Programa de certificación de Black Belts CFE

1. Lean Seis Sigma Programa de certificación de Black BeltsCFE VI. Lean Seis Sigma – Análisis A Primera parte P. Reyes / Abril de 2010

2. Fase de Análisis • Propósitos: • Establecer hipótesis sobre las posibles Causas Raíz • Refinar, rechazar, o confirmar la Causa Raíz • Seleccionar las Causas Raíz más importantes: • Las pocas Xs vitales • Salidas: • Causas raíz validadas • Factores de variabilidad identificados

3. Llenar columnas del FMEA Hasta sol. Propuesta y comprobar causas con Pruebas de Hipótesis

4. VI. Análisis A. Identificación de causas potenciales Diagrama de Ishikawa Diagrama de interrelaciones Diagrama de árbol Diagrama 5W – 1H B. Análisis Multi-vari C. Medición y modelaje de relación entre variables 1. Coeficiente de correlación 2. Regresión simple

5. VI. Análisis D. Pruebas de hipótesis 1. Conceptos fundamentales 2. Significancia estadística vs práctica 3. Tamaño de muestra 4. Estimación puntual y por intervalo 5. Pruebas de hipótesis de media, varianza y proporción 6. Pruebas de hipótesis para comparación de varianzas, medias y proporciones

6. VI. Análisis E. Análisis del modo y efecto de falla (AMEF) 1. Conceptos fundamentales 2. FMEA de diseño 3. FMEA de proceso 4. Herramientas para el FMEA 5. FMEAexpress 6. EFMEA ambiental 7. MFMEA de máquinas

7. VI.AIdentificación de causas potenciales Tormenta de ideas Diagrama de Ishikawa Diagrama de Relaciones Diagrama de Árbol Verificación de causas raíz

8. Tormenta de ideas • Técnica para generar ideas creativas cuando la mejor solución no es obvia. • Reunir a un equipo de trabajo (4 a 10 miembros) en un lugar adecuado • El problema a analizar debe estar siempre visible • Generar y registrar en el diagrama de Ishikawa un gran número de ideas, sin juzgarlas, ni criticarlas • Motivar a que todos participen con la misma oportunidad

9. Tormenta de ideas • Permite obtener ideas de los participantes

10. Diagrama de Ishikawa • Anotar el problema en el cuadro de la derecha • Anotar en rotafolio las ideas sobre las posibles causas asignándolas a las ramas correspondientes a: • Medio ambiente • Mediciones • Materia Prima • Maquinaria • Personal y • Métodos o • Las diferentes etapas del proceso de manufactura o servicio

11. Diagrama de Ishikawa

12. Perdida de mercado debido a la competencia Programación deficiente No hay flujo efectivo de mat. Por falta de programación de acuerdo a pedidos Compra de material para el desarrollo de nuevos productos por parte inv..... Y desarrollo’’’ Influencia de la situación econ del país Falta de control de inventarios en compras No hay coordinación entre marketing operaciones Falta de coordinación al fincar pedidos entre marketing y la op. No hay control de inv..... En proc. Constantes cancelaciones de pedidos de marketing Falta de prog. De la op. En base a los pedidos No hay coordinación entre la operación y las unidades del negocio Capacidad instalada desconocida Las un. Reciben ordenes de dos deptos diferentes Falta de coordinación entre el enlace de compras de cada unidad con compras corporativo Marketing no tiene en cuenta cap de p. Altos inventarios Duplicidad de funciones Demasiados deptos de inv..... Y desarrollo Compras aprovecha ofertas Mala prog. De ordenes de compra Falta de com..... Entre las dif. áreas de la empresa No hay com..... Entre las UN y la oper. No hay com..... Entre compras con la op. general Influencia directa de marketing sobre compras Falta de comunicación entre las unidades del negocio Diagrama de relaciones

13. ¿Que nos puede provocar Variación de Velocidad Durante el ciclo de cambio en la sección del Embobinadores? Bandas de transmisión Dancer 13/0 2/1 Taco generador del motor Empaques de arrastre 2/4 1/1 Causas a validar Poleas guías Presión de aire de trabajo 0/4 0/3 Presión del dancer Drive principal 1/2 5/2 Mal guiado Voltaje del motor 5/1 4/1 Sensor de velocidad de línea 1/4 Ejes principales 1/5 Entradas Causa Salidas Efecto Sensor circunferencial 1/4 1/5 Poleas de transmisión

