que el sistema de medición
1190,700
Promedio Operador A
Promedio Operador A
1190,500 1190,500
1190,567
0,550 1190,400 1190,350
Promedio Operador B
1190,150
1190,300
0,350
Promedio Operador C
(pesaje de las bolsas de leche) es confiable, es
Rango de las medias Media mayor 1190,567 Media Menor 1190,300 Diferencia de medias ( ẋdif) 0,267 decir que no existe variación importante en los
Promedio rangos (Rprom) 0,450
2
D4
3,27
Si alguno de los rangos es mayor que el LSC indica que el error de medición
no está bajo control. Debe corregir esas mediciones y recalcular Rangos y
#Mediciones
2
k1
4,56
No. Operad.
2
k2
3,65
medición balanza (Repetibilidad). Para esto
LCS = 1,157
3 2,57
LCS
3 3,05 3 2,7
usamos el Anexo 4, alojado en el entorno de
REPETIBILIDAD - VARIACIÓN EXPANDIDA DEL INSRUMENTO O EQUIPO (VE)
VE = Rprom *k1
Desviación de la Repetibilidad
REPRODUCIBILIDAD - VARIACIÓN EXPANDIDA DEL OPERADOR (VO)
k2 Desviación Reproducibilidad aprendizaje colaborativo y explicado en la web
VO =
conferencia pasada.
k1 3,05
σrepetibilidad = VE/5,15 3,65 σreproducib. = VO/5,15
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
Actividad 3 a – Plan de recogida de datos
Tabla de datos (Data): Datos del peso de las bolsas de leche (Variable de interés Y)
Como nuestro sistema de del último mes
medición es confiable, ya
podemos tomar (Medir) MES DIA M1 M2 M3
TABLA DE DATOS MES 1
M4 M5 M6 M7 M8 M9 M10
datos de nuestro 1 1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189
1 2 1210 1210 1189 1187 1179 1169 1204 1199 1177 1179
proyecto… 1 3 1194 1198 1189 1194 1201 1187 1192 1198 1163 1189
1 4 1180 1174 1201 1187 1203 1206 1176 1206 1185 1182
1 5 1180 1159 1185 1177 1192 1171 1194 1192 1193 1190
1 6 1208 1169 1188 1183 1187 1191 1173 1189 1185 1195
1 7 1170 1196 1202 1177 1201 1203 1194 1189 1191 1191
1 8 1189 1194 1190 1192 1204 1190 1181 1186 1187 1191
1 9 1188 1195 1177 1207 1180 1194 1177 1185 1199 1184
PLAN DE RECOGIDA DE DATOS 1 10 1197 1192 1205 1196 1180 1193 1191 1179 1185 1189
La empresa trabaja 10 horas por día y cada hora se 1 11 1184 1178 1204 1188 1191 1190 1209 1192 1181 1224
recoge una muestra de 10 bolsas de leche y se las 1 12 1193 1191 1199 1179 1185 1206 1167 1199 1188 1199
pesa en la balanza electrónica que está al final de 1 13 1206 1190 1184 1186 1187 1194 1198 1198 1189 1201
1 14 1184 1200 1201 1190 1189 1191 1197 1195 1180 1194
la linea. Se tarbajan 25 días al mes
1 15 1177 1196 1188 1189 1187 1184 1197 1199 1198 1191
1 16 1175 1169 1191 1181 1202 1193 1196 1197 1183 1178
1 17 1186 1174 1189 1184 1186 1190 1199 1180 1196 1190
1 18 1193 1194 1176 1181 1203 1188 1213 1210 1203 1179
1 19 1203 1196 1196 1186 1197 1170 1197 1199 1210 1183
1 20 1176 1190 1172 1190 1171 1185 1191 1165 1191 1201
Nótese que en la tabla hay 25 muestras 1 21 1182 1201 1198 1189 1210 1184 1204 1202 1190 1194
cada una con 10 grupos racionales 1 22 1197 1187 1190 1183 1201 1189 1215 1181 1193 1175
1 23 1198 1190 1195 1205 1192 1186 1196 1181 1206 1213
(M1…M10) 1 24 1177 1183 1183 1181 1191 1194 1181 1196 1185 1191
1 25 1170 1183 1195 1193 1186 1175 1205 1180 1197 1188
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
Prueba de Normalidad (Usamos Statgraphics)
Prueba de Normalidad Debemos comprobar si nuestros datos siguen una distribución de probabilidad normal o no,
con la cual validamos que los datos del peso de las bolsas de leche, siguen una Distribución de Probabilidad Normal
para saber qué herramientas usamos en el tratamientos de datos, puesto que buena parte de las herramientas de
análisis de datos se basan en el supuesto de datos normales, de lo contrario usaremos otras herramientas
identificando la distribución o mediante estadísticas no paramétricas…
Imagen que
corresponde a la
explicación dada
en la anterior web
conferencia:
Prueba de
normalidad de
datos usando
Statgraphics (paso
a paso)
Si los datos son normales, podemos construir las gráficas de En el estudio de capacidad se mostrará
control X-R para conocer el estado de control estadístico de la otro estudio de normalidad, usando
MiniTab
característica de calidad (sobrepeso de las bolsas de leche) en el
proceso de empaque.
