Valor y fundamentos de Seis Sigma

1. Seis Sigma Valor y fundamentos de Seis Sigma

2. Antecedentes de Seis Sigma • En 1981 Bob Gavin director de Motorola, estableció el objetivo de mejorar10 vecesel desempeño en un periodo de 5 años. • En 1985 Bill Smith en Motorola concluyó quesi un producto se reparaba durante la producción, otros defectos quedarían escondidosy saldrían con el uso del cliente. • Adicionalmente si un producto se ensamblaba libre de errores, no fallaba en el campo

3. Antecedentes de Seis Sigma • En 1988 Motorola ganó el premio Malcolm Baldrige, y las empresas se interesaron en analizarla. • Mikel Harry desarrolla la estrategia de cambio hacia Seis Sigma, sale de Motorola e inicia el “Six Sigma Research Institute” con la participación de IBM, TI, ASEA y Kodak. • La metodología se expandió a Allied Signal, ASEA, GE, Sony, Texas Instruments, Bombardier, Lockheed Martin, ABB, Polaroid y otras.

4. Definiciones • Definición de Sigma  • Sigma es un término estadístico que se refiere a la desviación estándar de un proceso en relación con la media. En un proceso normal 99.73% de valores caen dentro de +-3  y 99.99966% dentro de +-4.5 . • Definiciones de Seis Sigma • Seis Sigma es un proceso altamente disciplinado enfocado a desarrollar y entregar productos y servicios casi perfectos consistentemente

5. Seis Sigma como estrategia • Es una estrategia de mejora de negocios que busca encontrar y eliminar causas de errores o defectos en los procesos de negocio enfocándose a los resultados que son de importancia crítica para el cliente • Es una estrategia de gestión que usa herramientas estadísticas y métodos de proyectos para lograr mejoras en calidad y utilidades significativas

6. Estrategia de Seis Sigma en GE

7. Resultados de Seis Sigma en GE

8. Liderazgo en la empresa • Los programas Seis Sigma no suceden accidentalmente, deben contar con el compromiso y soporte de la administración en aspectos de recursos y herramientas • Hay dos épocas donde es difícil implementar proyectos de mejora, cuando son buenas (a nadie le interesa) y cuando son malas (la prioridad es sobrevivir)

9. Fundamentos de Seis Sigma • Historia de la mejora organizacional – Gurús de la calidad que han influido en Seis Sigma

10. La Distribución Normal

11. Distribución gráfica de la variación – Curva normal LAS PIEZAS VARÍAN DE UNA A OTRA: TAMAÑO TAMAÑO TAMAÑO TAMAÑO Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal SIZE TAMAÑO TAMAÑO LAS DISTRIBUCIONES PUEDEN DIFERIR EN: UBICACIÓN DISPERSIÓN FORMA TAMAÑO TAMAÑO TAMAÑO . . . O TODA COMBINACIÓN DE ÉSTAS

12. La distribución Normal Estándar La distribución normal es una distribución de probabilidad que tiene media 0 y desviación estándar de 1. El área bajo la curva o la probabilidad desde menos infinito a más infinito vale 1. La distribución normal es simétrica, es decir cada mitad de curva tiene un área de 0.5. La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z. Para cada valor Z se asigna una probablidad o área bajo la curva mostrada en la Tabla de distribución normal

13. X x-3s x-2s x-s x x+s x+2s x+s3 z -3 -2 -1 0 1 2 3 La Distribución Normal Estándar La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal

14. Características de la Distribución Normal 68% 34% 34% +1s 95% +2s 99.73% +3s

15. El valor de Z Determina el número de desviaciones estándar entre algún valor x y la media de la población, mu Donde sigma es la desviación estándar de la población. En Excel usar Fx, ESTADISTICAS, NORMALIZACIÓN, para calcular el valor de Z z = x - m s

16. Área bajo la curva normal ¿Que porcentaje de las baterías se espera que duren 80 horas o menos? Z = (x-mu) / s Z = (80-85.36)/(3.77)= - 5.36/ 3.77 = -1.42 80 85.36 -1.42 0

17. Área bajo la curva normal ¿Cuál es la probabilidad de que una batería dure entre 86.0 y 87.0 horas? 85.36 86 87 0 1

18. Procesos normales y medias muestrales • Un proceso normal es el que su salida sigue una distribución normal, se puede probar con el criterio de Anderson Darling o de Ryan para P value > 0.05 • Para el caso de las medias muestrales, el area bajo la curva normal se determina con la siguiente fórmula Z = (X – Media ) / (Sigma / raiz(n))