14. Driver Means not clearly defined Plan not In = 3 Out = 2 integrated Communica- tion issues In = 2 Out = 4 within the group In = 1 Out = 3 Fast new product introductions stretch resources In = 1 Out = 2 No strong commitment to the group In = 2 Out = 0 Capacity may not meet needs Planning In = 5 Out = 1 approach not Outcome standardized In = 0 Out = 5 External Lack of Driver factors impact time and implemen- resources tation In = 5 Out = 0 In = 0 Out = 2 What Data Needs to be Collected to understand the sources of variation in a key measure ? Interrelationship Diagraph Allows a team to identify & classify the cause and effect relationships that exist among variables Business Planning Process

15. Meta Medio Meta Medio Medio Meta Medios Medios Medios Medios o planes Meta u objetivo Medios o planes Diagrama de árbol o sistemático Segundo nivel Cuarto nivel Tercer nivel Primer nivel

16. Diagrama de Arbol- Aplicación Sistema SMED ¿Cómo? ¿Cuándo? Filmar la preparación 5- 12 - Mar-04 Preparación para el SMED Analizar el video 10 y 17 –Mar-04 Describir las tareas 17- Mar-04 Separar las tareas 17- Mar-04 ¿Objetivo? Fase 1: Separación de la preparación interna de la externa Elaborar lista de chequeo 2- Mar-04 Implantar el Sistema SMED Producto DJ 2702 Realizar chequeo de funciones 24- Mar-04 Analizar el transporte de herramientas y materiales 24- Mar-04 Analizar las funciones y propósito de c/operación 12 - Abr- 04 ¿Qué? Fase 2: Conversión de preparación interna en externa Convertir tareas de prepa- ración interna a externas 15 –Abr - 04 Elaboramos un Diagrama de Arbol para poder analizar nuestro problema siguiendo el sistema SMED. Realización de operaciones en paralelo. 5 –May -04 Fase 3: Refinamiento de todos los aspectos de la preparación. Uso de sujeciones funcionales. 19– May -04 Eliminación de ajustes 12- May -04 19

17. Verificación de posibles causas • Para cada causa probable , el equipo deberá por medio del diagrama 5Ws – 1H: • Llevar a cabo una tormenta de ideas para verificar la causa. • Seleccionar la manera que: • represente la causa de forma efectiva, y • sea fácil y rápida de aplicar.

18. Calendario de las actividades

19. Resumen de la validación de las causas # de Causa Resultados Causa Raíz Causas 1 2 3 4 5 6 7 Ensamble de ojillos, bloques y contrapesos no adecuados en aspas. Amortiguadores dañados. Desgaste de bujes en los carretes. Fabricación y reemplazo de ejes y poleas no adecuados en ensamble de aspas. Desalineamiento de poleas y bandas de transmisión de aspas. Método de Balanceo no adecuado. Desalineación de pinolas en cuna. SI ES CAUSA RAIZ SI ES CAUSA RAIZ NO ES CAUSA RAIZ NO ES CAUSA RAIZ SI ES CAUSA RAIZ SI ES CAUSA RAIZ NO ES CAUSA RAIZ X X X X

20. VI.BEstudios Multivari

21. Estudios Multivari • La carta multivari permite analizar la variación dentro de la pieza, de pieza a pieza o de tiempo en tiempo • Permite investigar la estabilidad de un proceso consiste de líneas verticales u otro esquema en función del tiempo. La longitud de la línea o del esquema representa el rango de valores encontrados en cada conjunto de muestras

22. Estudios Multivari • La variación dentro de las muestras (cinco puntos en cada línea). La variación de muestra a muestra como posición vertical de las líneas. E S P E S O R Número de subgrupo

23. Estudios Multivari • Ejemplo de parte metálica

24. Estudios Multivari • Ejemplo de parte metálica

25. Estudios Multivari • Procedimiento de muestreo: • Seleccionar el proceso y la característica a investigar • Seleccionar tamaño de muestra y frecuencia de muestreo • Registrar en una hoja la hora y valores para conjunto de partes