Ing. Mag. Germán Gómez Solarte, BB LSS
FASE 5 – Fase 5-DMAMC-Medir y Analizar–
Actividad colaborativa
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
Gráfico de control X-R
Como los datos de nuestro ejemplo siguen una Distribución de probabilidad Normal, podemos hacer las Gráficas X-R: Son gráficas de control
estadístico de variables, para verificar que el proceso esté bajo control estadístico, graficando la media y el rango de la característica de calidad
estudiada (peso de las bolsas de leche) por cada grupo racional definido en la muestra, e identificando que esté dentro de los límites naturales o de
control del proceso LSC Y LIE y/o no presenten comportamientos atípicos.
n A2 n D4 D3
Datos para las gráficas X barra- R
10 0,308 10 1,7768 0,2232
Observaciones Gráfico X(Datos de Medias) Gráfico R (Datos para Rangos)
Muestra
1 2 3 4 5 6 7 8 9 10 LC LSC LIC R LCR LSC LIC
1 1180 1195 1209 1196 1179 1189 1195 1191 1182 1189 1190,50 1190,16 1200,04 1177,97 30,0 32,08 32,08 57,00 7,16
2 1210 1210 1189 1187 1179 1169 1204 1199 1177 1179 1190,30 1190,16 1200,04 1177,97 41,0 32,08 32,08 57,00 7,16
3 1194 1198 1189 1194 1201 1187 1192 1198 1163 1189 1190,50 1190,16 1200,04 1177,97 38,0 32,08 32,08 57,00 7,16
4 1180 1174 1201 1187 1203 1206 1176 1206 1185 1182 1190,00 1190,16 1200,04 1177,97 32,0 32,08 32,08 57,00 7,16
5 1180 1159 1185 1177 1192 1171 1194 1192 1193 1190 1183,30 1190,16 1200,04 1177,97 35,0 32,08 32,08 57,00 7,16
6 1208 1169 1188 1183 1187 1191 1173 1189 1185 1195 1186,80 1190,16 1200,04 1177,97 39,0 32,08 32,08 57,00 7,16
7 1170 1196 1202 1177 1201 1203 1194 1189 1191 1191 1191,40 1190,16 1200,04 1177,97 33,0 32,08 32,08 57,00 7,16
8 1189 1194 1190 1192 1204 1190 1181 1186 1187 1191 1190,40 1190,16 1200,04 1177,97 23,0 32,08 32,08 57,00 7,16
9 1188 1195 1177 1207 1180 1194 1177 1185 1199 1184 1188,60 1190,16 1200,04 1177,97 30,0 32,08 32,08 57,00 7,16
10 1197 1192 1205 1196 1180 1193 1191 1179 1185 1189 1190,70 1190,16 1200,04 1177,97 26,0 32,08 32,08 57,00 7,16
11 1184 1178 1204 1188 1191 1190 1209 1192 1181 1224 1194,10 1190,16 1200,04 1177,97 46,0 32,08 32,08 57,00 7,16
12 1193 1191 1199 1179 1185 1206 1167 1199 1188 1199 1190,60 1190,16 1200,04 1177,97 39,0 32,08 32,08 57,00 7,16
13 1206 1190 1184 1186 1187 1194 1198 1198 1189 1201 1193,30 1190,16 1200,04 1177,97 22,0 32,08 32,08 57,00 7,16
14 1184 1200 1201 1190 1189 1191 1197 1195 1180 1194 1192,10 1190,16 1200,04 1177,97 21,0 32,08 32,08 57,00 7,16
15 1177 1196 1188 1189 1187 1184 1197 1199 1198 1191 1190,60 1190,16 1200,04 1177,97 22,0 32,08 32,08 57,00 7,16