19. ¿Qué es Sigma? () • Sigma es un concepto estadístico que representa cuanta variación hay en un proceso respecto a los requerimientos del cliente • 0 – 2 sigmas, dificultades para cumplir especs. • 2 – 4.5 sigmas, se cumple la mayoría de especs. • 4.5 – 6 sigmas, cumplimiento total a requerimientos. Un proceso 6  tiene rendimiento del 99.9997%

20. Interpretación de Sigma y Zs LSE Especificación superior LIE Especificación inferior Z La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal s _ X xi p = porcentaje de partes fuera de Especificaciones

21. ¿Por qué es importante lograr niveles de calidad Seis Sigma • Un 99.9% de rendimiento equivale a un nivel de calidad de 1 sigma, representa 10 minutos sin transmisión de TV o 10 minutos sin línea telefónica por semana

22. Capacidad de procesos • Motorola notó que muchas operaciones en productos complejos tendían a desplazarse ±1.5  sobre el tiempo, por tanto un proceso de ± 6  a la larga tendrá 4.5  hacia uno de los límites de especificación, generando 3.4 DPMOs (defectos por millón de oportunidades) Corrimiento de ±1.5 

23. Capacidad de procesos • La tasa de falla puede ser referida como los defectos por oportunidad (DPO), o defectos por millón de oportunidades (DPMO) • Algunas capacidades a largo plazo son: • Para 2  se tienen 308,770 ppm con Ppk = 0.66 • Para 3 se tienen 66,810 ppm con Ppk =1 • Para 4  se tienen 6,210 ppm con Ppk =1.33

24. Capacidad de procesos • El término Seis Sigma se ha aplicado a operaciones aun con distribuciones no normales, para los cuales la sigma es inapropiada • Sin embargo el principio es el mismo, desarrollar productos y servicios casi perfectos al mejorar el proceso y eliminar los defectos, para deleitar al cliente

25. Áreas bajo la curva normal Entre menor sea el valor de  Mayor será la distancia entre X y LSE -6 -5 -4 -3 -2 -1 +4 +5 0 +1 +2 +3 +6 68.27% 95.45% 99.73% 99.9937% 99.999943% LSE Límite Superior de Especificación X = Media 4.5  3.4 ppm Fuera de LSE

26. Definición estadística de Seis Sigma Con 4.5 sigmas se tienen 3.4 ppm -6 -5 -4 -3 -2 -1 +4 +5 0 +1 +2 +3 +6 Media del proceso Corto plazo Largo Plazo 4.5 sigmas La capacidad Del proceso Es la distancia En Sigmas de La media al LSE LSE - Límite Superior de especificación LIE - Límite inferior de especificación El proceso se puede recorrer 1.5 sigma en el largo plazo

27. 500,000 1.5 0.0 0.00 0.17 0.5 308,538 2.0 0.50 1.5 66,807 3.0 0.83 2.5 6,210 4.0 1.00 3.0 1,350 4.5 233 5.0 1.17 3.5 1.33 4.0 32 5.5 Capacidad de Proceso Z.st Z.lt Cpk PPM. lt Nota: La capacidad a largo plazo, asume la media de proceso como desplazada de la especificación por 1.5 sigma. MEDIA ORIG. CORRIDA LSE 6.0 1.50 4.5 3.4 1. Z.st es el número de sigmas, en el mejor nivel que puede tener el proceso, a corto plazo . 2. Z.st siempre es un valor mayor a Z.lt, debido a que el valor a largo plazo es reducido por los cambios del proceso (en promedio, 1.5s)

28. Impulsores y métricas organizacionales

29. Métricas de desempeño de proceso • La gestión de procesos de negocios efectiva (BPM) requiere un sistema integrado de métricas: • KIPVs de proveedores: costo, calidad, beneficios y disponibilidad • KPOVs de máquinas y procesos: costo, calidad, características y disponibilidad • CSF factores críticos de éxito, DPMOs, rendimiento y throughput; utilidades, crecimiento y participación de mercado

30. Métricas • Nivel de negocio - Balanced Scorecard (Kaplan y Norton 1996): • Financieras • Percepción del cliente • Procesos internos del negocio (operaciones) • Aprendizaje organizacional y crecimiento • Satisfacción de los empleados

31. Métricas • Nivel de operaciones: • Efectividad del negocio, mide que tan bien se satisfacen las necesidades de los clientes • Eficiencia operativa, en función de costo y tiempo requerido para producir el producto • Los equipos que ven el impacto de sus esfuerzos en los resultados del negocio, hacen mejoras más efectivas y en forma más eficiente