26. Estudios Multivari • Procedimiento de muestreo: • Realizar la carta Multivari • Unir los valores observados con una línea • Analizar la carta para variación dentro de la parte, de parte a parte y sobre el tiempo • Puede ser necesario realizar estudios adicionales alrededor del área de máxima variación aparente • Después de la acción de mejora comprobar con otro estudio Multivari

27. Cartas Multivari • Su propósito fundamental es reducir el gran número de causas posibles de variación, a un conjunto pequeño de causas que realmente influyen en la variabilidad. • Sirven para identificar el patrón principal de variación de entre tres patrones principales: • Temporal: Variación de hora a hora; turno a turno; día a día; semana a semana; etc. • Cíclico: Variación entre unidades de un mismo proceso; variación entre grupos de unidades; variación de lote a lote.

28. Cartas Multivari • Posicional: • Variaciones dentro de una misma unidad (ejemplo: porosidad en un molde de metal) o a través de una sola unidad con múltiples partes (circuito impreso). • Variaciones por la localización dentro de un proceso que produce múltiples unidades al mismo tiempo. Por ejemplo las diferentes cavidades de un molde • Variaciones de máquina a máquina; operador a operador; ó planta a planta

29. Cartas Multivari • Ejemplo: Se toman 3 a 5 unidades consecutivas, repitiendo el proceso tres o más veces a cierto intervalo de tiempo, hasta que al menos el 80% de la variación en el proceso se ha capturado. A 1 2 3 4 5 27 28 29 30 31 55 56 57 58 59 VARIACIÓN POSICIONAL DENTRO DE LA UNIDAD

30. Cartas Multivari • Ejemplo: (cont...) B 1 2 3 4 5 27 28 29 30 31 55 56 57 58 59 VARIACIÓN CÍCLICA DE UNIDAD A UNIDAD

31. Cartas Multivari • Ejemplo: (cont...) C 1 2 3 4 5 27 28 29 30 31 55 56 57 58 59 VARIACIÓN TEMPORAL DE TIEMPO A TIEMPO

32. Cartas Multivari • Ejemplo: Un proceso produce flecha cilíndricas, con un diámetro especificado de 0.0250”  0.001”. • Sin embargo un estudio de capacidad muestra un Cp = 0.8 y una dispersión natural de 0.0025” (6  ) contra la permitida de 0.0002”. • Se tiene pensado comprar un torno nuevo de US$70,000 para tolerancia de  0.0008”, i.e. Cpk = 1.25. Se sugirió un estudio Multi Vari previo.

33. Cartas Multivari • Se tomaron cuatro lecturas en cada flecha, dos a cada lado. Estas muestran una disminución gradual desde el lado izquierdo al lado derecho de las flechas, además de excentricidad en cada lado de la flecha. • La variación cíclica, de una flecha a la siguiente, se muestra mediante las líneas que concentran las cuatro lecturas de cada flecha. • También se muestra la variación temporal.

34. Cartas Multivari 8 AM 9 AM 10 AM 11 AM 12 AM .0.2510” 0.2500” 0.2490” Izquierda Máximo Derecha Mínimo

35. Cartas Multivari • Un análisis rápido revela que la mayor variación es temporal con un cambio mayor entre las 10 AM y las 11 AM. • A las 10 AM se para el equipo para el almuerzo y se arranca a las 11 AM, con lecturas similares a las de las 8 AM. Conforme pasa el tiempo las lecturas tienden a decrecer más y más, hasta que se invierten a las 10 A.M. en forma drástica. • Se investigó y se encontró que la temperatura tenía influencia en la variación. • La variación en temperatura era causada por que la cantidad de refrigerante no era la adecuada, lo cual se notaba más cuando se paraba el equipo y se volvía a arrancar. Se adicionó, reduciendo la variación en 50% aproximadamente..

36. Cartas Multivari • También se encontró que el acabado cónico era causado por que la herramienta de corte estaba mal alineada. Se ajustó, contribuyendo a otra reducción del 10% de la variabilidad. • La excentricidad de las flechas se corrigió al cambiar un rodamiento excéntrico por desgaste en el torno. Se instaló un nuevo rodamiento eliminándose otro 30% de la variabilidad. • La tabla siguiente muestra un resumen de los resultados.