16 1175 1169 1191 1181 1202 1193 1196 1197 1183 1178 1186,50 1190,16 1200,04 1177,97 33,0 32,08 32,08 57,00 7,16
17 1186 1174 1189 1184 1186 1190 1199 1180 1196 1190 1187,40 1190,16 1200,04 1177,97 25,0 32,08 32,08 57,00 7,16
18 1193 1194 1176 1181 1203 1188 1213 1210 1203 1179 1194,00 1190,16 1200,04 1177,97 37,0 32,08 32,08 57,00 7,16
19 1203 1196 1196 1186 1197 1170 1197 1199 1210 1183 1193,70 1190,16 1200,04 1177,97 40,0 32,08 32,08 57,00 7,16
20 1176 1190 1172 1190 1171 1185 1191 1165 1191 1201 1183,20 1190,16 1200,04 1177,97 36,0 32,08 32,08 57,00 7,16
21 1182 1201 1198 1189 1210 1184 1204 1202 1190 1194 1195,40 1190,16 1200,04 1177,97 28,0 32,08 32,08 57,00 7,16
22 1197 1187 1190 1183 1201 1189 1215 1181 1193 1175 1191,10 1190,16 1200,04 1177,97 40,0 32,08 32,08 57,00 7,16
23 1198 1190 1195 1205 1192 1186 1196 1181 1206 1213 1196,20 1190,16 1200,04 1177,97 32,0 32,08 32,08 57,00 7,16
24 1177 1183 1183 1181 1191 1194 1181 1196 1185 1191 1186,20 1190,16 1200,04 1177,97 19,0 32,08 32,08 57,00 7,16
25 1170 1183 1195 1193 1186 1175 1205 1180 1197 1188 1187,20 1190,16 1200,04 1177,97 35,0 32,08 32,08 57,00 7,16
ന+𝐀 𝐑
𝐋𝐒𝐂 = 𝐗 ഥ
ന
𝐋𝐂 = 𝐗
ന
𝐋𝐈𝐂 = 𝐗 ഥ
𝐀 𝐑
ഥ
𝐋𝐒𝐂 = 𝐃𝟒𝐑
ഥ
𝐋𝐂 = 𝐑
ഥ
𝐋𝐈𝐂 = 𝐃𝟑𝐑
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
ESTUDIO DE CAPACIDAD DE
PROCESO
Gráfica de Normalidad:
Recuerden que entre
más ajuste de los puntos
con respecto a la recta
los datos se aproximan
más a una Distribución
Normal. Además revisar
el p-value que debe ser
menor a 0,05 para que
pueda decirse que los
datos siguen a una
aproximación de
distribución normal
1. Gráfica X barra
2. Gráfica S de
desviaciones
3. Gráfica de
distribución de
puntos sobre la
media
4. Histograma de
capacidad en donde
se aprecia el centra
miento del proceso
5. Gráfica de
normalidad
6. Gráfica de capacidad
Zs = ES –μ y Zi = μ – EI
σ σ
Donde la capacidad del proceso será Mín [ Zs, Zi]
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
DMAIC (DMAMC)
FASE ANALIZAR
Kaoru Ishikawa
(1915 - 1989)
6M
Tipos o
metodologías
Flujo de proceso
para su
elaboración
Estratificación
Este es el método de
construcción más común y,
consiste en agrupar las causas
potenciales en seis ramas
principales (6M): métodos de
trabajo, mano de obra,
materiales, maquinaria, medición
y medio ambiente. Estos seis
elementos definen de manera
global todo proceso, y cada uno
aporta parte de la
variabilidad (y de la calidad)
final del producto o servicio. Por
lo que es natural enfocar los
esfuerzos de mejora hacia cada
uno de estos elementos de un
proceso.