32. Métricas • Nivel de procesos: • Datos de producción detallados • Consideraciones en el sistema de mediciones • Lo vital vs lo mucho trivial • Enfoque al presente, pasado y futuro • Ligadas para cubrir las necesidades de los grupos interesados (accionistas, clientes, empleados, etc.) • Deben ser consistentes en todos los niveles de la organización

33. Métricas para Seis Sigma • Mikel Harry introdujo un conjunto de métricas para Seis Sigma: • Miden las opiniones de los clientes • Determinan los factores CTQs críticos para la calidad de acuerdo al cliente • Miden resultados de manufactura de productos (rendimiento, rendimiento real, rendimiento normalizado) • Correlacionan las salidas de los procesos a CTQs

34. Métricas para Seis Sigma • Algunas de las métricas para Seis Sigma más comunes son: • D = defectos, U=unidades, O=oportunidades, Y=rendimiento

35. Ejemplos de defectos / unidad Determinar DPU en la producción de 100 unidades DPU = D/U = (20+10+12+4)/100=0.46 Si cada unidad tiene 6 oportunidades para defecto (características A, B, C, D, E y F), calcular DPO y DPMO DPO = DPU / O = 0.46/6 = 0.078 DPMO = 78,333

36. Relaciones de rendimiento Y La distribución de Poisson se usa para modelar la ocurrencia de defectos, de forma que:

37. Ejemplos de rendimiento • Si un proceso tiene una DPU de 0.47 ¿Cuál es el rendimiento Y?. • Y = exp (-DPU) = 0.625 = 62.5% • Un proceso tiene 4 pasos secuenciales, sus rendimientos son Y1=0.99, Y2=0.98, Y3=0.97, Y4=0.96. Determinar el rendimiento total y los DPU totales • Yrt =0.99x0.98x0.97x0.96 =0.9035 = 90.35% • TDPU = -ln(RTY) = -ln(0.9035) = 0.1015

38. Relaciones de sigmas • La probabilidad de uno o más defectos es: P(d) = 1- Y = 1 – FPY o P(d) = 1 – Yrt para varias ops. Si se tiene FPY = 95%  P(d) = 0.05 Entonces la Z a largo plazo se encuentra en tablas como Zlt = 1.645 sigma y por tanto la Zst a corto plazo es: Zst = 1.645 + 1.5 (corrimiento) = 3.145 El nivel de calidad Seis sigma con el corrimiento de 1.5 sigma puede aproximarse como:

39. ¿Como calcular la capacidad Seis Sigma para un proceso (equivale a la Zst de corto plazo)? • ¿Qué proceso se considera? Facturación y CxC • ¿Cuántas unidades tiene el proceso? 1,283 • ¿Cuántas están libres de defectos? 1,138 • Calcular el desempeño del proceso 1138/1283=0.887 • Calcular la tasa de defectos 1 - 0.887 = 0.113 • Determinar el número de oportunidades que pueden ocasionar un defecto (CTQs) 24 • Calcular la tasa de defecto por caract. CTQ 0.113 / 24 = .004709 • Calcular los defectos x millón de oportunidadesDPMO = 4,709 • Calcular #sigmas con tabla de conversión de sigma 4.1

40. Métodos de solución de problemas

45. Las fases DMAIC de 6 Sigma Definición Medición Análisis Control Mejora

46. Las fases de Seis Sigma (DMAIC) • Definir: seleccionar las respuestas apropiadas “Y” a ser mejoradas • Medir: Recolección de datos para medir la variable de respuesta • Analizar: Identificar la causa raíz de los defectos (variables independientes X) • Mejorar: Reducir la variabilidad o eliminar la causa • Control: Monitoreo para mantener mejora

47. Las fases de Seis Sigma (RDMAICSI de M. Harry) • Reconocer: los estados reales del negocio • Definir: los planes a implementar para mejorar cada estado del negocio • Medir: Los sistemas de negocio que soporten los planes • Analizar: las brechas en el desempeño del sistema contra benchmarks

48. Las fases de Seis Sigma (Harry) • Mejorar: los sistemas para lograr las metas de desempeño • Control: de características a nivel de sistema críticas para el valor • Estandarizar: el sistema que pruebe ser el mejor en su clase • Integrar: sistemas mejores en su clase en el marco de planeación estratégica

49. Modelo DFSS para Seis Sigma

50. Modelo DFSS de Simon - DMADV • Definir: metas del proyecto y necesidades del cliente • Medir: Identificar necesidades del cliente y especificaciones • Analizar: Determinar y evaluar las opciones del diseño • Diseñar: Desarrollar los procesos y productos para cumplir los requerimientos del cliente • Verificar: Validar y verificar el diseño