37. Cartas Multivari Tipo de % var. Causas de Acción % de variación Variación Total Variación Correctiva Reducida Temporal 50 Bajo nivel de Adicionar Casi 50 Tiempo a tiempo Refrigerante refrigerante Dentro de 10 Ajuste no Ajuste de la Casi 10 la flecha no paralelo herramienta de corte Dentro de 30 Rodamiento Nuevo Casi 30 la flecha gastado rodamiento Flecha a 5 -??? - - flecha

38. Cartas Multivari • Resultados: • La variación total en la siguiente corrida de producción se redujo de 0.0025” a 0.0004” • El nuevo Cp fue de 0.002 / 0.0004 = 5.0 • Como beneficios se redujo a cero el desperdicio y no hubo necesidad de adquirir una nueva máquina. • Se observa que antes de cambiar equipo o máquinas, es conveniente realizar un estudio de variabilidad para identificar las fuentes de variación y tratar de eliminarlas.

39. Cartas Multivari Ejemplo: Búsqueda de fuentes de variación con el diagrama sistemático. Diámetro de Flecha (0.150" +/- .002) Operador a operador Programa Máquina Accesorios

40. Cartas Multivari • Ejemplo (cont..): • Al realizar la prueba de homogeneidad de varianza F, se encontró que había una diferencia significante entre los operadores. • Se Rechaza Ho: Oper1 = Oper2 = Oper3 • Para probar si existe diferencia significativa entre medias de operadores se hacen las siguientes comparaciones Ho: Oper1 = Oper2 Ho: Oper1 = Oper3 Ho: Oper2 = Oper3 Ha: Oper1Oper2Oper3

41. Corrida en Minitab • Se introducen los datos en varias columnas C1 a C3 incluyendo la respuesta (strenght) y los factores (time y Metal) SinterTime MetalType Strength 0.5 15 23 0.5 15 20 0.5 15 21 0.5 18 22 0.5 18 19 0.5 18 20 0.5 21 19 0.5 21 18

42. Corrida en Minitab • Utilizar el achivo de ejemplo Sinter.mtw • Opción: Stat > Quality Tools > Multivari charts • Indicar la columna de respuesta y las columnas de los factores • En opciones se puede poner un título y conectar las líneas

43. Resultados

44. VI.CMedición y modelaje de relación entre variables

45. C. Medición y modelaje de relación entre variables 1. Coeficiente de correlación 2. Regresión 3. Herramientas Multivariadas 4. Estudios Multivari 5. Análisis de datos por atributos

46. VI.C.1 Coeficiente de correlación

47. Establece si existe una relación entre las variables y responde a la pregunta, ”¿Qué tan evidente es esta relación?" Describe con más detalle la relación entre las variables. Construye modelos de predicción a partir de información experimental u otra fuente disponible. Regresión lineal simple Regresión lineal múltiple Regresión no lineal cuadrática o cúbica Definiciones Correlación Regresión

48. Correlación Propósito: Estudiar la posible relación entre dos variables. • • • Correlación positiva, posible • • • • • • Accidentes laborales • • • • • • • • • • • • • • • • • • • • Numero de órdenes urgentes El 1er. paso es realizar una gráfica de la información.

49. Coeficiente de correlación (r ) • Mide la fuerza de la relación lineal entre las variables X y Y en una muestra. • El coeficiente de correlación muestral de Pearson rx,y con valores entre -1 y +1 es:

50. Correlación de la información (R ) de las X y las Y Correlación Negativa Evidente Correlación Positiva Evidente 25 25 20 20 15 15 Y 10 Y 10 5 5 Sin Correlación 0 0 0 5 10 15 20 25 0 5 10 15 20 25 25 X R=1 X R=-1 20 15 Correlación Positiva Y 10 Correlación Negativa 5 25 0 25 0 5 10 15 20 25 20 R=0 X 20 15 15 Y 10 Y 10 5 5 0 0 0 5 10 15 20 25 0 5 10 15 20 25 X R=>1 R=>-1 X