Ing. Mag. Germán Gómez Solarte, BB LSS
DIAGRAMA ISHIKAWA-MÉTODO DE
FLUJO DE PROCESO
Ejemplo:
Lugar: Restaurante
Proceso: Preparación de Café
X´s Y´s
Requisitos del Cliente = Salidas del Proceso (Y’s)
Entradas del Proceso (X’s) = Requisitos a Proveedores
Ing. Mag. Germán Gómez Solarte, BB LSS
Matriz Causa y Efecto
Matriz Causa y
Efecto
Importancia del 10 7 9 7 5
Cliente Escala de valoración
Salidas del proceso (Y) recomendada:
1 2 3 4 5 6 7 8 0 - No hay relación
Entradas del 1 - Relación débil
Presentación
Temperatura
Proceso
(X)
4 - Relación moderada
9 - Relación fuerte
Sabor
Color
Olor
Total
1 Filtro 9 1 0 4 0 125
2 Cantidad Agua 9 4 4 9 0 217
3 Café en polvo 9 9 1 9 0 225
4 Calor 9 4 9 1 0 206
5 Tiempo 4 4 9 1 0 156
6 Servilleta 0 0 0 0 9 45
7 Cuchara 0 0 0 0 9 45
8 Taza 0 0 0 0 9 45
9 Recipiente 0 4 4 0 9 109
400
182
243
168
180
Total
Ing. Mag. Germán Gómez Solarte, BB LSS
Matriz Causa y Efecto
Matriz Causa y
Efecto
Presentación
Temperatura
• Temperatura
Sabor
Color
ENTRADAS (X´s):
Olor
182
243
168
180
Total
Ing. Mag. Germán Gómez Solarte, BB LSS
c) Listado de las Factores o
causas (Xi) potenciales y
sus niveles:
PROBLEMA BOLSAS DE LECHE DE 1,1 LT CON SOBREPESO - FACTORES Y NIVELES SIN PRIORIZAR
PROBLEMA BOLSAS DE LECHE DE 1,1 LT CON SOBREPESO - FACTORES PRIORIZADOS APLICADA LA MATRIZ CAUSA EFECTO E ISHIKAWA
NIVELES
MAQUINA MATERIAL PERSONA MEDICION
Xi FACTORES (CAUSAS X) VARIABLE MÉTODOS ENTORNO
RIA ES S ES 1 2 3 4 5
UNIDADES DE MEDIDA
Sin Con
X3 Impulso de llenado Embolo regulador X regula regula
dor dor
Con
tanque
X4 Canal de envasado previo a la llenadoraTanque de llenado X
ascépti
Directo
co
Avanza
X5 Cambio de referencia Arranque X Inicio
do
7. ANALIZAR-
3. MEDIR- 6. ANALIZAR – Análisis de las
2. MEDIR- Estudiar la
a) Plan de capacidad del
causas
Validación del
recogida de proceso a)Diagrama
sistema de
datos a) Cp, Cpk, Pp y Ppk Ishikawa
medición-
Análisis R&R b)Tabla de b) Nivel Z b)Matriz C&E
datos c) Rendimiento c) Factores y
Yield Niveles
DISEÑO DE EXPERIMENTOS
DOE
e)Diseño de Experimentos: El grupo debe plantear un Diseño de Experimentos (DOE) para dos de los
factores Xi de dos niveles, seleccionados como prioritarios con su correspondiente variable de
respuesta Yi.
PROBLEMA BOLSAS DE LECHE DE 1,1 LT CON SOBREPESO - FACTORES PRIORIZADOS APLICADA LA MATRIZ CAUSA EFECTO E ISHIKAWA
NIVELES
MAQUINA MATERIAL PERSONA MEDICION
Xi FACTORES (CAUSAS X) VARIABLE MÉTODOS ENTORNO
RIA ES S ES 1 2 3 4 5
UNIDADES DE MEDIDA
Sin Con
X3 Impulso de llenado Embolo regulador X regula regula
dor dor
Con
tanque
X4 Canal de envasado previo a la llenadoraTanque de llenado X
ascépti
Directo
co
Avanza
X5 Cambio de referencia Arranque X Inicio
do
Paso 9: Hacer el análisis con los datos de la experimentación realizada (opcional con Datos supuestos)
Paso 9: Hacer el análisis con los datos de la experimentación realizada (opcional con Datos supuestos)
La identificación de
la significancia de
los factores Xi, lo
haremos mediante
el método gráfico
por eso
seleccionamos el
botón «Gráficas»
Paso 9: Hacer el análisis con los datos de la experimentación realizada (opcional con Datos supuestos)
Paso 10: Analizar el resultado de las gráficas de significancia de los factores Xi para perfilar la solución
para Y en la etapa MEJORAR del DMAIC
Paso 10: Analizar el resultado de las gráficas de significancia de los factores Xi para perfilar la solución
para Y en la etapa MEJORAR del DMAIC
Y →f(X1, X2,X3,X4,…Xn)
Y →f(X2*X3 + X3*X5)
¿Hasta dónde
hemos llegado en
nuestro proyecto Sobrepeso en las bolsas de leche →f(Tiempo de
cambio x Regulador , Regulador x Arranque o cambio
seis sigma? Ya
de referencia.
tenemos perfilado
la solución la cual
desarrollaremos en
la fase de MEJORA
Ing. Mag. Germán Gómez Solarte, BB LSS
Preguntas y respuestas
https://join.skype.com/qDbHH3BdjVce
germang1407
AGENDA DE ACOMPAÑAMIENTO
TUTORIAL EN SKYPE
FI-GQ-GCMU-004-015 V. 001-17-04-2013--- 91
Escuela de Ciencias Basicas, Tecnología e
Ingeniería
GRACIAS POR SU
ATENCIÓN
Ing. Mag. Germán Gómez Solarte, BB LSS